본문으로 건너뛰기
RAISE LABRAISE LAB

VIDEO NOTE

민감한 데이터 유출 없이 Claude Code로 분석 코드를 작성하는 방법

Thu Vu · 17분 · 고급 · 26. 11. 18. · 분야별 AX 사례 › 데이터 분석

YouTube 에서 보기 · Thu Vu (새 탭에서 열림)

민감한 원본 데이터를 클라우드 AI 도구에 직접 업로드하지 않고 안전하게 데이터 분석을 수행하는 워크플로를 다룬다. 오픈소스 SDV 라이브러리를 사용해 로컬에서 원본 데이터의 구조와 통계를 모방한 가상 프록시 데이터를 생성하고, 이를 Claude Code에 넘겨 분석 스크립트와 대시보드를 작성하게 한다. 완성된 Jupyter Notebook 코드를 로컬로 가져와 실제 데이터셋에 실행함으로써 데이터 유출 위험 없이 분석 자동화의 이점을 누릴 수 있다.

핵심

  • 보안 규정이 엄격한 조직에서는 실제 고객 데이터나 결제 정보가 담긴 CSV 파일을 외부 AI 서비스에 직접 올리기 어렵다.
  • 파이썬 패키지 SDV(Synthetic Data Vault)의 GaussianCopulaSynthesizer를 사용하면 원본 데이터 구조와 통계 분포를 본뜬 가상 데이터를 로컬에서 만들 수 있다.
  • SDV가 자동 감지한 메타데이터 중 주소나 식별자 형식이 잘못 지정된 경우 수동으로 타입을 수정해야 현실적인 가상 데이터가 생성된다.
  • Claude Code를 클라우드 환경에서 실행하고 가상 데이터만 업로드하여 원하는 분석 질문이 담긴 Jupyter Notebook과 대시보드 작성을 요청한다.
  • Claude Code가 완성한 분석 노트북과 requirements.txt 파일을 로컬로 내려받은 뒤 실제 데이터 경로로 바꿔 실행하면 안전하게 최종 결과를 얻는다.

RAISE LAB 에서 배우는 사람에게

사내 보안 규정으로 민감 데이터를 AI에 직접 올릴 수 없을 때 가상 프록시 데이터로 Claude Code의 코딩 역량만 안전하게 빌려 쓰는 실무 파이프라인을 익힐 수 있다.

챕터

  1. 0:00데이터 업로드 방식의 보안 위험과 해결 아이디어 (새 탭에서 열림)
  2. 1:46SDV를 활용한 로컬 가상 프록시 데이터 생성 원리 (새 탭에서 열림)
  3. 5:03메타데이터 자동 감지 및 컬럼 속성 수정 (새 탭에서 열림)
  4. 9:12Claude Code에 가상 데이터를 전달하고 분석 코드 작성 요청 (새 탭에서 열림)
  5. 12:27생성된 분석 대시보드 및 Jupyter Notebook 검토 (새 탭에서 열림)
  6. 14:57로컬 환경에서 실제 데이터셋으로 분석 코드 검증 및 실행 (새 탭에서 열림)

이 노트는 RAISE LAB 운영팀이 고른 영상을 AI(Gemini)가 보고 한국어로 정리한 것입니다. 영상의 저작권은 원작자에게 있고, 자막·대본은 싣지 않습니다. Thu Vu 원작자 채널 (새 탭에서 열림)

데이터 분석