채팅을 위해 만든 차트

dbt Labs가 대화형 대시보드 전체를 하나의 감사 가능한 YAML 파일로 정의하는 dbt Charts를 오픈소스로 공개함 에이전트가 생성하는 여러 언어와 파일의 복잡성, UI가 허용하는 기능에 갇힌 BI 코파일럿 사이에서 코드의 자유와 관리 가능성을 함께 확보하려 함 SQL은 데이터, YAML은 표시 방식을 정의하며, Markdown과 Jinja를 결합해 본문, 변수, 매크로까지 하나의 대시보드에 담음 dbt 프로젝트와 함께 사용하면 모델과 차트를 같은 Git 저장소와 CI에서 변경하고, YAML/SQL 검증과 시각화 점검으로 오류를 조기에 발견할 수 있음 Apache 2.0 라이선스로 계정 없이 로컬 작성과 렌더링이 가능함. 아직 1.0 이전 버전이며, 문법 변경 시 기존 대시보드를 파싱하면서 마이그레이션함 코드 생성과 기존 BI 사이의 간극 데이터 연결만 있으면 대화로 보고서를 만들 수 있어 셀프서비스 분석이 현실화되고 있지만, 초기 결과를 얻은 뒤에는 관리의 어려움이 빠르게 드러남 에이전트는 단순한 보고서도 HTML, CSS, JavaScript, 차트 라이브러리 여러 개로 만들고, 실제 서비스하려면 React나 Streamlit 앱까지 추가하는 경향이 있음 결과를 원천 데이터까지 추적하려면 여러 언어와 파일을 따라가야 하므로 사람이 감사하는 데 오래 걸리고, 에이전트도 변경할 때마다 시간과 토큰을 소모함 기존 BI 도구는 UI 중심 앱에 코파일럿을 추가해 관리 범위 안에서 AI를 작동시키지만, 에이전트가 할 수 있는 일은 UI가 노출한 기능으로 제한됨 dbt Charts는 복잡하지만 자유로운 코드와 통제되지만 좁은 BI 도구 사이에서 세 번째 선택지를 지향함 BI의 분리와 차트의 코드화 Tristan Handy의 BI’s Second Unbundling에 따르면, MicroStrategy와 Cognos 같은 과거 BI 제품은 수집, 변환, 연산, 캐싱, 의미 체계, 시각화, 사용자 식별을 모두 담당하는 통합 데이터 플랫폼이었음 약 2015~2022년 사이 현대적 데이터 스택이 등장하면서 인프라 계층이 독립함 연산은 Big 5, 데이터 수집은 Fivetran, 변환은 dbt로 이동함 BI 도구에는 시각화, 대화형 분석 인터페이스, 일부 의미 정의, 사용자 식별과 접근 관리, 웹 호스팅이 남음 차트가 UI에 남았던 이유는 대부분의 사람에게 YAML 작성보다 클릭이 빨랐기 때문임 하지만 에이전트는 다른 제...