스탠포드(Stanford) 대학의 태블러 및 관계형(STAR) 프로젝트팀이 개발한 관계형 트랜스포머(Relational Transformer) 아키텍처를 기반으로 하는 오픈소스 쿼리 엔진 'RelativeDB'가 공개되어 주목받고 있습니다. RelativeDB는 RelQL이라는 새로운 쿼리 언어를 통해 관계형 데이터베이스(relational database)에서 복잡한 예측 작업을 SQL(Structured Query Language)처럼 직관적으로 수행할 수 있도록 설계되었습니다. 이는 대규모 언어모델(LLM)이 텍스트를 다루듯, 관계형 데이터에 특화된 파운데이션 모델(foundation model)을 활용하여 데이터 분석의 새로운 지평을 열 것으로 기대됩니다.
RelativeDB의 핵심은 '관계형 트랜스포머' 모델에 있습니다. 이 모델은 여러 테이블에 걸쳐 있는 복잡한 관계형 데이터를 자동으로 이해하고, 적은 양의 레이블링된 데이터만으로도 새로운 데이터베이스와 예측 작업에 빠르게 적응하는 능력을 보여줍니다. 특히 수동적인 피처 엔지니어링(feature engineering) 과정 없이도 고객 이탈 예측, 미래 매출 예측, 구매할 가능성이 높은 상품 추천 등 다양한 비즈니스 예측 시나리오에 활용될 수 있습니다. 벤치마크(benchmark) 결과에 따르면, 특정 작업에서는 기존 머신러닝 모델인 XGBoost를 능가하는 성능을 보이며, 대규모 데이터셋(dataset)뿐만 아니라 소규모 데이터 환경에서도 뛰어난 효율성을 자랑합니다.
RelativeDB의 등장은 관계형 데이터 분석 및 머신러닝(ML) 접근 방식에 큰 변화를 가져올 잠재력을 가지고 있습니다. 데이터 과학자나 개발자가 복잡한 피처 엔지니어링에 들이는 시간을 줄이고, 비즈니스 로직(business logic)에 더 집중할 수 있게 함으로써 생산성을 향상시킬 수 있습니다. 또한, SQL과 유사한 RelQL을 사용하기 때문에 기존 데이터베이스 전문가들도 비교적 쉽게 예측 모델을 구축하고 활용할 수 있다는 장점이 있습니다. 이는 데이터 기반 의사결정의 장벽을 낮추고, 더 많은 기업과 개인이 고급 예측 분석을 활용할 수 있도록 돕는 중요한 전환점이 될 것입니다.