241202 TIL 팀프로젝트 README

윤수용·2024년 12월 2일
0

TIL

목록 보기
69/113

창업 사업 기획서 챗봇 (사업아이템 및 투자전략 지원)


📌 프로젝트 소개

창업 아이디어 및 사업계획서 작성 과정을 지원하는 AI 기반 챗봇입니다.
사용자가 입력한 데이터를 기반으로 투자 전략, 시장 분석, 고객 페르소나 등 사업계획서 작성의 핵심 섹션을 자동화합니다.


🎯 프로젝트 핵심 목표

  1. 창업 과정의 효율성 향상
    • 사업계획서 작성 및 분석 과정을 자동화하여 시간과 비용 절감.
  2. 사용자 중심의 대화형 인터페이스 제공
    • 창업 아이디어, 타겟 고객, 시장 분석 등 대화형으로 필요한 정보를 제공.
  3. 결과물 저장 및 활용 기능 강화
    • 생성된 분석 데이터를 텍스트(CSV, PDF) 파일로 다운로드 가능.

🌟 Key Summary

가장 돋보이는 성과

  1. Streamlit 기반 UI 설계: 사용자 친화적인 인터페이스 제공.
  2. FastAPI와 LLM 통합: 실시간으로 창업 아이디어에 대해 맞춤형 분석 결과를 제공.
  3. 임베딩 기반 데이터 검색: 대규모 창업 데이터를 효율적으로 활용한 결과 생성.
  4. sqlite로 DB 운용: 대화 기록을 담은 chat_history.db를 사용해 기록 확인 및 검색 기능 제공

🏗️ 인프라 아키텍처 & 적용 기술

시스템 개요

RAG System Structure

⚙️ 주요기능

1.대화형 인터페이스

  • 사용자가 창업 아이디어를 입력하면 실시간으로 피드백 제공.
  • 예시 질문:
    - "고객 타켓팅을 어떻게 설정하면 좋을까?"
    - "내 시장 규모를 분석해줘."

2.섹션별 결과 생성

  • 고객 현황 분석, 시장 규모 평가 등 창업에 필요한 주요 데이터를 분석

🛠️ 기술적 고도화

**[성과 및 기술적 깊이: 고객 페르소나 분석]**

[구현한 기능]

  • 고객 데이터를 분석하고 타겟 고객의 특징을 도출하는 기능.

[주요 로직]

  • LangChain 기반의 LLM과 데이터 임베딩 기술을 사용하여 입력된 데이터를 분석.
  • 데이터를 토큰화하고 주요 패턴을 시각화하여 사용자에게 제공.

[배경 및 요구사항]

  1. 배경: 창업 초기 단계에서 타겟 고객을 명확히 설정하는 것이 성공의 핵심.
  2. 요구사항: 입력 데이터를 분석하여 연령, 관심사, 주요 니즈 등의 고객들을 파악

[의사결정 및 성과]

  • 기술 도입: Langchain을 사용하여 빠르고 정확한 데이터 처리.
  • 결과: 고객 맞춤 텍스트가 생성 정확도가 개선됨
**[성과 및 기술적 깊이: 시장 규모 분석]**

[문제 정의]

  • 시장 규모를 추정할 떄 데이터를 체계적으로 정리하고 제공하는 기능이 부족.

[해결 과정]

  1. 임베딩 기반 데이터 검색: 관련 데이터베이스에서 정확한 시장 데이터를 추출.
  2. FastAPI와 통합: 실시간 응답 속도를 유지하면서 대량 데이터를 처리.

[결과]

  • 분석 결과 응답 시간 단축
  • 시장 규모 추정 정확도 상승
**[성과 및 기술적 깊이: 이전 대화의 일부를 포함해 응답 생성]**

[문제 정의]

  • 이전에 나눴던 대화 내용을 기억하지 못해, 대화 주제에 대한 점진적인 응답 생성이 어려움

[해결 과정]

  1. sqlite를 사용하여 모든 대화 내역을 chat_history.db로 저장
  2. DB에서 가장 최근의 대화 내역 20개를 가져와 사용자의 질문과 함께 응답 생성

[결과]

  • 이전의 대화 내역을 기억하여, 과거의 대화를 바탕으로 하는 답변 생성이 가능
  • 점진적인 문답이 가능해, 보다 더 깊고 정확한 내용의 대화가 가능

🤝역할 분담 및 협업 방식

역할담당자주요 업무
팀장윤수용자료 크롤링, FastAPI 설계 및 시스템 통합
데이터 처리이형민, 정석훈자료 임베딩, 데이터 전처리, RAG 모델 설계
UI 개발이지훈Streamlit UI 설계, 발표자료 제작

📈성과 및 회고

성과

  1. 창업 관련 챗봇으로서 데이터 기반 분석 결과 제공.
  2. 시장 분석 및 고객 분석 기능으로 사용자 신뢰도 향상.

회고 및 향후 계획

  • 잘된 점: FastAPI와 Streamlit의 통합으로 빠르고 직관적인 시스템 완성.
  • 아쉬운 점: 초기 데이터셋 부족으로 일부 분석 결과의 신뢰도가 낮음.
  • 향후 계획: 시장 매출분석 데이터를 확장, 모델 정교화를 통해 성능 개선.

🔧기술 스택

기술상세 내용
언어Python
라이브러리Streamlit, Pandas
프레임워크LangChain, FastAPI
버전 관리Git, GitHub
DBSQLite

📂결과물

  • 사용자 인터페이스: Streamlit 기반 대화형 챗봇.
profile
잘 먹고 잘 살자

0개의 댓글

관련 채용 정보