업무 역할별 시작 경로

역할은 플랫폼에서 맡는 실무 책임을 뜻합니다. 작은 구현 팀이나 도입 초기 조직에서는 한 사람이 여러 역할을 수행할 수 있습니다. 실제 리소스 접근 범위는 부여받은 권한과 보안 정책에 따릅니다. 특정 작업에 맞는 도구를 고르려면 애플리케이션 선택을 함께 사용할 수 있습니다.

데이터 엔지니어

데이터 엔지니어는 조직이 사용할 품질과 갱신 주기를 갖춘 데이터셋을 만들고 파이프라인을 유지합니다. Pipeline Builder와 Code Repositories로 파이프라인을 작성하고 Data Lineage로 원천부터 출력까지 연결 관계를 파악합니다.

배포한 뒤에는 상태 검사, Monitoring views와 계보를 이용해 문제를 찾아야 합니다. 기반 연산을 살펴볼 수 있어야 하며, 시간이 지나도 파이프라인을 안정적으로 운영할 수 있는지 고려합니다. 데이터 파이프라인 설계와 운영이 시작점입니다.

애플리케이션 제작자

제작자는 업무 담당자가 데이터를 보고 판단한 결과를 액션으로 입력할 수 있는 애플리케이션을 만듭니다. 데이터 엔지니어와 함께 온톨로지의 객체와 관계를 정하고 Ontology Manager에서 이를 관리합니다. Workflow Lineage는 객체, 액션, 함수, LLM과 애플리케이션의 연결을 파악하는 데 사용합니다.

데이터 과학자

데이터 과학자는 코드로 분석하고 기계 학습 모델을 개발, 평가 및 배포합니다. 데이터 통합 계층의 계보와 재현성을 모델에도 연결합니다.

Code Workbook에서는 Python, R과 SQL로 데이터 엔지니어가 준비한 데이터셋을 읽고 정규화 및 분석할 수 있습니다. 분석 결과와 모델은 모델 통합 기능에 연결하고 Model Catalog로 공유하며 AIP Evals로 평가한 뒤 온톨로지와 업무에 사용할 수 있습니다.

선호하는 IDE를 사용하려면 Code Workspaces에서 JupyterLab 또는 RStudio Workbench 같은 환경을 사용할 수 있습니다. 컨테이너 환경은 플랫폼의 보안, 브랜치 및 리소스 관리와 연결됩니다. Code Workbook에서 코드 기반 분석을 시작할 수 있습니다.

분석가

분석가는 질문에 필요한 표, 객체 관계, 시계열과 지리공간 자료를 찾아 탐색합니다. Contour는 데이터셋의 자유로운 탐색과 대규모 분석에, Quiver는 온톨로지 및 관련 시계열 분석에 사용합니다. AIP Analyst에서는 온톨로지에 관한 질문을 자연어로 탐색할 수 있습니다.

일회성 분석에서 얻은 결과는 대시보드로 반복해서 확인하거나 보고서와 Notepad 문서로 동료에게 전달합니다. 결과를 공유할 때도 원천 데이터와 관련 리소스의 접근 조건을 고려합니다.

플랫폼 관리자

관리자는 인증으로 조직의 신원 제공자를 연결하고 애플리케이션 접근을 구성합니다. Data Connection을 설정해 데이터가 플랫폼으로 들어올 수 있게 합니다.

사용이 늘어나면 Resource Management로 소비량을 관리하고, Developer Console로 사용자 정의 앱 개발을 지원하며, Monitoring views로 운영 상태를 관찰합니다. Palantir MCP나 Ontology MCP를 활성화한 경우 각 기능의 접근 조건도 이해해야 합니다. 플랫폼 관리에서 설정과 운영 기능을 찾을 수 있습니다.

데이터 거버넌스 담당자

거버넌스 담당자는 데이터의 변환과 사용 과정에서 보호 정책이 유지되는지, 누가 어떤 정보를 볼 수 있는지 확인합니다. 프로젝트와 마킹을 바탕으로 데이터 기반 보호 및 민감한 데이터 보호를 구성합니다.

사용하는 기능에 따라 객체 권한, 애플리케이션 제한, OSDK 권한, Ontology MCP 제한과 Workflow Lineage의 보안상 가시성도 검토합니다. 수집 최소화, 목적, 접근, 감독, 추적 가능성과 보존 기간은 개인정보 보호 실무에 따라 결정합니다.

실습 시작

Training에서 역할에 맞는 과정을 선택하거나 Examples의 참조 예제, 튜토리얼과 시작용 구성을 사용해 업무를 만들어 볼 수 있습니다.