BI KPI 대시보드 설계와 드릴다운·What-If 분석 운영

숫자를 보여주는 화면보다 먼저 맞춰야 할 것

BI는 여러 원천의 데이터를 통합·정제하고, 의미 있는 지표와 시각화로 의사결정을 지원하는 체계다. 여기서 KPI 대시보드는 전략·전술·운영 지표를 계층적으로 배치해 목표 대비 실적과 추세를 보여주는 인터페이스다.

대시보드의 값은 일관된 시맨틱 모델에 근거해야 한다. 상위 KPI에서 지역, 지점, 고객, 상품 같은 하위 차원으로 내려가는 드릴다운은 그 모델을 탐색하는 방식이며, What-If 시나리오는 가격·정책·수요 탄력 등의 가정을 바꿨을 때 결과 지표가 어떻게 달라지는지 확인하는 모델링 기법이다.

파이프라인과 시맨틱 모델이 지표의 기준을 만든다

원천 시스템은 ERP, CRM, 이커머스, IoT처럼 서로 다른 형태로 존재한다. 배치와 스트리밍 수집을 조합하고, 스테이징과 품질 검증을 거쳐 데이터 웨어하우스 또는 레이크하우스에 적재한다. 이때 차원과 사실을 스타 스키마로 모델링한다.

시맨틱 모델에는 매출, 마진, 전년동기비 같은 공통 측정값과 주문일·배송일 같은 역할 차원, 보안 역할(RLS)을 정의한다. 이렇게 정의한 지표는 여러 화면에서 재사용할 수 있고, 같은 지표를 서로 다르게 계산하는 문제를 줄일 수 있다.

KPI 정의서는 정의, 산식, 단위, 집계 수준, 기준일, 목표·임계값, 소유자를 포함해 표준화한다. SMART 기준을 적용하고, 버전 관리와 변경 승인 절차를 운영한다. 목표와 임계값이 기간이나 세그먼트에 따라 달라지는 경우도 관리 대상이다.

탐색 경로를 설계할 때 보존해야 하는 컨텍스트

드릴다운은 계층을 만드는 일만으로 끝나지 않는다. 지역→국가→지점, 제품군→제품처럼 차원 계층을 정하고, TopN에서 상세로 이동하는 흐름, 교차 필터링, 브레드크럼을 함께 설계해야 한다. KPI 카드에서 세부 테이블과 원장 데이터로 이어지는 경로도 필요하다.

페이지를 옮겨도 필터 컨텍스트가 유지돼야 하며, 상세 화면에서는 제한된 기간·세그먼트 프리필터, TopN+기타 버킷, 사전 집계 테이블을 활용할 수 있다. 사전 집계, 인덱스, 적절한 슬라이서 최소화는 탐색 성능을 제어하는 수단이다.

상세 원장으로 드릴스루할 때는 감사 추적을 위한 쿼리 로깅도 함께 고려한다. 결과물은 드릴다운 경로 매트릭스, 사용자 행동 로그, 최적화 리포트로 관리할 수 있다.

가정값을 바꾼 결과를 비교 가능한 시나리오로 남긴다

What-If 모델은 가격 인상률, 할인율, 수요 변동률 같은 값을 파라미터 테이블로 만들고, 슬라이더나 파라미터 입력 위젯을 통해 측정값과 결합한다. 가격, 수요, 전환율과 같은 가정 변수에 탄력성 추정치와 제약 조건을 반영한다.

시나리오는 이름, 가정값, 작성자, 타임스탬프를 저장하고 비교할 수 있어야 한다. Scenario Dimension, 즐겨찾기, 주석과 가정값 캡처는 공유와 버전 관리를 위한 장치다. 산출물은 시나리오별 KPI, 민감도 스파이더·토네이도 차트, 추천 액션 리스트가 될 수 있다.

가정 범위를 벗어난 입력은 클램핑 처리와 경고가 필요하다. 가격↑·수요↑처럼 상충하는 가정이 함께 들어오는 경우에는 정책 기반 우선순위 규칙을 적용한다. 모델과 목표가 실제로 구분되는지도 검증해야 한다.

데이터 품질과 새로고침 일관성을 운영에 포함한다

데이터 품질 규칙은 고유성, 참조무결성, 임계값 체크를 자동화하고 실패 알림과 격리 절차로 연결한다. 지표 계산에 불일치가 생겼을 때는 데이터를 숨기기보다 “데이터 지연/결측” 배지와 품질 태그, 원인 링크를 제공한다. 임계값을 넘으면 경보를 라우팅한다.

새로고침은 트랜잭션 단위 스냅샷을 적용하고, 하위집계에서 상위집계 순서로 커밋하며, 부분 갱신을 차단해 일관성을 유지한다. 연결 방식은 Import, DirectQuery, Hybrid 중에서 선택하고 증분 새로고침과 스냅샷 격리를 함께 검토한다.

⤢✕

데이터 연결 방식은 사용 경험과 운영 부담을 함께 바꾼다

항목	성능	확장성	일관성	안정성	운영 편의
Import	매우 빠른 쿼리 속도, 캐시 친화	데이터셋 크기 제한 고려	새로고침 시점 일관성 확보 용이	의존성 적음	배포·공유 용이, 증분 새로고침 필요
DirectQuery	소스 성능 의존, 지연 가능	소스 수준 확장 혜택	실시간 근접 일관성	네트워크·소스 부하 리스크	소스 변경 영향 큼, 거버넌스 요구
Hybrid(Dual)	요약은 빠름, 상세는 실시간	균형적 확장	혼합 일관성, 설계 주의	경로 복잡도 증가	관리 복잡도↑, 모니터링 필수

DAX와 SQL로 지표를 구현하는 예시

전제조건: Power BI Desktop 2023+ 또는 Power BI Service, DAX 모델. 데이터셋에 Sales 사실 테이블과 Price, Qty 컬럼 존재 가정.

What-If 파라미터 테이블은 다음과 같이 정의할 수 있다.

WhatIf_SalesLift = GENERATESERIES(-0.20, 0.20, 0.01)

선택한 가정값과 조정 매출 측정값은 다음과 같다.

Sales Lift Factor := SELECTEDVALUE(WhatIf_SalesLift[Value], 0)

Revenue := SUMX(Sales, Sales[Qty] * Sales[Price])

Adj Revenue := [Revenue] * (1 + [Sales Lift Factor])

전년동기 대비와 목표 대비는 다음 측정값으로 계산한다.

Revenue LY := CALCULATE([Revenue], DATEADD('Date'[Date], -1, YEAR))
YoY % := DIVIDE([Revenue] - [Revenue LY], [Revenue LY])

Target Attainment % := DIVIDE([Revenue], [Revenue Target])

전제조건: SQL Server / Databricks SQL. 집계 KPI 생성(SQL)

-- 일별 제품군 매출 및 목표 결합
WITH daily AS (
  SELECT
    d.date_key,
    p.product_group,
    SUM(s.quantity * s.unit_price) AS revenue
  FROM fact_sales s
  JOIN dim_date d   ON s.date_key = d.date_key
  JOIN dim_product p ON s.product_key = p.product_key
  WHERE d.date BETWEEN DATEADD(day, -90, CURRENT_DATE) AND CURRENT_DATE
  GROUP BY d.date_key, p.product_group
)
SELECT
  date_key,
  product_group,
  revenue,
  t.target_amount,
  revenue / NULLIF(t.target_amount, 0) AS target_attainment
FROM daily
LEFT JOIN kpi_target t
  ON t.date_key = daily.date_key AND t.product_group = daily.product_group;

업종별로 달라지는 KPI와 가정 변수

리테일에서는 매출, 매출총이익, 재고회전일수, 품절률을 중심으로 국가→매장→카테고리→SKU 경로를 탐색할 수 있다. 프로모션 할인율과 진열면적을 바꿔 매출과 재고 영향을 시뮬레이션하며 의사결정 리드타임을 줄인다.

제조에서는 OEE, 불량률, MTBF/MTTR을 공장→라인→설비→공정 단계로 드릴다운한다. 예방정비 주기와 공정 속도를 조정했을 때 수율과 납기에 미치는 영향을 평가한다.

SaaS 환경에서는 MRR, Net Revenue Retention, Churn Rate, CAC, LTV를 지역→세그먼트→플랜→고객으로 탐색한다. 가격 인상률, 프로모션, Onboarding 강화에 따른 churn/NRR 민감도를 분석한다.

통합 설계가 만드는 운영 변화

의사결정 리드타임은 로그 기준 전사 평균 3060% 단축 가능하며, KPI 산식을 일원화하면 보고서 불일치를 70% 이상 줄일 수 있다. 성능 최적화와 증분 새로고침은 쿼리 지연을 4080% 개선한다.

수치 개선 외에도 데이터 신뢰도와 투명성이 높아지고, 조직 간 합의 형성이 쉬워진다. 시나리오 기반 토론이 자리 잡으면 실행 가능한 대안을 찾기 쉬우며, 셀프서비스 분석 역량이 커져 분석팀 병목을 완화할 수 있다.

대표 KPI부터 작은 범위로 시작해 확장하되, 데이터 파이프라인 품질, 스냅샷 일관성, 연결 모드의 트레이드오프를 같은 운영 체계 안에서 관리해야 한다.