📘실전프로젝트 / 도메인: 금융(주식,S&P500) / 260318~260331 (Day 57~66)

[3/18(수) 1일차]

1. git 사용해서 프로젝트 환경 구축

2. 헬스케어 보험료 데이터셋 선택했다가, 데이터가 만들어진 가상 데이터? 라는 걸 알게 돼서, 'YAHOO finance 주가 데이터 분석'으로 주제 변경

3. 프로젝트 방향 간단 설정

큰 틀 = [거시경제 대시보드 VS 미시 경제 대시보드] 최대 2개

추가 파생 컬럼
1. 금리정보 (추가함)
2. 코로나 기간 여부 플레그 
 - 코로나 기간동안 강했던 기업들은? 
 - 앞으로도 이런 종목들은 강할 것 같다 
3. 배당금
- 배당금 여부 플레그   
- 주가하락새/ 배당금 
배당금 증가 대비 주가 하락새를 보이는 기업들
4. 시총 정보 추가? 
5. 


>>팬데믹 대시보드 
>> 개별기업 대시보드 
>> snp 30
>> 산업별 대시보드 (제일 쓸모)

++ 모델은? 
 2개 다중회귀 + 앙상블 (예측할게)ㄷ
 >> 튜터님과 상의  

---

[3/19(목) 2일차]

<진행 개요>

• 대시보드 이용자 및 목적 설정 → 도메인 지식 하에서 분석 및 대시보드 구성에 필요한 컬럼 결정 → 대시보드 스케치
• 세 가지 흐름을 동시에 진행하며 방향 설정

---

<진행 상세 내용>

• 대시보드 사용자 구체적으로 설정 
  • 1차안 팀 논의 → 담당 튜터님 정기 피드백
    - 전문투자자들이게는 좀 더 구체적인 수치를 명시하거나 코로나 시기, 금리 등을 고려한 거시적인 관점의 정보를 제공 vs 개인투자자(개미)에게는 시가, 종가, 상승율 같이 비교적 간단하게 파악 가능한 직관적인 라이트한 정보를 제공
    ✏️ 피드백
    - 두 대시보드에서 보여지는 정보의 구체적, 라이트한 기준을 어떻게 설정할 건지 명확하지 않아서 대시보드 구성에 대한 설득력이 떨어질 수 있다.
    - 거시적, 미시적을 나눠서 정보 제공 대상자를 나누는 게 정보의 편차도 생기고, 결국 분석은 모든 수치를 고려해서 자세하게 해야 하는데 굳이 나누는 이유가 없을 것 같다.
  • 튜터님들이 제시해주신 여러 목표를 각자 하나씩 담당해서 그에 따라서 필요한 정보들 및 기타 인사이트 찾아보기
    • 내가 맡은 목표: “수익률 랭킹과 일관성(Consistency)” 대시보드 (‘꾸준히 오른 기업’ 찾기)
      <수익률 랭킹과 일관성을 보기 위한 파생변수 핵심 5가지>
      • CAGR: 연평균 성장률 → “얼마나 벌었나”
        - 매년 평균적으로 몇%씩 성장했느지
        - 장기투자 관점에서 높을수록 좋은 지표
      • Positive Ratio: 승률
        - 얼마나 자주 수익을 냈는가
        - 쉬운 예시: 100일 중 70일 상승 → 70%
        - 높을수록 안정적인 느낌으로 심리적으로 버티기 쉬움. 장기투자로 이어질 수 있게 해주는 기준
      • Volatility: 수익률 표준편차
        - “얼마나 흔들리나”
        - 일(day)기준, 수익률 변동성
      • MDD: 최대 낙폭
        - 최고점과 최저점의 차이
        - 투자자가 버틸 수 있는 폭을 보여주는 정도
      • Consistency Score: Consistency Score (핵심 커스텀 지표)
        - 안정적인 기업 랭킹에 사용할 커스텀 지표
        - 자주 수익을 낸 정도(Positive Ratio) + 수익률 흔들리는 정도(Volatility) = 스코어 내서 랭킹
    • 지표 해석 방향
      ▶︎ CAGR ↑ + MDD ↓ + Volatility ↓ → 최고
      ▶︎ CAGR ↑ + Volatility ↑ → 위험한 성장주
      ▶︎ CAGR ↓ + 안정성 ↑ → 방어형
      🙋🏻‍♀️❓"어라 그러면 대시보드를 투자자 성향에 따라서 구성해도 괜찮지 않을까??"

# 최종 제공하고자 하는 인사이트
“지금 상황에서 어떤 기업을 사야 하는가”

# 대시보드
1. 거시적 상황별 강세를 보이는 기업 리스트
2. 투자 성향별 추천 기업 리스트

 

<1. 거시적 상황별 강세를 보이는 기업 리스트>

- 금리 상승/하락기, 팬데믹 구간 등 시기 필터 설정

- 특정 시기에 버틴 기업 리스트

 

<2. 투자 성향별 추천 기업 리스트 (추천 느낌)>
각 성향별 스코어점수 생성(ex. long term score, short term score 등)
- 최고 컨디션: CAGR ↑ + MDD ↓ + Volatility ↓
- 장기투자 추천: CAGR ↑ / Consistency Score ↑ / MDD ↓
- 단기투자 추천: CAGR ↑ + Volatility ↑
- 방어형 투자: CAGR ↓ + 안정성 ↑

 

# 해석 및 구조

1. 이벤트 구간 필터 설정

2. 해당 기간에 강세를 보이는 TOP10~30개 기업 (대시보드1)
3. 그 중에서 long/short term score 점수에 따라 대시보드 구간 나눠서(필터)

4. 투자 성형에 따른 추천 기업 TOP 5~10개 리스트 (대시보드2)

 

✏️찾아본 취약점

1. 시기에 따라서 추세 분석 기간도 다시 설정해서 분석을 다시 해야 함.

2. S&P 500은 이미 볼륨이 크고 지속적으로 성장해온 기업들이라서, '지속적인 성장'을 기준으로 한다면 분석 결과에 왜곡이 있을 수 있음.

3. 추천 점수를 과신할 수 없음(분석 자체가 깔끔하지 않기 때문에).

• 2차안 팀 논의
  <후보>
  1. 코로나 기간에 관심있는 전문 투자자를 위한 대시보드
  2. 기업 경영진(주주 유출 방지) 대시보드 vs 투자자(수익률 증가) 대시보드
  3. 산업별 공통 KPI설정 후, 추세 보여주는 대시보드 만들기 (✅ 결정)
  4. 투자자 성향(공격적/안정적/장기/단기)에 따른 대시보드 (🙋🏻‍♀️내 의견)
  (코로나 시즌 등 매개변수로 시간 구간을 설정하면 장기/단기 투자에 어울리는 종목별로 안정성 스코어 부여할 때, 시간 설정 때마다 전부 다시 계산해야 하는 문제가 있어서 제외함)
• 공통 KPI 기준으로 종목 세분화 및 그룹화
  고객 성향에 따른 포트폴리오 제시를 위한 대시보드 3개 제작

• 전처리
  • 거래량(Volume)이 0인 종목: "가짜 데이터 솎아내기"
    데이터를 보니 특정 종목(FERG)의 거래량이 0으로 찍힌 날이 316일이 있는 걸 발견.
    > 원인: 영국 기업이었던 기업이 미국 뉴욕증권거래소에 정식 상장 전의 데이터라서 데이터가 없던 것.
    > 처리: FERG 종목은 단순히 거래가 일시 중단된 게 아니라, 아예 상장 전의 데이터이므로 분석 대상에서 제외.
    나머지는 오류 데이터 개수가 적고, 특정 일자만 데이터를 지우면 다른 종목과는 다르게 해당 날짜만 데이터가 없는 게 돼 버려서 또 다른 오류가 발생할 가능성 있음. 따라서 전일 데이터로 채우기로 결정.
  • 고가(High)보다 시가(Open)가 높다? "논리적 오류 수정"
    주식 시장의 상식상, 그날의 최고가는 시가나 저가보다 항상 크거나 같아야 함. 데이터 중 '시가(Open) > 고가(High)', '시가(Open) < 저가(Low)'인 것을 발견함.
    > 처음 처리 방향: 이 부분에 논리 오류가 있는 데이터는 금융사이트에서 실제 값을 찾아서 정확한 수치로 대체. → 이 라이브 데이터는 현시점의 상황이 반영된 데이터라서 당시의 데이터의 대체값으로는 적절하지 않음을 발견.
    > 재처리 방향: open, high, close 세 값을 비교하여, 'open > high'인 경우엔 open을 최대값으로, 'open < low'인 경우엔 최소값으로 대체하는 걸로 최종 결정
    > 추가로 2023/11/29 특정 날짜에 오류인 데이터가 많아서 해당 날짜의 모든 데이터를 삭제. 전체 데이터의 마지막 날짜라서 시계열 분석에는 문제 없을 것이라 판단. (최종 데이터셋의 마지막 날짜는 2023/11/28)
  • 액면분할 데이터 단위 보정에 대한 논의
    액면분할을 하면 가격이 떨어지기 때문에 분석에 노이즈가 있을 수 있어서 보정이 필요함.
    > 처리: 이미 처리된 데이터셋이라서 액면분할 데이터는 이벤트 분석용으로만 활용하고 주가 데이터는 원본 그대로 활용하기로함.

---

[3/20(금) 3일차]

<진행 개요>

• 대시보드 구성 방향에 맞춰서 필요한 지표 리스트 뽑아보기
• 종목을 세 가지 섹터로 나눠서 각각 섹터에 중요한 지표 선정

---

<진행 상세 내용>

• 대시보드 사용자 설정
  • 목적: 포트폴리오 추천 + 투자 성향별 제안
    단일 섹터 종목을 위주로 포트폴리오를 구성하면 경기에 따라 모든 종목의 위험도가 같은 방향으로 흘러가서 리스크가 크다. 따라서 경기 민감도를 기준으로 종목을 세 개의 섹터로 구분하여, 투자자의 포트폴리오 현황 및 투자 성향을 파악하여 그에 맞춤 투자 방향성을 제시한다.
    공격형 투자자에게는 고성장 섹터의 종목을 추천, 방어형 투자자에게는 비교적 안정적인 종목을 추천하는 데에 쓰이는 대시보드 제작.
    
    
  • 섹터 구분: 경기 민감도, 고성장, 안정을 기준으로 세 가지 섹터로 나눔
    • 성장/기술 섹터:
      빅테크/플랫폼, 소프트웨어/클라우드, AI/반도체, IT서비스, 바이오/헬스케어.
      혁신과 고성장 기대감으로 움직이는 섹터
    • 경기민감/실물:
      금융, 산업재/방위, 에너지, 소재/광업, 자동차/운송.
      경기 사이클과 실물 경제에 민감하게 반응하는 섹터
    • 방어/인프라:
      소비재, 유틸리티, 부동산/리츠, 통신.
      경기 변동에 상대적으로 둔감하고 안정적인 배당이나 현금흐름을 제공하는 섹터
• 지표 설정 방향성 팀 논의
  🙋🏻‍♀️❓ 결국 다 섹터로 나눈다고 해도 종목을 판단하는 지표는 정해져 있고 나머지는 보조지표를 쓰냐마냐는 선택인 것 같다.
  섹터별 대시보드를 구성할 때 더 강조할 지표를 결정하는 게 유일한 차이점일 것 같음.
  방향을 정리하고 찾아보자.
  
  • 논의사항
    - 결국 섹터 및 종목을 보는 지표는 정해져 있음.
섹터별 필요한 지표가 거의 겹칠 것 같다.
이것들로 어떻게 KPI를 나눠서 보여줄 수 있을까?
    - 증시 정보 외에 기업 정보를 알아야만 하는 지표들이 있다.
기업 정보는 분기마다 달라지는데 이건 어떻게 선별할 건지 기준이 필요하다.
  • 결정
    - 공통지표를 섹터별 레이아웃을 다르게 해서 보여주는 걸로 결정
KPI별 강조해서 보여줘야 하는 걸 가운데에 크게 배치
    - 공통 지표를 사용하더라도 강조가 없으면 단순 EDA.
투자자에게 인사이트를 제공할 수 있는 레이아웃 구성할 필요 있음
    - 공통지표는 같이 결정해야 함. 단 섹터별로 고유하게 보여줄 수 있는 지표 1~2개는 찾아보자.
• 섹터별 주요 지표 탐색
  • 성장/기술 섹터
    투자자 성향: 시장 확장성에 집중, 고위험·고수익 선호, 공격적 투자 선호, 단기~중기 투자자
    → 거래량 기반 지표
    → 거래량 증가율
    → 거래대금
    → 유동성/회전율
    → 모멘텀 지표
    → 이동평균(상승 추세 얼마나 지속되는가)
    → 이동평균 괴리율
  • 방어/인프라 🙋🏻‍♀️
    → 연평균 성장률 (CAGR) : 변동성이 낮고 장기간 봤을 때 안정적인 성장률을 보이고 있는가?
    → 시장 대비 상대 수익률 (Relative Return vs S&P500)(방어력) : 시장이 하락할 때 리스크를 얼마나 방어해주는가?
• 담당 튜터님 피드백
  • Good
    산업별로 나눠서 진행하는 방향은 좋음
  • More
    → 대시보드 쓸 사람 명확히 설정하기(일반투자자 vs 전문 투자자 vs 기관 투자자)
    → 경기 민감도를 기준으로 섹터를 나눈 근거가 부족. 경기 민감도에 대한 출처 명확히 찾기 → 차라리 산업별로 묶어서 하나의 산업(섹터)만 진행하는 것 고려✅
    → 섹터별 KPI 지표 설정한 근거 명확히, 실제로 많이 쓰이는 기법인지 검증할 필요 있음.
    → 동일기간 데이터만 사용했는데 그 이유는? S&P500 상장일이 늦은 '신규회사'라는 정보를 제외하고 분석하는 게 타당한가 고민 더 필요.
    → 새로운 기준을 세우는 것보다는 기존의 자료들을 파악하는 게 더 중요하다 = 도메인 조사 더 확실하게
• 방향성 수정
  
  • 종목 구분 기준 재설정
    기존: 경기 민감도, 고성장, 안정을 기준으로 구분 → 수정: 산업 카테고리 기준으로 구분(글로별 표준 11개 섹터 GICS)
  • 재설정 방향:
    목표: 여러 섹터 엮어서 펀드/ETF 상품 구성 제안 (신뢰할 수 있는 자료 찾아서 산업섹터 선정)
    대상: 펀드매니저
  • 대시보드 구성 개요
    섹터별 트랜드 파악 대시보드 제작 (n개) → 지표 파악 필요
    펀드/ETF 상품 구성 비율을 볼 수 있는 총합 대시보드 1개
    

---

[3/23(월)~24(화) 4~5일차]

<진행 개요>

• 종목 구분 기준 재설정
  기존: 경기 민감도, 고성장, 안정을 기준으로 구분 → 산업 카테고리 기준으로 구분(글로별 표준 11개 섹터 GICS)
• 그 중 AI 섹터 선정하여 분석 진행
• 대시보드 초안 그려보기

---

<진행 상세 내용>

• 종목 구분 기준 재설정
  기존에는 '경기 민감도'를 기준으로 종목을 그룹핑하여 포트폴리오 리스크 관리에 도움을 주는 대시보드를 만드는 게 목표였음. (경기 민감도가 높은 종목에만 투자를 주로 한 사람에게는 민감도가 낮은 그룹에서 추세가 안정적인 종목을 추천하는 식으로)
  그러나 그 기준의 근거가 모호하며 실제 주식 분석가들 사이에서 많이 사용하는 기준임을 증명할 수 없었음.
  "글로별 표준 11개 섹터(GICS)"가 있는 것을 발견, 산업을 기준으로 나누고 특정 산업을 집중 분석하여 특정 테마의 투자자에게 인사이트를 제공하는 것으로 방향성 수정함. 또한 글로벌 증권사들이 눈여겨보는 종목이 무엇일지 찾아봄. AI, 산업재, 바이오가 있었으나 주어진 시간 상 두 개만 골라서 AI, 산업재만 분석 진행하고 최종적으로 포트폴리오 구성비 제안하기로 함.
  ex. AI 산업을 분석했을 때 수익은 높으나 리스크가 크다는 결과가 나왔다면 AI 산업에 투자 비중을 비교적 많이 두되 일정 비율은 경기에 둔감한 종목들을 함께 배치하는 방향으로 제안.
• AI & 산업재 두 산업의 특성을 분석할 수 있는 지표 구하기
  • AI 지표 🙋🏻‍♀️
    • 수익률 
      ▶︎ AI 기업 수익률 vs S&P500 평균 수익률 - 추세선
      ▶︎ UCR/DCR - 추세선
      - S&P500 상승/하락 구간에서 AI 테마의 상대적 상승폭/낙폭을 측정(상승/하락장에서 얼마나 더 먹나/깨지나)
      - UCR(Upside Capture Ratio): (S&P500이 상승한 기간의 AI 기업의 평균 수익률/S&P500이 상승한 기간의 평균 수익률) × 100
      - DCR(Downside Capture Ratio): (S&P500이 하락한 기간의 AI 기업의 평균 수익률/S&P500이 하락한 기간의 평균 수익률) × 100
    • 변동성
      ▶︎ Parkinson 변동성 산출(값이 얼마나 많이 흔들리는가 - 불안정성)
      - 주어진 데이터셋에서 H(High)/L(Low) 사용
      ▶︎ 섹터 내 분산
    • 리스크
      ▶︎ 시장 집중도(버블): 산업이 개별 종목에 얼마나 의존하는가 시각화 고려 
• 산업재 지표
  • 운송하위 지표
  • 산업재 수요 지표
  • 경기 민감도, 경기 사이클 위치
  • 방위 비방위 필터
  • 수익 지표 파트(일별, 누적, 섹터 평균 대비 초과 수익률)
  • 리스크 지표 파트(변동성, MDD, Beta(시장 대비), Sharpe Ratio)
  • 추세 관련, 이동평균 배열
  • 거래량 & 유동성
• 대시보드 스케치

• 담당 튜터님 피드백
  • AI와 산업재를 묶는 기준에 대한 근거가 불충분하다.
  • 섹터별 겹치는 회사(예. 주력산업(AI 칩)이지만 부가산업(AI 플랫폼))가 여러 개가 있을 텐데 펀드 내 어떤 회사를 어떤 비중으로 묶을 건지 그 근거가 명확한가? 현실성 있는가? ⭐️
    테마를 하나만으로 잡고, 그 안의 산업에 대한 비중을 설정하는 게 더 현실적임.
• 피드백 후 방향성 팀 논의
  
  • 목표: S&P500 내 AI 기업들의 특성을 분석해 기관투자가에게 인사이트 제공
  • 근거: S&P500 상위 10개 기업이 시가총액 전체의 약 40%를 차지하며, 10개 기업 모두 AI 관련주임을 확인함.
    또한 AI섹터는 성장성이 크지만 변동성 또한 큰 종목으로 정확한 정보와 분석을 기반으로 투자를 결정해야 하는 섹터임. 쏟아지는 기사에 판단을 맡기지 않고 데이터를 기반으로 AI 섹터 투자를 결정할 수 있도록 기회와 리스크를 구현하는 대시보드를 만들고자 함.
  • AI 기업 분류 기준: 에너지, 칩, 인프라, 모델, 애플리케이션(근거: 젠슨황의 AI 5단 케이크)
  • 넥스트 액션: 팀원별로 각 기업의 주력산업 찾아 분류하기로 함. (회사의 사업 매출 기준으로 주력산업을 판단)

---

[3/25(수) ~ 26(목) 6~7일차]

<진행 개요>

• 선정한 지표에 대한 추가논의 및 시각화 개선

---

<진행 상세 내용>

• 수익률
  > 수정사항
  1) (기존) 일간 수익률 → (수정) 누적 수익률
  2) 누적 수익률 계산: 산술 평균 수익률, 기하 평균 수익률(CAGR, 복리 효과 반영)

• UCR/DCR
  > 수정사항
  1) UCR/DCR 기준: (기존) 1 → (수정) 100(표준)
  2) UCR의 경우 2026년도 기준선(100)으로 수렴 문제: (원인) 2026년도 데이터 부족
  3) 필터로 UCR·DCR 구분 → UCR·DCR 같이 보여주기
• Parkinson 변동성
  > 수정사항
  1) Parkinson 변동성(최고가, 최저가 반영)은 장중 변동성만 확인 ← (+) 종가 기준 변동성으로 보완
  2) 연율화 필요
  - 기존 계산식: SQRT( AVG([(LN([High] / [Low]))^2]) / (4 * LN(2)) )
  - 수정 계산식: SQRT(AVG(POWER(LN([High]/[Low]), 2)) / (4 * LN(2))) * SQRT(252)
  - 기존의 경우 값이 너무 작아 금융권에선 SQRT(영업일: 252일)을 곱해서 연율화해 직관적으로 시각화하는 게 표준
  3) 통계 검정: 변동성이 상승 신호인지, 하락 신호인지 상관관계 확인
  4) 종가 기준 변동성, Parkinson 변동성 vs 롤드 변동성, 롤드 Parkinson 변동성 中 결정
• 섹터 내 분산도
  > 수정사항
  1) 막대보다는 라인 차트가 일반적(값보다는 시계열로 증가/감소 보여주는 게 가장 일반적) 
  2) 해석할 때 Parkinson 변동성 참고
  1. 변동성 ↑ + 분산 ↓ = 시장 전체 충격
  2. 변동성 ↑ + 분산 ↑ = 혼란 + 차별화
  3. 변동성 ↓ + 분산 ↑ = 조용하지만 내부 경쟁
  4. 변동성 ↓ + 분산 ↓ = 안정된 동조화
• 거래대금 집중도
  > 수정사항
  1) ai layer 내 거래대금이 집중되는 종목들 대부분 다 알 만한 빅테크 기업 → 각 layer들의 거래대금 집중도가 시기별로 어떻게 변화하는지 보여주는 게 더 유의미해보임
  2) 통계 검정: 거래대금이 집중된 섹터에 한해 다른 지표(수익률, 분산도, UCR/DCR 등)과 상관관계 확인

---

[3/27(금)~30(월) 8~9일차]

<진행 개요>

• 태블로 대시보드 제작
• PPT 및 대본 제작 (발표 준비)

---

<진행 상세 내용>

• 태블로 대시보드 제작 🙋🏻‍♀️
  • AI 섹터 전체 추세 대시보드, 필터로 레이어별 지표 및 KPI 추적 대시보드 총 두 개 제작.
  • 두 대시보드를 오갈 수 있는 네비게이션바를 두어 사용자의 편의성을 높이고자 함.
  • 필터는 보통 우측 상단에 위치하는 게 통상적. 이를 따라 필터 위치 및 사이즈를 결졍하여 사용자가 기능버튼의 위치에 낯설지 않도록 배치함.
  • KPI 지표와 일반 지표 배치 및 디자인에 차이를 두어 사용자의 시선을 KPI에 우선 유도함.
  • 신뢰와 안정감을 제공해야 하는 금융 도메인의 특성 상, 그리고 대시보드 제공의 목적을 고려하여 안전을 상징하는 초록색 톤의 대시보드를 제작함.

---

[3/31(화) 10일차]  발표 D-day

<피드백>
[좋았던 점]
금융 자체가 되게 어려운 주제고 특히 도메인 지식이 없다면 더더욱 어렵다. 한계점 부분 보면 데이터 분석가로서 인사이트를 끌어내려면 도메인 지식이 정말 중요하다는 점을 깨달은 것 같아서 칭찬드리고 싶다.

발표 자료 깔끔하게 만들었고 흐름을 물 흐르듯이 잘 설명되게 구성했다.
도메인 지식을 발표자료에 명시해준 게 좋았다 - 해당 부분에 대해 14조가 얼마나 열심히 연구했고 얼마나 고심을 했는지 잘 보였다
사용자 관점으로 투자 시나리오 만든 점은 되게 깊이 있는 분석 프로세스라고 생각한다. - 더 발전시켜서 포트폴리오로 가져가도 괜찮을 듯
AI 5단 케이크론에 따라 레이어 나눠 투자 기회와 리스크를 대비소드로 보여주려고 한 의도가 굉장히 참신했다.
주제도 차별적이고 단순 종목 비교가 아니라 산업 레이어별로 프레임을 만들려고 한 점이 큰 강점이라고 생각한다.

데이터 기반으로 투자 판단을 보조하는 도구가 필요하다고 본 점을 되게 칭찬하고 싶다. 투자 관련 지식이 없는 사람들은 투자 판단할 때 감으로 하는 사람들이 훨씬 많은데 해당 대시보드를 실무진이 보든, 일반인이 보든 투자 판단을 감으로 하지 않고 보조하는 도구로서 대시보드를 만드려고 한 점을 칭찬드리고 싶다.

AI 5단 케이크론을 활용해 레이어별로 나눈 게 핵심 아이디어로 보이는데 이게 잘못하면 프로젝트가 산으로 간다. 근데 방향성을 잘 잡은 것 같다. AI 5단 케이크론에 초점을 맞춰 명확한 프로젝트를 만든 게 되게 좋았다.
데이터 수집하는 과정까지 생각하면 프로젝트 시간이 되게 촉박하게 느껴졌을 텐데 이런 것까지 감안해도 분석 깊이가 높았다는 부분이 참 놀라웠다.

S&P500 기업 데이터와 AI 관련 기업을 레이어별로 구분해 비교 구조를 만들고 이를 KPI 기반 대시보드로 연결하는 흐름이나 논리가 명확해서 좋았다. 대시보드를 만들 때 시각화도 중요하지만 분석이 논리적이지 않으면 안 된다. 분석이 잘 돼야 KPI도 잘 나오고 우리가 차트도 어떤 걸 집어넣을지가 명확하게 나올 수 있기 때문이다. 근데 그 부분에 대한 논리가 명확했던 것 같다. 단순 시계열 차트의 개념이 아니고 레이어 비교를 위한 분석 프레임을 먼저 만들었다는 점도 되게 좋았다. 전처리나 활용할 지표 설계도 잘했다.

Breadth 같은 경우 단순 보조 지표라 쓰지 않고 지수는 올라가는데 내부는 무너지는 단계를 조기 포착하는 신호로 설명한 점이 프로젝트의 분석 깊이를 높여줬다고 생각한다. 파생변수도 실제로 활용할 수 있는 변수들로 구성한 점도 좋았다. 이걸 PPT에 도식화해서 너무 잘 보여줬다. 파생변수들을 분석에 의미 있게 사용하려는 의도가 잘 보여서 좋았던 것 같다.

대시보드 역시 전체 시장과 레이어로 나눠 탐색 구조를 명확하게 잘 잡았다. 실제 화면 기준으로 봤을 때도 저보 구조가 생각보다 되게 너무너무 잘 잡혀 있다.  개별 레이어 대시보드에서 KPI를 색깔로 구별해 이해도를 높인 점 좋았다. 발표 자료를 보고 놀랐던 게 실전 프로젝트에서 대시보드에 대한 설명을 자세하게 적은 사례 별로 없다. 근데 대시보드의 각 페이지마다 차트라든가 KPI라든가 이런 걸 상세하게 관련 설명을 적어놔 14조의 대단히 큰 강점이라 생각한다.

[개선점]
왜 해당 지표를 최종적으로 남겼는지에 대한 근거를 발표 자료에 보완해주면 좋을 것 같다. 여러 지표를 살펴보고 정말 투자 판단에 필요한 KPI를 추려냈다는 과정이 보고 싶다. 그런 부분을 PPT에 보완하면 좋을 것 같다.

대시보드를 만드는 사람은 을이다. 아무리 현업에서 당장 사용할 수 있는 대시보드라 설정했다 하더라도 UCR, DCR 산점도 등 어려운 경제 지표에 대한 짧은 설명을 대시보드에도 첨부했으면 좋았겠다. 또한 사용자 입장에서 어떤 차트가 가장 중요할까를 고민하고 읽는 방향 등 사용자 목적에 부합하게 대시보드 배치를 좀 더 개선하면 더 좋을 듯.

---

이번 프로젝트를 하며 느낀 점

지난 프로젝트에서도 금융을 해서 너무 어려웠던 기억 때문에 금융 도메인을 다신 하지 말아야겠다고 다짐했었는데 어쩌다보니 한번 더 하게 됐다. 이번에도 너무 어려웠다.
전적으로 팀원분들 덕분에 완성할 수 있었다고 생각한다. 사실이다!

지난 프로젝트를 하면서 진도를 따라가지 못하는 나의 모습에 실망도 많이 했고 위축된 것도 있어서, 스스로에 대한 실망감이 정말 컸다.
이번에도 많이 뒤쳐진 건 맞지만 그래도 아는 선에서는 최대한 의견도 내보려고 했고, 내가 쫒아가지 못하는 것 외에 할 수 있는 것들을 찾아서 하려고 했다.

이전 프로젝트에서 '스스로 용납할 수 없는 무능함'이 심적으로 많이 힘들었는데 그 감정에 매몰되지 않은 점은 잘 했다고 생각한다.

멘탈 챙겼으니 이젠 정말 실력을 채워야 한다....

그래서 태블로 대시보드 디자인, PPT를 맡아서 진행했다.

처음에는 통계나 도메인 지표 탐색은 도움이 되지 못하니까 그외의 것을 맡아서 해야겠다는 생각이었다. 그런데 나름 하다보니 배치에도 의미가 있고, 우리가 구현한 기능을 잘 보여줄 수 있는 여러 방향을 고민하게 되어서 의미있는 작업이었다.

 

그래도 앞으로는 분석에 좀 더 치중해서 해보고 싶다. 팀활동이고 각자 잘 하고 더 도움이 될 수 있는 걸 맡아서 진행하는 게 효율적이긴 하나, 계속 분석에서 도망치고 있다는 생각이 드는 걸 막을 수가 없다.

급하게 따라가야 한다는 생각에 답답... 조급... 초조...하기도 하지만 이제는 더이상 물러날 곳이 없다.

 

팀원들을 잘 만나서 너무 감사했고

더 잘하지 못한 나에게 답답했고

앞으로도 부족할 내가 짜증나지만?

그래도 해야지 어떡함.