[JSON] (2) JSON 스키마 작성하기: 빈 파일에서 데이터 구조 정의까지
첫 JSON 스키마를 어디서부터 어떻게 작성해야 할까요? 예시를 바탕으로 핵심 키워드를 설명하고, 재귀 구조·스키마 참조·additionalProperties·다이얼렉트 선택까지 첫 스키마 작성에서 마주치는 실무 결정을 단계별로 정리합니다.
카테고리
전체 글 218
[JSON] (1) JSON과 JSON 스키마 이해하기: 데이터를 말로 설명하지 말고 구조로 정의하라
API와 데이터 테이블이 바뀔 때마다 위키·노션·코드의 정의가 서로 어긋나는 이유는 무엇일까요? JSON 스키마가 검증·문서화·계약·자동화를 통해 조직의 데이터 합의를 어떻게 구조화하는지, JSON·XML 비교와 실무 예시를 통해 알아보세요.
[데이터 통합 전략] (4) ‘조직화’: 거버넌스와 프로세스로 굳히기
회의에서 합의한 정의가 다음 프로젝트에서는 다시 무너지는 이유는 무엇일까요? 이 글에서는 데이터 통합 전략의 '조직화' 단계를 중심으로, 네트워크 사고·CLEAN 데이터 거버넌스·프로세스 맵·성공 스펙트럼 같은 도구를 통해 합의를 문서가 아닌 조직 운영 절차 안에 정착시키는 방법을 설명합니다.
[데이터 통합 전략] (3) ‘설계’: 데이터를 내부 제품으로 다루기
데이터를 제품처럼 설계하지 않으면, 사용자는 매번 정의와 맥락을 찾아다니며 같은 해석 작업을 반복하게 됩니다. 이 글에서는 데이터 프로덕트와 JSON 스키마를 통해 데이터·구조·의미·맥락을 하나로 묶는 설계 방법을 설명합니다.
[데이터 통합 전략] (2) ‘정렬’: 팀이 같은 단어로 다른 얘기를 하는 것을 막기
회의에서는 모두 같은 말을 하는 것처럼 보이지만, 한 달 뒤 결과물이 전혀 다르게 나오는 이유는 무엇일까요? 이 글에서는 데이터 통합 전략의 '정렬(Align)' 단계를 중심으로, 개념 우선 설계·개념 나침반·신념 점수·반사실적 시나리오 같은 도구를 통해 조직 안의 모호성과 가정을 어떻게 드러내고 합의 가능한 정의로 바꿀 수 있는지를 설명합니다.
[데이터 통합 전략] (1) ‘진단’: 우리 조직은 어디가 정렬되지 않았는가
왜 많은 데이터·AI 프로젝트는 충분한 기술과 인력을 갖추고도 의도와 다른 방향으로 흘러갈까요? 이 글은 데이터 통합 전략 시리즈의 첫 편으로, 조직 안의 정렬 실패를 진단하는 단계에 집중합니다. 모호성, 지식 격차, 맹점이 어떻게 데이터 위생을 무너뜨리는지, 같은 단어가 왜 부서마다 다른 의미로 사용되는지, 그리고 데이터 챔피언이 어떤 역할을 하는지를 함께 설명합니다.
[프로그래매틱 광고] (7) 측정·어트리뷰션·검증: ③ 측정의 외부 검증과 매체 간 결합
어트리뷰션은 "공이 누구 거냐"에 답하지만 "공이 진짜로 있었냐"에는 답하지 못합니다. 그 자리를 IAS·DV의 광고 검증, IVT 검출, 데이터 클린룸이 메웁니다. MOAT의 퇴장, SDK 스푸핑·클릭 인젝션 같은 모바일 사기, AMC·ADH의 차이, 한국의 앱스플라이어·에어브릿지와 GFA·모먼트 환경까지 짚어봅니다.
[프로그래매틱 광고] (7) 측정·어트리뷰션·검증: ② 쿠키 논란 이후의 광고 측정 인프라
쿠키와 디바이스 식별자가 흔들린 뒤, 광고주는 잃은 신호를 회수할 새 인프라가 필요해졌습니다. 첫 번째 층은 신호를 잡는 픽셀과 GA4, 두 번째 층은 잃은 신호를 메우는 서버사이드 트래킹입니다. GA4의 동작 모델링부터 sGTM·CAPI·EMQ까지, 쿠키 이후 웹 측정 인프라가 어떻게 두 층 구조로 재편됐는지 정리합니다.
[프로그래매틱 광고] (7) 측정·어트리뷰션·검증: ① 광고비와 성과 측정의 기본
광고 산업의 절반은 사실 "검증"을 둘러싼 인프라입니다. 어떤 비용 모델로 돈을 냈는지, 어떤 지표로 성과를 봤는지, 그 매출을 어느 광고에 매겼는지. 7편 첫 편은 측정의 가장 안쪽 자리, 광고비를 어떤 단위로 매기고 그 결과 발생한 매출을 어느 광고에 매기는가를 다룹니다. 데스크톱 웹·모바일·iOS에서 그 결정 권한이 누구에게 있는지가 갈리는 이유까지 정리합니다.