50 lines
3.3 KiB
Markdown
50 lines
3.3 KiB
Markdown
# 📊 Project Master Sabermetrics 분석 엔진 리포트
|
|
|
|
## 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.
|
|
|
|
---
|
|
|
|
## 2. P-SOI 산출 로직 (The Formula)
|
|
|
|
### 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.
|
|
|
|
### 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.
|
|
|
|
### 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.
|
|
|
|
### 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.
|
|
|
|
---
|
|
|
|
## 3. 전략적 분석 도구 (Visualization)
|
|
|
|
### 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)**
|
|
|
|
### 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.
|
|
|
|
---
|
|
|
|
## 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.
|