.png&blockId=320f7796-34a8-8071-bb82-eeb03b09dcdc&width=3600)
안녕하세요, 알로하팩토리 데이터팀입니다.
게임 업계에서 데이터 기반 의사결정은 더 이상 선택이 아닌 필수가 되었습니다. DAU 추이, 리텐션 코호트, 매출 분석, 유저 세그먼트별 행동 패턴 — 이 모든 지표를 적시에 확인하고 대응하는 것이 게임의 성패를 좌우합니다.
하지만 현실은 어떨까요?
.png&blockId=320f7796-34a8-80ca-8dcf-f72107d52a8d)
데이터는 넘치는데, 인사이트는 부족하다
대부분의 게임 스튜디오는 이미 BigQuery, Metabase 같은 데이터 인프라를 갖추고 있습니다. Metabase는 SQL 쿼리를 시각화된 대시보드로 만들어주는 오픈소스 BI 툴로, 데이터 팀이 아닌 기획자나 PM도 대시보드를 통해 핵심 지표를 확인할 수 있게 해주는 강력한 도구입니다.
그런데 문제는 그 다음입니다.
•
"이 데이터 어느 테이블에 있지?" — 수십 개의 테이블 중 정확한 소스를 찾는 데만 반나절
•
"대시보드 하나 만들어주세요" — 기획자의 요청이 데이터 분석가의 백로그에 쌓이고, 며칠 뒤에야 결과물이 나옴
•
"쿼리가 틀렸는데..." — SQL 문법 오류, 잘못된 필터, 테이블 컬럼명 오타를 디버깅하는 데 시간을 소모
•
"이 수치가 맞는 건가?" — 검증 없이 배포된 대시보드가 잘못된 의사결정으로 이어지는 리스크
결국 데이터 분석가라는 인적 자원이 병목이 됩니다. 분석가의 시간은 한정되어 있고, 요청은 계속 늘어납니다. 단순 대시보드 제작이나 테이블 탐색 같은 반복 작업에 전문 인력이 묶이는 구조는 분명 비효율적입니다.
AI 에이전트가 데이터 분석가의 동료가 되다
저희는 이 문제를 AI 에이전트로 풀고 있습니다.
단순히 "AI에게 질문하면 답을 준다"는 수준이 아닙니다. 게임 도메인 지식을 학습한 전문 에이전트가 데이터 탐색 → SQL 생성 → 검증 → 대시보드 조립까지의 전체 파이프라인을 자동화합니다.
저희 시스템은 스킬과 에이전트라는 두 가지 단위로 구성됩니다. 스킬은 "테이블 찾기", "SQL 생성하기"처럼 한 가지 일을 정확하게 수행하는 전문 기능이고, 에이전트는 여러 스킬을 순서대로 조합해서 하나의 큰 작업을 완수하는 역할입니다.
스킬 — 대시보드를 만드는 데 필요한 개별 역량
스킬 | 하는 일 | 기존 방식 대비 |
Dashboard Auditor | "이 분석에 어떤 테이블을 써야 해?" → 도메인 키워드 기반으로 관련 대시보드와 테이블을 자동 탐색 | 분석가에게 슬랙으로 물어보고 답변 대기
→ 즉시 응답 |
Query Generator | 자연어 → BigQuery SQL 자동 생성, Metabase 카드 설정까지 원스톱 | SQL 직접 작성 + 디버깅
→ 자연어 한 줄로 완성 |
에이전트 — 스킬을 조합하는 오케스트레이터
에이전트 | 역할 |
Visualization Planner | 데이터 탐색 → 차트 타입 선정 → SQL 생성 → BigQuery 검증 → Metabase 대시보드 조립까지 엔드투엔드 자동화 |
실제로 "게임의 주요 모니터링 지표를 추적할 수 있는 KPI 대시보드를 만들어줘"라고 요청하면, Visualization Planner가 Dashboard Auditor로 관련 테이블을 찾고, Query Generator로 각 차트에 필요한 SQL을 생성하고, BigQuery에서 쿼리가 정상 동작하는지 검증한 뒤, Metabase에 완성된 대시보드를 배포합니다.
이 구조가 주는 핵심 이점
1. 사람이 판단하고, AI가 실행한다 (Human-in-the-Loop)
모든 대시보드 생성에는 사람의 최종 승인이 필요합니다. AI가 독단적으로 대시보드를 배포하지 않습니다. 에이전트가 차트 구성과 SQL을 제안하면, 분석가가 검토하고 승인한 뒤에야 실제로 만들어집니다.
2. 도메인 지식이 내장되어 있다
"구매"라고 했을 때 실제 결제(IAP)인지, 인게임 재화 사용인지를 게임 맥락에 따라 자동으로 구분합니다. 테이블 이름, 컬럼 의미, 세그먼트 기준까지 게임별로 학습되어 있어 도메인 전문가 수준의 정확도를 제공합니다.
3. 검증이 내장된 워크플로우
SQL을 생성하면 반드시 BigQuery에서 실행하여 구조적 오류, 데이터 분포, 비즈니스 정합성을 3단계로 검증합니다. "쿼리가 맞는지 모르겠다"는 불안감을 제거합니다.
실제 작업 사례
현재 이 시스템을 통해 아래와 같은 대시보드 작업이 진행되었습니다.
게임별 KPI 모니터링 대시보드: DAU/MAU 추이, 매출 트렌드, 리텐션 코호트를 한눈에 확인할 수 있는 대시보드를 자연어 요청만으로 생성
유저 세그먼트별 밸런싱 분석 대시보드: 세그먼트로 구분한 유저의 재화 사용 통계 확인 및 주요 소비처 파악
이 모든 과정에서 데이터 분석가는 SQL을 직접 작성하는 대신 AI의 결과물을 검토하고 승인하는 역할로 전환됩니다. 반복 작업에서 해방된 분석가는 더 깊은 인사이트 도출과 전략적 의사결정에 집중할 수 있습니다.
앞으로 나아갈 방향
현재는 대시보드 자동 생성에 집중하고 있지만, 앞으로는 이상 징후 자동 감지와 정기 리포트 자동 발행으로 확장하고, 궁극적으로는 데이터 기반의 액션 추천과 밸런스 시뮬레이션까지 나아가려 합니다.
AI가 데이터 분석가를 대체하는 것이 아닙니다. 분석가가 더 높은 수준의 문제에 집중할 수 있도록, 반복적이고 시간 소모적인 작업을 AI가 맡는 것입니다. 사람의 판단력과 AI의 실행력이 결합될 때, 데이터 팀은 비로소 본연의 가치를 발휘할 수 있습니다.
게임 데이터 분석의 효율화에 관심이 있으시다면, 알로하팩토리 데이터팀의 여정을 계속 지켜봐 주세요.
알로하팩토리 데이터팀 드림