시리즈: 공공데이터에서 영업 시그널을 자동으로 발굴하기까지 (Part 2), Part 1 마지막 편 읽기
고립된 시그널은 가치가 없다
여기까지의 에피소드에서는 주로 "데이터를 어떻게 수집하고 정제하는가"에 집중했다. 하지만 수집된 시그널 하나하나는, 솔직히 말하면 별로 쓸모가 없다.
"과기부가 AI 반도체 R&D 예산을 증액했다", 이 정보 하나만으로 영업팀이 뭘 할 수 있을까? 거의 아무것도 못 한다. 그런데 이 정보에 이어서 "해당 예산으로 KEIT에서 사업 공고가 났다", "그 사업의 세부과제가 NTIS에 등록됐다", "입찰 공고가 나라장터에 올라왔다", 이렇게 연결되면?
완전히 다른 이야기가 된다. 하나의 정책 발표가 6개월에 걸쳐 예산 배정, 사업 공고, 입찰까지 이어지는 흐름을 보여준다. 이게 '시그널 체인'이다.
정책 → 예산 → 사업 → 입찰: 하나의 흐름
정부의 의사결정은 단발성이 아니다. 체인으로 연결된다.
실제 사례: 6개월의 흐름
- 1월: 정부가 "첨단기술 분야 R&D 투자 확대" 정책을 발표한다 (정책브리핑)
- 3월: 기획재정부 예산안에 관련 예산 300억이 반영된다 (기재부 보도자료)
- 5월: 산업기술평가원(KEIT)에서 해당 사업의 참여기관 공모가 난다 (KEIT 홈페이지)
- 6월: NTIS에 세부 연구과제가 등록된다 (NTIS)
- 7월: 조달청 나라장터에 관련 조달 입찰이 올라온다
이 5개의 이벤트는 각각 다른 사이트, 다른 기관에서 발생한다. 단독으로 보면 5개의 별개의 시그널이다. 하지만 체인으로 연결하면 "이 입찰이 6개월 전 정책 발표에서 시작됐고, 예산은 300억이며, 경쟁 구도는 이렇다"라는 입체적인 그림이 그려진다.
연결의 기술: 5가지 연결 유형
시그널을 연결하는 방식은 단순하지 않다. 키워드가 같다고 연결되는 게 아니라, 맥락을 이해해야 한다.
시스템에서는 다섯 가지 연결 유형을 구분한다.
- 진화(Evolution): 같은 주제가 시간에 따라 전개되는 경우. 정책 발표 → 예산 편성 → 사업 공고
- 정책 체인(Policy Chain): 상위 정책이 하위 사업으로 구체화되는 흐름
- 예산 흐름(Budget Flow): 예산 배정이 실제 집행으로 이어지는 과정
- 관련(Related): 직접적 인과관계는 아니지만, 같은 분야/기관에서 발생한 유사 시그널
- 수동 연결(Manual): 사람이 판단해서 연결한 것. AI가 놓친 관계를 사람이 보완
각 연결에는 강도(0~100)와 신뢰도가 붙는다. "이 두 시그널이 얼마나 강하게 연결되어 있는가"를 수치로 표현하는 것이다. 연결 근거도 기록한다. 어떤 키워드가 매칭됐는지, 어떤 기관이 겹치는지, 두 시그널 사이의 시간 간격이 얼마인지.
연속 과제 추적: 다년도 R&D의 흐름
한국 정부 R&D의 특징 중 하나는 3~5년짜리 다년도 과제가 많다는 것이다.
예를 들어 "차세대 반도체 소재 개발" 과제가 2024년에 시작됐으면, 2025년에 2차년도, 2026년에 3차년도 과제가 이어진다. 매년 예산이 재편성되고, 추가 구매 수요가 발생한다.
다년도 과제 추적의 가치
- 예산 변동을 감지할 수 있다. 20% 이상 증감이 있으면 자동 알림이 뜨는 식이다.
- 과제 제목의 유사도 기반으로 자동 체인을 발견할 수 있다.
- 응용 연구 → 상용화 → 양산 이런 흐름으로 이어지는 장기적 트렌드를 볼 수 있다.
단발성 시그널 100건보다, 체인으로 연결된 시그널 10건이 영업에는 훨씬 유용하다. "이 입찰이 왜 나왔는지, 다음엔 뭘 나올지"를 알 수 있으니까.
5개 소스를 관통하는 연결
시그널 체인은 공고 데이터만으로 만들어지지 않는다. 여러 종류의 데이터를 관통해야 한다.
시스템에서 상호 연결하는 데이터 소스는 다섯 가지다.
- 영업 시그널: 각 부처의 사업공고, 정책발표, 보도자료
- 연구과제 데이터: NTIS에 등록된 국가 R&D 과제 정보
- 예산 데이터: 부처별 세부사업 예산 편성
- 고객 목소리: 실제 고객과의 대화, 회의록, KOL 발언
- 기관 프로필: 어떤 기관이 어떤 분야에 관심이 있는지
이 다섯을 관통하면, 예를 들어 "특정 부처가 해당 분야 예산을 늘렸다(예산) + 전문기관에서 공고가 났다(시그널) + A기관 담당자가 '신규 도입 계획이 있다'고 말했다(고객목소리) + NTIS에 관련 연구과제가 등록됐다(연구과제)" 같은 입체적인 그림이 그려진다.
각각은 퍼즐 조각이다. 모아서 맞추면 기회의 전체 그림이 보인다.
왜 이게 어려운가
시그널 체인을 만드는 게 쉽다면, 모든 기업이 이미 하고 있을 것이다. 어려운 이유는 명확하다.
첫째, 시그널들이 다른 사이트, 다른 기관, 다른 포맷으로 존재한다. 사람이 맨눈으로 "아, 이건 저 정책의 후속 사업이구나" 하고 연결하는 건, 30개 사이트를 동시에 보고 있어야 가능한 일이다. 누가 그럴 수 있겠는가.
둘째, 시간 차이. 체인의 앞단과 뒷단 사이에 수개월의 간격이 있다. 1월에 본 정책 발표를 7월의 입찰과 연결하려면, 6개월 전 데이터를 기억하고 있어야 한다. 사람의 기억력으로는 한계가 있다.
셋째, 규모. 18만 건의 시그널 중에서 연결 가능한 쌍을 찾는 건, 조합론적으로 어마어마한 문제다. 키워드 매칭, 기관 매칭, 의미 유사도를 복합적으로 활용해야 한다.
체인을 만드는 건 수집보다 훨씬 난이도가 높다. 하지만 가치도 훨씬 높다. 영업팀에게 "시그널 목록"을 넘기는 것과 "시그널 체인"을 넘기는 것은 차원이 다른 경험이다.
다음 에피소드에서는 82개 기관의 데이터를 어떻게 하나의 언어로 통일했는지 이야기한다.
