DAX와 파워비아이

쿼리 세팅에서 적용된 단계에 대해 잠시 알아보겠습니다.

이전에 설명해 드린 데로 명령을 수행할 때마다 단계별로 저장을 하고 그 단계를 보여줍니다.

모든 프로그램이 그렇듯 파워쿼리도 실행할 때 사용되는 프로그래밍 언어가 있는데, M-Code 혹은 M 언어라고 하는 프로그램으로 명령을 수행합니다.

M 코드 (M-Code)를 확인하는 방법은 파워쿼리 에디터에서 고급 편집기를 클릭하면 지금껏 작업한 모든 것이 기록되어 있다는 것을 확인할 수 있습니다.

파워쿼리 에디터는 M 코드를 몰라도 에디터 리본에서 제공하는 버튼만으로 데이터 전처리가 가능하도록 만든 프로그램이라 M 코드를 모른다고 해서 큰 문제가 될 것은 없습니다. 하지만 때로는 M 코드를 수정하거나 직접 명령어를 입력하는 것이 필요할 때가 있기 때문에 이렇게 M 코드 에디터를 따로 두고 있습니다. (특별한 경우를 제외하고는 명령문을 직접 입력하는 경우는 없습니다)

파워쿼리 에디터에 어느 정도 익숙해진 뒤 M 코드를 읽고 수정할 수 있게 되면 나중에 파워쿼리를 다루기가 훨씬 쉬워지게 됩니다. 코드를 만드는 것보다 읽는 단계는 그리 어렵지 않으니 읽는 단계까지 도전해 보시길 바랍니다.

서두가 길었네요.

파워쿼리 에디터의 가장 큰 장정이 아닐까 하는데요, 지금까지 수행한 모든 명령이 단계별로 저장되며 그 단계가 어떤 것인지를 한눈에 쉽게 파악할 수 있게 구성이 되어있습니다.

아래의 이미지를 보면, 지금껏 수행한 명령이 순서대로 나열되어 있으며, 클릭 한 번으로 원하는 단계로 이동할 수 있습니다.

이동뿐만이 아니라 그때그때 수행된 명령의 결과물을 바로 작업 창에 보여주고 수식 창에는 M 코드도 보여줍니다.

그리고 작업 중 이전에 진행된 단계에 언제든지 수정, 추가, 삭제를 할 수 있습니다. 만일 이전에 필요 없다고 생각하는 열을 지웠는데 지금에 와서 사용해야 한다면 필요한 단계로 돌아가 수정하고 다시 마지막 단계로 돌아와 작업을 계속 진행할 수 있다는 이야기입니다.

하지만 여기서 주의해야 할 점은 수정, 삭제, 추가 모든 것이 수행된 이후의 단계에 영향을 미친다는 것입니다. 예를 들어 아래와 같은 스텝이 있는데 여기서 11단계 전으로 이동해 Merged Queries 3을 지우겠습니다.

그럼 현재 단계에서 에러가 발생하는데 이유는 12 - 22단계 중 11단계의 결과물을 바탕으로 명령이 수행해야 하는데 11단계의 결과물 없어졌으니 수행할 대상이 없어진 것이겠죠, 그래서 에러가 발생하게 되는 것입니다.

이런 이유로 전에 수행단 단계를 수정, 삭제, 추가할 때는 다음 단계에 미치는 영향이 있는지 충분히 검토해야 합니다.

검토가 필요한 가장 중요한 이유는 파워쿼리 에디터는 Undo 기능을 제공하지 않는다는 것입니다. 자세한 이유는 모르겠지만 Undo 기능이 없다 보니 혹시라도 실수로 잘못 지우거나 수정을 했는데 마지막 단계에서 에러가 발생한다면 지운 단계로 다시 돌아가 똑같은 명령을 실행해야 하기 때문에 신중히 처리해야 합니다.

M 코드에 대한 약간의 이해만 동반된다면 큰 문제가 되지 않을 수 있으나 그렇지 않다면 수정 혹은 삭제 전 반드시 전후의 진행을 꼼꼼히 확인 후 실행하기 바랍니다.

좀 더 직관적으로 데이터 전처리를 진행할 수 있도록 도와주는 적용된 단계 창을 이용해 좀 더 쉽게 원하는 결과물을 얻길 바랍니다.

먼저 데이터 전처리를 시작하기 전 파워쿼리 에디터의 구성에 대해서 잠시 살펴보겠습니다. 엑셀과 비슷하게 생겼지만, 완전히 다른 구조를 가졌으므로 머릿속에서 엑셀에 대한 생각을 지워야 보다 쉽게 다가갈 수 있습니다.

파워쿼리 에디터는 아래와 같이 5개의 영역으로 나눌 수 있습니다.

1. 쿼리 에디터 리본 (Query Editor Ribbon) - 데이터 수정 작업을 실행하는 명령 버튼 (복잡한 프로그래밍 언어를 간단히 버튼 클릭으로 수행할 수 있도록 도와줍니다) 
2. 쿼리 창 - 현재 쿼리 에디터에 있는 쿼리 리스트
3. 작업 창 - 진행된 작업의 결과물을 보여주는 창
4. 쿼리 설정 - 현재 작업 중인 쿼리 이름과 적용된 단계를 보여주는 창
5. 상태 바 - 셀에 있는 내용을 보여주는 창

작업 창과 적용된 단계에 대해 잠시 말씀드리겠습니다.

작업 창

작업 창은 지금까지 진행된 결과물을 시각화시킨 창으로 사용자가 보다 편하게 결과물을 확인해가며 데이터 변환을 할 수 있도록 도와주는 창으로, 결과물이 친숙한 엑셀 형태로 보여주니 좀 더 직관적으로 작업을 진행할 수 있습니다.

파이썬 (Python)의 경우도 데이터 변환을 수행할 때 Jupyter Notebook을 많이 사용하는데, 이것도 마찬가지로 코딩한 결과물을 파워쿼리 에디터의 작업 창처럼 테이블이나 차트로 바로 보여주는 기능을 가지고 있기 때문에 데이터 전처리 과정에서 많이 사용되는데, 실행한 명령의 결과를 바로 확인하며 작업할 수 있는 환경을 제공한다는 것은 사용자 입장에서는 만점에 가까운 기능이라 할 수 있습니다.

적용된 단계 창

적용된 단계를 보여주는 창은 가장 중요한 부분이라 생각하는데, 지금껏 데이터 변환을 위해 입력한 명령을 단계별로 저장해 어떤 단계를 거쳐 지금의 결과물을 가지고 왔는지 일목요연하게 리스트로 보여줍니다. 적용된 단계는 M-Code (M 언어라고도 합니다)로 구성된 명령어를 수식 창에 보여주며, 이에 대한 결과물은 바로 작업 창에 보여주는 형태입니다. 아주 편한 점은 지금껏 작업한 단계가 그대로 기록이 되기 때문에 원하는 단계로 이동이 가능하다는 것입니다.

위의 이미지와 같이 “탐색’을 선택하면 “탐색” 명령에 사용된  M-Code가 수식 창에 나타나며, “탐색” 명령이 실행된 뒤의 결과물을 동시에 작업 창에 보여줍니다. 이곳에 다른 명령을 추가하고 싶으면 추가도 가능하고, 필요 없는 부분은 삭제도 가능하며, 수정도 가능합니다.

쿼리의 적용된 단계를 설명하자면 글이 너무 길어질 것 같으니 다음번에 자세히 다루도록 하겠습니다.

이렇게 구성된 쿼리 에디터를 이용해 데이터 전처리를 진행하여 일반 데이터를 파워비아이가 원하는 데이터로 형태를 바꾸면 파워비아이의 보고서 창에서 데이터 시각화에 사용이 가능하게 됩니다.

파워비아이에는 기본적으로 파워쿼리 에디터 (Power Query Editor)가 내장되어 있습니다. 파워비아이의 메뉴바에서 데이터 변환 버튼을 누르면 파워쿼리 에디터로 들어가 가지고 온 데이터를 수정할 수 있습니다.

이를 수행하기 위해 선행되어야 하는 것이 데이터 가져오기입니다.

데이터를 불러오는 방법은 아주 간단한데, 메뉴바에서 데이터 가져오기를 누르면 가지고 올 수 있는 데이터의 리스트가 나오고, 여기서 가장 아래에 있는 자세히를 눌러주면 새로운 창이 나오며 가져올 수 있는 모든 데이터 목록이 나옵니다.

파일은 기본이고 데이터 서버도 연결이 가능하며, 파이썬이나 R로 이루어진 코딩도 지원하니 거의 불러오지 못할 데이터가 없다고 해도 과언이 아닐 정도인데요. 얼마 전 보지 못했던 옆에 베타라고 되어있는 새로운 리스트 목록이 보이네요. 이는 새롭게 추가된 목록인 것 같고 아직 100% 완전하지 못하다는 의미인 것 같은데요, 이들도 곧 베타라는 타이틀이 없어지고 또 다른 목록이 계속 추가될 것으로 예상됩니다.

이 중에서 사용자가 가지고 올 데이터 소스를 골라주면 자동으로 연결됩니다.

몇 번의 클릭만으로 데이터를 가지고 올 수 있으니 기존에 사용하던 파이썬 (Python), 알 (R)  보다 아주 쉽게 데이터를 가지고 올 수 있으며, 어려운 프로그래밍 언어를 따로 공부하지 않아도 데이터 분석의 시각화가 가능하게 되었습니다.

우선 가장 간단한 엑셀 파일 하나를 가져오는 경우를 말씀드리겠습니다.

위쪽의 이미지에서 처럼 데이터 가져오기를 선택하면 가장 위에 Excel 통합문서가 보이는데, 이를 선택하면 파일 탐색기가 나오고 여기서 원하는 파일을 선택하면 자동으로 연결됩니다.

그럼 새 창이 열리며 엑셀 파일 안에 있는 모든 시트 (Sheet)를 보여주게 되는데, 여기서 원하는 시트를 선택한 뒤 ‘데이터 변환’ 버튼을 누르면 파워쿼리 에디터로 엑셀 시트 안에 있는 데이터를 가져오게 됩니다. (만일 데이터를 파워쿼리 에디터에 가져오는 걸 원치 않으시면  ‘로드’를 선택하면 됩니다.) 

시트의 선택 개수는 제한이 없으며,’데이터 변환’을 선택해 가져오기가 완료되면 아래와 같은 화면으로 바뀌게 됩니다.

오른쪽 쿼리창에 가지고 온 시트의 이름과 개수를 보여주며, 쿼리를 선택하면 작업 창에 데이터를 보여줍니다. (이제 파워쿼리 에디터로 데이터를 불러왔으니 시트라 하지 않고 쿼리라 하겠습니다) 만일 쿼리의 이름이 마음에 들지 않으면 쿼리창에서 이름을 더블클릭하거나 오른쪽 쿼리 설정의 속성에서 이름을 바꾸어주면 됩니다. 쿼리 개수가 많아지면 나중에 혼동이 올 수 있으니 처음부터 알아보기 쉬운 이름으로 바꾸어주시면 좋습니다.

이런 식으로 데이터를 가지고 와 파워쿼리 에디터에서 필요한 부분을 바꾸어주면 데이터 전처리를 위한 준비는 끝났다고 보면 되겠네요.

다음부터는 가지고 온 데이터를 어떻게 연결하고, 수정하여 파워비아이에 필요한 데이터의 형태로 만들기 위해 파워쿼리 에디터에서 제공하는 여러 버튼과 사용 방법에 대해 자세히 다루어 보도록 하겠습니다.

데이터 전처리가 필요한 이유는 아주 간단하고 명확합니다. 엑셀이나 웹상에서 가지고 온 데이터는 바로 파워비아이에 사용할 수가 없기 때문이죠.

회사에서 가장 많이 사용되는 것이 엑셀이기 때문에 엑셀을 예로 들겠습니다. 스프레드시트의 대명사로 통하며, 회사에서 서류를 만들 때 없어서는 안 될 소프트웨어가 엑셀이라는 건 다들 공감하실 겁니다. 또한 여러 데이터분석 프로그램에서 엑셀 시트를 불러와 데이터 작업을 할 만큼 널리 사용되는 소프트웨어이기도 하지요.

특히 숫자를 다룰 때는 타의 추종을 불허한다고 해도 과언이 아니며 셀 안에 있는 숫자나 문자를 사용자가 원하는 대로 꾸밀 수 있다는 것은 엑셀의 가장 큰 장점입니다. 하지만 이러한 장점이 데이터 분석에 있어서 단점으로 바뀌게 되는데요, 너무나 자유로운 편집이 데이터 분석에 있어서 걸림돌이 된다는 것입니다. 그래서 이러한 ‘자유’를 파워쿼리 에디터에서 ‘구속’으로 바꾸어 줘야 데이터 분석에 이용할 수 있습니다.

데이터를 다루는데 엑셀과 파워쿼리 에디터의 차이점은 다음과 같습니다.

• 엑셀: 사용자가 원하는 대로 데이터를 구성
• 파워쿼리 에디터: 파워비아이가 원하는 데로 데이터를 구성

즉 엑셀은 사용자가 주체이지만, 파워쿼리 에디터는 데이터 형식을 파워비아이가 원하는 데로 맞추어 줘야 한다는 것입니다.

간단한 예를 들겠습니다.

반별 국, 영, 수 점수의 중간, 기말별 평균성적을 나타낸 표입니다. 우리가 늘 접하는 형식이죠. 하지만 불행하게도 이러한 표는 데이터 분석을 위해서 사용이 될 수 없습니다.

데이터 분석을 위해서는 전처리를 통해 아래와 같이 변형이 되어야 파워비아이에서 시각화 작업이 가능합니다.

데이터 전처리의 가장 기본은 행에 포함되는 열의 구성이 유니크 (Unique)한 구성을 가져야 한다는 것입니다.

여기서 예를 들면 첫 번째 행은 {중간, 국어, 1반, 83} 이고 두 번째는 {중간, 국어, 2반, 82}, 이런 식으로 총 18개의 행을 가진 데이터입니다.

다시 말해서 {학기, 과목, 반, 점수}로 구성된 18개의 행의 데이터가 중복 없이 구성되어야 합니다.

아까 말씀드린 엑셀에서 작성한 표를 파워쿼리 에디터로 가지고 와 {학기, 과목, 반, 점수}로 구성된 하나의 데이터로 ‘구속’을 시켜주는 작업이 데이터 전처리 과정입니다.

데이터를 ‘구속’시키는 이유는 아주 간단합니다.

지금 예제로 다루는 데이터는 몇 줄 안 되는 데이터지만, 수만 아니 수십만 개의 데이터를 다루려면 아주 강한 규칙이 필요하며, 데이터 분석의 오류를 없애기 위한 일련의 조치입니다.

이는 파워쿼리를 이용해 전처리를 진행하면 자연스럽게 알 수 있는 것이므로 지금은 이 정도로만 설명하겠습니다.

하지만 데이터 전처리가 되었다고 시각화를 위한 준비가 끝난 것은 아니고 전처리된 데이터를 다시 여러 수식을 이용해 필요한 값을 추출하는 과정이 필요합니다.  (편의상 후처리라 하겠습니다) 

아래의 그림을 마지막으로 이 글을 마무리하겠습니다.

엑셀 데이터도 가공하지 않고 사용할 수 있지만, 이는 극히 드물다고 생각해야 하며, 파워쿼리 에디터를 이용해 데이터 전처리를 하면 원하는 표와 그래프 및 값을 얻을 수 있지만 사실 이것으로도 부족하며, DAX라는 수식을 이용해 데이터 후처리까지 진행해야 거의 원하는 모든 값을 얻을 수 있습니다.

편의상 10%, 60%, 100%라고 했지만, 파워쿼리 에디터에서도 잘 가공을 한다면 거의 90% 가까이 원하는 결과를 얻을 수 있습니다. 하지만 이것도 어느 정도 한계는 있으며, DAX를 이용한 후처리가 필요한 경우가 대부분을 차지하기 때문입니다.

저번 글에는 이미지를 활용한 버튼으로 페이지를 이동하는 방법에 대해 말씀드렸는데요, 이번 글에서는 버튼에 이미지 대신 글자를 넣고 페이지 이동 대신 레이어를 이용해 페이지 이동 효과를 볼 수 있는 방법에 대해 알아보겠습니다.

페이지 이동 대신 레이어를 이용하게 되면 장단점은 아래와 같습니다.

• 장점: 한 페이지에 모든 것이 이루어지므로 페이지를 여러 개 만들 필요가 없다
• 단점: 여러 페이지가 필요 없지만, 페이지 수많은 레이어를 만들고 서로 연결해야 한다.

저번 글에서 만든 보고서를 이용하겠습니다.

먼저 사랑을 위해서 빈 버튼을 만들고 각 버튼에 Labor, Mat, Equip, Sub이라고 넣습니다. 그리고 보기 좋게 버튼을 정렬합니다.

이제 레이어를 만들 차례인데요, 만약 Labor 버튼을 누르면 인건비에 대한 자료만 나와야 하므로 인건비에 관련된 카드와 두 개의 차트를 하나의 그룹으로 묶어주고 레이어의 이름을 노무비로 바꾸어줍니다. 그리고 나머지 3개도 그룹으로 묶어주고 이름을 자재비, 장비비, 하도급이라고 바꾸어줍니다.

이제 각 페이지에서 만든 레이어를 첫 번째 페이지로 복사, 붙여 넣기를 한 뒤 잘 정렬해 줍니다.

버튼을 디자인할 차례인데요, 버튼의 서식에서 텍스트의 서식을 지정하는데 기본 상태, 가리킬 때, 누를 때 이렇게 3개의 서식을 아래와 같이 지정합니다.

• 기본 상태 글자색상: 그레이 30%, 글자 크기 18
• 가리킬 때: 글자색상 빨간색, 글자 크기 20
• 누를 때: 글자색상 빨간색, 글자 크기 20

이렇게 만든 후 모든 버튼을 복사하여 아래에 붙여 넣기를 한 뒤 글자 색상과 크기를 빨간색과 20으로 지정합니다.

위쪽에 있는 버튼을 비활성 버튼이라고 하고 아래에 있는 버튼을 활성 버튼이라고 이야기한다면 위쪽에 있는 Labor 버튼을 누르면 위쪽에 있는 버튼은 숨기고 아래에 있는 Labor 활성 버튼과 지정된 노무비 레이어를 보여줘야 하므로 각각 2개의 버튼이 필요한 것입니다.

그리고 8개 버튼의 레이어를 노무비_기본, 노무비_활성과 같이 바꾸어 줍니다.

활성 버튼 서식 지정이 끝났으면, 기본 버튼 위에 활성 버튼을 잘 포개어 정렬합니다.

이제 버튼을 누를 때 활성화될 레이어를 지정하면 되는데요. 노무비의 기본 상태 버튼을 누르면 노무비 활성 버튼과 함께 노무비의 데이터 레이어만 보여줘야 하므로 노무비의 활성 버튼과 노무비의 레이어만 보이도록 설정하고, 다른 3개의 버튼은 모두 기본 상태가 보이도록 설정한 뒤 책갈피를 추가하고 책갈피 이름을 ‘노무비’로 바꾸어 줍니다.

그리고 Mat, Equip, Sub의 버튼도 똑같은 방법으로 책갈피를 만들고 ‘자재비’, ‘장비비’, ‘하도급’으로 이름을 바꾸어 줍니다.

마지막으로 버튼을 누르면 방금 만든 책갈피를 보이게 설정하면 됩니다.

노무비 기본 상태 버튼을 누르면 노무비 책갈피가 보이도록 설정을 해주면 되는데, 노무비 기본 상태 버튼을 선택하면 오른쪽 ‘서식 단추’에서 ‘작업’을 설정으로 바꾸면 아래에 ‘형식’이라고 나오는데 여기서 ‘책갈피’를 선택합니다. 그럼 바로 아래에 책갈피 드롭다운 메뉴가 나오는데 여기서 방금 설정한 ‘노무비’를 선택합니다. 그리고 나머지 3개의 버튼도 똑같은 방법으로 ‘자재비’, ‘장비비’, ‘하도급’을 차례로 선택합니다.

이제 모든 설정은 끝이 났습니다.

버튼에 마우스를 올리면 버튼의 모양이 변하고, 선택하면 마치 페이지가 이동하듯이 파트별 카드와 차트만 보여주는 보고서를 확인하실 수 있습니다.

참고로 파워비아이 파일을 게시 명령을 실행해서 온라인에 업로드하지 않는 이상에는 반드시 Ctrl 버튼을 누른 상태에서 마우스를 클릭해야 작동된다는 것 꼭 기억하시기 바랍니다.

이상으로 버튼과 레이어를 이용해 페이지 이동 효과를 주는 방법을 알아보았는데요, 여러 페이지를 만들지 않고 한 페이지 안에서 모든 것을 해결하고 싶은 분은 꼭 사용해 보시기 바랍니다.

그리고 이전 글에서 말씀드린 페이지 이동하는 방법도 함께 사용이 가능하니 사용해보고 그때그때 맞는 방법을 사용하면 보다 멋진 보고서를 작성할 수 있을 거라 생각됩니다.

데이터 전처리는 파워비아이로 데이터를 시각화하기 위해 반드시 거쳐야 하는 부분입니다. 보통 데이터 시각화에서 원본 데이터를 어떤 식으로 처리를 할 것인가에 상당히 많은 시간을 할애하게 되는데요, 이는 데이터 전처리가 잘 되었을 때 파워비아이에서 작업을 수월하게 하며 또 데이터를 가지고 DAX 수식을 적용하기가 훨씬 쉽기 때문에 상당히 중요한 부분입니다.

회사에 다니시는 분들이라면 대부분이 엑셀에 저장된 데이터를 파워비아이로 가지고 와 데이터 시각화 작업을 하실 거라 생각이 듭니다. 이 엑셀에 저장된 파일을 아무 수정 없이 사용하게 된다면 가장 좋은 시나리오가 되겠지만 현실은 그렇지 않다는 것이 문제죠. 엑셀에 저장된 수많은 파일을 자르고 붙이며 파워비아이에서 사용할 수 있도록 변환이 되어야만 비로소 의미 있는 데이터로 바뀌게 되는 것입니다.

데이터 전처리를 위한 방법은 여러 가지가 있지만 가장 많이 사용하는 것은 파이썬 (Python)과 파워쿼리 (Power Query)라 생각합니다.

파이썬은 컴퓨터 언어이지만 다른 언어에 비해 좀 더 쉽게 배울 수 있는 데다, 판다스 (Pandas)나 넘파이 (Numpy) 같이 데이터 처리에 알맞은 강력한 라이브러리를 제공하고 있어 많이 사용되고 있습니다.

여기에 더해 파이썬으로 만든 코딩을 그대로 파워비아이에 사용할 수 있어 연계성이 좋다는 것도 한몫하는 듯합니다.

파워쿼리도 독자적 M Code라는 컴퓨터 언어를 사용하지만, 파워쿼리 에디터라는 도구를 제공해 코딩 기술이 없더라고 여러 명령 툴을 이용해 엑셀과 비슷한 환경 속에서 데이터를 눈으로 하나하나 확인해가며 변환이 가능한 툴입니다. 어려운 데이터 분석을 누구나 쉽게 할 수 있도록 도와주는 변환 툴인 셈이죠.

두 가지의 장점은 다음과 같습니다.

파이썬

• 데이터의 처리속도가 빠르다.
• 데이터 불러오기에서 파이썬 코딩을 그대로 이용할 수 있다
• 파이썬에서 전처리를 거친 뒤 파워비아이로 불러오기 때문에 데이터 정렬이 쉽다

파워쿼리

• 특별히 코딩을 몰라도 에디터의 명령 툴을 이용해 데이터 처리가 가능하다
• 다양한 데이터 소스를 제공해 거의 모든 형태의 데이터를 불러올 수 있다
• 하나하나의 과정이 기록되기 때문에 수정이 용이하며 쉽게 오류를 찾아낼 수 있다.

개인적으로 많은 파일을 지속적으로 업로드해야 하는 경우는 파이썬 코딩을 선호하며, 간단히 단발적으로 작업이 진행될 경우는 파워쿼리를 사용하고 있습니다. - 아주 복잡한 코딩을 이야기하는 것이 아니라 데이터 변환을 위한 간단한 코딩입니다.

둘 다 데이터 분석이라는 목적을 위해 사용되기 때문에 비슷한 개념을 가지고 있으며, 하나를 잘 다루게 되면 다른 쉽게 다가갈 수 있습니다.

일단 좀 더 쉬운 파워쿼리를 이용한 데이터 전처리를 먼저 다루고 다음에 파이썬을 이용한 방법을 알아보겠습니다.

꼭 데이터 분석가가 아니더라도 간단히 파워쿼리로 데이터 전처리 진행하는 방법을 알아두시면 엑셀보다 몇 배는 강력한 도구가 될 수 있으며, 회사에서 많은 엑셀 파일을 가지고 일할 때 큰 도움이 될 수 있으니 이번 기회에 잘 알아두시면 좋겠습니다.