왜 세 도구를 함께 알아야 하는가
결론부터 말하면, Object Explorer·Quiver·Contour는 다루는 데이터 성격과 사용 시점이 각각 다릅니다. Foundry에는 온톨로지 데이터를 들여다보는 도구가 하나만 있지 않습니다. Object Explorer, Quiver, Contour는 모두 “온톨로지 객체를 보고 분석한다”는 목적은 같지만, 다루는 데이터 성격과 사용 시점이 다릅니다. 셋을 따로따로 배우면 언제 어느 것을 써야 하는지 헷갈리기 쉬운데, 이 글은 세 도구를 나란히 놓고 실무에서 고르는 기준을 정리합니다.
Object Explorer — 객체를 검색하고 관계를 따라가기
Ontology Manager로 Object Type과 Link Type을 만들고 나면, 그 객체들을 화면으로 보기 전에 먼저 “이 데이터에 뭐가 들어있는지” 훑어봐야 할 때가 많습니다. Object Explorer는 특정 앱을 만들기 전, 또는 데이터를 조사하는 과정에서 온톨로지 객체를 검색하고 관계를 따라 탐색하는 범용 도구입니다.
전통적인 키워드 검색은 “이름이 일치하는가”만 봅니다. Object Explorer는 여기서 한 걸음 더 나가, 객체 간의 연결 관계(Link)를 따라가며 맥락을 함께 보여준다는 점이 다릅니다.
- 360도 객체 뷰: 특정 객체를 선택하면 그 객체의 모든 Property와, 연결된 다른 객체들을 한 화면에서 보여줍니다.
- 인터랙티브 그래프 탐색: 노드(객체)와 엣지(Link)로 이루어진 그래프를 클릭·더블클릭하면서 관계를 확장해나갈 수 있습니다.
- 동적 패싯 필터링: Ontology Manager에서 Filterable로 설정해둔 Property가 여기서 실제 필터 옵션으로 노출됩니다.
Object Explorer는 최종 사용자에게 배포하는 화면이라기보다, Workshop 앱을 만들기 전 데이터를 탐색하거나, 특정 객체 하나를 깊게 파고들어 조사할 때 주로 씁니다.
Quiver — 시계열과 이벤트 데이터를 시각화하기
Quiver는 다수의 객체와 시계열 데이터를 한 번에 시각화해서 패턴을 찾는 도구입니다. 센서 데이터나 트랜잭션처럼 시간 축이 중요한 데이터를 다룰 때, 코드 없이 이동 평균·보간·상관관계 분석 같은 연산을 내장 기능으로 적용할 수 있습니다.
- 온톨로지 기반 시각화: Object Type과 Link Type을 그대로 활용해서, 복잡한 조인 쿼리 없이 관계를 따라가며 차트를 구성합니다.
- 시계열 처리: 고빈도 시계열 데이터를 다운샘플링해서 실시간에 가깝게 렌더링합니다.
- 연동된 시각화: 한 차트에서 특정 구간을 필터링하면, 같은 화면의 다른 차트와 객체 세트가 함께 갱신됩니다.
- Action 연동: 분석 결과를 보는 데 그치지 않고, 화면에서 바로 Action Type을 실행해서 상태를 기록할 수 있습니다.
Contour — 정형 데이터를 포인트앤클릭으로 집계하기
Contour는 SQL이나 Python 없이도 대용량 정형 데이터를 분석하고 싶은 현업 담당자를 위한 도구입니다. 마우스 클릭만으로 필터·조인·집계를 구성하면, 백엔드에서 이 조작이 자동으로 최적화된 분산 연산으로 변환되어 실행됩니다.
- 분석 경로(Analysis Path): 필터 적용, 그룹화, 조인 같은 각 분석 단계가 “보드” 형태의 체인으로 쌓입니다. 비파괴적 분석이라 언제든 이전 단계로 돌아가 조건을 수정할 수 있습니다.
- 포인트앤클릭 조인·수식: Left/Right/Inner Join을 시각적 다이어그램으로 수행하고, 수식 보드에서 파생 변수를 만듭니다.
- 대시보드 전환: 분석 결과에 매개변수를 설정해두면, 대시보드 사용자가 값을 바꿀 때 전체 분석 체인이 실시간으로 재계산됩니다.
세 도구, 어떻게 고르는가
| 상황 | 추천 도구 | 이유 |
|---|---|---|
| 특정 객체 하나를 조사하고 관계를 따라가야 할 때 | Object Explorer | 그래프 탐색과 360도 뷰에 특화 |
| 시간에 따른 변화, 센서/이벤트 패턴을 봐야 할 때 | Quiver | 시계열 처리와 다중 차트 연동에 강점 |
| 특정 시점의 집계·비교, 정기 리포트가 필요할 때 | Contour | 조인·필터·수식 기반 정형 분석에 강점 |
세 도구는 배타적이지 않습니다. Object Explorer로 데이터를 먼저 파악하고, 시간축이 중요하면 Quiver로, 집계 중심이면 Contour로 넘어가는 흐름이 자연스럽습니다.
자주 하는 실수
- 모든 조사를 Object Explorer 하나로 끝내려 하기: 같은 조사를 여러 사람이 반복한다면 그 흐름을 Workshop 화면으로 만들어 고정하는 편이 낫습니다.
- 정형 집계 분석에 Quiver를 억지로 쓰기: 시계열이 아닌 단순 매출 집계 같은 작업까지 Quiver로 만들면, Contour의 포인트앤클릭 집계 기능이 더 간단히 처리할 일을 복잡하게 만드는 셈입니다.
- 분석 경로를 정리하지 않고 계속 쌓기(Contour): 보드가 길어질수록 어느 단계에서 어떤 조건을 걸었는지 헷갈리기 쉽습니다. 중간중간 이름을 명확히 붙여두어야 합니다.
- 필터링을 화면마다 따로 만들기(Quiver): 한 차트의 필터가 다른 차트에도 연동되는 강점을 활용하지 않으면 여러 개의 독립된 차트를 나열한 것과 다르지 않습니다.
다음으로 읽을 글
분석 결과를 여러 부서가 공유하는 대시보드로 만들고 싶다면 Insights를, 이 데이터가 어떤 경로로 만들어졌는지 확인하려면 Data Lineage를 이어서 살펴보는 것을 추천합니다.
자주 묻는 질문
Q. 세 도구 중 하나만 배우면 안 되나요?
다루는 데이터 성격이 다르기 때문에 완전히 대체되지 않습니다. 다만 대부분의 실무자는 자신의 업무에서 가장 자주 쓰는 도구 하나부터 익히는 경우가 많습니다.
Q. Object Explorer는 BI 도구의 드릴다운과 비슷한가요?
비슷하지만, Object Explorer는 온톨로지의 Link Type을 따라 관계형으로 객체 간을 이동한다는 점에서 단순 드릴다운보다 탐색 범위가 유연합니다.
Q. Quiver는 어떤 데이터에 특화되어 있나요?
타임스탬프가 있는 시계열·이벤트 로그 데이터에 특화되어 있어 설비 센서 데이터나 이벤트 흐름을 시각화할 때 주로 쓰입니다.
Q. Contour와 일반 스프레드시트 피벗 테이블은 뭐가 다른가요?
사용 경험은 비슷하지만 Contour는 온톨로지의 실시간 데이터를 직접 참조하고, 집계 결과를 다시 파이프라인 로직으로 저장할 수 있다는 점이 다릅니다.
Q. 자주 하는 실수는 무엇인가요?
목적에 안 맞는 도구를 고르는 것입니다. 예를 들어 시계열 분석에 Contour를 쓰면 시간 축 처리가 번거로워지므로, 데이터 성격에 맞는 도구를 먼저 판단하는 것이 중요합니다.