기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 데이터 준비 단계
<a name="data-prep-steps"></a>

Amazon Quick Sight의 데이터 준비 경험은 데이터를 체계적으로 변환할 수 있는 11가지 강력한 단계 유형을 제공합니다. 각 단계는 데이터 준비 워크플로에서 특정 목적을 수행합니다.

단계는 **구성** 창의 직관적인 인터페이스를 통해 구성할 수 있으며, 미리 **보기** 창에 즉각적인 피드백이 표시됩니다. 단계를 순차적으로 결합하여 SQL 전문 지식 없이도 정교한 데이터 변환을 생성할 수 있습니다.

각 단계는 물리적 테이블 또는 이전 단계의 출력에서 입력을 수신할 수 있습니다. 대부분의 단계에서는 단일 입력을 허용하며 추가 및 조인 단계는 예외입니다. 이러한 단계에는 정확히 두 개의 입력이 필요합니다.

## Input
<a name="input-step"></a>

입력 단계는 후속 단계에서 변환을 위해 여러 소스에서 데이터를 선택하고 가져올 수 있도록 하여 Quick Sight에서 데이터 준비 워크플로를 시작합니다.

**입력 옵션**
+ **데이터 세트 추가**

  기존 Quick Sight 데이터 세트를 입력 소스로 활용하여 팀이 이미 준비하고 최적화한 데이터를 기반으로 구축합니다.
+ **데이터 소스 추가**

  특정 데이터베이스 객체를 선택하고 연결 파라미터를 제공하여 Amazon Redshift, Athena, RDS 또는 기타 지원되는 소스와 같은 데이터베이스에 직접 연결합니다.
+ **파일 업로드 추가**

  CSV, TSV, Excel 또는 JSON과 같은 형식으로 로컬 파일에서 직접 데이터를 가져옵니다.

**구성**

입력 단계에는 구성이 필요하지 않습니다. **미리 보기** 창에는 가져온 데이터가 연결 세부 정보, 테이블 이름 및 열 메타데이터를 포함한 소스 정보와 함께 표시됩니다.

**사용 노트**
+ 단일 워크플로 내에 여러 입력 단계가 존재할 수 있습니다.
+ 워크플로의 언제든지 입력 단계를 추가할 수 있습니다.

## 계산된 열 추가
<a name="add-calculated-columns-step"></a>

계산된 열 추가 단계를 사용하면 기존 열에 대해 계산을 수행하는 행 수준 표현식을 사용하여 새 열을 생성할 수 있습니다. 스칼라(행 수준) 함수와 연산자를 사용하여 새 열을 생성하고 기존 열을 참조하는 행 수준 계산을 적용할 수 있습니다.

**구성**

계산된 열 추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 계산된 새 열의 이름을 지정합니다.

1. 행 수준 함수 및 연산자(예: [ifelse](ifelse-function.md) 및 [round](round-function.md))를 지원하는 계산 편집기를 사용하여 표현식을 빌드합니다.

1. 계산을 저장합니다.

1. 표현식 결과를 미리 봅니다.

1. 필요에 따라 계산된 열을 더 추가합니다.

**사용 노트**
+ 이 단계에서는 스칼라(행 수준) 계산만 지원됩니다.
+ SPICE에서는 계산된 열이 구체화되고 후속 단계에서 표준 열로 작동합니다.

## 데이터 유형 변경
<a name="change-data-type-step"></a>

Quick Sight는 `date`, , 및의 4가지 추상 데이터 형식을 지원하여 데이터 형식 관리를 간소화`decimal``integer`합니다`string`. 이러한 추상 유형은 다양한 소스 데이터 형식을 Quick Sight에 자동으로 매핑하여 복잡성을 제거합니다. 예를 들어, , `tinyint``integer`, 및 `smallint``bigint`는 모두에 매핑되는 반면`integer`, `datetime`, 및 `date``timestamp`는에 매핑됩니다`date`.

Quick Sight는 다양한 데이터 소스와 상호 작용할 때 모든 기본 데이터 유형 변환 및 계산을 자동으로 처리하므로 Quick Sight의 네 가지 데이터 유형만 이해하면 됩니다.

**구성**

데이터 유형 변경 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 변환할 열을 선택합니다.

1. 대상 데이터 유형(`string`, `decimal`, 또는 `integer``date`)을 선택합니다.

1. 날짜 변환의 경우 입력 형식을 기반으로 형식 설정 및 미리 보기 결과를 지정합니다. Quick Sight에서 [지원되는 날짜 형식을](supported-data-types-and-values.md) 참조하세요.

1. 필요에 따라 변환할 열을 추가합니다.

**사용 노트**
+ 효율성을 위해 한 번에 여러 열의 데이터 형식을 변환합니다.
+ SPICE를 사용하면 가져온 데이터에 모든 데이터 형식 변경이 구체화됩니다.

## 열 이름 바꾸기
<a name="rename-columns-step"></a>

열 이름 바꾸기 단계를 사용하면 열 이름을 보다 설명적이고 사용자 친화적이며 조직의 이름 지정 규칙에 맞게 수정할 수 있습니다.

**구성**

열 이름 바꾸기 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 이름을 지정할 열을 선택합니다.

1. 선택한 열의 새 이름을 입력합니다.

1. 필요에 따라 이름을 바꿀 열을 더 추가합니다.

**사용 노트**
+ 모든 열 이름은 데이터 세트 내에서 고유해야 합니다.

## 열 선택
<a name="select-columns-step"></a>

열 선택 단계를 사용하면 열을 포함, 제외 및 재정렬하여 데이터 세트를 간소화할 수 있습니다. 이렇게 하면 불필요한 열을 제거하고 분석을 위해 나머지 열을 논리적 시퀀스로 구성하여 데이터 구조를 최적화할 수 있습니다.

**구성**

열 선택 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 출력에 포함할 특정 열을 선택합니다.

1. 원하는 순서대로 열을 선택하여 시퀀스를 설정합니다.

1. **모두 선택을** 사용하여 나머지 열을 원래 순서로 포함합니다.

1. 원치 않는 열은 선택하지 않은 상태로 두어 제외합니다.

**주요 기능**
+ 출력 열은 선택 순서대로 표시됩니다.
+ **모두 선택**은 원래 열 시퀀스를 보존합니다.

**사용 노트**
+ 선택하지 않은 열은 후속 단계에서 제거됩니다.
+ 불필요한 열을 제거하여 데이터 세트 크기를 최적화합니다.

## Append
<a name="append-step"></a>

추가 단계에서는 SQL UNION ALL 작업과 유사한 두 테이블을 수직으로 결합합니다. Quick Sight는 시퀀스가 아닌 이름별로 열을 자동으로 일치시켜 테이블의 열 순서가 다르거나 열 수가 다르더라도 효율적인 데이터 통합을 지원합니다.

**구성**

추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 추가할 입력 테이블 2개를 선택합니다.

1. 출력 열 시퀀스를 검토합니다.

1. 두 테이블 모두에 있는 열과 단일 테이블에 있는 열을 검사합니다.

**주요 기능**
+ 시퀀스 대신 이름별로 열을 일치시킵니다.
+ 중복을 포함하여 두 테이블의 모든 행을 유지합니다.
+ 열 수가 서로 다른 테이블을 지원합니다.
+ 일치하는 열에 대한 표 1의 열 시퀀스를 따른 다음 표 2에서 고유한 열을 추가합니다.
+ 모든 열에 대한 명확한 소스 표시기를 표시합니다.

**사용 노트**
+ 이름이 다른 열을 추가할 때는 먼저 이름 바꾸기 단계를 사용합니다.
+ 각 추가 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에 대해 추가 추가 단계를 사용합니다.

## 조인
<a name="join-step"></a>

Join 단계는 지정된 열의 일치하는 값을 기반으로 두 테이블의 데이터를 수평적으로 결합합니다. Quick Sight는 왼쪽 외부, 오른쪽 외부, 전체 외부 및 내부 조인 유형을 지원하여 분석 요구 사항에 맞는 유연한 옵션을 제공합니다. 이 단계에는 중복 열 이름을 자동으로 처리하는 지능형 열 충돌 해결이 포함되어 있습니다. 자체 조인은 특정 조인 유형으로 사용할 수 없지만 워크플로 발산을 사용하여 유사한 결과를 얻을 수 있습니다.

**구성**

조인 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 조인할 두 개의 입력 테이블을 선택합니다.

1. 조인 유형(왼쪽 외부, 오른쪽 외부, 전체 외부 또는 내부)을 선택합니다.

1. 각 테이블에서 조인 키를 지정합니다.

1. 자동 해결된 열 이름 충돌을 검토합니다.

**주요 기능**
+ 다양한 분석 요구 사항에 맞게 여러 조인 유형을 지원합니다.
+ 중복된 열 이름을 자동으로 확인합니다.
+ 계산된 열을 조인 키로 허용합니다.

**사용 노트**
+ 조인 키에는 호환되는 데이터 형식이 있어야 합니다. 필요한 경우 데이터 형식 변경 단계를 사용합니다.
+ 각 조인 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에는 추가 조인 단계를 사용합니다.
+ 조인 후 이름 바꾸기 단계를 생성하여 자동 해결된 열 헤더를 사용자 지정합니다.

## Aggregate
<a name="aggregate-step"></a>

집계 단계를 사용하면 열을 그룹화하고 집계 작업을 적용하여 데이터를 요약할 수 있습니다. 이 강력한 변환은 세부 데이터를 지정된 차원을 기반으로 의미 있는 요약으로 압축합니다. Quick Sight는 직관적인 인터페이스를 통해 복잡한 SQL 작업을 간소화하여 `ListAgg` 및와 같은 고급 문자열 작업을 포함한 포괄적인 집계 함수를 제공합니다`ListAgg distinct`.

**구성**

집계 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 그룹화할 열을 선택합니다.

1. 측정 열에 대한 집계 함수를 선택합니다.

1. 출력 열 이름을 사용자 지정합니다.

1. `ListAgg` 및 `ListAgg distinct`의 경우:

   1. 집계할 열을 선택합니다.

   1. 구분자(쉼표, 대시, 세미콜론 또는 세로선)를 선택합니다.

1. 요약된 데이터를 미리 봅니다.

**데이터 유형당 지원되는 함수**


| 데이터 형식 | 지원되는 함수 | 
| --- | --- | 
|  Numeric  |  `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min`  | 
|  Date  |  `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜만 해당)  | 
|  문자열  |  `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min`  | 

**주요 기능**
+ 동일한 단계 내의 열에 서로 다른 집계 함수를 적용합니다.
+ 집계 함수가 없는 **그룹화는** SQL SELECT DISTINCT 역할을 합니다.
+ `ListAgg`는 모든 값을 연결합니다. 에는 고유한 값만 `ListAgg distinct` 포함됩니다.
+ `ListAgg` 함수는 기본적으로 오름차순 정렬 순서를 유지합니다.

**사용 노트**
+ 집계는 데이터 세트의 행 수를 크게 줄입니다.
+ `ListAgg` 및는 `date` 값을 `ListAgg distinct` 지원하지만는 지원하지 않습니다`datetime`.
+ 구분자를 사용하여 문자열 연결 출력을 사용자 지정합니다.

## 필터
<a name="filter-step"></a>

필터 단계를 사용하면 특정 기준을 충족하는 행만 포함하여 데이터세트의 범위를 좁힐 수 있습니다. 단일 단계 내에 여러 필터 조건을 적용할 수 있으며, 모두 `AND` 로직을 통해 결합되어 분석을 관련 데이터에 집중할 수 있습니다.

**구성**

필터 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 필터링할 열을 선택합니다.

1. 비교 연산자를 선택합니다.

1. 열의 데이터 유형에 따라 필터 값을 지정합니다.

1. 필요한 경우 다른 열에 필터 조건을 추가합니다.

**참고**  
"is in" 또는 "is not in"이 있는 문자열 필터: 여러 값(행당 하나)을 입력합니다.
숫자 및 날짜 필터: 단일 값을 입력합니다(두 값이 필요한 " 사이" 제외).

**데이터 유형당 지원되는 연산자**


| 데이터 형식 | 지원되는 연산자 | 
| --- | --- | 
|  정수 및 소수  |  같음, 같지 않음 보다 큼, 보다 작음 보다 크거나 같음, 보다 작거나 같음 사이에 있음  | 
|  Date  |  이후, 이전 사이에 있음 이후 또는 같음, 이전 또는 같음  | 
|  문자열  |  같음, 같지 않음 로 시작, 로 종료 포함, 포함되지 않음 에 있음,에 없음  | 

**사용 노트**
+ 한 번에 여러 필터 조건을 적용합니다.
+ 다양한 데이터 유형에 걸쳐 조건을 혼합합니다.
+ 필터링된 결과를 실시간으로 미리 봅니다.

## Pivot(피벗)
<a name="pivot-step"></a>

피벗 단계는 행 값을 고유한 열로 변환하여 데이터를 긴 형식에서 넓은 형식으로 변환하므로 비교 및 분석이 더 쉬워집니다. 이 변환에는 출력 열을 효과적으로 관리하기 위한 값 필터링, 집계 및 그룹화에 대한 사양이 필요합니다.

**구성**

피벗 단계를 구성하려면 **구성** 창에서 다음을 사용합니다.

1. **피벗 열**: 값이 열 헤더(예: 범주)가 될 열을 선택합니다.

1. **피벗 열 행 값**: 포함할 특정 값을 필터링합니다(예: 기술, 사무실 공급).

1. **출력 열 헤더**: 새 열 헤더를 사용자 지정합니다(기본값은 피벗 열 값).

1. **값 열**: 집계할 열을 선택합니다(예: 판매).

1. **집계 함수**: 집계 방법(예: 합계)을 선택합니다.

1. **그룹화 기준**: 열 구성(예: 세그먼트)을 지정합니다.

![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/pivot.png)


**데이터 유형당 지원되는 연산자**


| 데이터 형식 | 지원되는 연산자 | 
| --- | --- | 
|  정수 및 소수  |  `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min`  | 
|  Date  |  `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜 값만 해당)  | 
|  문자열  |  `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min`  | 

**사용 노트**
+ 피벗된 각 열에는 값 열의 집계된 값이 포함됩니다.
+ 명확성을 위해 열 헤더를 사용자 지정합니다.
+ 변환 결과를 실시간으로 미리 봅니다.

## 피벗 해제
<a name="unpivot-step"></a>

피벗 해제 단계는 열을 행으로 변환하여 넓은 데이터를 더 길고 좁은 형식으로 변환합니다. 이 변환을 통해 여러 열에 분산된 데이터를 보다 구조화된 형식으로 구성하여 분석 및 시각화를 더 쉽게 수행할 수 있습니다.

**구성**

피벗 해제 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 행으로 피벗 해제할 열을 선택합니다.

1. 출력 열 행 값을 정의합니다. 기본값은 원래 열 이름입니다. 몇 가지 예로는 기술, 사무실 공급 및 가구가 있습니다.

1. 두 개의 새 출력 열의 이름을 지정합니다.
   + **피벗되지 않은 열 헤더**: 이전 열 이름의 이름(예: 범주)
   + **피벗되지 않은 열 값**: 피벗되지 않은 값의 이름(예: Sales)

![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/unpivot.png)


**주요 기능**
+ 출력에 피벗되지 않은 모든 열을 유지합니다.
+ 두 개의 새 열을 자동으로 생성합니다. 하나는 이전 열 이름용이고 다른 하나는 해당 값에 대한 것입니다.
+ 광범위한 데이터를 긴 형식으로 변환합니다.

**사용 노트**
+ 피벗되지 않은 모든 열에는 호환되는 데이터 형식이 있어야 합니다.
+ 행 수는 일반적으로 피벗을 해제한 후 증가합니다.
+ 변경 사항을 적용하기 전에 실시간으로 미리 봅니다.