마이크로소프트, 오픈소스 AI 데이터 분석 플랫폼 Data Formulator 0.7 공개

• 마이크로소프트 리서치가 Data Formulator 0.7을 오픈소스로 공개함

  • 기업 환경에서 흩어진 데이터를 연결하고 분석하고 시각화하는 AI 데이터 분석 플랫폼임
  • 데이터 연결, 분석, 시각화, 협업을 하나의 환경에서 처리하는 쪽에 초점이 있음
  • 기업과 개발자가 자체 데이터 분석 환경에 맞게 확장할 수 있도록 오픈소스로 공개됨

• 이 제품이 겨냥하는 문제는 “AI로 분석하고 싶은데 데이터 준비가 너무 힘듦”임

  • 기업 데이터는 데이터베이스, 데이터 웨어하우스, BI 도구, 오브젝트 스토리지, 로컬 파일에 흩어져 있음
  • 분석 전에 연결, 메타데이터 관리, 권한 설정, 데이터 변환을 처리해야 해서 시간이 많이 듦
  • Data Formulator 0.7은 이 과정을 AI 친화적인 분석 환경으로 묶겠다는 접근임

• 핵심 기능 중 하나는 Data Connectors임

  • 데이터베이스, 데이터 웨어하우스, BI 플랫폼, 클라우드 스토리지, 로컬 파일과의 지속적인 연결을 지원함
  • 인증, 메타데이터 관리, 데이터 미리보기 기능을 제공함
  • 사용자가 매번 파일을 업로드하거나 연결 작업을 반복하는 부담을 줄이는 게 목적임

• 또 다른 핵심은 컨텍스트 기반 AI 에이전트임

  • 일반 생성형 AI처럼 단일 프롬프트만 보고 답하는 방식이 아님
  • 연결된 데이터 소스, 테이블, 이전에 생성된 차트, 사용자 목표까지 전체 분석 맥락으로 활용함
  • 요청이 모호하면 추가 질문으로 의도를 파악한 뒤 분석을 이어감

• AI 에이전트가 하는 일은 꽤 넓음

  • 데이터를 탐색하고 코드를 생성·실행함
  • 시각화 차트를 만들고 결과를 설명함
  • 데이터 변환, 새로운 지표 계산, 후속 분석 제안까지 수행함
  • 생성된 결과는 코드 기반으로 검증할 수 있어 재현성과 신뢰성을 확보할 수 있음

sequenceDiagram
    participant 사용자
    participant 데이터커넥터
    participant AI에이전트
    participant 코드실행환경
    participant 캔버스
    사용자->>데이터커넥터: 데이터 소스 연결
    데이터커넥터->>AI에이전트: 메타데이터와 미리보기 전달
    사용자->>AI에이전트: 분석 목표 입력
    AI에이전트->>코드실행환경: 변환과 분석 코드 실행
    코드실행환경->>캔버스: 결과와 차트 반환
    사용자->>캔버스: 차트 레이아웃과 라벨 수정

• 사용자 경험은 Data Thread와 인터랙티브 캔버스를 중심으로 설계됨

  • Data Thread는 질문과 답변, 차트, 중간 결과를 모두 기록함
  • 장시간 진행되는 분석 프로젝트에서도 맥락을 유지할 수 있게 해줌
  • 이전 분석 단계를 다시 확인하거나 새로운 방향으로 확장할 수 있음

• 인터랙티브 캔버스는 결과물을 자연어로 다듬는 작업 공간임

  • 차트의 레이아웃, 색상, 라벨, 주석을 자연어 명령으로 수정할 수 있음
  • 데이터, 코드, 시각화 결과를 동시에 확인하면서 분석 결과를 발전시킬 수 있음
  • 분석가와 현업 사용자가 같은 흐름에서 결과를 조정하는 그림에 가까움

기술 맥락

• 기업 데이터 분석에서 병목은 모델 성능보다 데이터 접근인 경우가 많아요. 데이터가 웨어하우스, BI, 로컬 파일, 오브젝트 스토리지에 흩어져 있으면 분석을 시작하기 전에 연결과 권한, 스키마 확인부터 해야 하거든요.

• Data Connectors가 중요한 이유는 이 반복 작업을 줄이기 때문이에요. 매번 CSV를 올리는 방식은 빠른 실험에는 편하지만, 팀 단위로 오래 쓰는 분석 환경에서는 메타데이터와 인증이 계속 발목을 잡아요.

• 컨텍스트 기반 AI 에이전트는 단순 챗봇과 역할이 달라요. 이전 차트와 테이블, 사용자의 분석 목표를 기억해야 “방금 만든 지표를 기준으로 지역별 추이를 다시 봐줘” 같은 요청을 자연스럽게 처리할 수 있어요.

• 코드 기반 검증을 강조한 것도 실무적으로 꽤 중요해요. AI가 만든 차트가 보기 좋아도 계산 과정이 재현되지 않으면 보고서나 의사결정에 쓰기 어렵거든요.

• Data Thread와 캔버스는 분석을 대화 한 번으로 끝나는 작업이 아니라 이어지는 프로젝트로 본다는 신호예요. 분석 과정이 기록되면 나중에 왜 이런 차트가 나왔는지 되짚을 수 있고, 팀원이 이어받기도 쉬워져요.