시계열 데이터(Time Series Data)는 시간 순서대로 기록된 관측값의 연속으로, 값의 순서와 간격 자체가 의미를 갖는 데이터입니다. 각 레코드는 타임스탬프와 하나 이상의 값을 짝지어 담습니다. 시간별 전력 사용량, 일별 거래 합계, 몇 초 간격으로 수집되는 센서 측정값이 대표적입니다.
순서 자체가 정보이기 때문에 시계열 데이터는 독립된 행으로 이루어진 테이블형 데이터와 다르게 다뤄야 합니다. 모델은 추세, 계절성, 결측 구간에 의존하므로 행이 섞이거나 구간이 비면 결과가 조용히 틀어질 수 있습니다. 대표 활용은 예측, 이상 탐지, 패턴 마이닝입니다.
엔터프라이즈 AI에서 시계열은 테이블형, 텍스트와 함께 AI-ready 전환 수요가 가장 많은 세 가지 데이터 유형 중 하나입니다. 준비 과정은 보통 결측 구간 보완, 샘플링 주기 정렬, 그리고 각 실행이 어느 기간의 데이터를 썼는지 기록하는 일로 이루어집니다.
관련 용어: Tabular Data · Data Drift · Anomaly Detection · Data Reproducibility