AI 용어집 · 심화 · 데이터 엔지니어링 · AI 플랫폼·솔루션
시맨틱 레이어 Semantic Layer
시맨틱 레이어는 '매출', '활성 사용자' 같은 업무 용어가 실제 데이터에서 무엇을 어떻게 계산한 값인지 한곳에 정의해 두는 중간 계층이다. 대시보드·스프레드시트·AI가 모두 이 정의를 거쳐 데이터를 꺼내므로 같은 질문에 같은 숫자가 나온다.
어떻게 작동하나
데이터 웨어하우스에는 테이블과 열 이름만 있을 뿐, '순매출은 환불을 빼고 계산한다' 같은 업무 규칙은 없다. 시맨틱 레이어는 이런 지표, 기준(날짜·지역 등), 테이블 사이의 연결 방법을 코드나 설정 파일로 정의해 둔다. 사용자가 '지역별 순매출'을 요청하면 시맨틱 레이어가 정의를 보고 알맞은 SQL을 만들어 웨어하우스에 보낸다. 결과는 BI 대시보드, 스프레드시트, API, AI 에이전트 등 어디서 요청해도 같은 방식으로 계산된다.
왜 중요한가
조직이 커지면 팀마다 '매출'을 조금씩 다르게 계산해 회의에서 숫자가 맞지 않는 일이 흔하다. 시맨틱 레이어는 정의를 한곳에 모아 이런 혼란을 줄이고, 정의가 바뀌면 한 번만 고치면 된다. 최근에는 LLM이 데이터에 질문하는 Text-to-SQL에서 특히 주목받는다. LLM이 수백 개 테이블을 직접 해석하면 틀린 조인이나 잘못된 계산을 하기 쉽지만, 잘 정리된 지표 정의를 거치면 답이 훨씬 안정적이 된다.
알아 둘 점
시맨틱 레이어는 만들어 두는 것보다 유지하는 것이 더 어렵다. 업무 정의가 바뀔 때 누가 고치고 승인할지 정하지 않으면 금방 실제와 어긋난다. 그래서 데이터 거버넌스, 데이터 카탈로그와 함께 운영하는 경우가 많다. 개념상 온톨로지나 지식 그래프와 비슷한 면이 있지만, 시맨틱 레이어는 주로 '지표를 일관되게 계산하는 것'에 초점을 둔다.
예시
사내 데이터 챗봇에 직원이 "지난달 신규 고객 수 알려 줘"라고 물으면, 챗봇의 LLM은 테이블을 직접 뒤지는 대신 시맨틱 레이어에 정의된 '신규 고객 수' 지표를 호출한다. 그러면 재무팀 대시보드에 나오는 숫자와 챗봇의 답이 같은 정의로 계산되어 서로 어긋나지 않는다.