New Value Analysis

new_value_analysis는 **신규가치분석(New Value Analysis)**을 수행하기 위한 Python 기반 분석 유틸리티 라이브러리입니다.

텍스트 데이터 기반으로 Action(행동) → Actor(행위자) → Opportunity Area(기회영역) 분석 파이프라인을 일관된 구조로 수행할 수 있도록 설계되었습니다.

---

📦 Installation

pip install new_value_analysis

Python 3.9 이상 권장

---

📚 Core Concept

본 라이브러리는 다음과 같은 3단계 분석 흐름을 전제로 합니다.

[Action Finder]
텍스트 데이터 → 토픽 모델링 → 행동(Action) 정의

[Actor Finder]
문서 임베딩 → 군집 분석 → 행위자(Actor) 유형화

[Opportunity Area Analysis]
중요도 × 만족도 → 기회영역(Opportunity Area) 도출

---

📁 Package Structure

new_value_analysis
├─ action_finder
│  ├─ topic_modeling.py          # LDA 학습
│  ├─ find_topicnum.py           # 토픽 수 탐색
│  └─ select_action_number.py    # 문서별 Action 번호 할당
│
├─ actor_finder
│  ├─ doc2vec.py                 # Doc2Vec 임베딩
│  ├─ find_right_silhouette.py   # 최적 군집 수 탐색
│  ├─ silhouette_plot.py         # 실루엣 플롯
│  └─ visualize_dendrogram.py    # 덴드로그램 시각화
│
└─ opportunity_area_analysis
   ├─ satisfaction_scaling.py    # 점수 스케일링
   └─ opportunity_plot.py        # Opportunity Area 시각화

---

1️⃣ Action Finder

목적

• 텍스트 데이터에서 **행동(Action)**을 추출
• 문서별로 어떤 행동을 가장 강하게 드러내는지 식별

주요 기능

from new_value_analysis.action_finder import (
    LDA_train,
    assign_action_number
)

예시 흐름

# 1. LDA 모델 학습
lda_model, corpus, dictionary = LDA_train(texts)

# 2. 문서별 Action 번호 할당
df["action_number"] = assign_action_number(lda_model, corpus)

---

2️⃣ Actor Finder

목적

• 문서를 행위자(Actor) 관점에서 군집화
• “어떤 유형의 사람이 어떤 행동을 하는가?”를 구조화

주요 기능

from new_value_analysis.actor_finder import (
    train_doc2vec_module,
    agglomerative_silhouette_module,
    visualize_silhouette,
    plot_dendrogram
)

예시 흐름

# 1. Doc2Vec 임베딩
model, vectors, tagged_docs = train_doc2vec_module(
    df,
    token_col="tagged_review"
)
df["vector"] = vectors

# 2. 최적 군집 수 탐색
scores, best_k = agglomerative_silhouette_module(df)

# 3. 군집 품질 시각화
visualize_silhouette([2, 3, 4, 5], vectors)

# 4. 덴드로그램 확인
plot_dendrogram(df)

---

3️⃣ Opportunity Area Analysis

목적

• 중요도 × 만족도 기반으로 기회영역(Opportunity Area) 도출
• “노력 대비 가치가 큰 영역”을 시각적으로 식별

주요 기능

from new_value_analysis.opportunity_area_analysis import (
    minmax_scale_scores,
    plot_opportunity_area
)

예시 흐름

# 1. 점수 스케일링
df_scaled = minmax_scale_scores(df)

# 2. Opportunity Area 시각화
plot_opportunity_area(
    importance=df_scaled["importance"],
    satisfaction=df_scaled["satisfaction"],
    labels=df_scaled["action_label"]
)

---

🧠 Recommended Workflow

텍스트 수집
   ↓
전처리 / 토큰화
   ↓
Action Finder (행동 정의)
   ↓
Actor Finder (행위자 유형화)
   ↓
Opportunity Area Analysis (기회영역 도출)

---

🎓 Use Cases

• AI 서비스 기획 / UX 리서치
• VOC / 리뷰 데이터 기반 서비스 개선
• 공공 데이터 기반 정책 기획
• 교육 과정(부트캠프) 분석 프로젝트

✨ Versioning

• v0.1.0

  • Initial public release
  • Action / Actor / Opportunity 분석 파이프라인 제공