즈푸 칭옌(Zhipu Qingyan)의 코드 인터프리터를 활용하여 스프레드시트를 분석하고 시각적 차트를 생성하는 방법

Zhipu AI의 GLM 파운데이션 모델을 기반으로 구동되는 Zhipu Qingyan(智谱清言)은 일상적인 테이블 형식 스프레드시트를 구조화된 데이터 인사이트와 실무에 즉시 활용 가능한 시각적 차트로 변환하는 자동화된 코드 인터프리터(Code Interpreter) 샌드박스를 내장하고 있습니다. 사용자가 직접 Python 스크립트를 작성하거나 로컬 개발 환경을 구성하고 복잡한 스프레드시트 함수를 마스터할 필요 없이, 분석가, 마케터 및 운영 전문가는 Excel이나 CSV와 같은 원시 스프레드시트 파일을 업로드하고 자연어로 지시를 내리기만 하면 됩니다. pandas, numpy, matplotlib과 같은 필수 데이터 과학 라이브러리가 갖춰진 전용 Python 런타임 환경에서 코드를 안전하게 실행함으로써, Zhipu Qingyan은 원시 비즈니스 기록과 명확한 시각적 의사결정 사이의 간극을 좁혀줍니다.

코드 인터프리터 아키텍처 이해하기

Zhipu Qingyan 내부의 코드 인터프리터는 지능형 언어 모델 에이전트와 결합된 격리된 실행 환경으로 작동합니다. 사용자가 스프레드시트와 함께 분석 질문을 제시하면 시스템은 텍스트 예측을 통해 단순히 답을 추측하지 않습니다. 대신 사용자의 의도를 실행 가능한 Python 코드로 변환하고, 샌드박스 가상 환경 내에서 스크립트를 실행하며, 표준 출력과 생성된 그래픽을 캡처하여 검증된 결과를 대화 스트림으로 직접 반환합니다.

이러한 아키텍처는 비즈니스 사용자에게 다음과 같은 실질적인 이점을 제공합니다.

• 알고리즘 기반의 정밀성: 수치 계산, 집계 및 통계 지표가 확률적인 토큰 생성으로 추정되는 대신 Python을 통해 직접 연산되므로 산술적 환각(arithmetic hallucinations)이 발생하지 않습니다.
• 포괄적인 데이터 과학 스택: 런타임 환경에는 테이블 조작을 위한 pandas, 수치 연산을 위한 numpy, 차트 작성 및 시각적 렌더링을 위한 matplotlib과 seaborn을 비롯한 표준 분석 라이브러리가 사전 탑재되어 있습니다.
• 이중 산출물 생성: 샌드박스는 대화창 내 고해상도 차트와 같은 그래픽 출력물뿐만 아니라 구조화된 테이블 형식 파일도 생성할 수 있어 사용자가 수정된 통합 문서나 요약 표를 다운로드할 수 있습니다.
• 투명한 실행 로그: 사용자는 모든 답변의 배경에 있는 생성된 Python 코드를 검토하여 데이터 변환 과정, 필터링 조건 및 수학적 로직을 직접 검증할 수 있습니다.

테이블 형식 스프레드시트 준비 및 업로드

원활한 분석을 보장하고 Python 환경에서의 파싱 오류를 방지하려면 클린 데이터 원칙에 따라 입력 스프레드시트를 준비하는 것이 필수적입니다.

지원되는 파일 형식

Zhipu Qingyan은 대화 첨부 인터페이스를 통해 다양한 구조화된 데이터 형식을 지원합니다.

• Microsoft Excel 통합 문서(.xlsx, .xls): 여러 열, 서식 지정된 값, 날짜 필드가 포함된 비즈니스 보고서에 적합합니다.
• 쉼표 및 구분 기호로 분리된 파일(.csv, .tsv): 데이터베이스, 고객 관계 관리(CRM) 시스템 또는 전사적 자원 관리(ERP) 플랫폼에서 내보낸 대규모 데이터 세트에 권장됩니다.
• 직접 입력 텍스트 테이블: 소규모 데이터 조각의 경우 사용자가 Markdown 테이블이나 탭으로 구분된 텍스트를 대화 프롬프트에 직접 붙여넣을 수 있습니다.

데이터 위생(Data Hygiene) 모범 사례

Zhipu Qingyan에 파일을 업로드하기 전에 레이아웃 요소를 표준화하면 처리 오류를 최소화할 수 있습니다.

1. 단일 헤더 행: 설명이 포함된 열 헤더를 반드시 첫 번째 행에 배치하십시오. 여러 행에 걸친 계층형 헤더는 pandas에서 복잡한 멀티인덱스(MultiIndex) 처리가 필요하므로 지양해야 합니다.
2. 셀 병합 해제: Excel의 병합된 셀은 표준 데이터프레임 구조로 로드될 때 빈 값(결측치)으로 처리되는 경우가 많습니다. 업로드하기 전에 병합을 해제하고 각 행에 값을 채우거나 정규화하십시오.
3. 일관된 데이터 유형: 각 열에 동일한 유형의 데이터가 포함되도록 하십시오. 예를 들어 순수 숫자 열에 통화 기호나 텍스트 메모를 혼용하지 마십시오.
4. 데이터 정제 및 개인정보 보호: 클라우드 기반 대화 인터페이스에 파일을 업로드하기 전에 개인식별정보(PII), 기밀 고객 이름, 내부 비밀번호 및 민감한 재무 인증 정보를 제거하거나 마스킹하십시오.

단계별 워크플로: 원시 데이터에서 시각적 차트까지

Zhipu Qingyan의 코드 인터프리터를 활용한 테이블 분석은 초기 프로파일링부터 최종 시각적 내보내기까지 체계적인 순서에 따라 진행됩니다.

1단계: 초기 프로파일링 및 스키마 검사

대화 입력창에 스프레드시트를 첨부한 후 첫 번째 단계는 데이터 세트의 구조, 차원 및 잠재적 이상치를 파악하는 것입니다.

처음부터 복잡한 차트를 바로 요청하기보다는 어시스턴트에게 사전 점검을 수행하도록 지시하십시오.

"분기별 매출 스프레드시트를 업로드했습니다. 데이터 세트를 검사하여 총 행 수와 열 수를 표시하고, 감지된 데이터 유형과 함께 각 열 이름을 나열하며, 결측값이나 null 값이 있는지 확인해 주세요."

코드 인터프리터는 pandas(pd.read_excel() 또는 pd.read_csv())를 사용하여 파일을 로드하고 .info() 및 .isnull().sum()과 같은 메서드를 통해 스키마를 검사한 후 명확한 개요를 제공합니다. 이 진단 단계를 통해 숫자와 날짜가 올바르게 인식되었는지 검증할 수 있습니다.

2단계: 데이터 정제 및 피처 엔지니어링

실무 스프레드시트가 분석에 즉시 적합한 완벽한 상태로 제공되는 경우는 드뭅니다. 어시스턴트는 자동화된 변환을 수행하여 데이터를 정제하고 새로운 비즈니스 지표를 도출할 수 있습니다.

• 결측 레코드 처리: 빈 값을 열의 중앙값이나 특정 범주 플래그로 대체하거나 적절한 경우 불완전한 레코드를 제거합니다.
• 날짜 표준화: 불규칙한 텍스트 날짜(09/19/26 또는 2026.09.19 등)를 표준 datetime 객체로 변환하여 시간 순서 정렬 및 시계열 그룹화를 가능하게 합니다.
• 파생 계산: 매출 총이익률((Revenue - Cost) / Revenue), 고객 생애 가치 또는 목표 예산 대비 편차와 같은 계산 열을 생성합니다.

이 단계에서 유용한 프롬프트 예시:

"Transaction_Date 열을 표준 YYYY-MM-DD 형식으로 정제해 주세요. Discount 열에 결측값이 있으면 0으로 대체해 주세요. 그런 다음 Gross_Sales * (1 - Discount)로 계산되는 Net_Revenue라는 새 열을 만들어 주세요."

3단계: 통계 요약 및 집계

데이터가 정제되면 사용자는 그룹화 및 집계를 통해 비즈니스 인사이트를 도출할 수 있습니다. Zhipu Qingyan은 요청 시 피벗 테이블, Group-by 연산 및 요약 통계를 실행합니다.

유용한 분석 쿼리는 다음과 같습니다.

• 그룹별 집계: 지리적 지역, 제품 범주 또는 고객 등급에 따른 합계, 평균 또는 중앙값 지표를 계산합니다.
• 순위 지정 및 필터링: 성과가 가장 우수한 영업 담당자, 마진이 가장 낮은 제품 또는 성과가 저조한 마케팅 캠페인을 식별합니다.
• 분포 분석: 사분위수와 표준편차를 계산하고 평균을 왜곡할 수 있는 통계적 이상치를 찾아냅니다.

지시문 예시:

"Region 및 Product_Line별로 레코드를 그룹화해 주세요. 각 그룹의 총 순매출, 평균 주문 금액, 총 거래량을 계산해 주세요. 결과는 총매출 기준 내림차순으로 정렬하여 깔끔한 요약 표로 제시해 주세요."

4단계: 시각적 차트 생성

핵심 지표를 파악한 후 Zhipu Qingyan에 시각적 표현을 생성하도록 지시합니다. 코드 인터프리터는 matplotlib 또는 seaborn을 사용하여 플로팅 스크립트를 작성하고 그림을 렌더링한 후 대화창 내에 인라인으로 반환합니다.

적절한 차트 유형 선택

타이포그래피 및 레이아웃 처리

자동화된 Python 플로팅에서 자주 발생하는 과제는 비라틴 문자의 처리와 혼잡한 축 레이블 문제입니다. Zhipu Qingyan은 글꼴 속성을 기본적으로 구성하여 한글, 중국어 및 영문 문자가 깨진 사각형(tofu) 없이 선명하게 렌더링되도록 보장합니다. 차트 표현을 한층 더 개선하려면 프롬프트에 서식 환경설정을 명시하십시오.

"Net_Revenue 기준 상위 10개 제품을 보여주는 가로 막대 차트를 만들어 주세요. 가장 높은 매출이 맨 위에 오도록 막대를 정렬해 주세요. 각 막대 끝에 명시적인 데이터 수치 레이블을 추가하고, x축을 통화 기호로 서식 지정하며, 깔끔하고 전문적인 기업용 색상 팔레트를 적용해 주세요."

5단계: 반복적 수정 및 맞춤화

대화형 코드 인터프리터의 가장 큰 장점 중 하나는 처음부터 다시 시작하지 않고도 차트를 점진적으로 수정할 수 있다는 점입니다.

• 색상 구성 조정: "임원 보고용 프레젠테이션에 적합하도록 대비가 높은 네이비와 틸(청록색) 테마로 색상 팔레트를 변경해 주세요."
• 주요 기준선 강조: "월별 트렌드 차트에 분기 목표인 $50,000를 나타내는 빨간색 점선 가로 기준선을 추가해 주세요."
• 초점 영역 필터링: "'미분류(Uncategorized)' 세그먼트를 제외하고 상위 5개 카테고리만 표시하는 원형 차트를 다시 생성해 주세요."
• 축 레이블 다듬기: "겹치지 않도록 x축 날짜 레이블을 45도 회전하고 미니멀한 느낌을 위해 차트 상단과 오른쪽 테두리 선을 제거해 주세요."

6단계: 결과물 및 처리된 파일 내보내기

분석 세션이 끝나면 사용자는 일반적으로 시각적 그래픽과 정제된 기초 데이터를 모두 필요로 합니다.

• 시각적 자산 저장: 생성된 차트는 전체 해상도로 확인할 수 있으며 브라우저 마우스 우클릭 옵션이나 다운로드 프롬프트를 통해 이미지 파일(.png)로 직접 저장할 수 있습니다.
• 변환된 데이터 다운로드: 사용자는 Zhipu Qingyan에 수정된 데이터 세트나 피벗 요약을 파일 형식으로 다시 내보내도록 요청할 수 있습니다.

파일 생성을 위한 프롬프트 예시:

"새로 계산된 지표가 포함된 정제된 데이터 세트와 지역별 요약 표를 Quarterly_Sales_Analysis_Cleaned.xlsx라는 새 Excel 파일의 두 개의 별도 시트로 저장하고 다운로드 링크를 제공해 주세요."

어시스턴트는 샌드박스에서 df.to_excel()을 실행하고 완성된 스프레드시트를 다운로드할 수 있는 클릭 가능한 링크를 제공합니다.

실무 비즈니스 시나리오 및 프롬프트 템플릿

다음 템플릿은 다양한 부서의 실무자가 Zhipu Qingyan의 코드 인터프리터와 상호 작용하는 방법을 보여줍니다.

재무 실적 및 예산 추적

• 상황: 부서별 예산 대비 실제 지출 내역이 포함된 총계정원장 내보내기 파일 업로드.
• 프롬프트: "각 부서의 Actual_Spend와 Budget_Allocated를 비교해 주세요. 절대 편차와 편차 백분율을 계산해 주세요. 각 부서의 예산과 실적을 나란히 보여주는 이중 막대 차트를 그리고 예산을 10% 이상 초과한 부서는 빨간색으로 강조해 주세요."

이커머스 매출 및 재고 모니터링

• 상황: 온라인 쇼핑몰의 일일 주문 내보내기 데이터 업로드.
• 프롬프트: "요일별 총매출과 주문 수를 집계해 주세요. 어느 요일이 가장 높은 평균 주문 금액을 기록하는지 확인해 주세요. 그런 다음 기본 y축에는 일일 매출을, 보조 y축에는 거래 건수를 표시하는 결합형 꺾은선 및 막대 차트를 그려 주세요."

고객 지원 및 운영 효율성

• 상황: 접수 타임스탬프, 해결 타임스탬프, 만족도 평점이 포함된 고객 지원 티켓 로그 업로드.
• 프롬프트: "각 티켓의 해결 시간을 시간 단위로 계산해 주세요. 상태가 'Cancelled'인 레코드는 필터링해 주세요. 다양한 지원 등급에 따른 해결 시간 분포를 보여주는 상자 수염 그림(Box Plot)을 만들고 각 등급의 해결 시간 중앙값과 90번째 백분위수를 요약해 주세요."

모범 사례 및 운영상 한계

효율성을 극대화하고 분석의 엄밀함을 유지하기 위해 다음 운영 원칙을 명심하십시오.

• 코드의 정확성 검토: 생성된 Python 스크립트를 검토하려면 항상 코드 보기 토글을 클릭하십시오. 수식을 직접 확인함으로써 필터링 로직, 0값 처리 및 집계 함수가 조직의 회계 및 비즈니스 기준에 부합하는지 확인할 수 있습니다.
• 다중 시트 스프레드시트의 명시적 지정: 여러 시트가 포함된 Excel 통합 문서를 업로드할 때는 프롬프트에 대상 시트 이름을 명시하십시오(예: "'Q3_Raw_Data'라는 시트를 읽어 주세요").
• 샌드박스 리소스 제한 인지: 클라우드 실행 환경은 메모리 및 실행 시간 초과 제한이 적용됩니다. 수 기가바이트 규모의 대용량 데이터 세트의 경우 업로드 전에 로컬에서 사전 필터링하거나 집계하고, 탐색적 시각화를 위해 대표 샘플 행을 추출하십시오.
• 데이터 거버넌스 유지: 사내 정보 보안 정책을 준수하십시오. 공용 대화형 AI 인스턴스를 외부 처리 환경으로 취급하고 기밀 고객 데이터는 분석 전에 익명화 또는 가명화 처리를 거쳤는지 확인하십시오.

GLM 모델의 자연어 민첩성과 Python의 결정론적 연산 능력을 결합함으로써, Zhipu Qingyan은 사용자가 스프레드시트의 번거로움을 건너뛰고 데이터 패턴을 신속하게 발견하며 비즈니스 의사결정에 필요한 설득력 있는 시각적 차트를 도출할 수 있도록 지원합니다.