사자가될겁니다

너무나도 준비하기 어려운 AI 역량검사..

크앙크아앙 — Tue, 7 Apr 2026 18:38:20 +0900

이번에 CJ 올리브 네트웍스에 지원을 하면서 역량검사를 준비하게 되었습니다.
역량검사는 총 4개의 인성검사와 9개의 역량 검사 게임, 그리고 AI 모의 면접 두 문제로 구성되어 있었습니다.

그중 가장 준비하기 어려웠던 것은 다름 아닌 역량검사 게임이었습니다.

잡다에서 연습을 할 수 있었지만 무료검사는 월 5회로 제한이 있고, 한 번 실시할때 인성검사부터 면접까지 전과정을 해야지 결과가 나오기 때문에 연습하고 싶은 게임을 중점적으로 연습하는데 어려움이 있었습니다...ㅠㅠ

그래서 이참에 Google AI Studio를 활용하여 직접 게임을 만들어서 연습을 해보자 라고 마음 먹었고,

게임을 제작하게 되었습니다!!

역량검사 하기 막막했던 분들은 한 번 게임 해보면서 연습해보세요!

직접 만든 게임은 N-Back, 가위바위보, 마법약 만들기, 길 만들기, 더 많은 단어 고르기 총 다섯가지 입니다.

[N-back 연습게임]

https://ai.studio/apps/9bdeb85a-6838-4148-948e-2339745571e6?fullscreenApplet=true

[게임 규칙]

N번째 전에 나온 도형을 외워서 [<-], [__] , [->] 세 번튼중 맞는 것을 누르기

Easy mode: 위에 3번째 전까지 도형이 나옵니다

Normal mode: 2번째 전 도형만 기억하면 됩니다

Hard mode: 3번째 전 도형까지 기억해야합니다.

[가위,바위,보 연습게임]

https://ai.studio/apps/b6bb8eb1-c412-4c6b-afae-13ac49204cd3

[게임 규칙]

'나'가 항상 이기도록 [<-], [__] , [->] 세 번튼을 이용하여 패를 내면 됩니다

Stage1: 상대의 패가 나옵니다. 항상 이길수 있는 패를 내세요.

Stage2: '나'의 패가 나옵니다. '나'의 패가 이길수 있도록 상대의 패를 내세요.

Stage3: '나'와 상대의 패가 번갈아가며 나옵니다. 항상 '나'가 이길수 있도록 패를 생각하여 내세요.

[마법약 만들기 연습게임]

https://ai.studio/apps/83d3e2c7-4bd3-406f-a411-23379d4e2ce7

[게임 규칙]

조합의 규칙을 외워서 빨간약과 파란약중 나올 확률이 더 높은 약을 고르세요

총 100문제가 출제됩니다.

각각의 조합은 빨간약과 파란약이 나올 확률이 임의로 정해집니다.

따라서 처음에 조합이 빨간약이 나왔다고 해서 이후에도 무조건 빨간색이 나오는 것은 아닙니다.

문제를 풀면서 조합의 빨간약과 파란약이 나올 확률을 추론하여 문제를 풀도록합니다

Easy mode: 빨간약과 파란약이 고정되어 나옵니다. (한 번 빨간약이 나오면 끝날때 까지 빨간약이 나옴)

Normal mode: 빨간약과 파란약이 고정되지 않습니다. 더 높은 확률이 나올 것으로 예상되는 색을 눌러야합니다.

[길 만들기 연습게임]

https://ai.studio/apps/4454416c-01c9-4911-95d2-2a33eaaf2204

[게임 규칙]

사각형에서 시작한 선이 파란색으로 갈수 있는 길을 만드세요.

울타리를 만나면 선은 90도로 꺽입니다.

최소 울타리 수를 넘어가면 안됩니다.

[단어수 세기 연습게임]

양쪽에 나오는 단어중 더 많아 보이는 단어를 선택하는 게임입니다.

저는 개인적으로 단어수 세는 게임이 제일 어렵더라구요...

취준생 여러분 모두 함께 화이팅해요!:)

Gemini 3.0과 Antigravity

크앙크아앙 — Tue, 2 Dec 2025 17:43:29 +0900

얼마전에 Gemini3.0과 함께 Antigravity라는 지능형 에이전트 기반 통합 개발환경이 출시되었습니다. 이번글은 비개발자(개발에 대해 문외한)의 입장에서 사용해본 Gemini3.0과 Antigravity의 후기입니다.

1. Gemini3.0과 ChatGPT 비교

우선은 이번에 새로 나온 Gemini3.0과 ChatGPT의 AI에 대한 비교를 먼저 작성하도록 하겠습니다. 두개 모두 매우 좋은 AI임은 틀림 없습니다. 다만 두개의 가장 큰 차이점은 제가 느끼기에 정보를 제공하는 '레이아웃'과 정보를 불러오는 '기간'에 차이가 있는 것 같습니다.

[작성한 프롬프트]
당신은 IMF소속 환율 전문가입니다. 지금부터 당신의 견해를 작성해주세요. 최근 한국의 원달러 환율이 1470원을 돌파했고 2025년 연평균 환율 또한 1400원 중반을 기록하고 있습니다. 위와 같은 고환율을 기록하는 이유와 이로 인한 발생 가능한 문제, 해결방법 등에 대한 이유를 서술해주세요.

우선은 정보를 제공하는 레이아웃의 차이입니다.


Gemini3.0	ChatGPT

Gemini3.0은 ChatGPT와 달리 각 문단 혹은 자신이 주장하는 내용 바로 밑에 위 내용의 근거가 어디서 왔는지 해당 링크를 제공해줍니다. ChatGPT 또한 글의 근거가 되는 자료의 출처를 제공하지만 빈도의 차이가 존재합니다. 이러한 차이로 인하여 Gemini가 ChatGPT보다 글을 읽다가 내용의 출처가 어디인지를 찾는 것이 용이합니다.

뿐만 아니라 하나의 문단 내에서 근거가 되는 자료가 복수개라면 각각의 자료가 어느 내용을 뒷받침하는지를 뱃지 형태로 알려주기 때문에 추후에 내용에 대한 인용들을 하기에 용이해집니다.

두번째는 출처가 되는 정보의 기간입니다. 우선은 ChatGPT의 답변중 일부를 보여드리겠습니다.

전체 경상수지 흑자폭은 크지 않아 환율을 부추길 만한 공급 우위 요인이 제한적입니다.

2025년 4월에 위와 같은 답변을 했다면 맞는 말입니다. 하지만, 12월 2일인 질문을 한 시점에서 경상수지 흑자는 사상 최대치이기 때문에 틀린 말이 됩니다. ChatGPT의 답변을 보면 위의 사례와 같이 일부 맥락은 현재를 대변하지만, 일부 맥락은 과거의 내용을 작성하는 모습을 보입니다. 그렇기 때문에 코딩, 수학, 과학, 자기소개서, 면접 등 시간이 지나도 변하지 않는 내용에 대해선 답변을 훌륭하게 작성하지만, 실시간 내용을 반영해야하는 답변에 대해서는 100%신뢰하기 어려운 답변을 제공합니다.

Gemini3.0의 경우 이 부분의 보완이 강해진듯한 모습을 보입니다. 뿐만 아니라 앞서 말했든 보다 좁은 범위의 내용에 대한 출처 제공과 크로스체킹을 통한 인용할 정보와 인용하지 말아야 할 정보에 대한 검증 등을 통해 보다 일관된 정보를 제공해주는 경향이 있는듯 합니다.

[작성중 알게된 사실]
Gemini와 ChatGPT의 정보의 학습 방식이 다르다는 사실을 이번 글을 작성하면서 알게 되었습니다. ChatGPT의 경우 기존까지의 데이터를 학습하여 이를 제공하는 방식입니다. 하지만 이와 달리 Gemini는 ChatGPT의 학습방식 + 실시간 탐색을 통하여 데이터를 학습 및 제공합니다.

ChatGPT - 지금까지 학습한 데이터를 기반으로 정보 제공.
- 학습시기와 질문시기 사이의 공백에 의한 정보 제공의 오차 발생
- 도서관에서 공부를 완벽히한 학생

Gemini - 지금까지 학습한 데이터 + 정보의 실시간 탐색을 통한 정보 제공
- 학습시기와 질문시기 사이의 공백이 없어 정보 제공 오차가 없음
- 도서관에서 공부를 완벽히한 학생이 스마트폰을 가지고있음

2. Gemini3.0 Antigrvity를 통한 코딩

다시 한번 언급하지만 저는 개발에 대해 거의 문외한입니다. 때문에 구체적으로 어느 성능이 좋아졌다를 말하진 못하지만 ChatGPT를 이용하여 코딩을 진행했을때와 Gemini3.0의 Antigravity를 이용했을때 코딩의 결과물에 대해 주관적인 평가를 적어보도록 하겠습니다.

우선은 기존에 사용하던 ChatGPT의 코딩에 관련한 내용입니다. Gemini3.0 Antigravity와 ChatGPT의 가장 큰 차이는 Antigravity는 개발환경인 반면 ChatGPT는 AI인 점입니다. 이러한 차이로 인해 ChatGPT또한 코드를 생성해주지만 실질적으로 파일을 생성하진 않는다는 점이 있습니다. ChatGPT를 통해 원하는 서비스의 프롬프트를 입력후 '만들어줘'라는 명령을 했을때 ChatGPT의 경우 파일의 구조가 어떻게 이뤄져야하는지와 각 파일 내부에 들어가야할 문서 및 코드를 작성해주지만 실제로 파일을 생성해주진 않습니다. 유저 본인이 ChatGPT가 작성한 코드를 토대로 파일을 생성하고 각 파일의 구조 또한 생성을 해야합니다.

또한 작성해준 코드의 실행과 오류의 분석을 유저 본인이 직접 수행해야합니다. 직접 터미널을 열고 직접 파이썬 실행 명령어를 입력하고, 문제가 발생했을시 해당 문제를 복사하거나 스크린샷을 찍어서 이런 문제가 발생했는데 어떻게 해결해야하는지를 묻고, 답해준 내용을 기반으로 유저가 직접 코드를 수정해야합니다. 이런 개발 환경은 개발을 알고 있는 사람이라면 유용하게 사용하겠지만 저처럼 개발을 잘 모르는 사람의 입장에선 아직까지 진입장벽이 높은건 어쩔수 없었습니다.

하지만 Antigravity의 경우 사용성에 있어서 월등한 편리성을 느꼈습니다. 코드의 작성부터 파일의 생성, 코드의 실행과 오류 분석 해결. 개발에 있어서 제가 알고있는 거의 전과정을 직접 수행할수 있었습니다. 특히 제가 편의성을 느낀 부분은 오류의 해결입니다. 주변 개발자로부터 개발은 사실상 오류와의 전쟁이라는 말을 듣곤합니다. 그런점에서 ChatGPT는 오류가 발생하면 스크린샷을 찍어서 오류 해결해줘라고 명령하고 받은 결과를 다시 작성하고의 반복이라면, Antigravity는 직접 브라우저를 열어 코드를 실행하고, 브라우저를 모니터링 하면서 발견한 오류를 체크하며 이를 개선하는 모습까지 보여줬습니다.

브라우저 모니터링

3. Antigravity를 통한 결과물

가장 큰 차이를 보여준 것은 코딩의 결과물입니다. 저는 보통 원하는 서비스를 글로 작성하고 이를 AI를 활용하여 프롬프트로 변환, 변환한 프롬프트를 피그마 AI에 입력하여 프로토타입 제작, 프로토타입 링크를 복사하여 AI를 통해 제작의 과정을 통해 원하는 서비스를 제작(아직 풀시는 한 번도 안해봄)하고 있습니다.

주관적인 느낌으로 ChatGPT를 통한 코딩 결과물이 피그마의 디자인을 20% 반영하고 원하는 기술 구현을 50%정도 한다면 이번 Antigrvity를 통한 결과물은 피그마의 디자인을 80% 반영하고 원하는 기술 구현을 70%가량 한다고 느꼈습니다. 기술 구현에 있어서 30%의 부족한 점은 아무래도 인간이 당연하다고 생각하는 것과 컴퓨터가 지시 받은 명령 사이의 갭 차이라고 생각합니다.

[갭차이를 느낀 부분]
갭차이를 느낀 부분에 대해 설명하자면 저는 다운로드를 해서 리스트에 있는 파일을 클릭하면 당연히 위 이미지의 Reference부분에 이미지가 노출이 될줄 알아 이부분에 대해 명령을 하지 않았지만, Antigravity의 경우 실제로 명령한 '다운로드를 실행하면 파일에 다운로드한 파일을 위치시켜줘'라는 명령 까지만 실행하고 그 다음 당연하다고 생각한 파일을 다시 클릭시 노출시키는 과정은 수행하지 않았다는 점에서 이러한 갭차이를 느꼈습니다.

그럼에도 불구하고 입력한 명령에 대해서는 거의 완벽히 수행한다는 점, 원하는 디자인의 구현을 거의 완벽하게 해낸다는점 등에서 기존의 AI를 활용한 코딩보다 접근성이 향상되었다는 것을 부정할 수는 없을 것 같습니다.


피그마로 만든 디자인 결과물	Antigravity가 제작해준 인터페이스

해가 지날수록 AI가 발전하는 것을 몸소 체감하면서 점차 확고해진 생각은 앞으로는 기술보다는 아이디어의 중요성이 더욱 부각될 것이라는 점입니다. 기존에는 아이디어가 좋더라도 이를 구현할 기술이 없다면 그 아이디어를 세상에 공개하기 매우 어려웠습니다. 하지만, AI의 발전으로 인해 더이상 아이디어의 구현에 있어서 기술의 숙련도가 얼마나있는지는 별로 중요치 않게 되어가고있다 생각합니다. 어떤 문제를 발견했고, 이 문제를 어떻게 해결할지에 대한 구체적이고 좋은 아이디어만 있다면 누구나 좋은 서비스를 만들 수 있는 세상이 조만간 올 것이라는 의견을 마지막으로 이번 글은 마치겠습니다.

네이버 웹툰의 새로운 서비스 'Cuts'

크앙크아앙 — Mon, 15 Sep 2025 18:05:32 +0900

이번 글에서는 네이버 웹툰의 새로운 시도인 'Cuts'에 대해 이야기 해보고자 합니다. 네이버 웹툰의 새로운 서비스인 'Cuts'의 경우 기존의 세로 방향의 스크롤을 통해 소비하던 웹툰 콘텐츠를 동적인 방식인 동영상을 통해 콘텐츠로 제공하는 새로운 방법입니다. 이러한 새로운 방식의 콘텐츠를 제공하는 주된 이유는 틱톡, 릴스, 숏츠 등과 같은 숏폼 플랫폼의 성공과 짧은 길이의 영상을 선호하는 트랜드로 인한 결과라고 생각됩니다.

컷츠_콘텐츠

컷츠에 들어가 콘텐츠를 살펴보면 웹툰 추천, 컨텐츠 두가지로 분류됩니다.

첫번째 주요 콘텐츠인 웹툰 추천의 경우 당장 어떤 콘텐츠를 소비할지 명확하지 않은 유저에게 새로운 콘텐츠를 권유함으로 유저의 콘텐츠 소비를 늘릴수 있습니다. 두번째 '컷츠' 콘텐츠의 경우 유저에게 새로운 방식의 콘텐츠를 제공하여 네이버웹툰의 영역을 넓힐수 있는 수단으로 보입니다.

Cuts의 UX 편리한가?

그렇다면 새로운 컨텐츠인 Cuts의 사용성이 편리한가에 대해 저의 생각을 작성해보도록 하겠습니다. 우선 컷츠의 경우 랜덤으로 콘텐츠가 노출되기 때문에 새롭게 접하는 사람의 입장에서 다양한 콘텐츠를 발견할 기회를 준다는 점에서는 좋다고 생각했습니다. 하지만, 해당 콘텐츠를 지속적으로 소비하기엔 다소 불편함이 있었습니다.

현재의 컷츠 UI를 살펴보면 우측 하단에 있는 목록을 통해 지금까지 업로드된 콘텐츠의 정주행은 가능하지만 해당 콘텐츠를 모두 소비했을 경우 새로운 회차를 소비하기엔 다소 불편함이 있었습니다.

컷츠_소비

지속적인 소비가 어려운 현재의 네이버 웹툰 컷츠의 UI는 지속적인 콘텐츠를 소비하고 생산하는 과정에 있어서 어려움이 있을 것이라 생각합니다. 뿐만 아니라 주간 연재작을 감상하기 위해 매일같이 사용하는 유저가 있는 네이버 웹툰 플랫폼의 장점을 잘 활용하지 못한 UI라고 생각합니다. 이를 개선하기 위해 다음과 같은 UX를 제안합니다.

메인화면에 추가된 컷츠콘텐츠

네이버 웹툰의 장점은 사용자의 지속적인 사용이라고 생각합니다. 실제로 타 유사 서비스들과 비교했을때 한 번 접속했을때 사용하는 시간은 네이버 웹툰이 짧았지만 접속 주기는 타 서비스에 비교하여 높은 것을 확인 할 수 있습니다. 이러한 수치를 볼 때 네이버 웹툰의 유저들은 정주행이 아닌 지속적인 방문을 통해 콘텐츠를 소비한 다는 것을 유추할 수 있습니다.

네이버 웹툰의 새로운 콘텐츠인 Cuts 또한 이러한 사용패턴을 바탕으로 UX의 개선이 필요하다 생각합니다. 그렇게이 저는 네이버 웹툰의 메인 페이지에 인스타그램의 '스토리' 형태의 UI로 유저들이 '관심'을 표시한 '컷츠' 콘텐츠를 메인에 위치시켜 접속한 유저들로 하여금 새롭게 업데이트된 콘텐츠를 별도로 찾을 필요 없이 향유 가능하도록 제안합니다.

위와 같은 UI를 통해 유저들은 주간 연재 작품을 감상하기위해 들어오면서 자연스럽게 컷츠 콘텐츠를 팔로우 가능 할 것이라고 생각합니다.

네이버웹툰 ERD

크앙크아앙 — Mon, 15 Sep 2025 15:52:54 +0900

이번 글에는 지난번에 훑어본 서비스인 네이버웹툰의 ERD를 작성해보았습니다.

네이버웹툰의 ERD

네이버 웹툰의 서비스를 사용하다보면 크게 세명의 구성축으로 이루어진 서비스인 것을 확인할 수 있습니다. 각각의 구성축은 컨텐츠의 생산자인 작가, 컨텐츠의 소비자인 유저, 플랫폼의 유지를 가능하게하는 광고사(쿠키_제공사)로 이루어져 있으며 위 ERD는 각각의 구성축의 활동을 바탕으로 제작했습니다.

네이버 웹툰의 화면 기능 정리

크앙크아앙 — Thu, 4 Sep 2025 17:03:29 +0900

오늘은 많이 사용되는 서비스의 화면별 기능을 뜯어서 정리한 내용을 업로드하고자합니다.

우선 제가 이번에 선정한 서비스는 '네이버 웹툰'입니다. 네이버 웹툰은 제가 처음 스마트폰을 사용하기 시작한 중학교 2학년 시절부터 지금까지 쭉 제 핸드폰에 설치되어있는 앱중 하나인만큼 제가 굉장히 즐겨 사용하는 서비스인데 이번 기회를 통해 네이버 웹툰을 보다 면밀하게 살펴보았습니다.

네이버 웹툰의 서비스 진입과 전체 서비스

우선은 서비스의 진입부터 전체 기능까지 전반적으로 살펴보았습니다.

네이버 웹툰앱을 처음 실행하게 되면 서비스에서 현재 진행중인 이벤트 혹은 광고하고 싶은 내용을 포함하는 런치스크린을 2-3초간 맞이하고 서비스에 진입하게됩니다. 이때 유사한 서비스들과는 다르게 로그인을 강요하지 않는점과 메인 페이지에 무료 컨텐츠를 내세운다는 점이 가장 큰 특징입니다.

네이버 웹툰의 런치스크린과 메인페이지

이러한 방식을 선택한 가장 큰 이유는 네이버 웹툰의 정체성에 있다고 생각합니다. 네이버 웹툰은 어플로 출시 이전부터 네이버 브라우저에서부터 이미 존재하고 유저들이 있던 무료 서비스입니다. 당시의 유저들은 별도의 로그인 없이 네이버의 브라우저에서 웹툰을 소비했기 때문에 그 유저들을 그대로 흡수하기 위한 전략으로 네이버 웹툰 또한 런치스크린에 로그인이 없다고 생각합니다.

또한 불법 웹툰 사이트가 성행하기 때문에 네이버 웹툰을 오랫동안 사용하던 유저에게 서비스를 유료로 전환하는 것은 굉장한 유저 이탈을 만드는 행위였을 것이라 생각합니다. 그렇기 때문에 핵심 기능인 주단위의 정기 연재는 그대로 무료로 유지하고 미리보기 혹은 기다리면 무료와 같은 네이버 웹툰의 본질을 건드리지 않은채 부분 유료화를 진행했을 것이라 추측합니다.

네이버 웹툰의 컨텐츠 흐름도

네이버 웹툰을 구성하는 가장 큰 항목은 현재 웹툰(연재중인 웹툰), 베스트 도전(아마추어 작가 작품), 추천 완결(완결난 작품) 세가지입니다. 아마추어 작가들이 자신의 작품들을 업로드하는 공간인 '베스트 도전'에서 유저들이 많이 감상한 작품들과 네이버 웹툰 산하 회사 및 스타 작가들이 연재하는 작품들이 '웹툰'에 있으며 해당 작품들이 완결이된 경우 '추천완결'에서 확인이 가능합니다.

기존에는 세 카테고리에 있는 모든 컨텐츠를 무료로 즐길수 있었지만 현재 완결작품의 경우 '기다리면 무료' 방식으로 전환하여 작품을 정주행하고 싶다면 24시간을 기다려 하루에 한 편을 감상하거나 쿠키를 구매해 유료로 작품을 감상하는 방법이 있습니다.

다음은 웹툰 감상의 화면 흐름도입니다. 웹툰 감상은 서비스의 메인 페이지인 '웹툰'에서 컨텐츠를 선택하는 것에서 흐름이 처음 시작됩니다. 컨텐츠를 선택을 했다면 해당 컨텐츠를 처음 감상하는 것인지, 혹은 기존에 감상했던 컨텐츠인지 여부에 따라 회차 정보(에피소드 리스트)와 '컨텐츠 프리뷰'로 이동을 합니다. 처음 감상하는 컨텐츠라면 '컨텐츠 프리뷰'로 이동을 하여 해당 작품의 1화 초반 내용을 보여주고, 이미 감상한 적이 있는 컨텐츠라면 마지막으로 감상한 회차를 바로 보이도록 에피소드 리스트의 위치를 제공합니다.

처음 보는 컨텐츠의 '컨텐츠 프리뷰'에서 뷰어에서 이어보기나 프리뷰를 끝까지 감상했을 경우 혹은 에피소드 리스트에서 에피소드를 선택했을 경우 컨텐츠 뷰어로 이동하게 됩니다. 컨텐츠 뷰어는 컨텐츠의 특징에 따라 가로 스윕 형태와 세로의 슬라이드 형식 두가지가 존재합니다. 해당 회차의 최하단(마지막)까지 감상을 완료했을 때 혹은 컨텐츠를 터치하면 에피소드를 변경이 가능한 버튼이 등장합니다. 이때 다음 회차를 선택하면 해당 회차가 가장 최신 회차인지와 대여한 마지막 회차인지 혹은 아직 감상 가능한 회차가 남았는지의 여부에 따라 쿠키로 다음 회차를 감상할 것인지를 물어보는 모달창이 노출되거나 다음 회차로 바로 이동합니다. 이때 등장하는 모달창의 종류는 세가지로 첫번째 모달창의 경우 현재 연재중인 작품을 감상할 때 등장합니다. 해당 모달창은 다음 회차에 대한 설명과 '쿠키로 감상하기' 버튼으로 구성이 되어있습니다. 두번째 모달창의 경우 24시간마다 대여권이 부여되는 웹툰에서 등장합니다. 해당 모달창의 경우 앞서 설명한 모달창과 유사한 구성을 가지고 있으나 한가지 다른점은 새로운 대여권이 생성되기까지 남은 시간이 위에 표시되어 있다는 점입니다. 이러한 디테일을 통해 무료로만 서비스를 사용하는 유저들의 니즈까지 만족했다 생각합니다. 마지막 모달창의 경우 두번째와 마찬가지로 24시간마다 웹툰에서 등장하나 해당 웹툰을 처음 감상했을때만 등장하고 그 이후로는 등장하지 않는다는 특징이 있습니다. 모달창의 구성같은 경우 앞선 두가지 모달창과는 다르게 쿠키 구매로 유도하는 방식이 아닌 알림 받는 것을 유도하는 형식으로 기존 '쿠키로 감상하기'가 아닌 '알림 받기' 버튼이 존재한다는 차이점이 존재합니다.

앞서 등장한 모달창에서 '쿠키로 감상하기' 버튼을 선택한다면 화면은 쿠키샵으로 전환됩니다. 해당 페이지에서 이벤트 패키지 혹은 일반 패키지로 쿠키를 구매하여 웹툰의 유료분의 감상이 가능해집니다.

컨텐츠 부가기능

다음은 네이버 웹툰의 컨텐츠와 관련된 부가 기능의 화면 흐름을 설명하겠습니다. 네이버 웹툰의 컨텐츠와 직접적으로 관련된 부가기능은 임시저장, 댓글, 별점, 괌심등록 총 네가지가 존재합니다. 이번 기회에는 그중 임시저장, 댓글, 별점 세가지에 대해 다뤄보겠습니다.

우선은 '임시저장' 기능입니다. 임시저장의 경우 제가 굉장히 많이 사용하는 기능중 하나입니다. 임시저장한 컨텐츠의 경우 48시간 동안 인터넷 여부와 상관없이 오프라인에서도 다운로드한 웹툰을 즐길수 있는 기능으로 저 같은 경우 해외여행을 가기 위한 비행기 타기 전에 다운로드후 비행기에서 그동안 볼까 망설여졌던 웹툰을 정주행 할 때 많이 애용해온 기능입니다. 임시저장 기능의 경우 컨텐츠 뷰어 내부에서 임시저장 버튼을 선택했을때와 에피소드 리스트에서 임시저장을 선택했을때 두가지 상황에 살짝의 다른점이 존재합니다. 컨텐츠 뷰어 내부에서 임시저장을 선택했을때는 해당회차만을 임시저장하는 반면 에피소드 리스트에서 임시저장을 실행할 경우 범위를 설정하여 해당 범위에 해당하는 에피소드 전부를 저장할 수 있습니다.

네이버 웹툰의 경우 다른 플랫폼(카카오페이지, 레진코믹스 등)들과 비교하여 하루 이용시간이 적은 편이 속합니다. 대신 타 경쟁플랫폼과 비교하여 매일같이 사용하는 사람의 비중이 큰 편입니다. 이를 통해 집작하건데 정주행보다는 네이버웹툰의 유저들은 매일 올라오는 연재작을 보고 서비스의 사용을 중단한다는 가설을 세울수 있습니다. 네이버 웹툰의 임시저장 기능은 소비되는 시간을 활용해 유저들이 소비할 컨텐츠를 새로 생성할 수 있다는 점에서 매력적인 기능이라고 생각합니다

임시저장을 통해 볼지 망설여졌던 컨텐츠를 정주행하여 새로운 컨텐츠에 락인이 가능하다.

다음 살펴볼 부가기능은 댓글 기능입니다. 이젠 대부분의 플랫폼에있는 기능이라 이미 많은 사람들이 사용하기에 익숙한 구조를 가진 댓글기능의 경우 같은 컨텐츠를 소비한 사람들간의 의견공유 뿐만 아니라 작가에게 회차에 대한 피드백을 제공함으로서 작품이 더 좋은 방향으로 나아가도록 도와주는 역할을 하는 부가기능이지만 가장 중요한 기능중 하나라고 생각합니다.

에피소드 뷰어에서 화면을 탭하게되면 탭바가 나오는데 해당 탭바에 있는 핵심이되는 기능중 하나가 댓글입니다. 댓글을 터치하게되면 모달창 형식으로 댓글창이 슬라이드업 되며 나타나게 됩니다. 댓글창에는 BEST 댓글과 전체 댓글이 인기순(좋아요를 많이 받은 순서)와 시간순으로 정렬되어 있습니다. 해당 댓글창에서 다른 사람이 남긴 댓글을 확인이 가능하며 '좋아요'와 '싫어요'를 댓글에 표시하거나 '답글'을 남겨 해당 댓글에 대한 의견 제시가 가능하고 텍스트필드를 통해 직접 댓글의 작성이 가능합니다.

마지막으로 살펴볼 부가 기능은 별점 기능입니다. 별점 기능의 경우 플로우는 가장 단순하나 작가와 해당 웹툰을 볼지 말지를 결정하는 유저에게는 의사결정을 도와주는 가장 핵심적인 기능입니다. 별점 주기 기능은 웹툰을 끝까지 감상했을 경우 최하단에 위치해있으며 이를 통해 웹툰을 감상하지 않은 사람까지 별점을 남기는 무분별한 테러에 대한 최소한의 장치를 마련했다 생각합니다. 별점 주기 기능은 별점주기를 선택 후 별 모양의 슬라이더를 움직여 원하는 별점을 부여하는 방식으로 모든 사용자가 부여한 별점의 평균치를 해당 회차의 별점으로 표시하는듯합니다.

쿠키 이벤트 참여

이번 글에서 살표볼 네이버 웹툰의 마지막 기능은 '쿠키오븐'입니다. 쿠키오븐은 광고를 통해 유저로 하여금 무료 쿠키를 부여하는 방식으로 네이버 웹툰의 비즈니스 모델중 수익에 있어서 핵심적인 부분입니다. 쿠키오븐은 유저가 요구하는 미션을 달성할시에 쿠키를 지급하는 구조를 가지고 있는 서비스입니다. 유저들은 상단의 '쿠키 오븐' 또는 배너의 광고를 통해 쿠키 오븐에 진입하게 됩니다. 쿠키 오븐에는 각각의 광고주들이 설정한 미션이 리스트화되어 나열되어있고 유저들은 해당 리스트에서 자신이 참여하고 싶은 미션을 선택하여 참여하게됩니다.

이때 사이트를 찾아서 들어가야하는 것이 아닌 버튼 하나로 미션에 참여를 위한 사이트로 바로 이동한다는 점이 매우 편리하다고 느꼈습니다. 이러한 유저를 생각하는 편이성으로 인하여 미션을 참여하는 유저들로 하여금 참여에 있어서 진입장벽을 낮췄다고 생각합니다. 유저가 쿠키를 지급받기 위한 플로우는 미션 참여를위한 사이트에 들어가 미션에 해당하는 액션을 취한뒤 스크린샷을 찍어서 업로드하면 스크린샷을 분석하여 네이버웹툰에서 쿠키를 지급하는 흐름을 가지고 있습니다.

네이버의 국내 검색엔진 점유율

네이버의 검색엔진 점유율은 점차 증가하여 국내 한정 구글을 제치고 1위가 되었습니다.(https://gs.statcounter.com/search-engine-market-share/all/south-korea) 이러한 점유율 증가에는 구글과 차별화된 컨텐츠를 제공하는 측면이 큰 역할을 했다 생각합니다. 네이버의 검색엔진이 국내 뿐만 아니라 글로벌한 서비스가 되기 위해선 이러한 컨텐츠 중심적인 운영을 강점으로 삼아 구글과 차별성을 가져야한다고 생각합니다.

이러한 상황속 네이버 웹툰은 K-Culture의 글로벌화라는 기회에 편승해 더 좋은 컨텐츠의 제작 및 제공을 통해 네이버의 글로벌화를 도울수 있는 큰 수단으로 자리잡을 것이라 생각합니다.

오픈 마켓의 모델링 2

크앙크아앙 — Thu, 17 Jul 2025 16:32:49 +0900

오늘은 이전에 연습으로 했던 오픈 마켓 모델링을 29CM의 서비스를 참고하여 더욱 구체화시켜보도록 하겠습니다.

지난번 모델링 결과입니다.

위 모델링 결과를 실제 서비스 구성과 비교하며 부족한 부분을 새롭게 추가하며 작성해보도록 하겠습니다.

처음 ERD를 작성한 내용에서 문의 내역, 쿠폰, 체형 정보등 실제 이커머스에서 사용되는 데이터들을 추가하여 구성해봤습니다.

다음 글에서는 개체간의 관계차수를 추가하여 계속 작성해나가도록 하겠습니다.

페이지네이션과 인피니트 스크롤(Pagination & Infinite scroll) 1

크앙크아앙 — Tue, 15 Jul 2025 00:17:35 +0900

1. 페이지네이션과 인피니트 스크롤

페이지네이션과 인피니트 스크롤 모두 많은 양의 컨텐츠를 제공해주는 방식으로, 페이지네이션은 많은 양의 컨텐츠를 탐색하기 쉽도록 여러 화면에 나누는 방식을 말하고 인피니트 스크롤은 별도의 구분 없이 계속해서 컨텐츠를 로딩해주는 방식을 말합니다.

페이지네이션 방식의 컨텐츠 분할 방식은 과거부터 지금까지 널리 쓰이는 방식이지만, 모바일 환경에서 많은 서비스들은 인피니트 스크롤 방식으로 대체하고있는 경향이 있습니다.

그렇다면, 왜 많은 서비스들은 모바일 환경에서 전통적으로 많이 사용되던 페이지네이션 방식이 아닌 인피니트 스크롤 방식을 채택하는 것일까요?

인피니트 스크롤 방식을 채택하는 가장 큰 이유는 아래 두 가지입니다.

- 모바일 내에서 쉬운 조작

- 더 긴 체류시간

https://www.shutterstock.com/blog/the-ergonomics-of-a-successful-mobile-app-design?dd_referrer=https%3A%2F%2Fwww.google.com%2F

모바일 디바이스의 화면은 점점 커지고 있지만, 여전히 약 50%의 사용자가 한 손으로 조작하는 방식을 선호하고 있습니다. 이로 인해 화면 내에서 편리하게 조작할 수 있는 영역은 점점 줄어들고 있습니다.

과거에는 페이지 조작 버튼이 대부분 손이 닿기 쉬운 위치에 배치되었지만, 디바이스 크기가 커지면서 일부 조작 영역이 손이 닿기 어려운 영역으로 이동하게 되었습니다. 이러한 변화 속에서 인피니트 스크롤 방식은 별도의 조작 없이 스크롤만으로 콘텐츠를 탐색할 수 있는 구조 덕분에, 모바일 환경에서 점점 더 많은 서비스들은 페이지네이션 방식에서 인피니트 스크롤 방식으로 전환을 진행하고 있습니다.

뿐만 아니라 이러한 간단한 조작은 제공하는 컨텐츠가 끝나기 전까지 별도의 조작 필요 없이 계속해서 새로운 내용을 제공해주어 사용자로 하여금 더 오래 머물도록 만들어줘 비즈니스 측면에서 이득 또한 있습니다.

이러한 이유로 인피니트 스크롤은 특정한 목적 없이 접속하여 컨텐츠를 소비하는 서비스인 인스타그램, X, Facebook 과 같은 SNS와 뉴스피드 등에서 많이 사용되었고 현재는 무신사, 29CM, 오늘의 집 같은 커머스 서비스에서도 자주 접할 수 있습니다.

그렇다면 인피니트 스크롤 방식은 무조건 페이지네이션 방식보다 좋을까요?

결론부터 얘기하자면 그렇지는 않습니다. 인피니트 스크롤은 명확한 단점이 존재합니다. 바로 자신의 현재 위치를 특정하기 어렵다는 점 때문입니다.

위 사진은 무신사의 UI 사진입니다. 자신이 원하는 명확한 상품의 유형이 있더라도 검색 결과가 2600개가 넘어가는 것을 확인 할 수 있습니다. 한 화면에 노출되는 상품이 6개이니 대략적으로 계산해도 400번이 넘는 스크롤을 진행 해야지만 모든 상품을 확인 할 수 있습니다. 이러한 상황에서 사용자가 원하는 상품을 초반에 발견한다면 다행이지만, 그렇지 않은 경우 현재 위치를 파악하기 어렵고, 앞으로 얼마나 더 봐야 하는지도 예측할 수 없습니다. 이처럼 전체 분량에 대한 감이 없다는 점은 사용자가 서비스에 원하는 상품이 존재하는지조차 확신할 수 없게 만들어, 결과적으로 불안정하고 피로한 경험으로 이어집니다.

뒤로 가기나 앱을 실수로 종료했을 때 스크롤 위치가 초기화되는 불편함도 존재합니다. 사용자는 마지막에 봤던 위치를 특정하기 힘들기 때문에, 다시 해당 지점까지 스크롤하는 데 불필요한 시간과 노력이 소모됩니다.

오픈마켓의 모델링 (모델링 연습 1)

크앙크아앙 — Thu, 3 Jul 2025 18:10:27 +0900

1) 오픈 마켓의 가장 큰 두축은 구매자와 판매자로 나뉘어져 있다.

2) 두축인 구매자와 판매자는 상품을 거래함으로 오픈 마켓 플랫폼은 유지 된다.

3) 오픈 마켓의 구성원들은 다음과 같은 행위를 통해 거래를 진행한다.

4) 위의 관계를 속성을 추가하여 표현한 모습은 이렇다.

5) 위의 모델링을 더욱 구체적으로 구성한 모습

ADsP 공부 4일 차(1,2과목 복습!)

크앙크아앙 — Thu, 3 Jul 2025 15:33:16 +0900

문제를 풀다보니 공부를 했음에도 불구하고 틀리는 문제의 갯수가 많아서 다시 1과목부터 복습을 진행하고자 합니다.

1과목

1. 암묵지와 형식지

1) 암묵지: 숨겨져있는 지식

2) 형식지: 형식화돤 지식(문서, 영상 등 형상화된 지식)

2. DIKW 피라미드

1) Data(데이터): 객관적인 사실

2) Information(정보): Data에서 의미가 추출된 것

3) Knowledge(지식): Data로부터 추출된 Information을 구조화를 통해 의미있는 정보를 내재화한것

4) Wisdom(지혜): 지식의 축적과 아이디어가 결합된 산물

3. 데이터의 단위

순번	단위	이전 단위
1	1byte	8bit
2	1KB	1024byte
3	1MB	1024KB
4	1GB	1024MB
5	1TB	1024GB
6	1PB	1024TB
7	1EB	1024PB
8	1ZB	1024EB
9	1YB	1024ZB

4. 데이터베이스의 일반적인 특징

1) 통합된 데이터: 동일한 내용의 데이터가 중복되어 있지 않다.

2) 저장된 데이터: 컴퓨터 매체가 접근 가능한 저장 매체에 저장되어 있다.

3) 공용데이터: 여러 사용자가 사용 가능하다.

4) 변화하는 데이터: CRUD를 통해 항상 최신의 데이터 상태를 유지한다.

5. 데이터베이스의 외적인 특징

1) 정보의 축적 및 전달: 기계 가독성, 검색 가능성, 원격 조작성

2) 정보 이용 측면: 정보를 신속 정확하게 찾아낼 수 있다

3) 정보 관리 측면: 정보를 체계적으로 정리 저장하여 관리가 가능하다

4) 정보 기술 발전: 다양한 분야의 발전을 견인 할 수 있다

5) 경제•산업적 측면: 경제•산업 분야에 있어 효율성을 재고 및 편의성을 증진할 수 있다

6.트랜잭션의 특징

1) 원자성(Atonomicity)

- 하나의 트랜잭션으로 묶인 연산은 모두 실행되거나 전혀 실행되지 않아야한다

2) 일관성(Consistency)

- 트랜잭션의 결과는 데이터베이스의 정합성을 깨지 않는다.

- 트랜젝션 이전의 데이터베이스에 오류가 없다면 트랜잭션의 실행 후에도 오류가 없다

3) 고립성(Isolation)

- 트랜잭션은 독립적으로 실행된다

4) 영속성(Durability)

- 트랜잭션의 결과는 영구적으로 저장되어 유지된다

7. 메타데이터: 데이터를 설명하는 데이터

8. 인덱스: 데이터를 신속 정확하게 검색 가능하도록 부여되는 이름

9. 데이터 웨어하우스, 데이터 마트, 데이터 레이크

1) 데이터 웨어하우스: 특수한 목적에 따라 정형 비정형 데이터를 공통된 형식에 따라 변환하여 관리하는 데이터 베이스

2) 데이터 마트: 목적을 갖고 데이터 웨어하우스에서 추출된 보다 작은 단위의 데이터 베이스

3) 데이터 레이크: 정형•비정형•반정형 데이터를 모두 모아 빅데이터의 분석을 돕기 위한 데이터 관리 플랫폼

10. 3V

1) Volume

2) Variety

3) Velocity

+ Value(4V)

11. 빅데이터가 만들어낸 변화

1) 사전처리 -> 사후처리

2) 표본조사 -> 전수조사

3) 질 -> 양

4) 인과관계 -> 상관관계

12. 빅데이터 활용을 위한 3대 요소

인력, 자원, 기술

13. 빅데이터 주요 분석기법

1) 회귀분석

2) 분류분석

3) 연관규칙

4) 유전자 알고리즘

5) 머신러닝

6) 감정분석

7) 소셜네트워크 분석

8) 텍스트 분석

14. 빅데이터가 불러온 위기와 통제 방안

1) 사생활 침해 -> 사용자의 동의에서 기업의 책임으로

2) 책임 원칙 훼손 -> 결과 기반 책임 원칙 고수

3) 데이터 오용 -> 알고리즘 접근 허용

15. 데이터 3법

1) 재인정보보호법

2) 정보통신망법

3) 신용정보법

16. 가치 패러다임의 변화

시기	패러다임	설명
과거	디지털화(Digitalization)	아날로그 세상을 어떻게 효과적으로 디지털화하는가
현재	연결(Connection)	디지털화된 정보를 얼마나 효율적으로 제공하는가
미래	에이전시(Agency)	복잡한 연결을 어떻게 신뢰 가능하게 관리하는가

2과목

1. 분석 대상과 방법

	대상
방법		알고있다	모른다
	알고있다	최적화	통찰
	모른다	솔루션	발견

2. 분석 방법론의 구성요소

절차, 방법, 도구와 기법, 템플릿과 산출물

3. 분석 방법론 모델

1) 계층적 프로세스 모델

2) 폭포수 모델

3) 나선형 모델

4) 프로토타입 모델

5) 반복적 모델

6) 애자일

4. 분석 방법론

1) KDD

순서: 데이터 선택-> 전처리 -> 변환 -> 마이닝 -> 결과 평가

a. 데이터 선택: Raw Data 혹은 데이터 베이스에서 필요한 데이터 선택

b. 전처리: 이상값, 결측값 잡음 등 식별 및 사용 가능하도록 규격화

c. 변환: 변수 선택, 차원 축소

d. 마이닝: 알고리즘을 활용한 분석 수행

e. 결과 평가: 결과에 대한 해석

2) CRISP-DM

순서: 업무 이해 -> 데이터 이해 -> 데이터 준비 -> 모델링 -> 평가 -> 전개

a. 업무 이해: 업무의 목적 파악, 프로젝트 계획 수립

b. 데이터 이해: 초기 데이터 수집, 데이터 품질 확인

c. 데이터 준비: 데이터 셋 선택 및 정제, 통합

d. 모델링: 모델링 기법 선택, 테스트 계획 설계, 모델 작성 및 평가

e. 평가: 분석 결과 평가, 모델링 과정 평가, 모델 적용성 평가

f. 전개: 전개 계획, 유지보수 계획 수립, 프로젝트 종료

3) SEMMA

순서: Sample -> Explore -> Modify -> Model -> Assess

a. Sample: 분석 대상 데이터 추출

b. Explore: 택색 및 오류 확인

c. Modify: 데이터 변환

d. Model: 알고리즘 적용

e. Assess: 모델 평가 및 검증

5. 분석 과제 발굴

1) 하향식 접근

- 문제가 주어지고 해답을 찾기 위해 진행

순서: 문제 탐색 -> 문제 정의 -> 해결 방안 -> 타당성 검토

a. 문제 탐색

- 빠짐없이 문제 도출 및 식별

- 비즈니스 모델 캔버스 단순화 측면(5가지 측면): 업무, 제품, 고객, 규제와 감사, 지원 인프라

- 거시적 관점: STEEP(Social(사회), Technic(기술), Economic(경제), Environment(환경), Political(정치))

- 경쟁자 확대 관점: 대체자, 경쟁자, 신규 진입자

- 시장의 니즈 관저미 고객, 채널, 영향자

b. 문제 정의

- 비즈니스에서의 문제를 데이터로 변환하여 정의

c. 해결 방안

- 기존 시스템 활용, 시스템 고도화, 인력자원 확보, 아웃소싱

d. 타당성 검토

- 경제적 타당성: 비용대비 편익

- 데이터 타당성: 데이터의 존재 여부, 분석 역량

- 기술적 타당성: 연량 확보 방안

6. 상향식 접근

- 문제 정의가 어려울때

- 비지도 학습 주로 활용

비지도 학습
- 정답이 없는 데이터를 활용한 학습 기법
- 군집 분석, 연관규칙 분서, 차원 축소 등

지도 학습
- 정답이 있는 데이터를 활용한 학습 기법
- KNN, SVM, 분류분석, 회귀분석, 의사결정 트리

7. 분석 과제에서 고려할 사항 5가지

- 데이터의 크기, 데이터 복잡도, 분석 복잡도, 정확도, 정밀도

- 정확도와 정밀도는 trade-off 관계

8. 프로젝트 관리 지식 체계 10가지

- 통합, 범위, 시간, 원가, 품질, 인적 자원, 의사소통, 리스크, 조달(아웃소싱), 이해 관계자

ADsP 공부 3일 차! (ADsP 2과목 정리)

크앙크아앙 — Fri, 27 Jun 2025 16:27:20 +0900

오늘부터는 ADsP의 2과목을 공부한 내용을 정리하도록 하겠습니다. 1과목에서는 데이터와 빅데이터가 무엇인지, 왜 각광받는지 등을 배웠다면 이번 2과목에서는 어떤 식으로 데이터를 분석할지 기획하는 데 있어 필요한 지식을 학습했습니다.

1. 분석 기획

- 분석을 수행할 과제의 정의 및 결과 도출을 위한 관리 방안을 계획하는 작업

- 어떠한 목표를 달성하기 위해 어떤 방식으로 수행할지에 대한 계획을 수립한는 작업

1. 분석 대상과 방법에 따른 분석 주제

2. 목표 시점별 분석 기획

	장기적(장기적 마스터플랜 방식)	단기적(과제 중심적 접근 방식)
목적	자속적인 분석 내재화	빠른 문제 해결
1차 목표	정확성과 효율성 (Accuracy & Deploy)	속도와 검증 (Speed & Test)
과제 유형	장기적 관점 (Long term View)	단기적 문제 해결(Quick & Win)
접근 방식	문제 정의 (Problem Definition)	문제 해결 (Problem Solving)

3. 분석시 고려사항

- 가용 데이터: 데이터의 확보가 가능한가?, 보유한 데이터의 유형은 어떠한가?

- 적절한 활용 방안 및 유스케이스 탐색: 과거 유사한 분석 사례가 있는가?, 기존에 잘 구현된 솔루션이 있는가?

- 장애요소에 대한 사전계획 수립: 발생 가능한 장애요소 탐색

2. 분석 방법론

- 조직이 어떠한 절차로 작업을 수행할 것인지에 대한 절차 정의

- 기업 내에 데이터 분석이 정착하기 위해서 절차와 방법이 정리된 데이터 분석 방법론이 필요로함

- 데이터 분석은 개인의 역량 혹은 우연한 성공에 기인해서는 안되고 일정한 수준의 품질을 갖춘 산출물과 프로젝트 성공 가능성을 확보 및 제시 가능해야 한다.

- 절차, 방법, 도구와 기법, 템플릿과 산출물로 구성되어야 한다.

데이터 분석의 방해요소
1) 고정관념
2) 편향된 생각
3) 프레이밍 효과

1. 분석 방법론의 생성 과정

1) 개인이 알고 있는 지식 및 노하우가 조직에게 표출되는 형식화를 거쳐 조직의 형식지된다.

2) 조직의 형식지가 보다 체계화되어 방법론으로 발전한다.

3) 새롭게 발전된 방법론을 개인이 내재화를 통해 습득한다.

2. 대표적인 데이터 분석 방법론

방법론	설명
폭포수 모델(Waterfall Model)	- 단계를 거쳐 순차적으로 진행하는 방식 - 문제나 개선사항이 발견될 경우 이전단계로 돌아가 피드백 과정을 수행한다
프로토타입 모델(Prototype Model)	- 일부분을 먼저 개발하고 점진적으로 개선해나가는 진행 방식 - 사용자 중심의 개발 방법
나선형 모델(Spiral Model)	- 위험요소를 사전에 제거하는 것에 초점을 맞춘 진행 방식 - 프로토타입 모델과 유사하게 반복을 통한 점진적 개선하는 진행 방식
계층적 프로세스 모델(Hierarchical Process Model)	- 일반적 분석 방법론에서 사용하는 방식 - 단계, 태스크, 스탭으로 구성

1) KDD 분석 방법론

- 통계적 패턴 혹은 지식 탐색을 위해 체계적으로 정리된 데이터 마이닝 프로세스

- 5단계로 구성

단계	설명
[1단계] 데이터셋 선택	- 도메인에 대한 이해, 프로젝트 목표 설정 - 데이터셋 선택 - 타겟 데이터 설정
[2단계] 데이터 전처리	- 이상치와 결측치 파악, 제거, 가공을 통해 의미 있는 데이터 생성 - 추가로 요구되는 데이터셋이 있다면 이전 단계 재실행
[3단계] 데이터 변환	- 변수 생성, 선택 - 데이터 차원 축소 - 학습용 데이터, 검증용 데이터 분리
[4단계] 데이터 마이닝	- 학습용 데이터를 활용하여 목적에 맞는 데이터 마이닝 기법 선택 및 알고리즘 적용 - 필요에 따라 전처리 프로세스 추가
[5단계] 해석과 평가	- 목적과의 일치성 확인 및 평가 - 반련 내용의 활용 방안 마련

2) CRISP-DM 분석 방법론

- 4개의 레벨과 6개의 단계로 구성

- 단계, 일반화 태스크, 세분화 테스크, 프로세스 실행

단계	설명
[1단계] 업무 이해	- 업무 목적 파악, 상황 파악 - 데이터 마이닝 목적 설정 - 프로젝트 계획 수립
[2단계] 데이터 이해	- 초기 데이터 수집 - 데이터 기술 분석, 데이터 탐색, 데이터 품질 확인
[3단계] 데이터 준비	- 븐석용 데이터셋 선택, 편성 - 데이터 정제, 통합, 포매팅
[4단계] 모델링	- 모델링 기법 선택, 테스트 계획 설계 - 모델 작성, 모델 평가
[5단계] 평가	- 분석 결과 평가, 모델링 과정 평가, 모델 적용성 평가
[6단계] 전개	- 전개 계획 수립 - 유지보수 계획 수립 - 프로젝트 종료 보고서 작성 및 리뷰

3. 빅데이터 분석 방법론

- 완벽한 계층적 프로세스 모델(3개의 레벨, 5개의 단계로 구성)

- 단계 = 프로세스 그룹

- 테스크는 논리적, 물리적 품질의 검토 대상이 될 수 있음

- 스탭은 입출력 자료, 도구 등으로 구성된 단위 프로세스

- 데이터 준비 단계(2단계)와 데이터 분석 단계(3단계) 간의 피드백 가능

[1 단계] 분석 기획
[태스크 1] 비즈니스의 이해 및 프로젝트 범위 설정
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 비즈니스 이해	- 업무 도메인에 대한 이해	- 업무 메뉴얼 - 전문가의 지식	- 자료 수집 - 비즈니스 이해	- 비즈니스 이해 - 도메인 문제점
[스탭 2] 프로젝트 범위 설정	- 프로젝트의 목적에 맞는 범위 설정	- 중장기 계획서 - 분석 프로젝트 지시서	- 자료 수집 - 비즈니스 이해 - 프로젝트 범위 정의서 작성 절차	- 프로젝트 범위 정의서 (SOW: Statement Of Work)
[태스크 2] 프로젝트 정의 및 계획 수립
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 프로젝트 정의	- 프로젝트 평가 기준 설정	- 프로젝트 범위 지시서 - 프로젝트 지시서	- 프로젝트 목표 구체화 - 모델 운영 이미지 설계	- 프로젝트 정의서 - 모델 운영 이미지 설계서
[스탭 2] 프로젝트 수행 계획 수립	- 프로젝트 수행 계획서 작성	- 프로젝트 정의서 - 모델 운영 이미지 설계서 - 모델 평가 기준	- 프로젝트 수행 계획 작성 - WBS 작성 도구 - 일정 계획 수립 도구	- 프로젝트 수행 계획서 - WBS
[태스크 3] 프로젝트 위험 계획 수립
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 데이터 분석 위험 식별	- 발생 가능한 위험 식별	- SOW - 프로젝트 수행 계획서 - 선행 산출물	- 위험 식별 절차 - 위험 영향도 및 발생 가능성 분석 - 위험 우선순위 판단	- 식별된 위험 목록
[스탭 2] 위험 대응 계획 수립	- 위험에 대한 대응 방안 수립	- 식별된 위험 목록 - 프로젝트 정의서 - 프로젝트 수행 계획서	- 위험 정량적 분석 - 위험 정성적 분석	위험 관리 계획서

[2 단계] 데이터 준비
[태스크 1] 필요 데이터 정의
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 데이터 정의	- 필요 데이터의 정의	- 프로젝트 수행 계획서 - 시스템 설계서 - ERD - 메타데이터 정의서	- 내•외부 데이터 정의 - 정형•반정형•비정형 데이터 정의	- 데이터 정의서
[스탭 2] 데이터 획득 방안 수립	- 데이터 수집을 위한 구체적인 방안 수립	- 프로젝트 수행 계획서 - 시스템 설계서 - ERD - 메타데이터 정의서	- 데이터 획득 방안 수립	- 데이터 획득 계획서
[태스크 2] 데이터 스토어 설계
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 정형 데이터 스토어 설계	- RDMS 등을 활용해 효율적 저장과 사용을 위한 데이터 스토어 설계	- 데이터 정의서 - 데이터 획득 계획서	- 데이터베이스 논리설계 - 데이터베이스 물리설계 - 데이터 매핑	- 정형 데이터 스토어 설계서 - 데이터 매핑 정의서
[스탭 2] 비정형 데이터 스토어 설계	- NoSQL 등을 활용해 효율적 저장과 사용을 위한 데이터 스토어 설계	- 데이터 정의서 - 데이터 획득 계획서	- 반정형•비정형 데이터 논리설계 - 반정형•비정형 데이터 물리설계	- 비정형 데이터 스토어 설계서 - 데이터 매핑 정의서
[태스크 3] 데이터 수집 및 정합성 검증
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 데이터 수집 및 저장	- 수집된 데이터를 스토어에 저장	- 데이터 정의서 - 데이터 획득 계획서 - 데이터 스토어 설계서	- 데이터 크롤링 도구 - ETL 도구 - 데이터 수집 스크립트	- 수집된 분석용 데이터
[스탭 2] 데이터 정합성 점검	- 데이터의 품질 점검 - 데이터의 정합성 확보	- 분석용 데이터	- 데이터 품질 확인 - 데이터 정합성 검증 리스트	- 데이터 정합성 점검 보고서

⇅ 피드백 가능 지점 ⇅

[3 단계] 데이터 분석
[태스크 1] 분석용 데이터 준비
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 비즈니스 룰 확인	- 프로젝트 목표 인식 - 세부 비즈니스 룰 확인 - 필요 데이터 범위 확인	- 프로젝트 목표 확인 - 비즈니스 룰 확인	- 프로젝트 목표 확인 - 비즈니스 룰 확인	- 비즈니스 룰 확인에 필요한 데이터 범위
[스탭 2] 분석용 데이터셋 준비	- 필요 데이터 추출	- 데이터 정의서 - 데이터 스토어	- 데이터 선정 - 데이터 변환 - ETL 도구	- 분석용 데이터셋
[태스크 2] 텍스트 분석
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 텍스트 데이터 확인 및 추출	- 텍스트 분석에 필요한 데이터 확인 및 추출	- 비정형 데이터 스토어	- 분석용 텍스트 데이터 확인 및 텍스트 데이터 추출	- 분석용 텍스트 데이터
[스탭 2] 텍스트 데이터 분석	- 추출된 텍스트 데이터를 분석 도구를 활용하여 분석 및 모델 구축	- 분석용 텍스트 데이터 용어사전	- 분류 체계 설계 - 형태소 분석 - 키워드 추출 - 감성 분석	- 텍스트 분석 보고서
[태스크 3] 탐색적 분석
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 탐색적 데이터 분석	- 데이터의 특성 및 분포 확인	- 분석용 데이터셋	- EDS 도구 - 통계 분석 - 변수 간 연관성 분석 - 데이터 분포 확인	- 데이터 탐색 보고서
[스탭 2] 데이터 시각화	- 탐색적 데이터 분석에 활용	- 분석용 데이터셋	- 시각화 도구 및 패키지 - 인포그래픽 - 시각화 방법론	- 데이터 시각화 보고서
[태스크 4] 모델링
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 데이터 분할	- 모델의 과적합 문제의 해결과 검증력 해결을 위한 데이터 분할	- 분석용 데이터셋	- 데이터 분할 패키지	- 훈련용 데이터 - 테스트용 데이터
[스탭 2] 데이터 모델링	- 머신러닝 등을 이용한 분류, 예측, 군집 등 모델 구축	- 분석용 데이터셋	- 통계 모델링 기법 - 머신러닝 - 모델 테스트	- 모델링 결과 보고서
[스탭 3] 모델 적용 및 운영 방안	- 모델 적용을 위한 알고리즘 설명 작성 및 운영 모니터링 방안 수립	- 모델링 결과 - 보고서	- 모니터링 방안 수립 - 알고리즘 설명서 작성	- 모니터링 방안
[태스크 5] 모델 평가 및 검증
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 모델 평가	- 모델 평가 기준에 따른 객관적 평가 진행	- 모델링 결과 보고서 - 평가용 데이터	- 모델 평가 - 모델 품질 관리 - 모델 개선 작업	- 모델 평가 보고서
[스탭 2] 모델 검증	- 모델의 적용성 검증 작업 및 실제 모델 품질 검증	- 모델링 결과 보고서 - 모델 평가 보고서 - 검증용 데이터	- 모델 검증	- 모델 검증 보고서

[4 단계] 시스템 구현
[태스크 1] 설계 및 구현
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 시스템 분석 및 설계	- 시스템 분석 및 가동 설계 프로세스 진행	- 모델링 결과 보고서 - 평가용 데이터	- 정보 시스템 - 개발 방법론	- 시스템 분석 및 설계서
[스탭 2] 시스템 구현	- 새로운 시스템의 구축 및 가동중인 시스템의 커스터마이징을 통한 모델 구현	- 시스템 분석 및 설계서 - 알고리즘 설명서	- 시스템 통합 개발 도구 - 프로그래밍 언어 - 패키지	- 구현 시스템
[태스크 2] 시스템 테스트 및 운영
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 시스템 테스트	- 시스템 검증을 위한 단위/통합/시스템 테스트 실행	- 구현 시스템 - 시스템 테스트 계획서	- 품질 관리 활동	- 시스템 테스트 결과 보고서
[스탭 2] 시스템 운영 계획	- 구현된 시스템의 지속적인 활용을 위한 시스템 운영 계획 수립	- 시스템 분석 및 설계서 - 구현 시스템	- 운영 계획 수립 - 운영자 및 사용자 교육	- 운영자 매뉴얼 - 사용자 매뉴얼 - 시스템 운영 계획서

[5 단계] 평가 및 전개
[태스크 1] 모델 발전 계획 수립
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 모델 발전 계획 수립	- 지속적인 운영 및 성능 향상을 위한 발전 계획 수립	- 구현 시스템 - 프ㅗ젝트 산출물	- 모델 발전 계획 수립	- 모델 발전 계획서
[태스크 2] 프로젝트 평가 및 보고
스탭	내용	입력 자료	프로세스 및 도구	출력 자료
[스탭 1] 프로젝트 성과 평가	- 프로젝트의 정량적/ 정성적 성과를 나누어 평가서 작성	- 프로젝트 산출물 - 품질관리 산출물 - 프로젝트 정의서 - 프로젝트 수행 계획서	- 프로젝트 평가 기준 - 프로젝트 정량적 평가 - 프로젝트 정성적 평가	- 프로젝트 성과 평가서
[스탭 2] 프로젝트 종료	- 프로젝트에 대한 모든 지식(과정, 산출물, 프로세스)의 자산화 및 최종 보고서 작성	- 프로젝트 산출물 - 품질관리 산출물 - 프로젝트 정의서 - 프로젝트 수행 계획서	- 프로젝트 지식 자산화 작업 - 프로젝트 종료	- 프로젝트 최종 보고서

ChatGPT	- 지금까지 학습한 데이터를 기반으로 정보 제공. - 학습시기와 질문시기 사이의 공백에 의한 정보 제공의 오차 발생 - 도서관에서 공부를 완벽히한 학생
Gemini	- 지금까지 학습한 데이터 + 정보의 실시간 탐색을 통한 정보 제공 - 학습시기와 질문시기 사이의 공백이 없어 정보 제공 오차가 없음 - 도서관에서 공부를 완벽히한 학생이 스마트폰을 가지고있음