기존 챗봇은 수동적인 데이터 관리로 정보 업데이트가 늦었고, 로컬 환경 구동으로 인해 지속적인 서비스 제공에 한계가 있었습니다.

24시간 중단 없는 서비스를 위해 Linux(Ubuntu) 환경으로 서버를 이관하고, 수집(Crawling)-전처리(Preprocessing)-적재(Loading) 과정을 무인 자동화해야 했습니다.

1. Python 크롤러를 서버에 배포하고 Crontab으로 주 2회 자동 수집 스케줄링을 설정했습니다.
2. OpenCV와 Tesseract OCR을 연동하여 이미지 내 텍스트를 추출하고, ChromaDB에 적재하는 통합 파이프라인을 구축했습니다.
3. 방화벽 설정 및 백그라운드 프로세스 관리로 안정적인 서버 환경을 조성했습니다.

수작업 없는 실시간 공지사항 반영 시스템을 완성하였으며, 전처리 파이프라인 도입으로 정보 누락률 0% 달성 및 쿼리 속도 50% 단축을 이뤄냈습니다.

'전공-직무 불일치' 해결을 위한 효과적인 교육 활동을 파악하기 위해, 추측이 아닌 통계적 근거에 기반한 분석이 필요했습니다.

한국직업능력연구원의 5,800여 명 패널 데이터를 정제하고, '실무 경험' 변수가 '직무 성과'에 미치는 영향을 통계적으로 증명해야 했습니다.

1. SPSS로 결측치 처리 및 변수 재코딩(Re-coding)을 수행하여 데이터 정합성을 확보했습니다.
2. 비모수 검정(Mann-Whitney U)과 순서형 로지스틱 회귀분석을 통해 변수 간 인과관계를 분석했습니다.
3. "현장실습 경험이 전공 일치도와 직업 안정성 인식에 긍정적 영향을 준다"는 결론을 도출했습니다.

정밀한 통계 분석을 통해 교육 정책 수립에 필요한 실증적 근거(통계적 유의성)를 확보하는 성과를 거두었습니다.