Microsoft Power BI Blog 한국어 노트

Microsoft Power BI Blog 한국어

파워 BI는 마이크로소프트의 비즈니스 분석 서비스입니다. 사용자는 데이터베이스, 클라우드 서비스, 스프레드시트 등 다양한 소스의 데이터를 기반으로 대화형 시각화 및 비즈니스 인텔리전스 보고서를 만들 수 있습니다. 파워 BI의 주요 기능 중 하나는 다양한 데이터 소스에 연결할 수 있는 기능입니다. 예를 들어, 엑셀 파일, SQL Server, 오라클, Azure Cosmos DB 및 웹 사이트와 같은 데이터 소스에 연결할 수 있습니다. 이를 통해 사용자는 다양한 상황에서 데이터를 분석하고 시각화하여 포괄적인 보고서를 만들 수 있습니다.파워 BI는 데이터 준비, 시각화 및 분석을 위한 다양한 도구를 제공합니다. 데이터 변환 함수를 포함한 데이터 변환 기능이 있어 데이터를 쉽게 추출, 변환 및 로드할 수 있습니다. 사용자는 차트, 그래프, 맵 및 게이지와 같은 다양한 시각화를 사용하여 보고서를 만들 수 있으며, 이러한 시각화를 대시보드에 배치할 수 있습니다.파워 BI는 Azure Stack, Access, Azure 및 SQL Server와 같은 다른 마이크로소프트 제품과 잘 통합되지만, Google Analytics, Salesforce 또는 SharePoint와 같은 다른 응용 프로그램과도 통합할 수 있습니다.사용자는 파워 BI 서비스를 사용하여 보고서를 조직 내에서 공유할 수 있습니다. 예를 들어, 사용자는 보고서에 대한 직접 링크를 공유하거나, 보고서를 자동으로 새로 고치거나, 웹 사이트 또는 SharePoint 사이트에 보고서를 삽입할 수 있습니다.파워 BI 커뮤니티 페이지는 활발하게 활동하며 사용자가 지식을 공유하고 새로운 기능을 요청하고 사용 가능한 리소스를 찾을 수 있는 포럼을 제공합니다. 파워 BI는 정기적으로 업데이트를 출시하고 새로운 기능과 버그를 수정합니다.

노트 스레드

Power BI 의미 모델은 종종 Azure Databricks를 사용하며, 이는 스토리지 모드에 대한 중요한 선택을 요구합니다. 이 결정은 비용, 보안, 개발 용이성, 그리고 가장 중요하게는 보고서 성능에 영향을 미칩니다. 개발자들은 종종 경험적 증거보다는 직관에 의존하여 이 선택을 합니다. 새로운 백서 "Azure Databricks에서 보고하기 위한 최신 Power BI 아키텍처 선택"은 네 가지 스토리지 모드를 벤치마킹합니다. 이 모드에는 OneLake의 Direct Lake, 미러링된 Unity Catalog 테이블의 Direct Lake, Databricks SQL 웨어하우스의 DirectQuery, 그리고 DirectQuery와 Import 모드 집계의 조합인 복합 모델이 포함됩니다. 이 연구는 단 하나의 최적의 솔루션은 없지만 명확한 추세가 나타났음을 밝혔습니다. OneLake의 Direct Lake는 일반적으로 다양한 상황, 특히 중소 규모 볼륨 및 일반적인 반복 Power BI 워크로드에서 좋은 성능을 보였습니다. 수십억 행의 매우 큰 데이터셋의 경우, 집계가 있는 복합 모델이 가장 빠르고 일관된 성능을 보였습니다. 그러나 복합 모델의 이점은 집계 테이블로 해결되는 쿼리에 국한되며, 사용자 행동과의 신중한 일치가 필요합니다. 이러한 결과는 예비적인 것이며, 상세 결과는 데이터 볼륨, 캐시 상태, 필터 시나리오 및 쿼리 유형에 따라 달라집니다. 2026년 6월/7월에 출시된 이 백서는 Power BI 내의 최종 사용자 쿼리 경험에 초점을 맞추고 있으며 개별 테스트를 안내해야 합니다.
Direct Lake on OneLake 의미 모델에서 계산된 열을 미리 보기로 사용할 수 있게 되어, 주요 사용자 요청을 해결했습니다. 이 기능을 통해 DAX를 사용하여 의미 모델 내에서 직접 파생 열을 생성할 수 있습니다. 이전에는 이 기능을 사용하려면 데이터를 다른 저장 모드로 이동하거나 로직을 상위로 푸시해야 했습니다. Direct Lake는 Delta 테이블을 쿼리하여 거의 실시간 데이터 최신 상태로 Import와 유사한 성능을 제공합니다. 일반적인 사용 사례에는 값 파생, 필드 연결, 날짜 형식 지정 및 콘텐츠 개인화가 포함됩니다. Direct Lake의 계산된 열은 쿼리 시점에 평가되고 사용자 보안을 존중하는 "식 컨텍스트" 속성을 지원합니다. 이는 행 수준 및 개체 수준 보안을 자동으로 준수한다는 것을 의미합니다. 표준 계산된 열과 달리 Direct Lake 버전은 사용자의 보안 컨텍스트 내에서 평가됩니다. 이를 통해 사용자가 권한이 없는 경우 민감한 데이터가 노출되는 것을 방지합니다. 그러나 Direct Lake 계산된 열은 관계에 구체화되지 않으므로 관계에서 사용할 수 없습니다. 또한 필터 컨텍스트를 관찰하지 않으므로 행당 결과가 고정됩니다. 보고서 상호 작용에 기반한 동적 결과가 필요한 경우 측정값을 사용해야 합니다. 시작하려면 Direct Lake on OneLake 의미 모델을 열고 계산된 열을 만드십시오.
Dataflows 업그레이드 마법사가 이제 Power BI Dataflows Gen1을 Fabric Dataflows Gen2로 마이그레이션할 수 있는 적격 작업 영역에 대해 안내된 미리보기를 제공합니다. 이 마법사는 필수 데이터 흐름 속성을 보존하고 사전에 항목을 평가하여 업그레이드 범위를 명확히 합니다. Power BI Dataflows Gen1은 계속 지원되지만, 새로운 개발은 Fabric Dataflows Gen2에 집중되어 조직이 자체 속도에 맞춰 현대화를 할 수 있도록 합니다. Fabric Dataflows Gen2는 Power Query를 기반으로 하며 Fabric 내에서 개발, 운영 및 통합 기능을 추가합니다. 수많은 데이터 대상을 지원하며 소스 제어 및 배포 워크플로우를 위해 Git과 통합됩니다. Fast Copy 및 Modern Evaluator와 같은 성능 향상이 제공되어 새로고침 시간을 크게 단축할 수 있습니다. Data Factory의 Copilot은 자연어를 사용하여 Dataflow Gen2 작성을 지원할 수 있습니다. 사용자는 Dataflows Gen1 항목을 선택하고 동일한 작업 영역의 다른 항목을 추가하여 업그레이드를 시작할 수 있습니다. 업그레이드된 항목은 ID, 예약, 쿼리 및 연결을 유지하며 원본 항목은 대체됩니다. 업그레이드 전에 마법사는 데이터 흐름을 평가하여 업그레이드 준비 상태, 주의 필요, 또는 업그레이드 불가 여부를 표시합니다. 업그레이드 후 사용자는 데이터를 새로고침하고, 종속성을 다시 바인딩하고, 필요한 작업을 완료하고, 소비자를 최신 커넥터로 업데이트해야 합니다.
모든 Power BI 보고서는 기본이 되는 의미론적 모델에 의해 구동됩니다. 이 모델은 원시 데이터를 정의된 측정값과 관계를 가진 의미 있는 비즈니스 용어로 변환합니다. 보고서에 제시된 수치의 일관성과 신뢰성을 보장합니다. Power BI Desktop 파일은 본질적으로 이러한 의미론적 모델 정의를 포함하며, 게시 시 시각적 요소와 분리됩니다. 조직은 종종 이러한 의미론적 모델을 명시적으로 그렇게 부르지 않고 구축합니다.대규모 언어 모델은 언어에 능숙하지만 본질적인 비즈니스 지식이 부족합니다. 맥락이 없으면 AI는 비즈니스 관련 질문에 대해 그럴듯하지만 잘못된 답변을 생성할 수 있습니다. Microsoft Fabric의 "Fabric IQ"는 기존 Power BI 의미론적 모델을 활용하여 이를 해결합니다. AI를 조직의 비즈니스 언어 및 정의에 기반하게 하여 오해를 방지합니다.기존 Power BI 의미론적 모델은 Fabric IQ에 직접 공급되어 정의된 개념을 AI 에이전트 및 Microsoft 365 Copilot과 같은 도구에서 사용할 수 있도록 합니다. 이 통합을 통해 AI는 통계적 추측이 아닌 확립된 비즈니스 논리에 기반한 답변을 제공할 수 있습니다. 의미론적 모델은 동의어와 설명을 통합하여 AI의 이해를 더욱 향상시키고 보고서의 맥락을 제공할 수 있습니다. 결정적으로, 이 AI 통합은 기존 Power BI 모델을 재구축할 필요가 없습니다.AI를 보고에 사용되는 것과 동일한 의미론적 모델에 연결함으로써 조직은 사용자 및 AI 에이전트 모두 일관된 수치를 받도록 보장합니다. 이는 AI 생성 답변과 대시보드 수치 간의 불일치를 방지하여 데이터에 대한 신뢰를 유지합니다. 확립된 보고서와 다른 수치를 생성하는 잘못 구현된 AI 롤아웃은 해롭습니다.Frontier Firms는 인간-에이전트 협업을 수용하는 기업으로, AI 에이전트가 이전에는 수동으로 수행되던 작업을 점점 더 많이 처리합니다. 효과적으로, 이러한 에이전트는 Power BI 의미론적 모델이 이미 제공하는 특정 비즈니스 맥락을 이해해야 합니다. 조직의 주요 과제는 기존의 신뢰할 수 있는 의미론적 모델을 식별, 인증 및 큐레이션하는 것입니다. 이러한 큐레이션된 모델을 Fabric IQ로 승격하는 것은 광범위한 신규 구축이 아닌 개선 과정입니다. Power BI 의미론적 모델과 같은 기존 데이터 자산을 인식하고 활용하는 기업이 AI 채택을 선도할 것입니다.
2026년 8월, 다양한 기능에 걸쳐 상당한 Power BI 업데이트가 제공됩니다. 주요 개선 사항에는 현대적인 시각적 기본값 및 사용자 지정 가능한 테마가 포함되어 세련되고 일관된 보고서 모양을 제공합니다. 날짜 선택기 슬라이서 시각적 개체는 이제 단일 날짜 선택 및 헤더 아이콘 지우기를 지원합니다. 도넛 차트는 중심에 값을 표시할 수 있으며 광범위한 서식 옵션을 제공합니다. 조직 앱 내 보고서는 이제 @멘션을 통한 협업 토론을 허용하는 댓글 지원 기능을 제공합니다.행 헤더 기능과 유사하게 행렬 시각적 개체는 열 헤더를 확장하고 축소할 수 있는 기능을 제공합니다. 보고서 작성자는 이제 서식 창을 통해 행렬 행 헤더의 기본 고정 상태를 설정할 수 있습니다. OneLake 파일 URL은 이제 보고서 시각적 개체 및 지도에 사용할 수 있어 이미지 소싱을 단순화합니다. Azure 지도는 모양 일치, 필터링된 선택 로드 및 자동 확대/축소에서 개선되었습니다. Copilot 및 AI 기능은 Fabric 앱에 대한 업데이트된 의미 체계 모델 권한과 북마크로 숨겨진 시각적 개체를 읽을 수 있는 기능으로 향상되었습니다.Power BI Desktop은 이전 파일 선택기 환경을 더 이상 사용하지 않으므로 OneDrive 및 SharePoint 저장을 계속하려면 업데이트해야 합니다. 데이터 연결 기능은 접근성, 다크 모드 및 사용성 업그레이드를 받았습니다. 모바일 사용자는 이제 보고서 바닥글에서 보기를 회전하고 앱에서 직접 Excel로 데이터를 내보낼 수 있습니다. 포함된 분석은 SharePoint Online의 Power BI에 대한 개선 사항을 제공합니다. 개발자 경험은 더 빠른 PBIP 개발 및 즉각적인 다시 로드를 통해 개선되었습니다.
Power BI 프로젝트, 즉 PBIP는 파일 기반 보고서와 의미론적 모델을 허용하여 소스 제어 및 자동화와 같은 개발자 워크플로우를 지원합니다. 이전에는 Power BI Desktop 외부에서 이루어진 변경 사항을 보려면 다시 시작해야 했습니다. 이번 업데이트는 외부 PBIP 파일 수정 사항을 자동으로 감지하는 기능을 도입했습니다. PBIP 파일이 수정되면 Power BI Desktop은 이제 사용자에게 업데이트된 프로젝트를 다시 로드하라는 메시지를 표시합니다. 이러한 외부 변경 사항을 적용하면 애플리케이션을 다시 시작할 필요 없이 즉시 새로 고칠 수 있습니다. 이는 Power BI Desktop과 외부 편집 도구 간의 워크플로우를 크게 간소화합니다. 또한 Power BI Desktop은 이제 PBIP 프로젝트에 대한 "VS Code에서 열기" 옵션을 제공합니다. 이는 프로젝트가 로드된 상태로 Visual Studio Code를 직접 실행하여 프로젝트 파일에 즉시 액세스할 수 있도록 합니다. 이러한 개선 사항은 PBIP 파일을 외부 도구 및 자동화 스크립트와 함께 사용하는 것을 용이하게 합니다. 사용자는 이제 Visual Studio Code에서 프로젝트 파일을 원활하게 편집하거나, 스크립트를 통해 업데이트하거나, AI 개발 도구와 함께 작업할 수 있습니다. 이 기능을 테스트하려면 PBIP 프로젝트를 열고 "VS Code에서 열기" 옵션을 사용한 다음 변경 사항을 적용하고 Power BI Desktop 내에서 적용하면 됩니다. 이 새로운 기능은 Power BI 프로젝트를 사용하는 개발자에게 더 원활하고 통합된 경험을 제공합니다.
할당 기반 과금으로 전환하는 고객들은 종종 특정 워크로드의 리소스 소비를 제어하는 방법에 대해 문의합니다. Custom SQL Pools는 워크로드 격리 및 거버넌스를 제공하여 리소스 사용에 직접적인 영향을 미침으로써 이에 대한 해결책을 제시합니다. 이러한 풀을 통해 고객은 의도적으로 성능을 희생하여 더 작은 리소스 사용량을 확보할 수 있습니다. 예를 들어, Custom SQL Pool에 의해 제한되는 버스티(bursty)한 보고 워크로드는 더 적은 리소스로 확장되어 더 오래 실행될 수 있지만, 과금되는 리소스는 더 적게 소비합니다. 실제 사례로는 지연 시간에 민감하지 않지만 제어된 리소스 소비가 필요한 ETL 프로세스가 있습니다. 처리량(throughput)을 제한함으로써 ETL 워크로드는 더 오래 실행되었지만 더 안정적인 속도로 리소스를 소비했습니다. Custom SQL Pools는 더 긴 실행 시간을 허용하고 리소스 경쟁이 가능한 지연 시간에 민감하지 않은 워크로드에 이상적입니다. 예측 가능한 리소스 소비를 보장하기 위해 ETL, 백그라운드 처리 및 Power BI 보고에 특히 유용합니다. Custom SQL Pools는 직접적인 지출 한도 또는 예산 상한선이 아니라는 점에 유의하는 것이 중요합니다. 대신, 각 워크로드에 대한 최대 리소스 액세스를 정의하는 가드레일 역할을 합니다. 향후 개선 사항에는 ID 기반 리소스 할당 및 더 큰 유연성을 위한 구성 가능한 내장 워크로드 경계가 포함될 것입니다. 궁극적으로 Custom SQL Pools는 고객에게 리소스 할당 및 거버넌스에 대한 보다 명시적인 제어 기능을 제공합니다. 주요 기능은 워크로드 관리이지만, 할당 기반 과금 모델에서는 간접적으로 소비 관리에 도움이 됩니다. 워크로드가 더 오래 실행될 수 있다면, Custom SQL Pools는 리소스 소비를 효과적으로 줄일 수 있습니다.
Power BI Desktop Bridge는 외부 애플리케이션이 Power BI Desktop과 직접 상호 작용할 수 있는 새로운 방법을 제공합니다. 이는 도구 및 스크립트를 위한 보안 채널을 생성하는 경량 로컬 서버 역할을 합니다. 이를 통해 에이전트는 보고서의 현재 상태를 확인하고 저장되지 않은 변경 사항을 감지할 수 있습니다. 또한 편집 후 파일을 다시 로드하는 것과 같은 주요 작업을 트리거할 수 있습니다. 또한 브리지는 실시간으로 시각적 변경 사항을 확인하기 위해 스크린샷을 캡처할 수 있도록 합니다. 이전에는 지능형 에이전트가 Power BI Desktop과 직접 상호 작용하는 데 제한이 있었습니다. 이제 보고서 상태를 읽고, 디스크에서 파일을 편집하고, 다시 로드한 후 변경 사항을 즉시 확인할 수 있습니다. 이를 통해 수동 인계 없이 즉각적인 반복 및 개선이 가능합니다. Report Authoring Skill은 브리지가 보고서 생성 및 개선을 자동화하는 방법을 보여주는 대표적인 예입니다. Desktop Bridge는 Power BI Desktop에서 기본적으로 활성화되며 미리 보기 기능에서 관리할 수 있습니다. Power BI Desktop Bridge CLI는 해당 기능을 사용하기 시작하는 간단한 방법을 제공합니다. manifest, status, reload, screenshot-all과 같은 명령은 브리지를 활용하는 실용적인 방법을 제공합니다. 이 기술은 자동화를 가능하게 함으로써 사용자가 Power BI Desktop과 상호 작용하는 방식을 혁신할 준비가 되어 있습니다.
CdXz5zHNQW_G7YJWraVvc.png