튜토리얼: 협업 클린룸 시작하기

튜토리얼: 협업 클린룸 시작하기 (Snowsight)

기능 — 일반 공급(Generally Available)

현재 이 리전들에서 사용할 수 있어요. 정부 및 VPS 배포에서는 사용할 수 없어요.

출처: Tutorial: Get started with collaboration clean rooms (Snowsight)

본문

소개

이 튜토리얼은 Snowsight의 Snowflake Data Clean Rooms UI로 협업 클린룸을 만들고 사용하려는 분석가와 개발자를 대상으로 해요. 두 협업자가 데이터를 공유하고, 분석 템플릿을 공유하고, 분석을 실행하며, 대부분의 작업을 UI에서 수행하는 두 계정 시나리오를 진행할 거예요.

이 튜토리얼은 튜토리얼: 협업 클린룸 시작하기 (API)와 비슷한 시나리오를 다루지만, Collaboration API 대신 Snowsight UI를 사용해요. UI는 입력에 따라 Collaboration API를 호출하므로 두 가지를 섞어 쓸 수 있어요. 샘플 데이터가 있는 테이블을 만드는 작업은 Data Clean Rooms UI 밖, Snowsight 워크스페이스에서 이루어져요. 그 이후의 모든 작업은 UI에서 이루어지며, 튜토리얼은 UI가 Cortex Code에 의존하는 곳마다 워크스페이스 SQL 대안을 제공해요.

배울 내용

이 튜토리얼은 다음 방법을 보여 줘요.

데이터 오퍼링과 내장 중첩(overlap) 분석 템플릿을 등록.
단계별 마법사로 파트너와 협업을 생성(진행하면서 리소스 포함).
두 번째 계정에서 협업을 검토하고 참여.
이미 참여한 협업에 데이터 오퍼링 공유.
분석을 실행하고 협업을 철거 — 모두 UI에서.

이 튜토리얼을 실행하기 위한 요구 사항

Snowflake Data Clean Rooms 환경이 설치된 Enterprise Edition 이상의 Snowflake 계정 두 개. 클린룸이 설치되어 있지 않다면 Snowflake Data Clean Rooms 환경 설치를 참고하세요.
클린룸 환경 버전 14.6 이상이어야 해요. 자세한 내용은 클린룸 환경 업데이트 관리를 참고하세요.
역할에 부여된 적절한 협업 권한 또는 SAMOOHA_APP_ROLE 역할. Alice의 역할에는 CREATE COLLABORATION이 필요하고, Bob의 역할에는 REVIEW COLLABORATION과 JOIN COLLABORATION이 필요해요.
UI에서 데이터 오퍼링과 템플릿을 직접 등록하려면 계정에서 Cortex Code가 활성화되어야 해요. Cortex Code를 사용할 수 없다면 각 등록 단계에서 제공된 워크스페이스 SQL 대안을 사용하세요.

참고

이 튜토리얼은 두 개의 별도 Snowflake 계정이 필요해요. 한 계정에서 Alice의 단계를, 다른 계정에서 Bob의 단계를 실행할 거예요. 각 섹션 제목은 어떤 계정을 사용할지 표시해요.

협업 기본 사항

협업 클린룸은 여러 당사자가 원시 데이터를 서로에게 노출하지 않고 데이터를 안전하게 공유하고 분석할 수 있게 해 줘요. 협업은 협업자, 그들의 데이터, 그리고 각 당사자가 할 수 있는 일을 나열하는 YAML 사양으로 정의돼요.

이 튜토리얼에서 Alice와 Bob은 각각 하나의 데이터 오퍼링을 제공해요. Alice는 협업을 만들 때 자신의 데이터 오퍼링과 내장 잠재고객 중첩(audience overlap) 템플릿을 포함해요. Bob은 그 사이에 자신의 데이터 오퍼링을 등록한 다음 협업을 검토하고 참여한 뒤 자신의 데이터 오퍼링을 공유해요. 마지막으로 Alice는 공유 컬럼에서 두 협업자의 데이터를 조인하고 중첩을 보고하는 템플릿을 실행해요.

두 계정은 협업에 리소스를 추가하는 두 가지 방법을 보여 줘요. Alice는 생성 마법사에서 자신의 리소스를 미리 선언하고, Bob은 참여한 후 공유해요.

이 튜토리얼에서 사용하는 핵심 개념:

협업(Collaboration) — 여러 당사자가 원시 데이터를 서로에게 노출하지 않고 데이터를 안전하게 공유하고 분석할 수 있게 해 줘요. 한 명의 소유자가 만들고 협업자를 초대해요.
협업 역할(Collaboration roles) — 각 협업자에게 하나 이상의 역할이 지정돼요.
- 소유자(Owner): 협업을 만들고 관리해요. 협업당 정확히 한 명의 소유자가 있어요.
- 데이터 프로바이더(Data provider): 다른 협업자가 분석에서 사용할 수 있는 데이터 오퍼링을 제공해요.
- 분석 실행자(Analysis runner): 공유 데이터에 대해 템플릿을 실행해요. 각 분석 실행자는 사용할 수 있는 데이터 프로바이더와 템플릿 목록을 가져요.
이 튜토리얼에서 Alice는 협업 소유자, 데이터 프로바이더, 분석 실행자예요. Bob은 데이터 프로바이더이자 분석 실행자예요.
데이터 오퍼링(Data offering) — 데이터 프로바이더가 협업에 제공하는 하나 이상의 뷰 집합으로, 협업자가 데이터를 어떻게 사용할 수 있는지 제어하는 정책이 포함돼요.
템플릿(Template) — 분석 실행자가 데이터 오퍼링에 대해 실행하는 등록된 JinjaSQL 쿼리.

Snowsight UI는 탐색 메뉴에서 Data sharing » Data clean rooms을 선택해 도달하는 세 개의 최상위 탭으로 클린룸 워크플로를 구성해요.

Collaborations — 협업자와 공유하는 협업을 만들고, 참여하고, 관리.
Data Offerings — 협업에 추가할 수 있는 데이터 오퍼링을 등록하고 관리.
Templates — 협업에 추가할 수 있는 분석 템플릿을 등록하고 관리.

자세한 내용은 Snowsight의 Data Clean Rooms UI를 참고하세요.

Alice: 데이터 오퍼링 등록

Alice의 계정에서 시작해요. 협업을 만들기 전에 포함하려는 리소스(데이터 오퍼링과 분석 템플릿)를 등록해요.

데이터 오퍼링은 데이터 프로바이더가 협업에 제공하는 하나 이상의 뷰 집합으로, 협업자가 데이터를 어떻게 사용할 수 있는지 제어하는 정책이 포함돼요. 이 섹션에서 만드는 샘플 데이터에서 데이터 오퍼링을 등록해요.

샘플 데이터 생성

클린룸이 사용하는 데이터는 자신의 계정에 있으므로 Data Clean Rooms UI 밖에서 만들어야 해요. Snowsight 워크스페이스를 열고 다음 SQL을 실행해 Alice용 샘플 데이터를 만들어요.

USE WAREHOUSE APP_WH;
USE ROLE SAMOOHA_APP_ROLE;
-- Secondary roles must be disabled to register and link resources.
USE SECONDARY ROLES NONE;
-- Create sample data for Alice.
CREATE DATABASE IF NOT EXISTS ALICE_DB;
CREATE SCHEMA IF NOT EXISTS ALICE_DB.ALICE_SCH;
CREATE OR REPLACE TABLE ALICE_DB.ALICE_SCH.ALICE_DATA AS
  SELECT HASHED_EMAIL, STATUS, AGE_BAND
  FROM SAMOOHA_SAMPLE_DATABASE.DEMO.CUSTOMERS LIMIT 100;

UI에서 등록

Data clean rooms 페이지 헤더에서 Data Offerings 탭을 선택해요.
New Offering을 선택해요.
Object Explorer에서 ALICE_DB.ALICE_SCH.ALICE_DATA 테이블을 선택해요.
Registry(등록된 리소스를 보관하는 카탈로그)를 선택해요. 기본 계정 레지스트리를 사용하려면 레지스트리를 설정하지 않은 채로 두세요. 자세한 내용은 레지스트리를 참고하세요.
Create with CoCo를 선택해요. Cortex Code가 열리고 데이터 오퍼링의 컬럼 정책을 구성하고 등록을 완료하는 데 도움을 줘요.
오퍼링이 두 컬럼(hashed_email을 조인 컬럼으로, status를 패스스루(passthrough) 컬럼으로)을 노출하도록 구성해요.
완료되면 세부 페이지에서 데이터 오퍼링의 이름과 ID를 기록해 두세요.

참고

New Offering 옵션은 Cortex Code가 필요해요. 계정에서 Cortex Code가 활성화되지 않았다면 아래의 워크스페이스 대안을 사용하세요.

워크스페이스에서 등록 (대안)

Cortex Code를 사용할 수 없다면, 워크스페이스에서 다음 SQL을 실행해 같은 데이터 오퍼링을 등록해요.

CALL SAMOOHA_BY_SNOWFLAKE_LOCAL_DB.REGISTRY.REGISTER_DATA_OFFERING(
  $$
  api_version: 2.0.0
  spec_type: data_offering
  version: v1
  name: alice_customer_data
  datasets:
    - alias: customer_list
      data_object_fqn: ALICE_DB.ALICE_SCH.ALICE_DATA
      object_class: custom
      allowed_analyses: template_only
      schema_and_template_policies:
        hashed_email:
          category: join_standard
          column_type: hashed_email_b64_encoded
        status:
          category: passthrough
  $$
);

어느 쪽이든 이제 데이터 오퍼링이 Data Offerings 탭에 나타나며, 협업에 연결할 준비가 됐어요.

Alice: 중첩 템플릿 등록

이 튜토리얼은 공유 컬럼에서 두 데이터 오퍼링을 조인하고 두 데이터 오퍼링 사이의 중첩을 보고하는 내장 템플릿 standard_audience_overlap을 사용해요. 이 템플릿은 Snowflake가 제공하는 표준 템플릿 중 하나예요. 직접 작성할 필요는 없으며, 계정에 등록되어 있는지만 확인하면 돼요.

Data clean rooms 페이지 헤더에서 Templates 탭을 선택해요.
Search templates 검색창에서 standard_audience_overlap을 검색해요.
템플릿이 이미 나타나면 공유할 준비가 된 거예요.

나타나지 않으면 워크스페이스에서 다음 SQL을 실행해 표준 템플릿을 등록한 다음 다시 검색해요.

USE ROLE SAMOOHA_APP_ROLE;
-- Register the built-in standard templates.
CALL SAMOOHA_BY_SNOWFLAKE_LOCAL_DB.REGISTRY.REGISTER_STANDARD_DCR_TEMPLATES();

중첩 템플릿에 대한 자세한 내용은 중첩 및 활성화를 참고하세요.

Alice: 협업 생성

여전히 Alice의 계정에서 방금 등록한 데이터 오퍼링과 템플릿을 포함해 협업을 만들어요.

Snowsight에 로그인해요.
탐색 메뉴에서 Data sharing » Data clean rooms을 선택해요.
Create Collaboration을 선택해요. 마법사가 네 단계로 열려요.

1단계: 협업 정보

Collaboration Name을 입력해요. 예: ui_tutorial_collaboration.
선택적으로 Description을 입력해요.
Next를 선택해요.

2단계: 협업자 세부 정보

계정이 자동으로 owner로 추가돼요. 두 협업자와 각자가 가져오는 리소스를 구성해요.

소유자(Alice)에 대해 Alias(예: alice)를 설정하고 Data Provider와 Analysis Runner 역할을 모두 선택해요.
등록한 리소스를 추가해요.
- Data Offering IDs: Alice의 데이터 오퍼링. ID는 등록된 이름과 버전을 결합하므로, 이 튜토리얼에서 앞서 등록한 데이터 오퍼링의 ID는 alice_customer_data_v1이에요.
- Template IDs: standard_audience_overlap_v0.
Add Collaborator를 선택하고 Bob을 구성해요.
- Alias: bob
- Account Identifier: ORG_NAME.ACCOUNT_NAME 형식의 Bob의 계정 식별자.
- Roles: Data Provider와 Analysis Runner를 모두 선택해요.
- Template IDs와 Data Offering IDs는 비워 두세요. Bob은 참여한 후 자신의 데이터 오퍼링을 공유해요.
Next를 선택해요.

3단계: 리소스 매핑

체크박스 매트릭스를 사용해 어떤 분석 실행자가 어떤 리소스를 사용할 수 있는지 제어해요. 모든 분석 실행자에게는 최소한 하나의 데이터 프로바이더가 매핑되어야 해요. 데이터 오퍼링 매트릭스를 비워두면 제출 시 마법사가 Data Offering Mapping Required 오류를 보고해요.

데이터 오퍼링 매트릭스에서 alice와 bob 분석 실행자 별칭 아래의 체크박스를 모두 선택해요. 이렇게 하면 Alice와 Bob이 각자 상대방의 데이터 오퍼링(Bob이 참여한 후 공유하는 것 포함)을 사용할 수 있어요.
템플릿 매트릭스에서 alice와 bob 둘 다에게 standard_audience_overlap_v0에 대한 접근을 부여해요.
Next를 선택해요.

4단계: 최종 검토

구성을 검토해요. 마법사는 입력에서 빌드한 협업 사양을 보여 주는데, 이 튜토리얼의 경우 다음과 같아요.

api_version: 2.0.0
spec_type: collaboration
name: ui_tutorial_collaboration
owner: alice
collaborator_identifier_aliases:
  alice: <alice_account_identifier>
  bob: <bob_account_identifier>
analysis_runners:
  alice:
    data_providers:
      alice:
        data_offerings:
          - id: alice_customer_data_v1
      bob:
        data_offerings: []
    templates:
      - id: standard_audience_overlap_v0
  bob:
    data_providers:
      alice:
        data_offerings:
          - id: alice_customer_data_v1
      bob:
        data_offerings: []
    templates:
      - id: standard_audience_overlap_v0

Bob의 데이터 오퍼링 목록은 비어 있는데, 그가 참여한 후 자신의 데이터 오퍼링을 공유하기 때문이에요. 사양의 각 섹션이 의미하는 바에 대한 자세한 내용은 협업 사양을 참고하세요.

Alice의 계정이 협업 생성 후 자동으로 참여하도록 자동 참여를 활성화하려면 Auto Join Collaboration을 켜세요.
Enable Auto Join 대화 상자가 열려요.
Role and warehouse 아래에서 백그라운드 작업에 사용할 역할(예: SAMOOHA_APP_ROLE)과 웨어하우스(예: APP_WH)를 선택해요. 선택한 역할에 필요한 권한이 있는지 대화 상자가 확인해 줘요.
Yes, Enable Auto Join을 선택해요.
Submit을 선택해요.

참고

자동 참여는 선택한 웨어하우스를 사용해 참여를 완료하는 Snowflake 작업을 만들어요. 이는 협업이 준비될 때까지 컴퓨트 크레딧을 소비해요. 역할이 SAMOOHA_APP_ROLE이 아니라면 EXECUTE TASK 계정 수준 권한이 있어야 해요. 선택한 역할은 자동 참여에만 적용되며, 나머지 UI는 프로필의 역할을 계속 사용해요. 자세한 내용은 Snowsight에서 협업 생성을 참고하세요.

협업이 생성되고 Bob에게 초대가 전송돼요. 자동 참여를 활성화했으므로 Alice의 계정이 스스로 참여해요. 생성과 자동 참여는 백그라운드에서 실행되며 최대 10분이 걸릴 수 있어요. 기다릴 필요는 없어요. 협업이 생성되는 동안 Bob의 계정으로 전환해 Bob의 데이터 오퍼링을 설정해요.

Bob: 데이터 오퍼링 등록

Bob으로 Snowsight에 로그인해요. 데이터 오퍼링 등록은 어떤 협업과도 독립적이므로, Alice의 협업이 아직 생성되는 동안에 할 수 있어요. 참여한 후 협업에 공유해요.

샘플 데이터 생성

Alice의 계정과 마찬가지로 Data Clean Rooms UI 밖에서 원본 테이블을 만들어요. Snowsight 워크스페이스를 열고 다음 SQL을 실행해 Bob용 샘플 데이터를 만들어요.

USE WAREHOUSE APP_WH;
USE ROLE SAMOOHA_APP_ROLE;
USE SECONDARY ROLES NONE;
CREATE DATABASE IF NOT EXISTS BOB_DB;
CREATE SCHEMA IF NOT EXISTS BOB_DB.BOB_SCH;
CREATE OR REPLACE TABLE BOB_DB.BOB_SCH.BOB_DATA AS
  SELECT HASHED_EMAIL, STATUS, AGE_BAND
  FROM SAMOOHA_SAMPLE_DATABASE.DEMO.CUSTOMERS_2 LIMIT 100;

UI에서 등록

Data clean rooms 페이지 헤더에서 Data Offerings 탭을 선택해요.
New Offering을 선택해요.
Object Explorer에서 BOB_DB.BOB_SCH.BOB_DATA 테이블을 선택해요.
Registry를 선택하거나, 기본 계정 레지스트리를 사용하려면 설정하지 않은 채로 두세요.
Create with CoCo를 선택하고 Cortex Code가 hashed_email을 조인 컬럼으로, status를 패스스루 컬럼으로 노출하도록 도와주게 해요.

워크스페이스에서 등록 (대안)

Cortex Code를 사용할 수 없다면, 워크스페이스에서 다음 SQL을 실행해 Bob의 데이터 오퍼링을 등록해요.

CALL SAMOOHA_BY_SNOWFLAKE_LOCAL_DB.REGISTRY.REGISTER_DATA_OFFERING(
  $$
  api_version: 2.0.0
  spec_type: data_offering
  version: v1
  name: bob_customer_data
  datasets:
    - alias: my_customer_list
      data_object_fqn: BOB_DB.BOB_SCH.BOB_DATA
      object_class: custom
      allowed_analyses: template_only
      schema_and_template_policies:
        hashed_email:
          category: join_standard
          column_type: hashed_email_b64_encoded
        status:
          category: passthrough
  $$
);

Bob: 협업 검토 및 참여

여전히 Bob의 계정에서 Alice의 초대를 검토하고 참여해요.

탐색 메뉴에서 Data sharing » Data clean rooms을 선택해요.
페이지 헤더에서 Collaborations 탭을 선택한 다음 Invited 탭을 선택해요.
Ready to Review 섹션에서 ui_tutorial_collaboration 카드를 찾아요. 아직 없으면 페이지를 새로고침하세요. Alice의 협업이 계정에 도달하는 데 최대 10분이 걸릴 수 있어요.
카드에서 Start Review를 선택해요.
선택적으로 계정에 대한 Collaboration name을 입력한 다음 Submit을 선택해요. 검토는 백그라운드에서 실행되며 몇 분이 걸릴 수 있어요.
검토 마법사를 닫고 Invited 탭으로 돌아가 필요에 따라 페이지를 새로고침해요.
검토가 끝나면 ui_tutorial_collaboration 카드가 Pending Join 섹션으로 이동해요.
카드에서 Join을 선택하고 협업자, 역할, 포함된 리소스를 포함한 협업의 세부 정보를 검토해요.
만족하면 참여를 진행해요. 참여 후 협업이 Joined 탭으로 이동해요.

팁

Cortex Code가 활성화되어 있다면 참여 마법사에서 Explain 또는 Help Decide를 선택해 협업에 대한 자연어 요약을 얻을 수 있어요.

Bob: 데이터 오퍼링 공유

이제 참여했으므로 등록한 데이터 오퍼링을 연결해 Alice가 사용할 수 있게 해요.

Joined 탭에서 ui_tutorial_collaboration을 열어요.
Data Offerings 탭을 선택해요.
Share Data Offering을 선택해요.
데이터 오퍼링이 있는 Registry를 선택해요. 기본 계정 레지스트리를 사용하려면 Default를 선택해요(등록한 곳이 바로 그곳이에요).
Data Offering ID 목록에서 데이터 오퍼링(예: bob_customer_data_v1)을 선택해요.
접근 권한이 있어야 할 분석 실행자 alice와 bob을 선택해요.
Submit Request를 선택해요. 요청이 Update Requests 탭에 Pending 상태로 나타나요.

데이터 오퍼링 공유는 다른 협업자의 승인이 필요하지 않으므로 Alice에게 승인을 요청할 필요는 없어요. Update Requests 탭에서 상태를 모니터링해 Completed로 바뀔 때까지 기다려요. 이는 데이터 오퍼링을 협업에서 사용할 수 있다는 뜻이에요.

Alice: 분석 실행

Alice의 계정으로 다시 전환해요. ui_tutorial_collaboration이 Collaborations 탭 » Joined에 나타나는지 확인해요(자동 참여가 끝났다는 뜻). 이제 두 데이터 오퍼링이 모두 협업에 있으므로 중첩 분석을 실행해요.

Collaborations 탭을 선택하고 ui_tutorial_collaboration을 열어요.
Templates 탭을 선택해요.
standard_audience_overlap_v0을 선택해 해당 세부 정보(필수 매개 변수와 SQL 로직 포함)를 확인해요.
Open in Workspaces를 선택해요. 미리 구성된 COLLABORATION.RUN 문이 있는 워크스페이스가 열려요. 생성된 SQL은 협업 이름, 템플릿, 소스 테이블 및 템플릿 매개 변수에 대한 플레이스홀더를 포함해요.
소스 테이블에 사용할 뷰 이름을 찾으려면 같은 워크스페이스에서 다음 미리 구성된 문을 실행해요.
```
CALL SAMOOHA_BY_SNOWFLAKE_LOCAL_DB.COLLABORATION.VIEW_DATA_OFFERINGS('ui_tutorial_collaboration');
```
template_view_name 컬럼의 각 값은 user_alias.data_offering_id.dataset_alias 형식이에요. 이 튜토리얼의 이름을 사용했다면 Alice의 뷰는 alice.alice_customer_data_v1.customer_list이고 Bob의 뷰는 bob.bob_customer_data_v1.my_customer_list예요.
생성된 실행 문을 세 곳에서 편집해요.
- 설정되지 않은 SQL 변수 $collaboration_name을 협업 이름 문자열 리터럴 'ui_tutorial_collaboration'으로 바꿔요.
- 소스 테이블 플레이스홀더를 두 개의 template_view_name 값으로 바꿔요.
- 템플릿의 인수를 제공해요. join_clauses와 count_column은 필수예요.
소스 테이블의 순서는 중요해요. 템플릿은 첫 번째 뷰를 p1으로, 두 번째를 p2로 별칭을 지정하고 p2를 기준으로 일치 항목을 계산해요. Alice가 분석을 실행하므로 Alice의 뷰를 두 번째에 두어 일치율이 Alice의 데이터 기준으로 계산되게 해요.

완성된 문은 다음과 같아요.

CALL SAMOOHA_BY_SNOWFLAKE_LOCAL_DB.COLLABORATION.RUN(
  'ui_tutorial_collaboration',
  $$
  api_version: "2.0.0"
  spec_type: "analysis"
  name: "audience_overlap_alice_vs_bob"
  description: "Standard audience overlap between Alice's and Bob's customer lists, broken down by status."
  template: "standard_audience_overlap_v0"
  template_configuration:
    view_mappings:
      source_tables:
        - "bob.bob_customer_data_v1.my_customer_list"
        - "alice.alice_customer_data_v1.customer_list"
    local_view_mappings:
      my_tables: []
    arguments:
      join_clauses:
        - "p1.hashed_email_b64_encoded = p2.hashed_email_b64_encoded"
      count_column:
        - "hashed_email_b64_encoded"
      my_where_clause: ""
      source_where_clause: ""
      my_group_by:
        - "p2.status"
      source_group_by:
        - "p1.status"
  $$
);

인수에 대해 다음 사항을 유의하세요.

join_clauses — 템플릿이 일치로 간주하는 조건을 정의해요. 템플릿은 이 조건으로 두 데이터 오퍼링을 조인하므로, 해시된 이메일 값이 같은 경우 Bob의 데이터의 레코드가 Alice의 데이터의 레코드와 중첩돼요.
count_column — 템플릿이 중첩 수치를 산출하기 위해 계산하는 컬럼이에요. 해시된 이메일을 계산하면 두 데이터 오퍼링 모두에 나타나는 고유 고객 수를 보고해요.
source_group_by와 my_group_by — 결과를 세그먼트화해요. 각각 p1과 p2 별칭을 사용하므로 p1.status는 Bob의 상태 컬럼이고 p2.status는 Alice의 컬럼이에요.

결과는 두 협업자 데이터 사이의 중첩을 양쪽의 status 값으로 세그먼트화해 보여 줘요. 템플릿에 대한 자세한 내용은 중첩 및 활성화를 참고하세요.

팁

Open in Workspaces 대신 Run을 선택해 Cortex Code를 열 수 있어요. Cortex Code는 실행 사양을 생성하고, 템플릿의 매개 변수를 설명하고, 값을 제안하며, 사용자가 확인하면 분석을 실행해 줘요. 템플릿의 매개 변수에 익숙하지 않을 때 유용해요. 자세한 내용은 Snowsight에서 분석 실행 및 활성화를 참고하세요.

결과는 두 데이터 오퍼링 사이의 중첩과 일치율을 보여 줘요.

Alice: 리소스 정리

Alice의 계정으로 전환해 협업을 철거해요. 협업은 소유자만 철거할 수 있으며, 철거하면 모든 협업자에게서 해당 협업이 제거돼요.

Collaborations 탭을 선택해요.
ui_tutorial_collaboration 카드에서 작업 메뉴()를 선택해요.
Teardown을 선택해요.
확인 대화 상자에서 Yes, teardown을 선택해요.

경고

협업 철거는 되돌릴 수 없어요. 모든 협업자가 협업에 대한 접근을 잃고, 협업을 통해 공유된 모든 데이터에 더 이상 접근할 수 없어요.

협업을 철거해도 어느 계정의 레지스트리에서 등록된 데이터 오퍼링이나 템플릿은 삭제되지 않아요. 샘플 데이터를 제거하려면 각 계정의 샘플 데이터베이스를 삭제해요.

Alice의 계정에서:

DROP DATABASE IF EXISTS ALICE_DB;

Bob의 계정에서:

DROP DATABASE IF EXISTS BOB_DB;

요약

이 튜토리얼에서 Snowsight의 Snowflake Data Clean Rooms UI를 사용해 다음 방법을 배웠어요.

UI에서 워크스페이스 SQL 대안과 함께 데이터 오퍼링을 등록.
내장 standard_audience_overlap 템플릿을 등록.
마법사로 파트너와 협업을 생성하고 사양에 데이터 오퍼링과 템플릿을 포함.
두 번째 계정에서 협업을 검토하고 참여.
이미 참여한 협업에 데이터 오퍼링을 공유.
분석을 실행하고 협업을 철거 — 모두 UI에서.

다음 단계

튜토리얼: 협업 클린룸 시작하기 (API)에서 Collaboration API로 비슷한 시나리오를 시도해 보세요.
전체 Snowsight의 Data Clean Rooms UI와 그 워크플로를 살펴보세요.
중첩 및 활성화에서 중첩 분석과 활성화에 대해 자세히 알아보세요.
협업 역할과 접근 관리 방법을 알아보세요.
샘플 워크시트와 비디오에서 더 많은 튜토리얼, 샘플 워크시트, 비디오 워크스루를 찾아보세요.

튜토리얼: 협업 클린룸 시작하기