Chapter.6 대시보드 활용 품질관리(6)

TIL(Today I Learned)

---

1️⃣태블로 라이브 세션

Tableau Pulse

• Tableau에 포함된 AI 기반 KPI 모니터링 레이어
• 전통적인 대시보드처럼 “사용자가 열어서 해석”하는 방식이 아니라, 정의된 핵심 지표(Metric)를 중심으로 이상 변화 감지, 원인 후보 자동 요약, 사용자에게 ‘알림 + 해석’ 형태로 전달하는 Push형 Analytics가 핵심

2. 핵심 구성 요소 (구조적으로)

• • 계산식 (LOD 포함 가능)
  • 시간 Grain (일/주/월)
  • 비교 기준 (전주 대비, 전년 대비 등)
  • 목표값(Optional)
    • 총 매출
    • 전환율
    • DAU
    • 불량률Metric (지표 정의)

👉 “차트”가 아니라 “수치의 상태”를 정의하는 개념

•  
• Insight Generation (AI 해석) : Pulse는 지표 변화가 감지되면 다음을 자동 수행합니다.
  • 변화 감지
    • 급증 / 급락
    • 트렌드 이탈
  • 비교 분석
    • 이전 기간 대비
    • 평균 대비
  • 원인 후보 제시
    • 지역별
    • 제품별
    • 세그먼트별 기여도 변화

“이번 주 매출이 12% 감소했습니다. 주 원인은 서울 지역과 A상품군의 감소입니다.”

👉 설명은 ‘확정 원인’이 아니라 ‘탐색 우선순위 추천’

 

---

Tableau Agent

• 자연어로 Tableau의 데이터, 지표, 대시보드를 이해·설명·분석하도록 돕는 AI 어시스턴트
• Tableau에 이미 있는 데이터 자산·계산식·KPI·메타데이터 이해하고, 질문에 맞게 요약·해석·가이드

1. Tableau Agent의 핵심 기능
   • “이번 달 매출 왜 떨어졌어?”
   • “전월 대비 가장 많이 감소한 지역은?”
   • “이 KPI 지금 정상 상태야?”
   → 이런 질문들에 대해 내부적으로 VizQL Data Service / Metadata / Pulse Metric을 호출해서 실제 데이터 기반으로 답변
2. Tableau Agent 동작 원리

사용자 질문
   ↓
Copilot (LLM)
   ↓
MCP Tool 선택
   ↓
Tableau API / VDS / Metadata / Pulse
   ↓
결과 요약 및 설명

---

Tableau MCP

• Tableau MCP(Model Context Protocol) 는 LLM(Claude 등)이 Tableau Cloud에 있는 데이터·대시보드·이미지를 API를 통해 안전하게 조회·분석하도록 중간에서 연결해 주는 Bridge 레이어
• AI가 Tableau에 직접 접속하는 것이 아니라 MCP 서버를 통해 허용된 기능만 호출 결과를 다시 AI가 해석·요약하는 구조

1.Tableau MCP 아키텍처 구조

사용자 질문
  ↓
Claude Desktop (LLM)
  ↓  
Tableau MCP (Bridge)
  ↓
Tableau Cloud

 

3. Tableau MCP가 실제로 하는 일

① 데이터 조회

② 대시보드 이미지 조회

③ 결과 전달

 

4. MCP 연결 설정

• Tableau Cloud 계정
• PAT 발급
• Node.js
• Claude Desktop
• MCP 서버 실행

{
  "mcpServers": {
    "tableau": {
      "command": "npx",
      "args": ["-y", "@tableau/mcp-server@latest"],
      "env": {
        "SERVER": "<https://your-tableau-server.com>",
        "SITE_NAME": "your_site",
        "PAT_NAME": "mcp_demo",
        "PAT_VALUE": "********"
      }
    }
  }
}

---

실습

태블로 워크시트 내 대시보드 분석 보고서

 

Productive_Maintenance_Report.docx

0.01MB

---

2️⃣Streamlit 대시보드 완전 정복 2회차

Streamlit 문법 간단 정리

1. 기본 출력

st.write()

 

• 문자열, 숫자, 데이터프레임 등 자동 출력
• 가장 범용적으로 많이 사용

 

st.text()

• 텍스트 그대로 출력

st.markdown()

 

• Markdown 문법 사용 가능
• 굵게, 표, HTML 등 표현 가능

 

---

2. 제목 출력

st.title()
st.header()
st.subheader()

 

• title : 큰 제목
• header : 섹션 제목
• subheader : 소제목

 

---

3. 데이터 출력

st.dataframe(df)

• 인터랙티브 테이블

st.table(df)

• 정적 테이블

st.json(data)

• JSON 형태 출력

---

4. KPI / 지표 표시

st.metric()

 

• KPI 카드 생성
• 증감률 표시 가능

st.columns()

 

• 여러 KPI를 가로 배치

---

5. 시각화

st.line_chart()			#선 그래프
st.bar_chart()			#막대 그래프
st.area_chart()			#영역 그래프
st.scatter_chart()		#산점도

---

6. 지도 시각화

st.map()

• 위도(lat), 경도(lon) 기반 지도 표시

---

7. 미디어 출력

st.image()	#이미지 출력
st.audio()	#오디오 출력
st.video()	#영상 출력

---

8. 상태 메시지

st.success()
st.info()
st.warning()
st.error()

• 성공 / 정보 / 경고 / 오류 메시지 표시

---

9. 알림 및 효과

st.toast()

• 잠깐 나타나는 알림

st.balloons()
st.snow()

• 풍선, 눈 효과

---

10. 진행 상태 표시

st.progress()
st.spinner()

• 진행률 바 표시
• 로딩 중 표시

---

11. 버튼

st.button()

• 버튼 클릭 이벤트 처리

---

12. 코드 / 수식 출력 

st.code()

• 코드 블록 출력

st.latex()

• 수학 수식 출력

---

13. 기타 유용한 기능

st.caption()

• 작은 보조 설명

st.divider()

• 구분선 출력

with st.echo():

• 코드와 실행 결과 동시에 보여줌

---

💡 느낀점

오늘은 태블로 라이브 세션을 마무리하며 대시보드 구성과 시각화 흐름을 다시 정리할 수 있었고, 이어서 Streamlit 문법을 공부하면서 데이터 분석 결과를 웹 형태로 구현하는 방법을 익혔다. 특히 간단한 코드만으로 그래프, KPI, 테이블 등을 빠르게 시각화할 수 있다는 점이 인상적이었다. 앞으로 데이터 분석뿐 아니라 서비스 형태로 결과를 보여주는 능력도 중요하다는 것을 느꼈다. 다양한 데이터를 활용해 태블로나 스트림릿으로 구현하는 것을 실습할 예정이다.