Snowflake Horizon Context란, Power BI 메타데이터를 AI 에이전트에 연결
한마디로
흩어진 지표 정의와 보고서 지식을 한곳에 모아 AI가 엉뚱한 기준으로 답하지 않게 잡아줘요
한눈에
Horizon Context는 Snowflake Horizon Catalog 안에서 메타데이터를 모으고 비즈니스 의미를 더해, 사람과 BI 도구, AI 에이전트가 함께 쓰는 거버넌스된 맥락 레이어입니다. Power BI를 포함한 18개 소스의 메타데이터 커넥터가 public preview로 나왔어요. 에이전트마다 지표 정의와 지침을 따로 관리하던 방식에서, 정의를 한 번만 관리하는 방식으로 바뀔 수 있습니다.
실무 맥락: 에이전트마다 정의를 새로 만드는 문제
경영진이 AI 에이전트에게 "이번 분기 고객 유지율이 왜 떨어졌나"를 묻는다고 해볼게요. 에이전트가 쓸 만한 답을 하려면 우리 회사가 유지율을 어떻게 정의하는지, 어느 고객 데이터를 쓰는지, 그 데이터가 팀이 보는 보고서와 어떻게 이어지는지 알아야 합니다. 이 지식은 이미 비즈니스 보고서, 변환 로직, 데이터 문서, 팀원의 경험 안에 있는데요. 흩어져 있으면 AI 활용 사례가 생길 때마다 사람이 다시 모아야 해서, 개발자의 준비 작업과 분석가의 검증이 늘고 질문에서 의사결정까지 가는 길이 길어집니다.
이번에 나온 기능
Snowflake는 Summit에서 Horizon Context를 소개했습니다. public preview로 공개된 항목은 세 가지예요.
- 18개 소스를 대상으로 한 메타데이터 커넥터
- 스튜어드가 설명을 편집할 수 있는 한정 권한
- 설명을 하위 컬럼에 자동으로 전파하는 기능
커넥터가 지원하는 소스에는 Power BI, Tableau, Looker, Sigma, Hex, dbt, SQL Server, Oracle, PostgreSQL, Databricks, BigQuery가 포함됩니다. 커넥터와 설정에 따라 스키마, 쿼리 로그, 대시보드 정의, 사용 신호를 수집하고, 외부 자산을 Snowflake 객체와 나란히 검색하거나 플랫폼을 가로지르는 lineage를 볼 수 있어요. 메타데이터만 수집하고 원본 데이터를 Snowflake로 복제할 필요는 없다고 합니다.
권한과 설명 유지 방식
비즈니스 전문가가 DB 관리자가 아닌 경우가 많은데, 이번에 추가된 APPLY COMMENT 권한으로 관리자가 MODIFY나 OWNERSHIP 같은 넓은 권한 없이 스튜어드에게 객체와 컬럼 설명 편집만 열어줄 수 있습니다. 메타데이터 가시성과 데이터 접근도 분리되어서, 카탈로그와 lineage는 보되 데이터 자체는 조회하지 못하게 설정할 수 있어요.
설명 전파는 컬럼 lineage를 따라 값이 그대로 넘어가는 하위 컬럼에 설명을 이어줍니다. 컬럼 이름이 바뀌어도 따라가요. 값이 변환, 결합, 집계되면 전파가 멈추고, 하위 컬럼에 직접 쓴 설명은 덮어쓰지 않습니다. 전파된 설명과 사람이 쓴 설명은 구분해서 볼 수 있습니다.
실무 적용 체크리스트
- Power BI 등 BI 도구와 dbt, 데이터베이스를 Horizon Catalog에 연결할 소스로 정리합니다.
- 지표 정의를 아는 현업 담당자를 스튜어드로 지정하고 APPLY COMMENT 범위를 정합니다.
- 유지율처럼 해석이 갈리는 지표는 lineage로 원천 데이터까지 추적해서 보고서 이상이 비즈니스 변화인지 데이터 문제인지 가립니다.
- 상위 테이블이나 컬럼을 바꾸기 전에 하위 의존 보고서를 lineage로 확인합니다.
원문은 지표 계산 방식을 확정하는 일은 semantic view가 맡는다고 구분합니다. 설명은 필드 의미를, lineage는 데이터 출처를, 거버넌스된 지표 정의는 계산 방식을 각각 채우는 구조예요.
자주 묻는 질문
Horizon Context란 무엇인가요?
Snowflake Horizon Catalog 안에서 메타데이터를 수집하고 비즈니스 의미를 더하는, 거버넌스된 맥락 레이어입니다. 사람, BI 도구, AI 에이전트가 같은 맥락을 공유하도록 만든 기능이에요.
Power BI 메타데이터도 가져올 수 있나요?
네, 메타데이터 커넥터 지원 소스에 Power BI가 들어 있습니다. Tableau, Looker, Sigma, Hex도 포함돼요. 커넥터와 설정에 따라 대시보드 정의와 사용 신호 등을 수집하며, 원본 데이터 복제는 필요 없다고 합니다.
Databricks나 BigQuery와 함께 쓸 수 있나요?
두 곳 모두 메타데이터 커넥터 지원 소스에 포함돼 있습니다. Snowflake 객체와 함께 카탈로그에서 검색하고 lineage를 볼 수 있어요. 다만 제품 간 비교 자료는 원문에 없습니다.
설명 전파는 어떻게 동작하나요?
컬럼 lineage를 따라 값이 변하지 않고 넘어가는 하위 컬럼에 설명을 이어줍니다. 변환, 결합, 집계가 일어나면 멈추고, 하위 컬럼에 직접 쓴 설명은 덮어쓰지 않아요.
에디터 노트
에이전트마다 지표 정의와 지침을 따로 들고 있는 방식은 에이전트가 늘수록 불일치가 커집니다. 메타데이터만 수집하고 권한을 분리한 설계는 거버넌스 부담이 적다는 장점이 있어요. 다만 아직 public preview이고, 원문 기준으로 값이 변환되는 구간에서는 설명이 전파되지 않으니 핵심 지표 정의는 사람이 직접 관리해야 합니다.
참고 출처 | 원문 보기
태그
- Snowflake Horizon Context
- Snowflake의 거버넌스된 맥락 레이어
- Power BI
- 마이크로소프트 BI 도구
- 메타데이터 커넥터
- 원본 복제 없이 메타데이터만 수집하는 연결기
- AI 에이전트
- 사용자 대신 데이터 작업을 수행하는 AI
관련 마테크
- Looker LookML Knowledge Catalog 인덱싱 GA, AI 에이전트 활용법사내에서 검증된 지표 계산 규칙을 AI 에이전트가 그대로 쓰도록 LookML을 카탈로그에 자동 등록해 줘요
- Snowflake CoCo 프로필 사례, 월간 예측 1주에서 몇 시간으로AI에게 우리 데이터와 용어를 미리 알려줬더니 일주일 걸리던 예측이 몇 시간으로 줄었어요
- Salesforce Marketing Cloud Winter '27 AI 에이전트 기능 정리Marketing Cloud에 캠페인 기획부터 콘텐츠 제작, 긴급 발송, 발송 평판 관리까지 맡는 에이전트 기능이 한꺼번에 들어와요
- Looker Data Apps 뜻과 활용, AI 에이전트가 만드는 데이터 앱말로 설명하면 AI가 업무 앱을 만들고, Looker의 보안과 지표 기준을 그대로 물려받아요