Data Analytics – 추세 및 안정성¶

AI 기반 Data Analytics 모듈 — 데이터 품질 및 관찰성(digna)

목적¶

Data Analytics 모듈은 데이터셋에서 장기 패턴, 안정성 및 변동성을 드러내어 원시 메트릭을 의미 있는 인사이트로 전환합니다.
이 모듈은 Data Anomalies의 결과 위에 고수준 분석 레이어를 제공하여 팀이 시간에 따른 변화를 이해하고 데이터 품질 및 데이터 파이프라인의 관찰성을 개선할 수 있도록 돕습니다.

추세 붕괴, 반복 패턴 및 변동성 변화를 식별함으로써 digna Data Analytics는 예상되는 계절적 패턴과 실제 데이터 품질 문제를 구분하는 데 도움을 줍니다.

기술 개요¶

파생 통계¶

digna Data Analytics는 다음과 같은 통계적 속성을 계산합니다:

• 추세 – 메트릭의 장기적인 방향(증가, 감소, 안정)
• 변동성 – 주어진 시간 창 내에서 메트릭이 얼마나 요동치는지
• 계절성 – 반복되는 시간 기반 패턴(일별, 주별, 월별)
• 변화 지점 – 행동 양식의 통계적으로 유의한 변화 지점

지원되는 지표¶

이 모듈은 다른 digna 모듈에서 생성된 모든 메트릭을 분석할 수 있습니다. 예를 들어:

• 레코드 수
• 결측값 비율
• 분포 통계(최솟값, 최댓값, 평균, 분산)
• KPI 집계(예: 매출, 거래, 클레임)
• 적시성 편차 또는 이상 빈도

시계열 분석¶

Data Analytics는 기간 간 안정성을 평가합니다 — 통계적 신뢰도와 시각적 지표를 사용하여 한 주, 한 달 또는 분기 단위로 안정성을 비교합니다.

작동 방식¶

1. 입력 데이터 – digna는 다른 모듈(예: 이상 수량 등)로부터 시계열 메트릭을 수집합니다.
2. 통계 모델링 – AI 및 통계 함수가 기본 추세와 변동성 수준을 식별합니다.
3. 기간 간 비교 – digna는 KPI 또는 품질 지표의 과거 성과와 현재 성과를 비교합니다.
4. 인사이트 생성 – 대시보드는 Inspection Hub 및 분석 뷰에서 감지된 추세, 안정된 기간 및 변화 지점을 표시합니다.

이를 통해 데이터 품질에서 심각해지기 전에 서서히 발생하는 드리프트나 점진적인 저하를 사전 탐지할 수 있습니다.

예시 사용 사례¶

이점¶