Untitled

Research Radar – AI 기반 시장 인텔리전스 대시보드

초기 버전 화면

AI가 글로벌 리서치 리포트에서 스타트업에 실제로 필요한 사업 기회를 추출하는 시장 레이더

해커톤/공모전 정보: 없음

---

🎯 Executive Summary

• 문제 : 스타트업과 개발자가 대형 리서치 리포트에서 실질적인 사업 기회와 기술적 공백을 식별하기 어렵다는 문제
• 해결 : LLM 기반 필터링으로 리서치 리포트의 ‘기업 홍보성 문구’를 제거하고, 사업 기회 신호만 추출·점수화하는 대시보드

---

1. 배경·목표

• 사용자/페르소나 :
  • 스타트업 창업가
  • 초기 제품/기술을 탐색하는 개발자
• 성공 기준(KPI) : 없음
• 범위(Out of scope) : 없음

---

2. 역할·스택·기간

• 역할/기여 :
  • 개인 프로젝트
• 스택 :
  • Frontend: Streamlit (Python)
  • AI Core: OpenAI GPT-3.5 Turbo (JSON Mode)
  • Data Engineering: Feedparser, BeautifulSoup4, PyPDF
  • Data Validation: Pydantic
  • Storage: JSON (Lightweight MVP)
• 기간 : 내용 없음

---

3. 데모 & 링크

• Demo : 내용 없음
• Repo : 내용 없음
• 문서(API/ERD/디자인) : 내용 없음
• 시연영상 : 내용 없음

---

4. 아키텍처 요약

• 다이어그램 : 내용 없음
• 데이터 흐름/외부 의존성 :
  • RSS Feed → HTML/PDF 파싱 → LLM 기반 신호 추출 → JSON 저장 → Streamlit 대시보드 시각화
• 배포/CI·CD/롤백 : 내용 없음

---

5. 핵심 기능 (스크린샷/GIF 포함)

1. Startup-Focused AI Filter — 스타트업 관점에서 의미 없는 거시적 문장을 제거하고, 실제 사업·기술적 문제만 추출 / 엣지 케이스 처리: Admin View에서 필터링된 결과 검증 가능
2. Dual-Language Support (EN/KR) — 글로벌 리포트를 한국어로 즉시 이해 가능 / 엣지 케이스 처리: 기존 데이터도 재번역 가능
3. Interactive Dashboard — 산업·기술 태그·중요도 점수 기반 필터링 제공 / 엣지 케이스 처리: 카드 상세 모달에서 근거·출처 확인

---

6. 기술 결정(ADR 요약)

• 결론 : Streamlit + JSON 기반 MVP 선택
• 버린 대안 : 전통적인 웹 프레임워크 기반 대시보드
• 근거 :
  • 성능: MVP 단계에서 충분
  • 비용: 서버·DB 비용 최소화
  • 복잡도: 빠른 실험과 반복에 유리
• 리스크 및 완화 :
  • 리스크: JSON 스토리지 확장성 한계
  • 완화: 향후 DB 도입 전환 고려

---

7. 문제와 해결(버그·장애 포함)

• 이슈 : 내용 없음
• 이슈 : 내용 없음

---

8. 측정 결과(전/후 비교)

• p95 지연 : 내용 없음 → 내용 없음
• 전환율 : 내용 없음 → 내용 없음
• 활성 사용자 : 내용 없음 → 내용 없음
• 그래프: 내용 없음

---

9. 회고 & 개선

• 잘된 점
  1. LLM을 활용한 ‘스타트업 관점 필터링’이라는 문제 정의의 명확성 (근거: README 핵심 기능)
  2. 한국어/영어 이중 언어 지원으로 접근성 확보
  3. MVP 지향 아키텍처로 빠른 실행 가능
• 아쉬운 점 1. 2. 3.
• 기술부채 목록과 상환 계획
  • JSON 스토리지 → DB 전환 (우선순위: 중 / 예상 공수: 내용 없음)
  • LLM 모델 고도화 (우선순위: 중 / 예상 공수: 내용 없음)