feat: 세이버메트릭스 기반 프로젝트 자산 가치 분석 시스템 고도화 (AVI/VCI 도입)

- analysis_service.py: AVI 및 VCI(자산 기여도) 산출 로직 구현
- prediction_service.py: 정체 프로젝트 AI 예보 최적화
- js/analysis.js: 전략 매트릭스 및 VCI 등급 시스템 시각화
- templates/analysis.html: UI 용어 최신화 및 스타일 통합
- ANALYSIS_REPORT.md: 분석 지표 공식 및 가이드라인 상세 기술

ANALYSIS_REPORT.md

@@ -1,49 +1,76 @@
-# 📊 Project Master Sabermetrics 분석 엔진 리포트
+# 📊 시스템 운영 자산 가치 분석 보고서 (Sabermetrics Edition)
 
-## 1. 개요 (Vision)
-본 시스템은 방대한 프로젝트 운영 데이터(파일 수, 활동 로그, 조직 정보)를 기반으로 **AI 기반 프로젝트 건강도(P-SOI)**를 산출합니다. 단순히 "살아있는가"를 넘어, "실무적으로 가치 있게 관리되고 있는가"를 정밀 진단하는 것이 목적입니다.
+본 보고서는 야구의 통계 분석 기법인 **세이버메트릭스(Sabermetrics)**를 프로젝트 관리 시스템에 이식하여, 단순 활동량 측정을 넘어 **'실질적 자산 가치'**와 **'미래 운영 위험'**을 정밀 분석한 결과입니다.
 
 ---
 
-## 2. P-SOI 산출 로직 (The Formula)
+## 1. 핵심 분석 지표 정의 (Core Metrics)
 
-### 2.1 기초 모델: 지수 감쇄 (Exponential Decay)
-프로젝트 정보의 가치는 관리 활동이 멈춘 시점부터 시간이 흐를수록 급격히 하락합니다.
-- **수식**: $SOI = 100 \times e^{-\lambda t}$
-- **의미**: 14일 방치 시 가치가 약 50% 소실되는 현장 현실을 반영합니다.
+### 1.1 운영 활력 지수 (AVI, Activity Vitality Index)
+프로젝트가 현재 얼마나 '살아서 숨 쉬고 있는가'를 나타내는 생존 지수입니다.
 
-### 2.2 고도화 1: AAS (AI-Hazard Adaptive SOI)
-프로젝트의 중요도와 주변 환경에 따라 하락 곡선의 기울기를 동적으로 조정합니다.
-- **자산 규모 영향**: 파일 수가 많을수록 관리 부재 리스크가 크므로 AI가 하락 속도를 가속시킵니다.
-- **조직 위험 전염**: 소속 부서나 담당자의 전체 SOI가 낮을 경우, 시스템적 붕괴 리스크 가중치를 부여합니다.
+*   **산출 공식**: $AVI = exp(-\lambda \times days) \times Quality \times 100$
+*   **핵심 데이터**:
+    *   **정체 일수(days)**: 마지막 유의미한 파일 업데이트 이후 경과 시간.
+    *   **감쇄 계수($\lambda$)**: 자산 규모(파일 수)가 클수록, 소속 부서의 방치율이 높을수록 커지며 점수를 더 빠르게 하락시킵니다.
+    *   **활동 품질(Quality)**: 단순 시스템 로그(단순 접속, 설정 변경)는 낮게 평가하고, 실질적인 파일 증분 활동에 가점을 부여합니다.
+*   **의미**: 100%에 가까울수록 실시간 가동 상태이며, 0%에 가까울수록 데이터 노후화가 완료된 '사망' 상태를 뜻합니다.
 
-### 2.3 고도화 2: ECV (Existence-Conditioned Vitality)
-'빈 껍데기' 활동을 걸러내는 존재론적 패널티입니다.
-- **유령 프로젝트**: 파일 수가 0개인 경우, 최근 로그와 관계없이 SOI 점수를 **5% 미만**으로 강제 고정합니다.
-- **신뢰 보정**: 파일 10개 미만의 소규모 프로젝트는 활동 신뢰도를 40% 수준으로 제한합니다.
+### 1.2 자산 가치 기여도 (VCI, Value Contribution Index)
+시스템 전체의 운영 표준 대비, 해당 프로젝트가 기여하고 있는 가치의 상대적 하중을 측정합니다.
 
-### 2.4 고도화 3: 로그 품질 및 실무 투입 분석
-- **Log Quality**: 로그 텍스트를 분석하여 [실무 활동(1.0), 관리 활동(0.7), 행정 활동(0.4)] 가중치를 부여합니다.
-- **Work Effort**: 최근 30개 히스토리 중 실제 **파일 증감**이 발생한 날의 비율을 계산하여 실질 공수 투입률을 산출합니다.
+*   **산출 공식**: $VCI = (AVI - 70.0) \times (\frac{Files}{200} + 0.5)$
+*   **핵심 로직**:
+    *   **건강 기준선(70.0%)**: 시스템 자산 가치를 유지하기 위한 최소 마지노선(Replacement Level)입니다.
+    *   **규모 가중치**: 파일 수가 많은 대형 프로젝트일수록 동일한 방치 상황에서 시스템에 주는 충격(음수값)이 기하급수적으로 커집니다.
+*   **의미**: 양수(+)는 가치 창출, 음수(-)는 시스템 기회비용을 갉아먹는 '가치 파괴' 상태임을 나타냅니다.
+
+### 1.3 업무 집중도 (Job Focus)
+단순 관리 행위를 제외하고, 실제 성과물(파일)을 생산하는 데 얼마나 몰입했는지를 판별합니다.
+
+*   **산출 공식**: $Job Focus = \frac{\text{최근 30회 중 실질 파일 변동 발생 횟수}}{\text{전체 데이터 수집 횟수}} \times 100$
+*   **의미**: 로그만 남기는 '보여주기식 활동'을 필터링하여 운영의 진정성을 확인합니다.
 
 ---
 
-## 3. 전략적 분석 도구 (Visualization)
+## 2. 등급 체계 및 관리 가이드 (Grade System)
 
-### 3.1 프로젝트 SWOT 매트릭스
-X축(자산 규모)과 Y축(활동성)을 결합하여 4가지 국면으로 프로젝트를 진단합니다.
-1. **핵심 우량 (Strategic)**: 대규모 핵심 자산이며 활발히 관리 중.
-2. **활동 양호 (Agile)**: 규모는 작으나 매우 탄력적으로 업데이트 중.
-3. **방치/소규모**: 중요도가 낮고 방치된 상태.
-4. **관리 사각지대 (Critical Risk)**: **자산 규모는 크나 장기 방치됨 (최우선 관리 대상)**
+### 2.1 VCI 등급 (프로젝트 위상)
+| 등급 (Grade) | 점수 기준 | 운영 의미 및 관리 전략 |
+| :--- | :--- | :--- |
+| **Masterpiece** | +10.0 이상 | **핵심 자산 (MVP)**: 시스템 가치를 견인하는 최우량 프로젝트 |
+| **Blue Chip** | +2.0 ~ +10.0 | **우량 자산 (주전)**: 꾸준한 활력으로 가치를 창출하는 핵심군 |
+| **Steady** | -2.0 ~ +2.0 | **현상 유지 (보결)**: 표준 수준의 운영을 유지 중인 안정군 |
+| **Underperform** | -10.0 ~ -2.0 | **저성과 (마이너)**: 규모 대비 활력이 부족하여 리소스 투입 필요 |
+| **Liability** | -10.0 이하 | **가치 파괴 (방출)**: 시스템 가치를 훼손 중인 좀비 프로젝트. 타절 검토 시급 |
 
-### 3.2 AI 진단 아코디언 리포트
-사용자가 지수 산출 결과에 납득할 수 있도록, 개별 프로젝트 행 클릭 시 **4단계 AI 추론 과정**을 실시간 리포트로 제공합니다.
+### 2.2 상태 예보 (AI Forecast)
+최근 활동의 **가속도(Acceleration)**와 **관성(Momentum)**을 AI가 분석한 14일 뒤 전망입니다.
+
+*   **성장 가속 (Bullish)**: 활동 에너지가 증가 추세이며 가치가 오를 전망.
+*   **안정 유지 (Neutral)**: 현재의 안정적인 운영 리듬을 지속할 전망.
+*   **활력 저하 (Bearish)**: 정체 징후 포착. 단기 내 가동률 하락 예상.
+*   **중단 위기 (Warning)**: 급격한 활동 저하로 인한 자산 소멸 위험 노출.
 
 ---
 
-## 4. 향후 딥러닝 로드맵 (Evolution)
-데이터가 누적됨에 따라 다음과 같은 자가 학습형 엔진으로 진화합니다.
-- **LSTM 기반 리듬 학습**: 각 프로젝트의 고유한 업데이트 주기와 패턴(Life Rhythm)을 인코딩하여 맞춤형 예보 수행.
-- **NLP 임베딩**: 단순 키워드를 넘어 로그 텍스트의 맥락적 의미를 딥러닝이 스스로 학습하여 가중치 자동 산정.
-- **병목 예측 AI**: 특정 담당자나 부서의 업무 과부하 패턴을 학습하여 집단 방치 위험을 선제적으로 예보.
+## 3. 데이터 분석 프로세스 (Analysis Process)
+
+1.  **데이터 수집**: `projects_history` 테이블로부터 일별 파일 수 및 로그 텍스트를 추출합니다.
+2.  **피처 추출**: 
+    *   **Velocity**: 파일 수의 변화 속도 계산.
+    *   **Acceleration**: 활동의 가속/감속 여부 판별.
+    *   **Stagnation**: 마지막 활동 이후의 공백 기간 측정.
+3.  **AI 시뮬레이션**: 추출된 피처를 AAS(AI 위험 적응형 모델)에 입력하여 개별 프로젝트만의 **'위험 곡선'**을 생성합니다.
+4.  **최종 판정**: AVI와 VCI를 결합하여 리더보드에 등급과 관리 가이드라인을 송출합니다.
+
+---
+
+## 4. 관리자 제언 (Action Plan)
+
+*   **VCI 음수 프로젝트 집중 관리**: 단순 활동량이 아닌 VCI가 낮은 대형 프로젝트부터 우선적으로 인력을 배치하거나 운영 정책을 재점검해야 합니다.
+*   **AI Forecast 활용**: '활력 저하' 예보가 뜬 프로젝트는 실제 AVI가 급락하기 전 선제적인 조치(업무 독려, 파일 현행화)를 취할 수 있습니다.
+*   **파일 수와 활력의 균형**: 파일 수가 많은데 활력(AVI)이 낮은 경우, 시스템 전체의 데이터 무결성을 해칠 수 있으므로 데이터 클렌징이나 아카이빙을 권고합니다.
+
+---
+*본 분석 엔진은 Project Master Sabermetrics 알고리즘에 의해 자동 생성되었습니다.*