입문자가 처음 Looker를 접하면 데이터베이스 연결은 어떻게 하는지, 뷰와 모델은 무엇이 다른지, LookML 파일은 어디에 어떻게 써야 하는지 막막합니다. 공식 문서는 무엇부터 봐야 할지 모르겠고 물어볼 선배는 늘 바쁩니다. 유튜브에서 튜토리얼 영상을 몇 개 찾아보지만 수박 겉핥기로 배우는 것 같은 느낌을 지울 수 없습니다. 초보라면 누구나 겪었을 법한 이런 이야기도 AI 시대에는 점점 듣기 어려워질 것 같습니다. 요즘에는 AI가 동료이자 선배이자 스승이죠. Looker를 배우고 싶다면 AI를 활용하면 됩니다. 관련해 이번 포스팅에서는 구글이 깃허브에 공개한 Looker 스킬 모음을 활용해 초보를 탈출하는 방법을 알아보겠습니다.
새로운 Looker 입문 코스
Looker 개발자와 분석가가 전문가로 성장하는 길은 대개 비슷합니다. 문서를 읽고, 온라인에 공개된 튜토리얼 보고, 직접 작업을 해보면서 하나둘 내것으로 만들어 나아갑니다. AI는 이런 학습 방식을 바꿉니다. AI는 학습자의 상황을 이해하고 그에 맞춰 Looker 초보자를 이끕니다. 왜 이 단계가 필요한지 설명하고 막히면 대안을 제시합니다. 문제는 범용 AI가 Looker를 정확히 모를 수 있다는 점입니다. 오래된 문법이나 틀린 내용을 섞어 답하면 오히려 혼선만 줍니다.
구글이 깃허브에 공개한 Looker 스킬 파일들은 범용 AI를 훌륭한 조력자이자 스승으로 만듭니다. 필요한 스킬 파일을 읽은 AI는 정확한 정보를 토대로 Looker 입문자를 안내합니다. 입문자는 검증한 경로를 따라가며 Looker를 익힐 수 있고 이미 어느 정도 경험이 있는 실무자는 원하는 작업을 더 효율적으로 마칠 수 있습니다.
다양한 Looker 스킬이 한자리에
스킬은 무언가를 잘하는 방법을 설명한 마크다운 파일입니다. 새 프로젝트를 만드는 방법일 수도 있고, 기존 프로젝트를 점검하는 방법일 담고 있을 수도 있습니다. 프로그래밍 언어가 아니라 평범한 자연어로 씁니다. 그래서 AI가 읽기 좋을뿐 아니라 사람이 읽기에도 훌륭한 가이드가 됩니다. Looker Skills는 이런 Looker용 스킬 파일을 모아 둔 깃허브 저장소입니다. 이 스킬을 AI에 불러오면 Looker 입문자나 실무자는 자연어로 궁금증을 풀거나 작업을 맡길 수 있습니다.
Online Boutique 소개
Looker Skills 깃허브 페이지에 가 보면 스킬 목록이 눈에 들어옵니다. 쭉 훑어보면 모델, 익스플로어, 뷰, 필드처럼 LookML의 구성 요소별 작성법을 다루는 스킬들이 있음을 알 수 있습니다. 이 밖에도 리퀴드(Liquid) 변수와 행 수준 보안을 위한 접근 권한(access_grant), 테스트 작성법도 있습니다. 프로젝트 구조를 설계하고 점검하는 아키텍트 스킬과 쿼리 성능, 캐싱, PDT를 최적화하는 성능 스킬도 올라와 있네요. 입문자를 위한 개발자 온보딩 스킬도 있습니다. 사전 점검, 데이터 탐색, Looker CLI 설치와 인증, BigQuery 연결, 프로젝트 생성, LookML 모델 작성, 대시보드 생성까지 온보딩 전 과정을 안내합니다. 신입이 들어오면 따로 챙기지 않고 온보딩 스킬로 기본적인 직무 교육을 할 수 있을 것 같네요.
스킬을 활용하는 방법은 간단합니다. Antigravity CLI에서는 agy plugin install 명령으로 설치하고, Claude Code에서는 저장소를 클론한 뒤 플러그인으로 설치합니다. Codex용 설치 스크립트도 있습니다. 웹에서 Gemini 앱이나 Claude 같은 구독 서비스를 쓴다면 깃허브 저장소를 내려받아 스킬 폴더를 채팅에 바로 올리면 됩니다. 도구에 검색 기능이 있다면 저장소를 검색해 링크를 따라가게 할 수도 있습니다. 이 방식은 현재 Looker에 직접 연결하지 못합니다. 대신 AI가 안내하는 단계를 읽고 자신의 Looker 화면에서 직접 수행하는 방식이라 빠르게 시작할 수 있습니다.
우리 조직에 맞게 스킬 활용하기
Looker Skills 저장소에 올라온 스킬들은 오픈 소스이므로 조직에 필요에 맞게 고쳐 쓸 수 있습니다. 여러 활용 방법이 있지만 다음 세 가지를 조직에 활용해 보는 것을 추천합니다.
- 조직의 비즈니스 로직과 아키텍처 규칙을 스킬로 더합니다. 매출, 활성 고객, 이탈률 같은 핵심 지표의 정의, 뷰와 필드의 명명 규칙, 조인 작성 원칙, 개인정보가 담긴 필드에 접근 권한을 거는 기준을 스킬로 정리합니다. 저장소를 조직 내부로 포크(fork)해 공식 스킬은 그대로 두고 조직 스킬을 덧붙이는 구조로 관리하면 공식 업데이트를 받아들이기도 쉽습니다.
- 신규 입사자를 위한 Looker 온보딩에 스킬을 활용합니다. 공식 온보딩 스킬 위에 사내 데이터 환경, 자주 쓰는 데이터 세트, 리뷰 절차를 더한 사내 온보딩 스킬을 만들면 신입 사원이 첫 주부터 조직의 기준에 맞춰 Looker를 익힐 수 있습니다.
- 점검과 리뷰를 표준화합니다. 아키텍트 스킬과 성능 최적화 스킬을 정기 점검에 쓰면 사람마다 다르던 리뷰 기준을 맞출 수 있습니다. 조직 규칙을 담은 스킬과 함께 쓰면 새로 작성한 LookML이 사내 기준을 지키는지 AI가 먼저 확인합니다.
오픈 소스 생태계에 참여하는 것도 Looker 입문자가 전문가로 성장하는 데 도움이 됩니다. 작은 기여라도 하나둘 쌓다 보면 커뮤니티의 일원으로서 최신 정보와 흐름에 자연스럽게 밝아집니다. 쓰다가 막히는 부분이나 온보딩 과정에 꼭 들어가야 할 내용을 발견하면 변경을 제안하거나 이슈를 등록할 수 있으니 마음 편히 참여해 보세요. 저장소에 별표(star)를 눌러 두면 스킬이 바뀌거나 새 스킬이 추가될 때 바로 알 수 있습니다.
AI와 함께 시작하는 Looker
앞서 언급한 바와 같이 Looker를 전혀 모르는 입문자라도 온보딩 스킬을 통해 부담 없이 작업을 시작할 수 있습니다. 첫 시작이 어렵지 그 뒤는 진도를 빼기 쉽습니다. 쓰는 AI 도구에 스킬을 불러오고 한 단계씩 안내해 달라고 요청해 첫 LookML 모델을 만들어 보세요. 익숙해지면 조직의 지표 정의와 규칙을 스킬로 정리해 팀 전체가 같은 기준으로 일하게 만드는 것에도 도전할 수 있을 것입니다. 소개한 스킬을 조직의 필요에 맞게 활용하는 방법이 더 궁금하다면 메가존소프트 문의 포털을 통해 상담을 남겨 주세요.
