heyask · 실시간 바카라(Wishket)

프로젝트 배경

1) 문제점
• 외부에 노출할 수 없는 민감한 데이터로 인해 외주 태깅이 불가능함
• 작업자별 태깅 현황 및 정확도를 실시간으로 파악하기 어려움
• 기존 수작업 기반의 파일 전달 방식은 데이터 누락, 중복, 오류 위험이 큼

2) 프로젝트 목표
• 내부에서만 사용할 수 있는 크로스플랫폼 태깅 앱 개발
• 태깅 데이터 자동 저장 및 실시간 작업 기록 수집
• 작업자별 통계 확인이 가능한 관리자 전용 웹페이지 구축

3) 주안점
• Electron 기반 앱으로 Windows/Mac 환경 동시 대응
• Redux 기반의 예측 가능한 상태 관리와 UI 반응성 확보
• PostgreSQL 기반의 안정적인 데이터 구조 및 Node.js API 설계
• 태깅 성능 모니터링 및 작업자 피드백 기능 구현

프로젝트 성과

수작업 대비 태깅 효율 40% 향상

Electron 앱 도입으로 작업자당 평균 태깅 처리량이 기존 대비 40% 증가

작업자별 태깅 통계 자동화

웹 기반 대시보드에서 사용자별 태깅 수, 정확도, 소요시간 등 실시간 확인 가능

크로스플랫폼 지원으로 사용 환경 확대

Electron 기반 구현으로 Windows/Mac 운영환경에서 모두 안정적으로 사용 가능

데이터 누락률 0% 유지

자동 저장 및 백엔드 연동 구조 도입 후 태깅 데이터 누락 이슈 발생률 0% 유지

핵심 기능

크로스플랫폼 태깅 클라이언트, 자동 저장 및 실시간 동기화

- Electron 기반으로 Windows/Mac 모두 대응, 설치 없이 실행 가능한 데스크탑 앱 제공
- 작업 중 자동 저장 및 서버와 실시간 연동으로 데이터 유실 방지

프로젝트 상세

AI 모델 학습에 필요한 정제된 태깅 데이터를 확보하기 위해 내부 전용 태깅 시스템을 구축했습니다. 다양한 OS에서 활용 가능한 크로스플랫폼 클라이언트 앱(Electron + React + Typescript)을 개발하였고, 사용자 인터랙션과 태깅 효율성을 고려해 Redux 구조를 설계했습니다. 백엔드는 Node.js 기반 API 서버와 PostgreSQL을 사용해 작업 데이터를 안정적으로 저장하고 관리할 수 있도록 구성했습니다.

또한 태깅 작업자별 생산성과 작업량을 모니터링할 수 있도록 React 기반 통계 웹 대시보드 및 API를 구현하여 운영 효율을 높였습니다. 결과적으로 수작업 대비 40% 이상 빠른 속도로 고품질 데이터를 수집할 수 있었으며, 추후 모델 정밀도 개선에 기여했습니다.