99. 파이널 프로젝트 (4)중간점검

주제 문제점 발견과 해결

[문제] 코로나19의 영향으로 인해 영화산업 전체 규모가 줄어들었다. (한 해 전체 관람객 5천만 명 대) 천 만 영화가 탄생할 수 없는 사회적 배경으로 기존에 목표로 했던 2022년도 개봉 영화 흥행 판단 모델 구축 계획은 파기했다.
[해결] 주제 변경
- 2012~2018년도의 데이터로 모델을 생성, 2019년도 영화로 예측모델을 만들어보기로 (정확률은 낮을 것으로 예상)
- 대신 관람객 리뷰 감성분석을 통해 흥행 성공 영화들의 공통점, 흥행 실패 영화와의 차이점 등을 살펴보기로 했다.

데이터 문제점 발견과 해결

[문제] 원하는 데이터를 수집할 수 없었다.
영화 업계에서 개봉 후 2주 간의 관객 수와 여론으로 흥행 여부를 점쳐본다는데.. 이 2주 사이의 데이터만 따로 모으기가 불가능했다. 평론가 등 전문 평가 집단의 평가 데이터도 얻을 수 없었다. 제작비 등 대외비는 포탈 검색으로 해결했기 때문에 추산치인 것도 아쉽다. 자체적으로 수집하는 데이터의 모든 한계점은 다 가졌다! (데이터를 아예 얻을 수 없거나, 신뢰도가 무수히 떨어짐) 계획했던 분석을 진행하거나, 모델을 구축하기에 x변수가 너무 모자라다.
[해결] 주제 변경.

[문제] 영화명이 단순하면 자료 수집이 어렵다.
'타워', '하루' 등 일상 언어와 겹치는 영화들은 포탈 검색으로 자료를 얻기 까다로웠다.
[해결] 따로 카테고리를 설정하거나, 검색어 자체를 '영화 타워'로 설정하거나, 영화 개봉 직후를 자료수집 기간으로 설정했다.

[문제] '일평균 네이버 뉴스 언급량' 수집 시간이 무척 오래 걸려서 일정이 더 밀렸다. 노트북으로는 영화 한 편에 한 시간씩 걸렸다.
[해결] 데스크탑 한꺼번에 열대 씩 돌리기로 했다.

[문제] 기존 데이터를 전부 파기해야했다.
팀원 모두가 분량을 나누어서 데이터를 수집했는데, 날짜 계산 방식이 달라 결국 재수집하기로 했다. 네이버 뉴스 언급량 데이터... 크롤러 다섯 시간 돌려 얻은 데이터 전부 지웠다...^.ㅠ 각자 작업하던 엑셀 파일을 하나로 취합하는 것만 해도 일이었다. 공동 작업 공간의 필요성을 느꼈다.
[해결] 데이터 수집 단계, 결과물 단계에서 피드백량을 늘렸다. 두 번 세 번 크로스체크하고 부터 실수가 사라졌다. 한 카테고리의 데이터를 한 사람이 전부 수집하는 것으로 업무 분장을 다시 했다.