https://www.youtube.com/watch?v=TvH3EriH5e0
<aside> 🔥 주간 매출 리포트 자동화를 위한 SQL 기반 래그 에이전트가 핵심으로, Supabase에 데이터를 저장하고 구글 드라이브/시트의 변경을 트리거로 자동 분석해 리포트를 생성한 뒤 이메일로 보냅니다. 다큐먼트 인포와 로우 데이터 매핑, 스키마 반영으로 반복 작업을 줄이고, 엑셀과 시트 데이터를 원활히 통합합니다.
</aside>
A1. 모듈식 아키텍처로 다중 소스 확장이 가능하며, 데이터 흐름에서 Supabase의 테이블과 Postgres DB, 그리고 SQL 레그를 확장 방향으로 연결할 수 있습니다. 새로운 소스가 추가되면 워크플로우에 따라 자동으로 데이터가 흡수됩니다.
A2. 데이터는 다큐먼트 인포와 로우 데이터 구조로 관리되며, 중복 제거와 트랜잭션 업데이트로 일관성을 유지합니다. 그러나 포맷 차이나 스키마 불일치가 위험 요인이므로 자동 검증과 스키마 동기화가 필요합니다.
A3. 네, 에이전트가 스키마 정보를 시트에서 추출해 업데이트하고, 다큐먼트 인포 테이블의 스키마를 확장하는 워크플로우를 구성하면 자동화가 가능해집니다. 다만 변경 이력 관리가 중요합니다.
A4. 템플릿은 구글 도큐먼트 템플릿을 기본으로 두고, 출력 포맷과 아웃풋 파서를 통해 데이터 매핑을 확인합니다. 샘플 데이터로 테스트를 반복해 누락 필드나 포맷 불일치를 줄이고, 자동화 테스트로 품질을 보장합니다.
본 아티클은 매주 반복되는 매출 데이터 처리를 자동화하기 위한 아키텍처의 핵심 흐름을 제시한다. 데이터의 흐름은 파일 단위의 입력에서 시작해 다큐먼트 인포(Document Info) 테이블에 파일 메타데이터를 저장하고, 각 파일의 실제 내용으로 구성된 **로우 데이터(Row Data)**를 별도 테이블에 축적하는 구조를 기본으로 한다. 여기서 **스키마(Schema)**는 파일별 컬럼 매핑 정보를 담아 서로 다른 형식의 데이터를 일관되게 해석하게 해 주며, 이런 구분은 추후 SQL 기반 래그 에이전트가 신뢰도 높은 질의를 가능하게 하는 기반이 된다.
파일이 구글 드라이브에서 새로 생성되거나 업데이트되면 자동으로 탐지되어 Supabase(PostgreSQL) 데이터베이스에 적재된다. 파일의 타입은 스프레드시트나 CSV일 수 있으며, 이들 파일은 노드에서 CSV/스프레드시트 → JSON 변환 과정을 거쳐 **다큐먼트 인포(Document Info)**와 다큐먼트 인포의 로우 데이터에 매핑된다. 이 과정에서 파일의 아이디, 제목, URL, 타입, 그리고 스키마를 정의하는 메타 정보가 선행 테이블에 기록되고, 실질 데이터는 행 단위로 로우 데이터(Row Data) 테이블에 저장되어 이후 분석에 활용된다.