Superset 튜토리얼의 대시보드를 나란히 재현한 뒤, 실제 마케팅 팀에 필요한 기능을 만들어 보았습니다. 그 과정에서 5가지 기술적 한계에 부딪혔으며, 기업 환경에서의 차이는 더욱 뚜렷했습니다.
Apache Superset은 GitHub에서 인기 있는 오픈 소스 BI 플랫폼입니다. 근본적으로 SQL-first 분석에 중점을 둔 팀을 위해 구축 된 개발자 지향 도구입니다. 우리는 오픈 소스 프로젝트와 그 뒤에있는 커뮤니티를 존중합니다.
그러나 우리는 구체적인 질문을 테스트하고 싶었습니다. 개발자의 튜토리얼 대시 보드를 실제 비즈니스 팀이 실제로 사용할 수있는 것으로 바꾸려고 할 때 어떻게됩니까?
우리는 "Build With Wilfred"의 잘 만들어진 YouTube 자습서를 발견했습니다. Superset의 역학을 배우기위한 견고하고 실용적인 콘텐츠이며 두 플랫폼에서 나란히 복제했습니다. 두 버전을 모두 만들었습니다.
재현한 두 대시보드는 거의 같아 보였습니다. 하지만 마케팅 담당자의 일상 업무를 기준으로 살펴보니, 소프트웨어 기능을 보여 주기 위한 교육용 예제라는 점이 드러났습니다. 교육에는 적합하지만, 의사결정에 도움이 되는 정보를 원하는 팀에는 명확한 흐름이나 실용적인 KPI가 없는 차트 모음이었습니다.
그래서 우리는 그것을 재 설계했습니다. 우리는 명확한 품질 및 효율성 추세, 셀프 서비스 비용 분석 및 실제 플랫폼 비교와 같은 실행 가능한 통찰력으로 초점을 옮겼습니다. 우리는 단순한 차트 모음이 아닌 대화형 애플리케이션을 만들고 싶었습니다.
그리고 그 때 일이 흥미로워졌습니다.
개선한 마케팅 쇼케이스를 Superset에서 다시 만들면서 설계에 필요한 유연성이 부족한 지점 5가지를 발견했습니다. 특이한 예외가 아니라 본격적인 대시보드 프로젝트에서 흔히 요구되는 기능입니다. 하나의 데이터 세트로 하나의 사용 사례만 시험했다는 점도 고려해야 합니다. 이 5가지 한계는 시작일 뿐이며, 다양한 시나리오를 폭넓게 비교하면 더 많은 제약이 드러날 수 있습니다.
Superset에서 주 단위 데이터를 구성하려면 연속된 시간축을 사용해야 합니다. 이로 인해 축이 복잡해지고 함께 묶여야 할 열이 분리되며, 툴팁에는 개별 임의 날짜만 표시할 수 있습니다.
연속된 시간축, 복잡한 축, 임의 날짜를 보여 주는 고정된 툴팁 형식.
깨끗한 개별 버킷, 데이터 라벨에 대한 총 제어, 매끄러운 사용자 정의 도구 팁 테이블, 대화 형 호버 오버레이.
최종 사용자는 분석 중에 측정값을 직접 추가할 수 없었고, 분석을 바꿀 때마다 개발자가 차트 설정을 수정해야 했습니다.
모든 측정 변경에는 개발자 개입 및 차트 재구성이 필요합니다.
최종 사용자가 동적 셀프 서비스 패널에서 측정값과 차원을 직접 추가하거나 삭제할 수 있습니다.
우리는 단일 드롭 다운이 한 번에 전체 차트 그룹에서 측정값을 즉시 변경하기를 원했습니다. Superset은 교차 차트 측정 연결을 처리 할 수 없었습니다.
차트는 독립적으로 작동하므로 그룹 전체에서 측정 변경 내용을 동기화할 수 없습니다.
선택기 하나가 대시렛 그룹 전체를 제어하고 모든 대시렛의 측정값을 동시에 바꿉니다.
차트 구간을 클릭하면 동적 이미지가 나타나거나 데이터 포인트에 마우스를 올리면 보조 대시렛이 열리는 등 더 풍부한 마이크로인터랙션을 원했습니다. Superset에서는 구현할 수 없었습니다.
표준적인 클릭 필터링만 가능하며 동적 콘텐츠나 보조 대시렛은 없습니다.
호버의 Dashlet-in-dashlet, 클릭 시 동적 이미지, 완전 대화형 오버레이 시스템.
Superset에서 화보 대화 형 비주얼을 적용하는 것은 불가능했으며 소셜 미디어 아이콘을 보여주기 위해 정적 피벗 테이블로 보상해야했습니다. 이 해결 방법은 대시보드의 상호 작용을 완전히 깨고 모든 교차 필터를 무시했습니다.
정적 피벗 테이블을 이용한 우회 방법입니다. 툴팁이 없고 아이콘을 클릭할 수 없으며 대시보드 필터도 모두 무시합니다.
네이티브 인터랙티브 화보 막대 차트. 호버에 풍부한 데이터 레이블을 유지하고 양방향 교차 필터링과 완전히 동기화됩니다.
우리는 이러한 격차를 식별하는 유일한 사람이 아닙니다. 전체 BI 산업은 Superset의 한계에 반대해 왔으며 패턴은 현저하게 일관됩니다.
Preset은 Superset에 관리형 호스팅, SSO, SOC 2/HIPAA 규정 준수, 자동 확장을 추가합니다. 오픈 소스 Superset을 직접 관리하면 조직이 충분히 예산에 반영하지 못한 보안 취약점 대응, 업그레이드, 유지보수 비용이 발생한다는 주장입니다. 기업이 인프라 통제를 원한다는 점을 인정해 최근에는 온프레미스용 “Preset Certified Superset”도 출시했습니다. 하지만 Preset의 기반은 여전히 Superset이며, 기업용 서비스가 추가되어도 아키텍처의 한계는 같습니다.
Metabase는 관리 부담을 줄이면서 폭넓게 도입하려는 팀에 더 친숙한 대안으로 자리 잡고 있습니다. Superset의 배포와 관리에 상당한 기술 전문성이 필요하다는 주장은 맞습니다. 그러나 Metabase는 단순함을 위해 기능의 깊이를 줄였기 때문에, Superset의 제약을 넘어선 팀은 곧 Metabase의 한계에도 도달하게 됩니다.
Helical은 Superset의 제한된 셀프 서비스 기능, 픽셀 완벽한보고 부족, 공식 SLA 부재, 임베딩 및 화이트 라벨링에 필요한 광범위한 개발을 공격합니다. 타당한 지적 – Helical 자체는 주로 임베디드 분석 세그먼트를 대상으로 합니다.
비기술 사용자가 배우기 어렵습니다. SLA 없는 커뮤니티 지원에만 의존합니다. 규모가 커지면 권한 관리가 어려워지고, 문서는 불완전하거나 오래되었을 수 있습니다. 동적 대시보드도 개선이 필요합니다. 반복되는 핵심은 Superset의 실제 비용이 무료 라이선스 비용을 훨씬 넘는다는 점입니다.
패턴은 명확합니다. 시장의 모든 사람들은 기업 지원, 셀프 서비스 제한, 숨겨진 TCO 및 개발자 친화적 인 것과 비즈니스 준비 사이의 격차와 같은 지점에서 Superset을 공격하고 있습니다. 그들 중 누구도 제공하지 않는 것은 TURBOARD가 제공하는 것입니다. 20 년 이상의 엔터프라이즈 성숙도, 500K + 입증 된 비즈니스 사용자 및 실제로 데이터로 의사 결정을 내려야하는 사람들을 위해 첫날부터 구축 된 플랫폼입니다.
기술적 인 기능은 좋은 비교 테이블을 만듭니다. 그러나 조직 전체에서 수천 명의 사용자를 위해 BI를 배포할 때 실제로 중요한 차이가 차트 형식에 있는 경우는 드뭅니다.
Superset은 커뮤니티 포럼을 제공합니다. Preset은 관리되는 호스팅 계층을 제공합니다. TURBOARD는 귀하의 산업, 데이터 모델 및 사용자의 워크 플로우를 이해하는 전담 팀을 제공합니다. 왜냐하면 우리는 2004 년부터 정부, 의료, 제약, 금융 및 제조 분야에서이 작업을 수행 해 왔기 때문입니다.
TURBOARD는 인프라에서 실행됩니다. 데이터는 결코 귀하의 건물을 떠나지 않습니다. 온프레미스 LLM 통합을 통해 GenAI 기능도 외부 서버로 단일 쿼리를 전송하지 않고 작동합니다. Preset Cloud 또는 SaaS 우선 경쟁 업체로부터이를 얻으십시오.
특징 게이트가 없습니다. 피벗 테이블, 고급 보안 또는 임베딩에 대한 프리미엄 계층이 없습니다. TURBOARD에 라이선스를 부여하면 전체 플랫폼을 얻을 수 있습니다. Superset의 생태계에서 AG Grid Enterprise 피벗 테이블과 같은 고급 기능은 Preset의 유료 계획을 통해서만 사용할 수 있습니다.
200K+ 기명 사용자가 단일 운영 환경을 이용하며, 최대 동시 사용자는 800+입니다. 벤치마크가 아니라 정부 기관, 국가 보건 시스템, 다국적 기업에서 현재 가동 중인 실제 운영 수치입니다.
Superset에서 보안 취약점이 발견되면 Apache PMC에 비공개로 통보되며 해당 위원회에 직원이 없으면 다음 릴리스까지 몇 달 동안 취약한 소프트웨어를 실행할 수 있습니다. TURBOARD를 통해 우리 팀은 긴급하고 개인적으로 직접 대응합니다.
TURBOARD를 개발하는 E-Kalite에는 데이터 시각화와 분석에 전념하는 110명 이상의 전문가가 있습니다. 오픈 소스 프로젝트를 감싼 제품도, 매각을 기대하는 벤처 투자 기반 스타트업도 아닙니다. 20년 넘게 사업을 이어 온 성숙한 기업이며 앞으로 20년 동안도 함께할 것입니다.
Superset의 라이선스 비용은 0입니다. 하지만 라이선스 비용과 총소유비용은 매우 다릅니다. 조직이 첫해 이후 보통 알게 되는 내용은 다음과 같습니다.
| 비용 카테고리 | Apache Superset (Self-Hosted) | TURBOARD |
|---|---|---|
| 소프트웨어 라이센스 | 무료 (아파체 2.0) | 상용 라이선스 |
| 인프라 설정 | Redis, Celery, 메타데이터 DB, 웹 서버, 메시지 대기열, 캐싱 레이어 | 단일 설치 |
| DevOps / 유지보수 | 진행 중 – 버전 업그레이드, 종속성 관리, 보안 패치 | TURBOARD 팀에 의해 관리 |
| 보안 취약점 대응 | PMC 직원이 아닌 한 릴리스주기 (2-6 개월)에 따라 다릅니다. | 직접, 우선 대응 |
| 사용자 교육 | 셀프 서비스 문서(미완성/구식일 수 있음) | 전용 온보딩 및 교육 |
| 사용자 정의 기능 개발 | 내부 엔지니어링 또는 Preset 전문 서비스 | 사용자 의견을 반영한 로드맵 협력 |
| 기업 지원 (SLA) | 사용할 수 없음 – 커뮤니티 포럼만 | 포함 – 광신자 지원 |
| GenAI 기능 | Superset는 셀프 호스팅 환경에서 MCP를 통해 분석 기능을 노출할 수 있지만, AI 계층 전체를 직접 설계, 배포, 보안 관리, 운영해야 합니다 – 또는 토큰 단위로 과금되는 엔터프라이즈급 애드온인 Preset Chatbot 비용을 지불해야 합니다 | TURBOARD의 GenAI 모듈의 일부로 완전히 통합되어 온프레미스 LLM 지원 |
| 500명 이상 사용자를 위한 실제 TCO(연도 1) | 0보다 상당히 높음 | 예측 가능, 투명 |
Preset은 어떻습니까? Preset은 Superset의 많은 운영상의 과제, 즉 관리형 호스팅, 더 빠른 릴리스, 엔터프라이즈 보안을 해결합니다. 하지만 Preset은 여전히 본질적으로 Superset이며, 저희 영상에서 보여드린 것과 동일한 대시보드 기능과 동일한 아키텍처 제약을 가지고 있습니다. 온프레미스 제품(Certified Superset과 더 최근의 Preset On-Prem)은 얼마 전에야 출시되었으나, TURBOARD는 20년 동안 고객 인프라에서 운영되어 왔습니다. 그리고 Preset의 생성형 AI(Preset Chatbot)는 2026년 5월, 프롬프트를 호스팅된 모델 제공업체로 전송하는 토큰 단위 과금 엔터프라이즈 애드온으로 출시되었습니다 – 직접 키를 가져오는 옵션조차 OpenRouter를 거칩니다. 이 서비스에는 프라이빗 LLM이 포함되어 있지 않습니다. 데이터 주권이 중요한 조직에게는 애초에 성립하지 않는 선택지입니다.
BI 업계는 지난 10년 동안 비즈니스 사용자가 대시보드를 직접 만들 수 있는 “셀프 서비스”를 추구했습니다. 이론상으로는 가능했습니다. 실제로는 기술적으로 존재하지만 의사결정에 활용하는 사람이 거의 없는 BI 도구를 갖게 된 조직이 많았습니다. 형식만 갖춘 BI입니다.
우리는 다음 변화가 더 근본적이라고 믿습니다. 셀프 서비스 BI에서 프롬프트 생성 BI로. 모든 사용자가 차트 빌더에서 요소를 드래그 앤 드롭하도록 교육하는 대신 자연 언어로 필요한 것을 설명하고 얻을 수 있도록하십시오.
TURBOARD의 GenAI 통합에는 Superset이 단순히 가지고 있지 않은 다섯 가지 기능이 포함되어 있습니다.
데이터에 관해 자연어로 질문하세요. JAS는 스키마, 측정값, 비즈니스 맥락을 이해합니다.
대시보드를 선택하면 데이터가 의미하는 내용을 쉬운 말로 즉시 요약해 줍니다. 해석 능력은 필요하지 않습니다.
필요한 대시보드를 설명하면 TURBOARD가 만듭니다. 템플릿이 아니라 실시간 데이터에 연결된 실제 대시보드입니다.
비즈니스 사용자는 SQL을 작성하지 않고 데이터를 탐색할 수 있습니다. 질문하고, 쿼리를 받고, 결과를 확인하세요. 셀프 서비스 BI가 약속했지만 좀처럼 실현하지 못한 데이터 활용의 대중화입니다.
지능형 경보 및 추세 분석을 통해 KPI 전반의 성능을 추적합니다. 화면의 숫자뿐만 아니라 의사결정과 행동에 활용할 수 있는 정보.
중요한 차이점: TURBOARD의 GenAI는 온프레미스 LLM과 함께 작동합니다. 귀하의 데이터는 결코 인프라를 벗어나지 않습니다. 프롬프트, 쿼리, 비즈니스 컨텍스트 – 모두 방화벽 뒤에 남아 있습니다. Superset은 셀프 호스팅 환경에서 MCP를 통해 분석 기능을 노출할 수 있지만, 조직이 AI 계층을 직접 설계, 배포, 보안 관리, 운영해야 합니다 – Superset 내부에는 여전히 어시스턴트가 없습니다. Preset Chatbot은 프롬프트를 호스팅된 모델 제공업체로 전송합니다. 규제 산업, 정부, 의료, 금융의 경우 – 이는 기능 비교가 아니라 컴플라이언스 요건입니다.
우리는 당신에게 슈퍼셋이 나쁘다고 말하지 않을 것입니다. 활성 커뮤니티가 있는 견고한 오픈 소스 프로젝트이며 SQL 기반 분석에 더 쉽게 액세스 할 수 있도록 많은 작업을 수행했습니다. 그러나 튜토리얼에서 작동하는 도구와 실제 사용자가 실제 결정을 내리는 데있어 프로덕션에서 작동하는 플랫폼 사이에는 상당한 격차가 있습니다.
많은 조직이 위험이 가장 낮아 보인다는 이유로 오픈 소스 BI를 선택합니다. 라이선스 비용도 공급업체와의 약정도 없이 설치해 시험할 수 있습니다. 하지만 설정, 유지보수, 우회 방법에 몇 달의 엔지니어링 시간을 쏟고도 데이터 팀 밖에서는 의사결정에 사용하지 않는 대시보드만 남는 경우가 많습니다. “무료” 옵션이 조용히 가장 비싼 선택이 됩니다.
50명에게 배포하든 50,000명에게 배포하든, BI 인프라에 개발 자원을 쓰기 어려운 스타트업이든 데이터 주권 보장이 필요한 기업이든, 팀의 기술 역량과 관계없이 플랫폼은 적응합니다. 다음 주에나 질문에 답할지 모르는 커뮤니티 포럼이 아니라 성공적인 도입을 책임질 회사가 뒤에 있습니다.
BI 플랫폼의 실제 비용은 라이센스에 대해 지불하는 것이 아닙니다. 팀이 도구가 할 수없는 것을 필요로하고 전화 할 사람이 없을 때 발생합니다.
우리는이 전체 빌드와이 게시물의 차이점과 위의 비디오 뒤에있는 기술적 세부 사항을 문서화했습니다. Superset을 평가하거나 이미 실행하고 우리가 설명한 벽을 치고 있다면 차이점을 보여주고 싶습니다.
팀과 제품 시연을 예약하고 직접 보유한 데이터로 플랫폼을 확인하세요. 부담을 드리려는 것이 아니라 필요에 맞는 해결책을 찾으시길 바랍니다.
다른 기업 환경에서의 비교는 전체 BI 비교 페이지에서도 확인할 수 있습니다.
범용 샘플 데이터베이스가 아니라, 귀사의 보고서·정의·보안 컨텍스트 위에서 JAS를 시연합니다.