프롬프트 설정으로 정밀하게 데이터 분석하기
smartmind
2025년 8월 4일
2025년 현재, 수많은 생성형 AI 서비스가 출시되었고 이를 실생활에 활용하는 인구의 수 또한 가시적으로 증가하고 있습니다.
(출처: https://www.journalist.or.kr/news/article.html?no=58480)
한국언론진흥재단에 따르면, 2024년 이후 생성형 AI를 사용하기 시작한 이용자의 수가 그 전에 비해 폭발적으로 증가했음을 알 수 있습니다. 특히 ChatGPT, Claude, Gemini와 같은 대화형 인공지능 서비스의 경우 ‘대화’라는 간단한 수단으로 AI를 이용할 수 있고, 직관성과 접근성이 높습니다. 이는 서비스 사용자 유입을 유도하고, 결론적으로 높은 사용자 수를 유치하게 된 것입니다.
하지만 대화형 AI는 사용자가 원하는 답을 항상 내놓지는 않습니다. 사용자의 질문이나 의도를 이해하지 못해 엉뚱하거나 불충분한 답변을 내놓는 경우도 존재합니다. 또한 AI가 특정한 조건 내에서 답변을 생성하길 원하는 사용자도 존재합니다. 예를 들어, 답변을 특정한 언어로 생성하거나 정해진 분량 내에서 생성하고 싶을 수 있습니다.
이러한 사용자의 요구를 만족시키기 위해 프롬프트 엔지니어링을 적용할 수 있습니다. 프롬프트 엔지니어링은 프롬프트를 효과적으로 설계하고 최적화함으로써 AI 모델이 적절한 응답을 생성하도록 유도하는 것을 목표로 합니다. 이 과정에서 AI 모델이 답변하는 방식 등을 조절함으로써 모델 성능과 답변 품질을 높일 수 있습니다.
특히 Qurify의 경우, 데이터 탐색 · 분석 과정에서 프롬프트 설정을 통해 더 정확하고 세밀한 결과를 얻을 수 있습니다. Qurify에서 프롬프트를 어떻게 설정할 수 있는지, 각 프롬프트 설정은 어떤 이점을 제공하는지 예시와 함께 알아보도록 하겠습니다.
Qurify에서 개인 맞춤형 프롬프트 설정하기
Qurify는 총 4가지의 프롬프트 설정을 지원합니다.
프롬프트 종류 | 설명 |
|---|---|
시스템 프롬프트 | AI 모델의 역할이나 행동 기준, 답변 형식 등을 지정할 수 있는 프롬프트 |
SQL 생성 프롬프트 | SQL 쿼리를 정확하게 생성하기 위한 프롬프트 |
DB 가이드라인 프롬프트 | ‘테이블/칼럼 정보 관리’에서 이용할 수 있는 ‘설명 생성하기' 기능의 규칙과 형식 등을 지정할 수 있는 프롬프트 |
Text-to-SQL 예제 생성 프롬프트 | ‘질문-SQL 예제 관리’에서 이용할 수 있는 ‘예제 생성하기’ 기능의 지침을 지정할 수 있는 프롬프트 |
이 프롬프트 설정들을 하나씩 살펴 보고 직접 프롬프트를 작성하며 적용 전후 결과를 분석해보도록 하겠습니다.
1. 시스템 프롬프트
시스템 프롬프트는 AI 모델의 응답에 맥락과 행동, 또는 규칙을 부여합니다. 즉 AI 모델이 사용자에게 응답하는 방법을 정의한다고 볼 수 있습니다. 문체나 글의 길이 등의 측면에서 AI가 일관성 있는 답변을 생성하길 원한다면 시스템 프롬프트 적용을 고려해볼 수 있습니다.
대표적으로 적용할 수 있는 시스템 프롬프트는 다음과 같습니다.
종류 | 예시 |
|---|---|
응답 형식 | 모든 응답을 200자 내로 생성하세요. |
맥락 제공 | 당신은 구직 컨설팅 업체에서 일하는 전문 컨설턴트이며, 이에 따라 구직 방면에서 전문적이고 신빙성 있는 답변을 제공해야 합니다. |
윤리 지침 | 사용자에게 개인 정보, 관심사 등 예민한 정보를 묻지 마세요. |
이제 Qurify에서 직접 시스템 프롬프트를 작성하고 프롬프트 적용 전후 결과를 비교해보도록 하겠습니다.
답변에 생성된 쿼리를 포함하지 마세요.
모든 답변은 7줄 이내로 요약해서 보여주세요.
Qurify의 답변 형식과 길이를 조절하기 위해 위와 같은 시스템 프롬프트를 적용하였습니다.
그리고 “employees 테이블의 hire_data를 기준으로 각 연도별 직원 채용 수를 확인할 수 있나요?”라는 질문을 시스템 프롬프트 설정 전후, 총 2번에 걸쳐 Qurify에 입력했습니다.
해당 시스템 프롬프트를 적용하기 전과 후의 응답은 아래와 같습니다.
도구 실행 결과를 참조하면, 시스템 프롬프트 적용 전후 모두 질의 과정은 동일합니다.
하지만 아무 시스템 프롬프트도 적용하지 않았을 때와 달리, 우측의 답변은 ‘생성된 쿼리’를 포함하고 있지 않고 답변의 길이 또한 7줄 이내로 간소화되었습니다.
이처럼 시스템 프롬프트를 적절히 활용하면 AI 모델의 답변을 사용자의 요구사항에 맞추어 조절할 수 있습니다.
2. SQL 생성 프롬프트
더 정확한 SQL 쿼리를 생성할 수 있도록 Qurify는 SQL 생성 프롬프트 설정을 지원합니다.
그 예시로 특정 기간을 나타내는 데이터만 처리할 수 있도록 예제 프롬프트를 생성 후, 프롬프트 적용 전후 결과를 비교해보겠습니다.
주문 날짜가 1998년인 데이터만 처리
고객의 주문 내역과 운송 업체에 관한 정보를 갖고 있는 테이블(순서대로 orders, ship_via 테이블)을 이용하여, 각 운송 업체가 배송한 주문의 건수를 알아보려고 합니다.
특히 1998년에 배송을 완료한 주문의 건수를 알아보기 위해 SQL 생성 프롬프트를 위와 같이 작성했습니다.
“orders 테이블의 ship_via와 shippers 테이블을 기준으로 각 운송 회사의 총 배송 건수를 확인할 수 있나요?”라는 질문을 SQL 생성 프롬프트 설정 전후에 각각 입력한 결과는 다음과 같습니다.
SQL 생성 프롬프트를 적용한 후의 응답은 ‘1998년 동안’의 데이터만 처리했음을 명시하고 있습니다. 프롬프트 적용 전후의 응답을 비교하면 총 배송 건수 또한 차이를 보입니다.
또한 Qurify MCP Server가 생성한 SQL 쿼리를 보면, 주문 일자가 1998년인 데이터를 추출하는 부분이 추가되었음을 알 수 있습니다.
WHERE extract(YEAR FROM o.order_date) = 1998
SQL 생성 프롬프트를 적용한 질의 결과가 정확한지 확인하기 위해, graph_generate MCP 서버를 활용해 ‘각 연도 별로 주문이 접수된 횟수’를 시각화하였습니다.
MCP에 대해 더 알아보고 싶다면 이전 게시물을 참조하세요.
연도별로 접수된 주문 횟수를 시각화한 그래프를 참조하면, 1998년에 접수된 주문은 총 270건임을 볼 수 있습니다.
앞서 알아본 ‘1998년 동안 각 운송 회사의 총 배송 건수’는 각각 75회, 78회, 117회로 해당 질의 결과와 일치합니다.
이로써 SQL 생성 프롬프트를 적용하여 더 정밀한 SQL 쿼리를 생성했음을 알 수 있습니다.
3. DB 가이드라인 프롬프트
Qurify는 사용자의 데이터베이스 이해를 돕기 위해 DB 가이드라인을 제공합니다.
데이터베이스의 테이블과 칼럼에 대한 설명을 자연어 형태로 제공함으로써, 테이블과 칼럼이 어떤 데이터를 저장하고 있는지 개략적으로 확인할 수 있습니다.
좌측의 테이블 선택 메뉴에서 테이블과 칼럼에 마우스 오버 시, 해당 테이블 또는 칼럼의 정보를 개략적으로 확인 가능합니다.
또한 앞서 언급했듯이 ‘테이블/칼럼 정보 관리’ 메뉴를 통해 데이터베이스의 테이블과 칼럼을 관리하거나, ‘설명 생성하기’ 기능을 통해 데이터베이스 설명을 자동으로 생성 및 변경할 수 있습니다
앞서 마우스 오버를 통해 확인한 테이블/칼럼 설명을 포함해 각 테이블과 칼럼의 정보를 표 형태로 확인 가능합니다.
특히 table_description, column_description은 각각 테이블, 그리고 칼럼에 대한 설명을 담고 있습니다.
하지만 테이블/칼럼 설명이 조금 더 간결하거나, 반대로 더 구체적이기를 원하는 사용자가 존재할 수 있습니다.
그런 사용자를 위해 Qurify는 DB 가이드라인 프롬프트를 제공합니다. DB 가이드라인 프롬프트 설정을 통해 테이블/칼럼 설명 방식을 조절함으로써 데이터베이스를 더욱 정확히 파악할 수 있습니다.
‘설명 생성하기’ 기능을 이용하면 Qurify가 데이터베이스(테이블과 칼럼)의 설명을 자동으로 생성합니다. 이 과정에서 DB 가이드라인 프롬프트를 설정하여 사용자가 설명 생성 방식을 직접 조절할 수 있습니다.
(DB 가이드라인 프롬프트는 ‘프롬프트(지침) 설정’에서도 변경 가능합니다.)
DB 가이드라인의 길이와 서술 방식을 변경하기 위하여 다음과 같은 프롬프트를 사용하였습니다.
20자 내외로 간단하게 설명하세요.
'~습니다'와 같이 서술하지 말고, 간단한 단어 위주로 묘사하세요.
테이블과 칼럼의 설명이 프롬프트를 반영하여 20자 내외로, 그리고 단어 위주로 간단하게 변경된 점을 확인할 수 있습니다.
이와 같이 DB 가이드라인 프롬프트를 통해 테이블/칼럼의 설명을 생성 · 변경함으로써 데이터베이스에 관한 이해도를 제고할 수 있습니다.
4. Text-to-SQL 예제 생성 프롬프트
Qurify는 사용자의 편리한 쿼리와 인사이트 획득을 돕기 위해 질문-SQL 예제를 지원합니다.
이 예제들은 Qurify의 메인 화면에서 질문으로 사용할 수 있고, 질의 과정에서 Qurify MCP 서버에 의해 사용됩니다.
질문-SQL 예제 또한 ‘예제 생성하기’ 기능을 통해 생성하거나 내용을 조절할 수 있습니다.
‘예제 생성하기’ 기능에서는 Text-to-SQL 예제 생성 프롬프트를 포함하여 반복 횟수, 질문-SQL 생성 개수, 기존 예제 참조 개수를 설정할 수 있습니다.
해당 요소들을 입력함으로써 Qurify가 질문을 이해하고 SQL을 생성하는 방식을 사용자의 요구사항대로 조절 가능합니다.
(Text-to-SQL 프롬프트는 ‘프롬프트(지침) 설정’에서도 변경 가능합니다.)
이번에는 매장별 거래 내역, 특히 상품 정보(스타일, 색상 외)를 저장하고 있는 salestransactions 테이블을 위주로 질문-SQL 예제를 생성하겠습니다. 특히 판매 · 거래된 상품의 색상과 스타일을 알아보기 위해 color_code와 style_code 칼럼을 포함하는 질문을 생성하려고 합니다.
질문-SQL 예제 생성 방식을 변경하고 데이터의 범위를 제한하기 위해 다음과 같은 프롬프트를 입력했습니다.
모든 테이블명과 칼럼명을 소문자로 작성하세요.
salestransactions 테이블, 그리고 color_code 또는 style_code 칼럼이 포함된 질문을 생성해 주세요.
2025년 5월에 발생한 데이터만을 처리해 주세요.
생성된 예제와 SQL 쿼리를 살펴 보면 테이블과 칼럼의 이름이 모두 소문자로 표기되어 있습니다. 또한 생성된 질문들이 매장 판매 · 거래 내역, 그리고 상품의 색상과 스타일을 다루고 있습니다. 사용자의 Text-to-SQL 예제 생성 프롬프트를 반영하여 예제와 SQL 쿼리를 생성했다는 점을 알 수 있습니다.
결론적으로, Text-to-SQL 예제 생성 프롬프트와 생성 설정을 이용함으로써 효과적인 질의 과정을 돕는 예제를 생성할 수 있습니다. 해당 예제를 사용하여 유의미한 분석 결과를 얻는 효과를 기대할 수 있습니다.
마치며
대화형 AI로부터 정확하고 가치 있는 답변을 유도하는 과정에서, 사용자의 적절한 프롬프트 또한 중요한 요소로써 작용합니다. 프롬프트 작성 능력, 특히 사용자의 요구 사항이 잘 드러나 있고 AI가 잘 이해하는 프롬프트를 쓰는 능력은 이제 유용한 역량으로 자리매김하고 있습니다.
Qurify는 이처럼 ‘잘 쓰여진’ 프롬프트를 사용자가 쉽게 만들고 활용할 수 있도록 돕습니다. 서비스에 적용할 수 있는 프롬프트를 4가지 종류로 나누어, 일반적인 대화에 적용하는 프롬프트부터 테이블/칼럼 설명 등 Qurify의 유용한 기능에 적용하는 프롬프트까지 사용자가 자유롭게 설정할 수 있도록 세분화하였습니다.
프롬프트 설정과 함께 Qurify로 데이터를 활용하고 정밀한 SQL 쿼리를 생성해 보세요.
2025년 현재, 수많은 생성형 AI 서비스가 출시되었고 이를 실생활에 활용하는 인구의 수 또한 가시적으로 증가하고 있습니다.
(출처: https://www.journalist.or.kr/news/article.html?no=58480)
한국언론진흥재단에 따르면, 2024년 이후 생성형 AI를 사용하기 시작한 이용자의 수가 그 전에 비해 폭발적으로 증가했음을 알 수 있습니다. 특히 ChatGPT, Claude, Gemini와 같은 대화형 인공지능 서비스의 경우 ‘대화’라는 간단한 수단으로 AI를 이용할 수 있고, 직관성과 접근성이 높습니다. 이는 서비스 사용자 유입을 유도하고, 결론적으로 높은 사용자 수를 유치하게 된 것입니다.
하지만 대화형 AI는 사용자가 원하는 답을 항상 내놓지는 않습니다. 사용자의 질문이나 의도를 이해하지 못해 엉뚱하거나 불충분한 답변을 내놓는 경우도 존재합니다. 또한 AI가 특정한 조건 내에서 답변을 생성하길 원하는 사용자도 존재합니다. 예를 들어, 답변을 특정한 언어로 생성하거나 정해진 분량 내에서 생성하고 싶을 수 있습니다.
이러한 사용자의 요구를 만족시키기 위해 프롬프트 엔지니어링을 적용할 수 있습니다. 프롬프트 엔지니어링은 프롬프트를 효과적으로 설계하고 최적화함으로써 AI 모델이 적절한 응답을 생성하도록 유도하는 것을 목표로 합니다. 이 과정에서 AI 모델이 답변하는 방식 등을 조절함으로써 모델 성능과 답변 품질을 높일 수 있습니다.
특히 Qurify의 경우, 데이터 탐색 · 분석 과정에서 프롬프트 설정을 통해 더 정확하고 세밀한 결과를 얻을 수 있습니다. Qurify에서 프롬프트를 어떻게 설정할 수 있는지, 각 프롬프트 설정은 어떤 이점을 제공하는지 예시와 함께 알아보도록 하겠습니다.
Qurify에서 개인 맞춤형 프롬프트 설정하기
Qurify는 총 4가지의 프롬프트 설정을 지원합니다.
프롬프트 종류 | 설명 |
|---|---|
시스템 프롬프트 | AI 모델의 역할이나 행동 기준, 답변 형식 등을 지정할 수 있는 프롬프트 |
SQL 생성 프롬프트 | SQL 쿼리를 정확하게 생성하기 위한 프롬프트 |
DB 가이드라인 프롬프트 | ‘테이블/칼럼 정보 관리’에서 이용할 수 있는 ‘설명 생성하기' 기능의 규칙과 형식 등을 지정할 수 있는 프롬프트 |
Text-to-SQL 예제 생성 프롬프트 | ‘질문-SQL 예제 관리’에서 이용할 수 있는 ‘예제 생성하기’ 기능의 지침을 지정할 수 있는 프롬프트 |
이 프롬프트 설정들을 하나씩 살펴 보고 직접 프롬프트를 작성하며 적용 전후 결과를 분석해보도록 하겠습니다.
1. 시스템 프롬프트
시스템 프롬프트는 AI 모델의 응답에 맥락과 행동, 또는 규칙을 부여합니다. 즉 AI 모델이 사용자에게 응답하는 방법을 정의한다고 볼 수 있습니다. 문체나 글의 길이 등의 측면에서 AI가 일관성 있는 답변을 생성하길 원한다면 시스템 프롬프트 적용을 고려해볼 수 있습니다.
대표적으로 적용할 수 있는 시스템 프롬프트는 다음과 같습니다.
종류 | 예시 |
|---|---|
응답 형식 | 모든 응답을 200자 내로 생성하세요. |
맥락 제공 | 당신은 구직 컨설팅 업체에서 일하는 전문 컨설턴트이며, 이에 따라 구직 방면에서 전문적이고 신빙성 있는 답변을 제공해야 합니다. |
윤리 지침 | 사용자에게 개인 정보, 관심사 등 예민한 정보를 묻지 마세요. |
이제 Qurify에서 직접 시스템 프롬프트를 작성하고 프롬프트 적용 전후 결과를 비교해보도록 하겠습니다.
답변에 생성된 쿼리를 포함하지 마세요.
모든 답변은 7줄 이내로 요약해서 보여주세요.
Qurify의 답변 형식과 길이를 조절하기 위해 위와 같은 시스템 프롬프트를 적용하였습니다.
그리고 “employees 테이블의 hire_data를 기준으로 각 연도별 직원 채용 수를 확인할 수 있나요?”라는 질문을 시스템 프롬프트 설정 전후, 총 2번에 걸쳐 Qurify에 입력했습니다.
해당 시스템 프롬프트를 적용하기 전과 후의 응답은 아래와 같습니다.
도구 실행 결과를 참조하면, 시스템 프롬프트 적용 전후 모두 질의 과정은 동일합니다.
하지만 아무 시스템 프롬프트도 적용하지 않았을 때와 달리, 우측의 답변은 ‘생성된 쿼리’를 포함하고 있지 않고 답변의 길이 또한 7줄 이내로 간소화되었습니다.
이처럼 시스템 프롬프트를 적절히 활용하면 AI 모델의 답변을 사용자의 요구사항에 맞추어 조절할 수 있습니다.
2. SQL 생성 프롬프트
더 정확한 SQL 쿼리를 생성할 수 있도록 Qurify는 SQL 생성 프롬프트 설정을 지원합니다.
그 예시로 특정 기간을 나타내는 데이터만 처리할 수 있도록 예제 프롬프트를 생성 후, 프롬프트 적용 전후 결과를 비교해보겠습니다.
주문 날짜가 1998년인 데이터만 처리
고객의 주문 내역과 운송 업체에 관한 정보를 갖고 있는 테이블(순서대로 orders, ship_via 테이블)을 이용하여, 각 운송 업체가 배송한 주문의 건수를 알아보려고 합니다.
특히 1998년에 배송을 완료한 주문의 건수를 알아보기 위해 SQL 생성 프롬프트를 위와 같이 작성했습니다.
“orders 테이블의 ship_via와 shippers 테이블을 기준으로 각 운송 회사의 총 배송 건수를 확인할 수 있나요?”라는 질문을 SQL 생성 프롬프트 설정 전후에 각각 입력한 결과는 다음과 같습니다.
SQL 생성 프롬프트를 적용한 후의 응답은 ‘1998년 동안’의 데이터만 처리했음을 명시하고 있습니다. 프롬프트 적용 전후의 응답을 비교하면 총 배송 건수 또한 차이를 보입니다.
또한 Qurify MCP Server가 생성한 SQL 쿼리를 보면, 주문 일자가 1998년인 데이터를 추출하는 부분이 추가되었음을 알 수 있습니다.
WHERE extract(YEAR FROM o.order_date) = 1998
SQL 생성 프롬프트를 적용한 질의 결과가 정확한지 확인하기 위해, graph_generate MCP 서버를 활용해 ‘각 연도 별로 주문이 접수된 횟수’를 시각화하였습니다.
MCP에 대해 더 알아보고 싶다면 이전 게시물을 참조하세요.
연도별로 접수된 주문 횟수를 시각화한 그래프를 참조하면, 1998년에 접수된 주문은 총 270건임을 볼 수 있습니다.
앞서 알아본 ‘1998년 동안 각 운송 회사의 총 배송 건수’는 각각 75회, 78회, 117회로 해당 질의 결과와 일치합니다.
이로써 SQL 생성 프롬프트를 적용하여 더 정밀한 SQL 쿼리를 생성했음을 알 수 있습니다.
3. DB 가이드라인 프롬프트
Qurify는 사용자의 데이터베이스 이해를 돕기 위해 DB 가이드라인을 제공합니다.
데이터베이스의 테이블과 칼럼에 대한 설명을 자연어 형태로 제공함으로써, 테이블과 칼럼이 어떤 데이터를 저장하고 있는지 개략적으로 확인할 수 있습니다.
좌측의 테이블 선택 메뉴에서 테이블과 칼럼에 마우스 오버 시, 해당 테이블 또는 칼럼의 정보를 개략적으로 확인 가능합니다.
또한 앞서 언급했듯이 ‘테이블/칼럼 정보 관리’ 메뉴를 통해 데이터베이스의 테이블과 칼럼을 관리하거나, ‘설명 생성하기’ 기능을 통해 데이터베이스 설명을 자동으로 생성 및 변경할 수 있습니다
앞서 마우스 오버를 통해 확인한 테이블/칼럼 설명을 포함해 각 테이블과 칼럼의 정보를 표 형태로 확인 가능합니다.
특히 table_description, column_description은 각각 테이블, 그리고 칼럼에 대한 설명을 담고 있습니다.
하지만 테이블/칼럼 설명이 조금 더 간결하거나, 반대로 더 구체적이기를 원하는 사용자가 존재할 수 있습니다.
그런 사용자를 위해 Qurify는 DB 가이드라인 프롬프트를 제공합니다. DB 가이드라인 프롬프트 설정을 통해 테이블/칼럼 설명 방식을 조절함으로써 데이터베이스를 더욱 정확히 파악할 수 있습니다.
‘설명 생성하기’ 기능을 이용하면 Qurify가 데이터베이스(테이블과 칼럼)의 설명을 자동으로 생성합니다. 이 과정에서 DB 가이드라인 프롬프트를 설정하여 사용자가 설명 생성 방식을 직접 조절할 수 있습니다.
(DB 가이드라인 프롬프트는 ‘프롬프트(지침) 설정’에서도 변경 가능합니다.)
DB 가이드라인의 길이와 서술 방식을 변경하기 위하여 다음과 같은 프롬프트를 사용하였습니다.
20자 내외로 간단하게 설명하세요.
'~습니다'와 같이 서술하지 말고, 간단한 단어 위주로 묘사하세요.
테이블과 칼럼의 설명이 프롬프트를 반영하여 20자 내외로, 그리고 단어 위주로 간단하게 변경된 점을 확인할 수 있습니다.
이와 같이 DB 가이드라인 프롬프트를 통해 테이블/칼럼의 설명을 생성 · 변경함으로써 데이터베이스에 관한 이해도를 제고할 수 있습니다.
4. Text-to-SQL 예제 생성 프롬프트
Qurify는 사용자의 편리한 쿼리와 인사이트 획득을 돕기 위해 질문-SQL 예제를 지원합니다.
이 예제들은 Qurify의 메인 화면에서 질문으로 사용할 수 있고, 질의 과정에서 Qurify MCP 서버에 의해 사용됩니다.
질문-SQL 예제 또한 ‘예제 생성하기’ 기능을 통해 생성하거나 내용을 조절할 수 있습니다.
‘예제 생성하기’ 기능에서는 Text-to-SQL 예제 생성 프롬프트를 포함하여 반복 횟수, 질문-SQL 생성 개수, 기존 예제 참조 개수를 설정할 수 있습니다.
해당 요소들을 입력함으로써 Qurify가 질문을 이해하고 SQL을 생성하는 방식을 사용자의 요구사항대로 조절 가능합니다.
(Text-to-SQL 프롬프트는 ‘프롬프트(지침) 설정’에서도 변경 가능합니다.)
이번에는 매장별 거래 내역, 특히 상품 정보(스타일, 색상 외)를 저장하고 있는 salestransactions 테이블을 위주로 질문-SQL 예제를 생성하겠습니다. 특히 판매 · 거래된 상품의 색상과 스타일을 알아보기 위해 color_code와 style_code 칼럼을 포함하는 질문을 생성하려고 합니다.
질문-SQL 예제 생성 방식을 변경하고 데이터의 범위를 제한하기 위해 다음과 같은 프롬프트를 입력했습니다.
모든 테이블명과 칼럼명을 소문자로 작성하세요.
salestransactions 테이블, 그리고 color_code 또는 style_code 칼럼이 포함된 질문을 생성해 주세요.
2025년 5월에 발생한 데이터만을 처리해 주세요.
생성된 예제와 SQL 쿼리를 살펴 보면 테이블과 칼럼의 이름이 모두 소문자로 표기되어 있습니다. 또한 생성된 질문들이 매장 판매 · 거래 내역, 그리고 상품의 색상과 스타일을 다루고 있습니다. 사용자의 Text-to-SQL 예제 생성 프롬프트를 반영하여 예제와 SQL 쿼리를 생성했다는 점을 알 수 있습니다.
결론적으로, Text-to-SQL 예제 생성 프롬프트와 생성 설정을 이용함으로써 효과적인 질의 과정을 돕는 예제를 생성할 수 있습니다. 해당 예제를 사용하여 유의미한 분석 결과를 얻는 효과를 기대할 수 있습니다.
마치며
대화형 AI로부터 정확하고 가치 있는 답변을 유도하는 과정에서, 사용자의 적절한 프롬프트 또한 중요한 요소로써 작용합니다. 프롬프트 작성 능력, 특히 사용자의 요구 사항이 잘 드러나 있고 AI가 잘 이해하는 프롬프트를 쓰는 능력은 이제 유용한 역량으로 자리매김하고 있습니다.
Qurify는 이처럼 ‘잘 쓰여진’ 프롬프트를 사용자가 쉽게 만들고 활용할 수 있도록 돕습니다. 서비스에 적용할 수 있는 프롬프트를 4가지 종류로 나누어, 일반적인 대화에 적용하는 프롬프트부터 테이블/칼럼 설명 등 Qurify의 유용한 기능에 적용하는 프롬프트까지 사용자가 자유롭게 설정할 수 있도록 세분화하였습니다.
프롬프트 설정과 함께 Qurify로 데이터를 활용하고 정밀한 SQL 쿼리를 생성해 보세요.