잡플래닛 메타베이스 도입기

1. 들어가며

2. 기존 BI 환경

3. 메타베이스 선택 이유

1. 단일 서비스 어카운트를 통해 데이터에 접근하고, 개인별 권한 관리가 가능할 것.
2. 누구나 쿼리를 작성할 수 있고, 결과를 확인할 수 있는 환경을 제공할 것.
3. 누구나 단일 데이터를 원하는 형태로 시각화하여 다양한 측면을 살펴볼 수 있도록 할 것.

• 태블로 : 전사 KPI, IR 지표

• 메타베이스 : 스쿼드 단위 OKR 지표, Ad-hoc 데이터 요청 처리

4. 데이터 활용을 위한 메타베이스 사용법

4.1. 메타베이스 구조 파악

4.1.1. Product

• Query : 연결된 DB에서 원하는 데이터를 추출할 수 있는 쿼리를 의미합니다.

• Dashboard : Query를 통해 추출한 데이터의 시각화와 분석을 위해 설계된 인터페이스입니다.

• Model : 테이블 생성 및 저장, 시각화 등 다양한 기능을 제공합니다.
• 새로운 테이블을 생성하고 저장하여 추후 해당 테이블을 메타베이스에서 사용할 수 있도록 합니다.
• Summarize 기능을 통해 UI/UX를 기반으로 집계형 테이블을 생성하고 저장할 수 있습니다.
• 이러한 기능은 쿼리 작성에 익숙 않은 구성원도 원하는 데이터 추출을 가능하게 합니다.
• 데이터 digging이 가능한 환경을 제공하기 때문에, 데이터 문해력 상승을 위해 중요한 기능입니다.

• Collection : product를 저장하는 폴더입니다. Collection 하위에 Sub collection이 위치할 수 있습니다.

4.1.2. Admin

• People : 메타베이스 접근 권한이 있는 구성원을 의미합니다.

• Group : People 각각이 속한 그룹을 의미합니다.

• Permission : Database, Table, Native query editing, Collection에 대한 Access 권한을 의미합니다.
• 세부 access 권한은 아래와 같이 구성되며, Group 단위로 설정 가능합니다.
1. Database
• Unrestricted : 그룹이 해당 DB를 사용하는 product에 접근 가능하도록 허용합니다.
• Granular : 그룹이 해당 DB의 특정 테이블을 사용하는 product에만 접근 가능하도록 합니다.
• No self-service : 그룹이 해당 DB에 접근할 수 없도록 제한합니다.
2. Table : Database 권한이 Granular로 설정된 경우, 하위 access 권한입니다.
• Unrestricted : 그룹이 해당 테이블을 사용하는 product에 접근 가능하도록 허용합니다.
• No self-service : 그룹이 해당 테이블에 접근할 수 없도록 제한합니다.
3. Native query editing
• Yes : 그룹의 쿼리 작성/수정을 허용합니다.
• No : 그룹의 쿼리 작성/수정을 제한합니다.
4. Collection
• Curate : 그룹이 해당 Collection을 보고, 편집 가능하도록 허용합니다.
• View : 그룹이 해당 Collection을 보는 기능만을 허용합니다.
• No access : 그룹이 해당 Collection에 접근할 수 없도록 제한합니다.

• 예를 들어, DIS 그룹의 권한이 아래와 같다고 가정해 보겠습니다. (색과 종류는 무관합니다)

Collection Name	Collection access	DB Name	Database access	Native query editing
collection_1	Curate	DB_1	Unrestricted	Yes
collection_2	No access	DB_1	Unrestricted	Yes
collection_3	View	DB_2	Unrestricted	No

• collection_1에서는 DB_1의 테이블을 사용한 product를 자유롭게 생성하고 편집할 수 있습니다.
• collection_2에 대한 접근 권한이 제한되었으므로 해당 collection은 DIS 팀에게 노출되지 않습니다.
• collection_3에 저장된 product 중, DB_2를 사용하는 것들은 모두 볼 수는 있으나 수정은 불가합니다.

• 정리하자면, 각 그룹이 collection에 대해 가지는 권한이 우선시됩니다. 그 후, collection 내부의 product가 사용하는 DB와 해당 DB에 대한 쿼리 수정 권한이 무엇이냐에 따라 각 그룹의 최종 권한이 정해집니다.

4.2. 쿼리를 직접 작성해서 데이터를 추출하고자 하는 니즈

4.3. 구성원별 접근 가능 쿼리 차등화 니즈

4.4. 다양한 조건을 통해 데이터를 보고자 하는 니즈

4.4.1. 공통 사용법

1. 쿼리 작성 시에는 공통적으로 {{ }} 을 사용해서 필터 변수를 감싸 필터를 정의합니다.

SELECT
...
FROM sample_DB.smaple_table

-- 대상을 중괄호 두개로 감싸서 필터로 사용 가능합니다.
WHERE condition_column = {{filter}}

...

1. 쿼리를 작성하면, 필터의 자료형 및 디폴트 값 설정을 위한 윈도우가 생깁니다.

2. 초기 설정 이후부터는 해당 필터값을 변경하여 원하는 조건을 적용할 수 있습니다.

4.4.2. Date, Text, Number Filter

SELECT
...
FROM sample_DB.smaple_table

-- 1. Date Filter
WHERE date_column = DATE({{date_filter}})

-- 2. Text Filter
WHERE text_column = {{text_filter}}

-- 3. Number Filter
WHERE numeric_column > {{number_filter}}

...

4.4.3. Field Filter

• 컬럼의 유니크 값을 가져와 필터를 만들기에, 텍스트 필터 사용 시 값을 입력하는 리소스가 감소했습니다.

• 기존 Date Filter에 비해 date range, year & month, Relative Date 등 다양한 선택지를 제공합니다.

• 차트에 Field Filter가 적용되어 있는 경우, 해당 필터를 대시보드에서 그대로 사용할 수 있습니다.

SELECT
...
FROM sample_DB.smaple_table

-- Field Filter
WHERE {{field_filter}}

...

WHERE {{range_filter}}

WHERE DATE_TRUNC(`sample_DB.smaple_table`.`dt`, day) BETWEEN date("2024-05-01") AND date("2024-05-31")

4.4.4. Optional Filter

SELECT 
		date_column
	, text_column
	, numeric_column
FROM data_table_name
WHERE True
-- [[ ]]로 각 조건을 묶어 optional filter를 적용
[[AND DATE(date_column, 'Asia/Seoul') = DATE({{date}})]]
[[AND text_column like {{text}}]]
	AND numeric_column = {{num}}

4.5. 데이터 시각화 및 대시보드 구현

4.5.1. Visualization

4.5.2. Dashboard

4.5.3. 잡플래닛의 Dashboard 관리 / 사용법

• Live Time : 대시보드 Auto Refresh 기능을 통해, 실시간으로 매출과 트렌드를 모니터링합니다.

• Daily : Daily Scrum, PO meeting 시 모니터링에 사용합니다.
• 지표의 전일 대비 증감폭을 모니터링하여 프로덕트 배포 및 외부 요인에 의한 영향을 파악합니다.

• Weekly : WBR 시 스쿼드별 OKR 모니터링, 주차별 전략 수립에 사용합니다.
• 스쿼드별 주요 지표의 주간 트렌드를 확인하고 각 지표를 통합적으로 분석합니다.
• 분석 내용을 기반으로 지표 개선을 위한 협업 프로세스를 정하며, 차주 진행할 전략을 수립합니다.

• Monthly, Yearly : 전사 KPI 평가에 사용합니다.
• 트렌드를 시각화하여 시즈널리티와 증감폭을 파악하고, 이를 반영한 월별 전략을 수립합니다.
• 전년 대비 성과를 비교하여 회사의 성장세를 모니터링합니다.

 

 

 

 

5. 결론과 회고

5.1. 결론

1. 메타베이스 대시보드를 기반으로 WBR을 진행하고, 차주의 전략을 세울 수 있게 되었습니다. 기존에는 다루는 지표의 종류가 변하는 경우가 잦았고, 관련 인사이트를 자세히 기술하고 있었습니다. 따라서 KPI, OKR 기반 소통이라는 WBR의 취지에 완전히 부합하지 못했습니다. 메타베이스 도입 후에는 스쿼드별 주요 지표를 다루는 대시보드를 공유해 진행 상황을 모니터링하고 빠르게 주차별 전략을 세우고 있습니다.

2. 메타베이스의 직관적인 사용성을 기반으로, 데이터 드리븐 의사결정 문화가 자리 잡는 중입니다. 메타베이스는 다양한 필터링 기능을 제공합니다. 이에 따라 데이터 요청자가 스스로 데이터 디깅(digging)하는 환경이 만들어졌습니다. 초기 요청 시 고려하지 않았던 부분까지 파악할 수 있게 되면서, 데이터 기반 의사결정이 자리를 잡았고 고도화되고 있습니다. 결과적으로, 잡플래닛은 메타베이스가 데이터 활용의 장벽을 낮추고 데이터 문해력을 키우는 데에 핵심적인 역할을 수행할 수 있도록 활용하고 있습니다.

5.2. 회고

6. 마치며

Business Data Analyst(Team Lead)

잡플래닛 | ★ 3.6

https://www.jobplanet.co.kr/job/search?posting_ids[]=1269614

Analytics Engineer (경력)

잡플래닛 | ★ 3.6

https://www.jobplanet.co.kr/job/search?posting_ids[]=1269621