2025-08-20 22:32
데이터 분석 핸드북 ROLLUP과 CUBE, 총정리 개념부터 실전 활용까지
데이터의 바다에서 의미 있는 정보를 건져 올리는 일은 마치 보물찾기와 같습니다. 수많은 데이터 속에서 우리는 패턴을 찾고, 요약하며, 비즈니스에 도움이 될 인사이트를 발견해야 합니다. 이때 SQL의 GROUP BY 절은 데이터를 그룹화하여 집계하는 데 필수적인 도구입니다. 하지만 단순히 그룹별 집계만으로는 충분하지 않을 때가 많습니다. 그룹별 소계(Subtotal)와 전체 총계(Grand Total)를 한 번에 보고 싶다면 어떻게 해야 할까요?
과거에는 여러 개의 GROUP BY 쿼리를 작성하고 UNION ALL로 합치는 복잡하고 비효율적인 방식을 사용해야 했습니다. 이는 쿼리를 작성하는 시간도 오래 걸릴뿐더러, 데이터베이스 시스템에도 여러 번 테이블에 접근해야 하는 부담을 주었습니다.
이러한 문제를 해결하기 위해 등장한 것이 바로 ROLLUP과 CUBE입니다. 이들은 GROUP BY의 확장 기능으로, 단 하나의 쿼리만으로 다양한 수준의 집계 데이터를 매우 효율적으로 생성해 주는 강력한 무기입니다.
이 핸드북에서는 ROLLUP과 CUBE가 왜 만들어졌는지, 어떤 구조로 동작하는지, 그리고 실제 업무에서 어떻게 활용할 수 있는지에 대해 A부터 Z까지 상세하게 알아보겠습니다. 마치 잘 짜인 레고 블록처럼, 데이터를 원하는 대로 쌓아 올리고 분석하는 즐거움을 느끼게 될 것입니다.
1. ROLLUP과 CUBE의 탄생 배경: 왜 필요했을까?
ROLLUP과 CUBE의 등장은 OLAP(Online Analytical Processing, 온라인 분석 처리) 이라는 개념과 깊은 관련이 있습니다. OLAP은 사용자가 다차원적인 데이터를 다양한 관점에서 빠르고 쉽게 분석할 수 있도록 지원하는 기술입니다. 예를 들어, ‘지역별’, ‘제품별’, ‘시간별’ 매출 데이터를 분석한다고 상상해 봅시다.
사용자는 다음과 같은 다양한 질문을 던질 수 있습니다.
-
각 지역의 총매출은 얼마인가?
-
각 제품 카테고리별 총매출은 얼마인가?
-
특정 지역의 특정 제품 카테고리 매출은 얼마인가?
-
전체 총매출은 얼마인가?
이러한 질문에 답하기 위해 매번 다른 GROUP BY 쿼리를 작성하는 것은 매우 번거롭습니다. ROLLUP과 CUBE는 바로 이런 다차원 분석의 요구를 충족시키기 위해 탄생했습니다. 이들은 하나의 쿼리로 위 질문들에 대한 답, 즉 다양한 수준의 집계 결과를 모두 제공하여 데이터 분석 과정을 획기적으로 단축하고 효율성을 높여줍니다.
비유하자면, ROLLUP과 CUBE는 잘 정리된 보고서를 자동으로 생성해 주는 비서와 같습니다. 단순히 원본 데이터(Raw Data)만 주는 것이 아니라, 각 항목별 소계와 전체 총계까지 보기 좋게 정리해서 한 번에 보여주는 것이죠.
2. 계층적 집계의 전문가: ROLLUP 파헤치기
ROLLUP은 이름에서 알 수 있듯이, 데이터를 ‘말아 올리면서’ 계층적인 소계를 생성하는 데 특화된 기능입니다. GROUP BY ROLLUP(A, B, C)와 같이 사용하면, 오른쪽에서 왼쪽으로 컬럼을 하나씩 제거해가며 각 단계별 소계를 계산하고 마지막에는 전체 총계를 보여줍니다.
ROLLUP의 동작 원리
ROLLUP(A, B, C)는 내부적으로 다음과 같은 GROUP BY 조합을 UNION ALL로 합친 것과 동일하게 동작합니다.
-
GROUP BY A, B, C(가장 상세한 레벨) -
GROUP BY A, B(C를 말아 올림) -
GROUP BY A(B, C를 말아 올림) -
GROUP BY ()(전체 총계)
핵심은 ‘순서’입니다. ROLLUP은 인자로 주어진 컬럼의 순서를 엄격하게 따릅니다. ROLLUP(A, B)와 ROLLUP(B, A)는 완전히 다른 결과를 생성합니다. 이는 마치 ‘국가 > 도시’와 같은 명확한 계층 구조를 가진 데이터를 분석할 때 매우 유용합니다.
ROLLUP 기본 구조 및 사용법
SELECT column1, column2, AGGREGATE_FUNCTION(column3)
FROM table_name
GROUP BY ROLLUP(column1, column2);예시: 지역별, 부서별 매출 집계
sales 테이블에 region(지역), department(부서), amount(매출액) 컬럼이 있다고 가정해 봅시다.
SELECT
region,
department,
SUM(amount) AS total_sales
FROM
sales
GROUP BY
ROLLUP(region, department);이 쿼리의 결과는 다음과 같은 형태로 나타납니다.
| region | department | total_sales | 설명 |
|---|---|---|---|
| 서울 | 영업1팀 | 1500 | (서울, 영업1팀) 집계 |
| 서울 | 영업2팀 | 2000 | (서울, 영업2팀) 집계 |
| 서울 | NULL | 3500 | 서울 지역 소계 |
| 부산 | 영업1팀 | 1200 | (부산, 영업1팀) 집계 |
| 부산 | 영업2팀 | 1800 | (부산, 영업2팀) 집계 |
| 부산 | NULL | 3000 | 부산 지역 소계 |
| NULL | NULL | 6500 | 전체 총계 |
결과 테이블에서 department 컬럼이 NULL인 행은 각 region의 소계를 의미하며, region과 department가 모두 NULL인 행은 전체 총계를 나타냅니다. 이처럼 ROLLUP은 지정된 계층을 따라 자연스럽게 상위 레벨의 집계를 생성합니다.
3. 다차원 분석의 마법사: CUBE 파헤치기
CUBE는 ROLLUP보다 한 단계 더 나아가, 인자로 주어진 컬럼들의 모든 가능한 조합에 대한 소계를 생성합니다. ROLLUP이 계층이라는 한 방향으로만 집계를 생성했다면, CUBE는 마치 큐브(정육면체)의 모든 면을 돌려보듯 다차원적인 관점에서 데이터를 분석합니다.
CUBE의 동작 원리
CUBE(A, B, C)는 내부적으로 다음과 같은 모든 조합의 GROUP BY를 UNION ALL로 합친 것과 동일하게 동작합니다.
-
GROUP BY A, B, C -
GROUP BY A, B -
GROUP BY A, C -
GROUP BY B, C -
GROUP BY A -
GROUP BY B -
GROUP BY C -
GROUP BY ()(전체 총계)
ROLLUP과 달리 ‘순서’가 중요하지 않습니다. CUBE(A, B)와 CUBE(B, A)는 결과의 순서는 다를 수 있지만, 생성되는 집계 조합의 종류는 동일합니다. 인자로 N개의 컬럼이 주어지면, CUBE는 2^N 개의 그룹핑 레벨을 생성합니다.
CUBE 기본 구조 및 사용법
SELECT column1, column2, AGGREGATE_FUNCTION(column3)
FROM table_name
GROUP BY CUBE(column1, column2);예시: 지역별, 부서별 매출 집계 (CUBE Ver.)
앞서 사용한 sales 테이블에 CUBE를 적용해 보겠습니다.
SELECT
region,
department,
SUM(amount) AS total_sales
FROM
sales
GROUP BY
CUBE(region, department);이 쿼리의 결과는 ROLLUP의 결과에 추가적인 집계가 포함됩니다.
| region | department | total_sales | 설명 |
|---|---|---|---|
| 서울 | 영업1팀 | 1500 | (서울, 영업1팀) 집계 |
| 서울 | 영업2팀 | 2000 | (서울, 영업2팀) 집계 |
| 서울 | NULL | 3500 | 서울 지역 소계 |
| 부산 | 영업1팀 | 1200 | (부산, 영업1팀) 집계 |
| 부산 | 영업2팀 | 1800 | (부산, 영업2팀) 집계 |
| 부산 | NULL | 3000 | 부산 지역 소계 |
| NULL | 영업1팀 | 2700 | 영업1팀 전체 소계 (CUBE에만 존재) |
| NULL | 영업2팀 | 3800 | 영업2팀 전체 소계 (CUBE에만 존재) |
| NULL | NULL | 6500 | 전체 총계 |
ROLLUP 결과에서는 볼 수 없었던, region과 무관한 각 department별 전체 소계가 추가된 것을 확인할 수 있습니다. 이처럼 CUBE는 특정 계층에 얽매이지 않고 모든 가능한 조합의 인사이트를 제공합니다.
4. ROLLUP vs CUBE: 한눈에 보는 비교 분석
| 구분 | ROLLUP | CUBE |
|---|---|---|
| 핵심 개념 | 계층적(Hierarchical) 집계 | 조합적(Combinational) 집계 |
| 집계 방식 | 지정된 컬럼 순서를 따라 상위 레벨 소계 생성 | 지정된 컬럼들의 모든 가능한 조합에 대한 소계 생성 |
| 컬럼 순서 | 매우 중요함. 순서에 따라 결과가 달라짐. | 중요하지 않음. 조합의 종류는 동일함. |
| 생성되는 그룹 수 | N개의 컬럼에 대해 N+1개 | N개의 컬럼에 대해 2^N개 |
| 주요 사용 사례 | 국가 > 도시 > 지역과 같은 명확한 계층 구조 데이터 분석 | 교차 분석(Cross-tabulation) 보고서, 다차원 분석 |
| 비유 | 조직도: 사원 → 팀장 → 부서장 → CEO | 회의 참석자 명단: 가능한 모든 소그룹 조합 |
5. 실전 활용 시나리오: 언제 무엇을 써야 할까?
ROLLUP이 빛을 발하는 순간 ✨
ROLLUP은 데이터에 명확한 상하 관계, 즉 계층 구조가 존재할 때 가장 이상적입니다.
-
시간 기반 리포트: 년(Year) > 분기(Quarter) > 월(Month) > 일(Day) 순서로 매출을 집계할 때
-
지역 기반 리포트: 대륙 > 국가 > 도시 순서로 사용자 수를 집계할 때
-
제품 카테고리 리포트: 대분류 > 중분류 > 소분류 순서로 재고를 집계할 때
이러한 경우, ROLLUP(년, 분기, 월)과 같이 계층의 상위 레벨부터 순서대로 인자를 지정하면 매우 직관적이고 유용한 보고서를 손쉽게 만들 수 있습니다.
CUBE가 필요한 순간 🚀
CUBE는 여러 차원(Dimension)을 교차하여 다각도로 분석하고 싶을 때 강력한 힘을 발휘합니다. 특정 계층에 얽매이지 않고 모든 가능성을 탐색해야 할 때 적합합니다.
-
시장 분석: ‘제품’, ‘고객 연령대’, ‘지역’이라는 세 가지 차원을 조합하여 각 조합별 판매량을 분석할 때
-
성과 분석: ‘직원’, ‘프로젝트’, ‘작업 유형’을 조합하여 각 조합별 소요 시간을 분석할 때
-
재무 분석: ‘계정 과목’, ‘부서’, ‘분기’를 조합하여 비용을 다각도로 분석할 때
CUBE(제품, 연령대, 지역)과 같은 쿼리는 “A 제품을 구매한 20대 서울 거주자”부터 “전체 지역의 30대 고객”, “B 제품의 전체 연령대 판매량”까지 모든 조합의 집계를 한 번에 제공하여 숨겨진 인사이트를 발견할 기회를 높여줍니다.
6. 심화 학습: GROUPING 함수로 NULL의 모호성 해결하기
ROLLUP이나 CUBE를 사용하면 소계나 총계를 나타내는 행에 NULL이 표시됩니다. 그런데 만약 원래 데이터 자체에 NULL 값이 포함되어 있다면 어떻게 될까요? 이 둘을 구분할 방법이 필요합니다. 이때 사용하는 것이 바로 GROUPING() 함수입니다.
GROUPING(컬럼명) 함수는 해당 컬럼이 ROLLUP이나 CUBE에 의해 집계되어 NULL이 된 것이면 1을 반환하고, 원래 데이터의 NULL이거나 일반 데이터 행이면 0을 반환합니다.
이를 CASE 문과 함께 사용하면 보고서의 가독성을 크게 향상시킬 수 있습니다.
GROUPING 함수 활용 예시
SELECT
CASE
WHEN GROUPING(region) = 1 THEN '전체 지역'
ELSE region
END AS region_name,
CASE
WHEN GROUPING(department) = 1 THEN '부서 합계'
ELSE department
END AS department_name,
SUM(amount) AS total_sales
FROM
sales
GROUP BY
ROLLUP(region, department);결과:
| region_name | department_name | total_sales |
|---|---|---|
| 서울 | 영업1팀 | 1500 |
| 서울 | 영업2팀 | 2000 |
| 서울 | 부서 합계 | 3500 |
| 부산 | 영업1팀 | 1200 |
| 부산 | 영업2팀 | 1800 |
| 부산 | 부서 합계 | 3000 |
| 전체 지역 | 부서 합계 | 6500 |
이제 NULL 대신 ‘전체 지역’, ‘부서 합계’와 같이 명확한 텍스트가 표시되어 훨씬 이해하기 쉬운 보고서가 완성되었습니다.
핸드북의 6장 내용처럼 ROLLUP이나 CUBE를 사용하면 소계나 총계를 나타내는 행에 NULL 값이 표시되는데요, 이때 원래 데이터에 있던 NULL과 구별하기 어려워지는 문제가 생깁니다.
GROUPING 함수는 바로 이 문제를 해결하기 위해 사용됩니다.
쉽게 말해, “이 NULL 값이 집계(소계/총계) 때문에 생긴 건가요, 아니면 원래 데이터에 있던 건가요?” 라는 질문에 답을 해주는 함수입니다.
동작 방식
-
GROUPING(컬럼명)의 결과가 1이면: 해당NULL은ROLLUP이나CUBE에 의해 만들어진 소계 또는 총계 행이라는 의미입니다. -
GROUPING(컬럼명)의 결과가 0이면: 일반 데이터 행이라는 의미입니다. (원래 데이터가NULL인 경우도 포함)
사용 예시
핸드북의 예시처럼 CASE 문과 함께 사용하면 NULL 대신 훨씬 이해하기 쉬운 텍스트를 넣을 수 있습니다.
SQL
SELECT
CASE
WHEN GROUPING(region) = 1 THEN '전체 지역 합계' -- region이 집계되어 NULL이 되면 1을 반환
ELSE region
END AS region_name,
SUM(amount) AS total_sales
FROM
sales
GROUP BY
ROLLUP(region);이렇게 하면 결과 테이블의 NULL 값이 ‘전체 지역 합계’와 같이 명확하게 표시되어 보고서의 가독성이 크게 향상됩니다.
네, DECODE 함수에 대해 설명해 드릴게요.
DECODE 함수는 SQL에서 IF-THEN-ELSE와 같은 조건부 로직을 구현하는 함수입니다. 특정 값이나 컬럼의 값을 확인해서, 조건에 따라 다른 값을 반환하고 싶을 때 사용합니다. 주로 Oracle 데이터베이스에서 많이 사용됩니다.
기본 구조
DECODE는 짝수 개의 인자(파라미터)를 가질 수 있으며, 기본 구조는 다음과 같습니다.
SQL
DECODE (검사할_값, 조건1, 결과1, 조건2, 결과2, ..., 기본_결과)
-
검사할_값: 비교의 기준이 되는 컬럼이나 값입니다.
-
조건1, 결과1:
검사할_값이조건1과 같으면결과1을 반환합니다. -
조건2, 결과2:
검사할_값이조건2와 같으면결과2를 반환합니다. -
기본_결과: 위에 있는 어떤 조건과도 일치하지 않을 때 반환되는 값입니다. 이 부분은 생략 가능하며, 생략 시 일치하는 조건이 없으면
NULL을 반환합니다.
간단한 사용 예시
직원 테이블(employees)에 성별을 나타내는 gender 컬럼이 ‘M’, ‘F’로 저장되어 있다고 가정해 봅시다. 이를 ‘남성’, ‘여성’으로 바꿔서 보고 싶을 때 DECODE를 사용할 수 있습니다.
SQL
SELECT
emp_name,
DECODE(gender, 'M', '남성', 'F', '여성') AS gender_text
FROM
employees;
동작 방식:
-
gender컬럼의 값을 가져옵니다. -
값이 ‘M’과 같으면 ‘남성’을 반환합니다.
-
값이 ‘F’와 같으면 ‘여성’을 반환합니다.
DECODE와 CASE문의 차이점
DECODE와 비슷한 역할을 하는 것으로 표준 SQL의 CASE문이 있습니다. 둘의 주요 차이점은 다음과 같습니다.
| 구분 | DECODE 함수 | CASE 표현식 |
|---|---|---|
| 표준 | Oracle 전용 함수 | ANSI 표준 SQL (대부분의 DB에서 사용 가능) |
| 기능 | **동등 비교(=)**만 가능 | 동등 비교뿐만 아니라 부등호(>, <) 등 다양한 비교 가능 |
| 가독성 | 조건이 간단할 때는 간결함 | 조건이 복잡해져도 논리 구조를 파악하기 쉬움 |
결론적으로, DECODE는 간단한 값 비교에 편리하지만, 다른 데이터베이스와의 호환성이나 복잡한 조건을 처리해야 할 때는 표준 SQL인 CASE문을 사용하는 것이 더 좋습니다.
네, GROUPING SETS 함수에 대해 설명해 드릴게요. ROLLUP과 CUBE가 정해진 규칙(계층, 모든 조합)에 따라 소계를 만드는 반면, GROUPING SETS는 사용자가 원하는 그룹 조합을 직접 지정해서 소계를 만들 수 있는 가장 유연하고 강력한 기능입니다.
비유하자면,
-
ROLLUP: 정해진 코스 요리 (A → A,B → A,B,C) -
CUBE: 모든 메뉴를 다 맛보는 뷔페 (A, B, C, AB, AC, BC, ABC…) -
GROUPING SETS: 원하는 메뉴만 골라 주문하는 ‘단품(à la carte)’ 요리
GROUPING SETS의 핵심: 원하는 대로 조합하기
GROUPING SETS의 가장 큰 장점은 필요한 집계만 정확히 골라서 볼 수 있다는 점입니다. ROLLUP이나 CUBE가 불필요한 소계까지 모두 보여주는 것과 달리, GROUPING SETS는 원하는 조합만 명시하면 됩니다.
기본 구조 및 사용법
괄호 () 안에 원하는 그룹 조합을 쉼표(,)로 구분하여 나열합니다.
SQL
SELECT region, department, SUM(amount)
FROM sales
GROUP BY GROUPING SETS (
(region, department), -- 1. 지역별 & 부서별 집계
(region), -- 2. 지역별 소계
() -- 3. 전체 총계
);-
위 예시는
GROUP BY ROLLUP(region, department)와 동일한 결과를 보여줍니다. -
하지만
GROUPING SETS를 사용하면ROLLUP이나CUBE로는 불가능한 조합을 만들 수 있습니다.
실전 활용 예시
‘지역별 소계’와 ‘부서별 소계’는 보고 싶지만, ‘지역+부서’의 상세 집계나 ‘전체 총계’는 필요 없다고 가정해 봅시다. GROUPING SETS를 사용하면 이 요구사항을 완벽하게 만족시킬 수 있습니다.
SQL
SELECT region, department, SUM(amount)
FROM sales
GROUP BY GROUPING SETS (
(region), -- 지역별 소계만!
(department) -- 부서별 소계만!
);
결과 예시:
| region | department | SUM(amount) |
|---|---|---|
| 서울 | NULL | 3500 |
| 부산 | NULL | 3000 |
| NULL | 영업1팀 | 2700 |
| NULL | 영업2팀 | 3800 |
이처럼 GROUPING SETS는 분석에 필요한 특정 관점의 집계 결과만 효율적으로 추출하고 싶을 때 사용하는 최고의 도구입니다.
7. 결론: 데이터를 요리하는 현명한 셰프가 되기 위한 비법
지금까지 우리는 데이터 분석의 효율을 극적으로 높여주는 ROLLUP과 CUBE에 대해 깊이 있게 탐험했습니다.
-
**
ROLLUP**은 계층 구조를 따라 차근차근 보고서를 쌓아 올리는 성실한 분석가와 같습니다. 명확한 상하 관계가 있는 데이터를 분석할 때 최고의 선택입니다. -
**
CUBE**는 모든 가능성을 탐색하며 데이터의 숨겨진 얼굴을 찾아내는 창의적인 탐험가와 같습니다. 여러 차원을 교차하여 다각적인 인사이트를 얻고 싶을 때 강력한 힘을 발휘합니다.
이 두 가지 강력한 도구를 언제 어떻게 사용해야 할지 이해하는 것은, 마치 셰프가 요리에 맞는 최고의 칼을 선택하는 것과 같습니다. 데이터의 특성과 분석의 목적을 명확히 이해하고 ROLLUP과 CUBE를 적재적소에 활용한다면, 여러분은 복잡한 데이터 속에서 가치 있는 인사이트를 빠르고 정확하게 찾아내는 ‘데이터 셰프’가 될 수 있을 것입니다.
단순히 데이터를 나열하는 것을 넘어, 소계와 총계를 통해 이야기의 흐름을 만들고, 다차원 분석으로 새로운 관점을 제시해 보세요. ROLLUP과 CUBE는 여러분의 데이터 분석 여정에 든든한 동반자가 되어줄 것입니다.