KR20190143174A - 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법 - Google Patents

팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법 Download PDF

Info

Publication number
KR20190143174A
KR20190143174A KR1020180070791A KR20180070791A KR20190143174A KR 20190143174 A KR20190143174 A KR 20190143174A KR 1020180070791 A KR1020180070791 A KR 1020180070791A KR 20180070791 A KR20180070791 A KR 20180070791A KR 20190143174 A KR20190143174 A KR 20190143174A
Authority
KR
South Korea
Prior art keywords
team
members
data
determining
determined
Prior art date
Application number
KR1020180070791A
Other languages
English (en)
Other versions
KR102110793B1 (ko
Inventor
정윤섭
Original Assignee
주식회사 비긴메이트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 비긴메이트 filed Critical 주식회사 비긴메이트
Priority to KR1020180070791A priority Critical patent/KR102110793B1/ko
Publication of KR20190143174A publication Critical patent/KR20190143174A/ko
Application granted granted Critical
Publication of KR102110793B1 publication Critical patent/KR102110793B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 다양한 실시 예는 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법에 관한 것이다. 팀원간 적합도가 높은 팀을 구성하는 방법은, 복수의 회원들의 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터를 획득하여 데이터베이스화하는 단계, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정하는 단계, 및 상기 복수의 회원들 중 상기 결정한 적어도 하나의 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함할 수 있다. 다른 실시 예들도 가능할 수 있다.

Description

팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법{SYSTEM AND METHOD FOR ORGANIZING TEAM WITH A HIGH SUITABILITY BETWEEN TEAM MEMBERS}
본 발명은 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법에 관한 것으로, 특히 복수의 회원들의 빅데이터에 기반하여 연산된 적합도에 따라 복수의 회원들 중 일부를 팀으로 구성하는 시스템 및 방법에 관한 것이다.
최근 들어, 소규모의 사업 모델이 증가함에 따라 창업의 수는 급격하게 증가하고 있는 추세이다. 스타트업(Start-up)이란 설립한지 오래되지 않은 신생 벤처기업을 의미하는 것으로 혁신적 기술과 아이디어를 보유한지 얼마 되지 않은 창업기업으로서 대규모 자금을 조달하기 이전 단계라는 점에서 엄격한 의미로는 벤처 와 구별 사용되고 있다. 스타트업과 같은 소규모의 창업단계에서 예비 또는 초기 창업자들은 적절한 투자 유치와 경쟁력 있는 팀원의 확보에서 어려움을 겪고 있다. 특히, 스타트업은 팀원간 업무 방식이 다르거나 의사 소통이 원활하지 않을 경우 사업화 단계로 넘어가지 못하는 경우가 빈번하게 발생한다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 복수의 회원들의 빅데이터(예: 프로필 데이터, 진단 데이터, SNS 데이터, 유형 분류 데이터)를 활용하여 적합도가 높은 팀원들로 팀을 구성할 수 있는 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 다양한 실시 예에 따르면, 팀원간 적합도가 높은 팀을 구성하는 방법은 복수의 회원들의 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터를 획득하여 데이터베이스화하는 단계, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정하는 단계, 및 상기 복수의 회원들 중 상기 결정한 적어도 하나의 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함할 수 있다.
이상에서 설명한 바와 같은 본 발명에 따른 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법은 회원들의 빅데이터를 활용하여 팀을 구성하므로 팀의 결속력과 지속력을 극대화할 수 있다.
또한, 회원의 SNS 데이터를 활용하여 공통 분모(예: 관심분야, 경험, 목표, 비전, 취미, 지역, 라이프 사이클)가 겹치는 팀원들로 팀을 구성하므로 팀원간 의사소통을 극대화할 수 있다.
또한, 복수의 회원들은 단지 본인들과 관련된 빅데이터만 제공하여도 팀과 팀원들에 매칭될 수 있으므로 손쉽게 창업을 할 수 있는 기회를 얻을 수 있고 스타트업이 사업화 단계로 진행될 수 있다.
도 1a 은 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 시스템을 나타낸 블록도이다.
도 1b는 본 발명의 일 실시 예에 따른 진단 도구를 나타낸 예시도이다.
도 2 는 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 방법을 설명하기 위한 흐름도이다.
도 3 은 본 발명의 일 실시 예에 따른 팀을 결정하는 방법을 설명하기 위한 흐름도이다.
도 4 는 본 발명의 일 실시 예에 따른 팀원을 결정하기 위한 흐름도이다.
도 5 는 본 발명의 다른 실시 예에 따른 팀원을 결정하기 위한 흐름도이다.
도 6은 본 발명의 다른 실시 예에 따른 팀 및 팀원을 결정하기 위한 흐름도이다.
도 7 내지 도 9는 본 발명의 다른 실시 예에 따른 팀 및 팀원을 결정하기 위한 예시도이다.
이하 본 발명의 다양한 실시 예를 첨부된 도면을 참조하여 상세히 설명한다. 그리고, 본 발명의 실시 예를 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 발명의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명에 따른 전자 상거래 중계 시스템의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록 하며 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
본 문서의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램)로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 서버)를 포함할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
도 1a 은 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 시스템을 나타낸 블록도이다. 도 1b는 본 발명의 일 실시 예에 따른 진단 도구를 나타낸 예시도이다.
도 1a 를 참조하면, 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 시스템은 팀 구성 서버(100)와 회원의 전자 장치(200)로 이루어질 수 있다. 팀 구성 서버와(100)와 회원의 전자 장치(200)는 네트워크를 통해 서로 연결될 수 있다. 여기서 네트워크는 무선 네트워크 및 유선 네트워크를 포함할 수 있다. 예를 들어, 상기 네트워크는 근거리 통신 네트워크(예: 블루투스, WiFi direct 또는 IrDA(infrared data association)) 또는 원거리 통신 네트워크(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN))일 수 있다.
일 실시 예에서, 팀 구성 서버(100)는 복수의 회원들에게 팀 구성 서비스를 제공하는 운영자가 그 서비스를 제공하기 위해 운영하는 장치일 수 있다. 팀 구성 서버(100)는 예컨대, 웹 서버, 어플리케이션 서버, 머신러닝 서버, 또는 데이터베이스 서버 중 적어도 하나 이상의 조합으로 구현될 수 있다. 또한, 회원의 전자 장치(200)는 팀 구성 서비스에 가입된 회원이 사용하는 장치이다. 여기서, 회원은 스타트업 등의 창업을 희망하는 예비 창업 단계이거나 창업 초기 단계인 사람일 수 있다. 여기서, 팀은 소규모 자본을 통해 창업을 목적으로 결성된 집단일 수 있다. 팀 구성 서버(100)는 회원들에게 적합한 팀을 매칭하여 팀원을 구성할 수 있는 서비스를 제공할 수 있다. 이러한 서비스는 네트워크를 통해 상호간에 연결된 팀 구성 서버 (100) 및 회원의 전자 장치(200)가 필요한 정보를 주고받는 상호작용을 통해 제공된다. 예컨대, 회원의 전자 장치(200)는 네트워크를 통해 팀 구성 서버(100)와 통신할 수 있는 장치가 될 수 있다. 예컨대, 회원의 전자 장치(200)는 PC(Personal Computer), 노트북(Lap-top Computer), 스마트폰, 태블릿 PC, 패블릿 PC 등을 포함할 수 있다.
일 실시 예에서, 팀 구성 서버(100)는 제어부(110), 팀 구성 모듈 DB(120), 팀 결정부(130), 팀원 결정부(140), 및 통신부(150)를 포함할 수 있다.
일 실시 예에서, 제어부(110)는 본 발명의 실시 예에 따른 팀 구성 서비스를 제공하기 위해 필요한 일련의 프로세스를 제공할 수 있다. 예를 들어, 제어부(110)는 웹 페이지를 통해 복수의 회원들을 등록시키고 등록된 회원들의 계정 및 관련 데이터를 관리하는 역할을 수행할 수 있다. 구체적으로, 제어부(110)는 회원들로부터 프로필 데이터, 진단 데이터, SNS 데이터, 유형 분류별 데이터를 획득할 수 있다. 또한, 제어부(110)는 회원과 관련된 각종 데이터를 통신부(150)를 통해 회원의 전자 장치(200)로부터 수신할 수 있다.
일 실시 예에서, 제어부(110)는 프로필 데이터를 웹 페이지를 통해 회원들로부터 직접 입력 받을 수 있고, 여기서 프로필 데이터는 회원의 나이, 거주 지역, 활동 가능 지역, 성별, 및 경력 중 적어도 하나를 포함할 수 있다.
일 실시 예에서, 제어부(110)는 웹 페이지에 게시한 진단 도구(예: 인적성 테스트)를 통해 회원들을 평가한 진단 데이터를 획득할 수 있고, 여기서 진단 데이터는 회원의 팀워크 성향, 성격 유형, 행동 유형, 및 가치 유형 중 적어도 하나를 포함할 수 있다. 예를 들어, 도면 1 b에 도시된 바와 같이 제어부(110)는 웹 페이지를 통해 회원에게 성격유형을 결정하는 진단 도구를 제공할 수 있고, 회원은 성격유형 진단 도구를 수행할 수 있고, 이러한 진단 결과를 통해 제어부(110)는 회원의 성격 유형이 독립적인지 또는 상호의존적인지 등을 전반적으로 파악할 수 있다.
일 실시 예에서, 제어부(110)는 회원들의 동의하에 회원들이 활동 중인 SNS를 분석하여 SNS 데이터를 획득할 수 있고, 여기서 SNS 데이터는 회원의 입력 데이터, 실시간 메시지 텍스트, 업로드 콘텐츠, 회원의 관심분야, 가치관, 정치관, 경험, 목표, 비전, 취미, 지역, 라이프 사이클, 및 지인 리스트 중 적어도 하나를 포함할 수 있다. 예컨대, 제어부(110)는 회원의 SNS에서 개체명, 동의어, 주제어, 관계모델, 자동분류, 클러스터 등을 활용하여 SNS 데이터를 추출할 수 있다. 또한, 이와 달리 제어부(110)는 SNS 데이터를 웹 페이지를 통해 회원들로부터 직접 입력 받을 수 있다.
일 실시 예에서, 제어부(110)는 SNS 데이터를 획득하기 위해 비정형 데이터 분석 시스템을 활용할 수 있다. 여기서 비정형 데이터는 회원들의 SNS 데이터 활용 및 플랫폼 개인정보 활용에 대한 사전 동의 과정을 통해 획득할 수 있다. 제어부(110)는 회원들의 SNS 데이터의 수집, 저장, 처리, 분석 프로세스를 통해 비정형 데이터를 활용할 수 있다. 예컨대, 제어부(110)는 데이터 마이닝(data mining), 텍스트 마이닝(text mining), 소셜 마이닝(social mining)을 통해 SNS 데이터를 분석하고 수치화할 수 있다. 예컨대, 비정형 데이터 기반 빅 데이터 분석 솔루션(예: MS R Server(Machine Learning Server))이 본 발명에 활용될 수 있고, 이미지 자료 분석을 위해 Azure AI기반의 Cognitive Service 가 본 발명에 활용될 수 있다.
일 실시 예에서, 제어부(110)는 프로필 데이터, 진단 데이터, 및 SNS 데이터에 기반하여 회원의 유형을 분석함에 따라 유형 분류 데이터를 획득할 수 있고, 여기서 유형 분류 데이터는 회원이 참여 가능한 프로젝트 데이터(예: 풀타임 선호, 파트타임 선호, 협업 선호), 회원이 희망하는 금전 데이터(예: 급여 수준, 스톡옵션, 지분), 회원의 포지션 데이터(예: 개발자, 디자이너, 기획자), 및 기타 데이터(지역, 성별, 나이, 경력, 합류 시기) 중 적어도 하나를 포함할 수 있다. 이와 달리, 제어부(110)는 유형 분류 데이터를 웹 페이지를 통해 회원들로부터 직접 입력 받을 수 있다.
일 실시 예에서, 팀 구성 모듈 DB(120)는 획득한 프로필 데이터, 진단 데이터, SNS 데이터, 유형 분류 데이터를 저장할 수 있다. 예를 들어, 팀 구성 모듈 DB(120)는 프로필 DB(121), 진단도구 DB(122), SNS DB(123)를 포함할 수 있다. 예컨데, 프로필 DB는 회원의 경력 등을 데이터베이스화 하여 저장할 수 있고, 진단도구 DB(122)는 팀의 성격(팀, 스타트업, 개인)등을 데이터베이스화하여 저장할 수 있고, SNS DB(123)는 회원의 친구, SNS 활동 등을 데이터베이스화 하여 저장할 수 있다. 여기서 팀의 성격은 팀이 대표 위주로 의사 결정이 진행되는 지 또는 민주적인 방식으로 동등한 의사 결정이 적용되는 지 등을 포함하는 의미일 수 있다.
일 실시 예에서, 도면에는 도시되지 않았지만 팀 구성 모듈 DB(120)는 회원을 평가할 수 있는 다른 정보들을 데이터베이스화하여 저장할 수 있다. 예컨대, 투자자의 투자 정보, 세계 각 국가의 산업 트렌드 등의 DB가 더 포함될 수 있다.
일 실시 예에서, 팀 결정부(130)는 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정할 수 있다. 예를 들어, 팀원 결정부(130)는 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터에 기반하여 복수의 회원들에게 적합한 팀 리스트를 생성할 수 있고, 팀 추천 우선 순위에 기반하여 팀 리스트 중 적어도 하나의 팀을 결정할 수 있다. 또한, 이와 달리 회원이 소속된 팀에서 팀원 모집 의뢰를 할 경우, 팀 결정부(130)는 의뢰 우선 순위에 기반하여 상기 의뢰를 한 팀들 중에서 어느 하나의 팀을 결정할 수 있다.
일 실시 예에서, 모듈 통제부(160)는 회원의 입력에 기반하여 프로필 데이터, 진단 데이터, SNS 데이터에 각각 적용되는 가중치를 결정할 수 있다. 예컨데, X%는 프로필 데이터에 적용되는 가중치일 수 있고, Y%는 진단 데이터에 적용되는 가중치일 수 있고, Z%는 SNS 데이터에 적용되는 가중치일 수 있다. 따라서, 하기에 설명할 회원의 적합도, 팀 적합도, 또는 팀원간 적합도는 가중치에 따라 값이 변경될 수 있다.
일 실시 예에서, 팀원 결정부(140)는 결정된 팀에 적합한 팀원을 결정할 수 있다. 예를 들어, 팀원 결정부(140)는 모듈 통제부(160)를 통해 결정된 가중치를 확인할 수 있고, 결정된 팀에 대한 회원의 적합도를 연산할 수 있고, 연산된 회원의 적합도에 기반하여 복수의 회원들의 우선 순위를 결정할 수 있고, 결정된 우선 순위에 기반하여 결정된 팀에 적합한 복수의 회원들을 팀원으로 결정할 수 있다.
일 실시 예에서, 제어부(110)는 결정된 팀에 매칭되는 팀원을 결정할 경우, 이를 해당 복수의 회원들에게 알림 메시지 등을 통해 제공할 수 있다. 예를 들어, 직접 팀을 생성하여 팀원을 결정한 경우, 제어부(110)는 팀원으로 결정된 복수의 회원들에게 결정된 팀을 추천하는 메시지(예: 이메일, SMS, 메시지 어플리케이션용 메시지)를 전송할 수 있다. 또한, 회원이 의뢰한 팀의 팀원을 결정한 경우, 제어부(110)는 팀 구성을 의뢰한 회원에게 팀원을 추천하는 메시지를 전송할 수 있고, 결정된 팀원에게도 팀을 추천하는 메시지를 전송할 수 있다.
일 실시 예에서, 제어부(110)는 다국어 기반 플랫폼 글로벌 서비스를 제공할 수 있다. 예컨대, 제어부(110)는 세계 각국에 적합한 웹 페이지를 개설하여 글로벌 회원들을 모집할 수 있고, 다양한 국적의 팀원들로 이루어진 팀을 구성할 수 있다.
발명의 한 실시 예에 따르면, 제어부(110), 팀 결정부(130), 팀원 결정부(140)는 머신러닝 기반 팀빌딩 매칭 알고리즘을 활용할 수 있다. 여기서 팀 빌딩 매칭 알고리즘은 팀원과 팀간 모집단을 만들고 다양한 평가 항목을 통해 상호 평가를 실시한 후, 평가 점수로 상호 선호도 순위를 만든 후, 선호도 기준 최적의 매칭을 도와주는 알고리즘일 수 있다. 또한, 본 발명은 클라우드 머신러닝 기반 팀빌딩 매칭 자동화 알고리즘(예: Microsoft의 Machine Learning Studio)를 활용해 팀빌딩 매칭 데이터 생성을 자동화하고 다양한 유형별 알고리즘 적용을 통해 신속하게 최적화된 팀빌딩 매칭정보를 도출할 수 있다.
발명의 한 실시 예에 따르면, 제어부(110)는 통신부(150) 또는 웹 페이지를 통해 복수의 회원들로부터 팀 구성 추천에 대한 피드백을 수신할 수 있고, 피드백을 데이터베이스화하여 피드백 데이터를 누적할 수 있고, 팀 결정 및 팀 구성에 피드백 데이터를 활용할 수 있다.
상기와 같이 구성될 수 있는 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 시스템은 복수의 회원들에게 적합한 팀을 자동으로 생성할 수 있고, 복수의 회원들의 적합도를 고려하여 생성한 팀 또는 의뢰 받은 팀을 자동으로 회원들에게 추천할 수 있다.
발명의 한 실시 예에 따르면, 도면에 도시된 바와 달리 제어부(110)가 팀 결정부(130)와 팀원 결정부(140)의 기능도 함께 수행할 수 있다.
도 2 는 본 발명의 일 실시 예에 따른 팀원간 적합도가 높은 팀을 구성하는 방법을 설명하기 위한 흐름도이다. 도 2의 동작들은 팀원간 적합도가 높은 팀을 구성하는 시스템에 포함된 팀 구성 서버(도 1a에 도시, 100)에 의해 수행될 수 있다.
도 2 를 참조하면, 일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 21에서, 복수의 회원들의 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터를 획득하여 데이터베이스화 할 수 있다. 예를 들어, 팀 구성 서버(110)는 웹 페이지 또는 어플리케이션 등을 통해 복수의 회원들로부터 프로필 데이터를 입력 받을 수 있다. 또한, 팀 구성 서버(110)는 웹 페이지 또는 어플리케이션 등을 통해 복수의 회원들에게 진단 도구(예: 인적성 테스트, 심리 테스트)를 제공할 수 있고, 복수의 회원들이 수행한 진단 도구 결과에 기반하여 진단 데이터를 획득할 수 있다. 또한, 팀 구성 서버(110)는 회원들의 동의하에 회원들이 활동 중인 SNS를 비정형 데이터 분석 시스템 등을 활용하여 분석할 수 있고, 분석 결과에 기반하여 SNS 데이터를 획득할 수 있다. 또한, 팀 구성 서버(110)는 프로필 데이터(예: 회원의 나이, 거주 지역, 활동 가능 지역, 성별, 및 경력), 진단 데이터(예: 회원의 팀워크 성향, 성격 유형, 행동 유형, 및 가치 유형), SNS 데이터(예: 회원의 입력 데이터, 실시간 메시지 텍스트, 업로드 콘텐츠, 회원의 관심분야, 가치관, 정치관, 경험, 목표, 비전, 취미, 지역, 라이프 사이클, 및 지인 리스트)를 분석함에 따라 유형 분류 데이터를 획득할 수 있다. 여기서 유형 분류 데이터는 앞서 언급한 바와 같이 회원이 참여 가능한 프로젝트 데이터(예: 풀타임 선호, 파트타임 선호, 협업 선호), 회원이 희망하는 금전 데이터(예: 급여 수준, 스톡옵션, 지분), 회원의 포지션 데이터(예: 개발자, 디자이너, 기획자), 및 기타 데이터(지역, 성별, 나이, 경력, 합류 시기) 중 적어도 하나를 포함할 수 있다. 물론 이외에도 팀 구성 서버(110)는 회원들의 입력을 통해 유형 분류 데이터를 획득할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 22에서, 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터에 기반하여 복수의 회원들에게 적합한 팀 리스트를 생성할 수 있고, 팀 추천 우선 순위에 기반하여 팀 리스트 중 적어도 하나의 팀을 결정할 수 있다. 또한, 팀 구성 서버(110)는 팀의 목적, 업무 내용, 타겟 고객, 투자자 정보 등을 추가적으로 고려하여 적어도 하나의 팀을 결정할 수 있다. 여기서 팀 리스트는, 예를 들어, 스마트폰 게임 스타트업, 푸드 트럭 스타트업, 빅데이터 활용 스타트업 등 다양한 목적을 갖는 팀을 포함할 수 있고, 팀 추천 우선 순위는 시스템에서 기 설정될 수 있고, 팀 추천 우선 순위는 복수의 회원들에서 가장 많이 희망하는 팀, 산업계 트렌드, 정부의 스타트업 분야별 지원 금액, 투자자의 선호도 등 다양한 요소를 고려하여 결정될 수 있다. 예컨대, 팀 구성 서버(110)는 프로필 데이터에 속하는 회원의 경력, 진단 데이터에 속하는 가치 유형, SNS 데이터에 속하는 회원의 관심 분야, 유형 분류 데이터의 프로젝트 데이터 등을 고려하여 복수의 회원들이 실제로 참여할 수 있는 팀 리스트를 생성할 수 있고, 팀 리스트 중에서 회원의 선호도, 정부의 지원 금액, 투자자 선호도 등을 고려하여 팀을 결정할 수 있다.
일 실시 예에서, 팀 구성 서버(110)는 복수의 회원들로부터 팀 구성을 의뢰한 적어도 하나의 팀을 확인할 수 있고, 의뢰 우선 순위에 기반하여 팀 구성을 의뢰한 적어도 하나의 팀 중에서 적어도 하나의 팀을 결정할 수 있다. 예컨대, 회원은 이미 스타트업에 속한 팀원일 수 있고, 팀원을 보충하기 위해 팀 구성을 의뢰할 수 있다. 또한, 회원은 이미 팀원 중 일부를 확보한 상태에서 팀 구성을 의뢰할 수 있다. 여기서 의뢰 우선 순위는 의뢰 접수 순서일 수 있고, 팀 구성 서버(110)는 의뢰 접수 순서에 따라 팀 구성을 의뢰한 적어도 하나의 팀 중에서 적어도 하나의 팀을 결정할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 23에서, 복수의 회원들 중 결정한 팀에 적합한 복수의 회원들을 팀원으로 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 회원의 입력에 기반하여 프로필 데이터, 진단 데이터, SNS 데이터에 각각 적용되는 가중치를 결정할 수 있고, 결정된 팀에 대한 회원의 적합도를 연산할 수 있고, 연산된 회원의 적합도에 기반하여 복수의 회원들의 우선 순위를 결정할 수 있고, 결정된 우선 순위에 기반하여 결정된 팀에 적합한 복수의 회원들을 팀원으로 결정할 수 있다. 여기서, 가중치는 회원이 직접 선택할 수 있는 값일 수 있고, 예컨대, 가중치는 100% 기준으로 프로필 데이터 비중 30%, 진단 데이터 비중 30%, SNS 데이터 비중 40%로 설정될 수 있다. 여기서 적합도는 결정된 팀에 회원이 얼마나 잘 적응하여 활동할 수 있는 지를 수치화한 값일 수 있다. 여기서 우선 순위는 적합도의 수치가 높은 순으로 회원들의 추천 순위를 결정한 기준일 수 있다. 팀원을 결정하는 자세한 방법은 도 4 및 도 5에서 후술한다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 24에서, 팀원으로 결정한 회원들에게 결정된 팀 추천 메시지를 제공할 수 있다. 예를 들어, 팀 구성 서버(110)는 팀원으로 결정한 회원에게 결정된 팀을 추천하는 메시지(예: 이메일, SMS, 메시지 어플리케이션용 메시지)를 전송할 수 있다.
일 실시 예에서, 도면에는 도시되지 않았지만, 팀 구성 서버(110)는 팀원으로 결정한 회원에게 응답 메시지를 수신할 수 있고, 응답 메시지에 기반하여 결정된 팀이 실제로 활동할 수 있도록 웹 페이지 또는 메시지를 통해 최종 결과를 회원들에게 제공할 수 있다. 예컨대, 추천 메시지를 받은 모든 회원들로부터 팀 참여를 승인하는 메시지를 수신할 경우, 이러한 결과를 회원들에게 제공할 수 있다. 또한, 일부 회원에서만 팀 참여를 승인하는 메시지를 수신할 경우, 그 다음 우선 순위에 해당하는 회원을 팀원으로 결정하여 팀 추천 메시지를 제공할 수 있다.
도 3 은 본 발명의 일 실시 예에 따른 팀을 결정하는 방법을 설명하기 위한 흐름도이다. 도 3은 도 2의 동작 22를 구체화하여 설명하는 하나의 일 실시 예이다. 즉, 도 2의 동작 22는 도 3의 실시 예로 한정되지 않음은 물론이고 도 2의 동작 22는 도 2에 기재된 대로 다양한 실시 예로 구현될 수 있다.
도 3을 참조하면, 일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 31에서, 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터에 기반하여 복수의 회원들에게 적합한 팀 리스트를 생성할 수 있다. 예를 들어, 팀 구성 서버(110)는 프로필 데이터(예: 회원의 활동 가능 지역, 성별, 경력), 진단 데이터(예: 회원의 행동 유형, 가치 유형), SNS 데이터(예: 회원의 관심분야, 경험, 목표), 유형 분류 데이터(예: 프로젝트 데이터)를 종합적으로 분석하여 복수의 회원들이 실제로 참여해서 활동할 수 있는 복수의 팀들을 선정하여 팀 리스트를 생성할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 32에서, 팀 리스트에 속한 복수의 팀들과 매칭 가능한 회원들의 인원 수를 확인할 수 있다. 예를 들어, 팀 구성 서버(110)는 팀 리스트에 속한 복수의 팀들에 실제로 참여해서 활동할 수 있는 복수의 회원들의 매칭 횟수를 확인할 수 있고, 매칭 횟수에 따라 매칭 가능한 회원들의 인원 수를 확인할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 33에서, 매칭 가능한 회원들의 인원수가 가장 많은 팀부터 적어도 하나의 팀으로 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 확인한 매칭 가능한 회원들의 인원수에 따라 회원들이 가장 많이 참여할 수 있는 팀부터 우선적으로 결정하여 팀원을 결정하는 후속 동작을 진행할 수 있다.
일 실시 예에서, 팀 구성 서버(110)는 동일한 목적을 갖는 팀을 복수 개 생성하여 각각의 팀에 팀원을 결정하는 동작을 진행할 수 있다. 즉, 예컨대, 스포츠 스마트폰 게임 어플리케이션 개발을 목적으로 하는 팀에 매칭된 회원들의 인원수가 많을 경우, 복수의 팀을 결정할 수 있고, 각각의 팀에 적합도를 고려하여 팀원들을 결정할 수 있다.
동작 33을 완료한 이후 팀 구성 서버(110)는 리턴하여 도 2의 동작 23 및 동작 24를 수행할 수 있다.
도 4 는 본 발명의 일 실시 예에 따른 팀원을 결정하기 위한 흐름도이다. 도 4는 도 2의 동작 23을 구체화하여 설명하는 하나의 일 실시 예이다. 즉, 도 2의 동작 23은 도 4의 실시 예로 한정되지 않음은 물론이고 도 2의 동작 23는 도 2에 기재된 대로 다양한 실시 예로 구현될 수 있다.
도 4를 참조하면, 일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 41에서, 회원의 입력에 기반하여 프로필 데이터, 진단 데이터, SNS 데이터에 각각 적용되는 가중치를 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 웹 페이지 또는 어플리케이션을 통해 회원에게 가중치를 입력할 수 있는 인터페이스를 제공할 수 있고, 회원은 본인에게 추천될 팀을 선정함에 있어서 프로필 데이터, 진단 데이터, SNS 데이터의 가중치를 직접 선택할 수 있다. 따라서, 회원의 가중치 입력에 따라 팀 구성 서버(110)는, 예컨대, 가중치를 100% 기준으로 프로필 데이터 비중 30%, 진단 데이터 비중 30%, SNS 데이터 비중 40%로 설정할 수 있다. 따라서, 회원이 입력한 가중치에 따라 하기에서 연산될 회원의 적합도가 변경될 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 42에서, 유형 분류 데이터, 프로필 데이터, 진단 데이터, SNS 데이터, 가중치에 기반하여 결정한 팀에 대한 회원의 적합도를 연산할 수 있다. 예를 들어, 팀 구성 서버(110)는, 결정된 팀이 스포츠 스마트폰 게임 어플리케이션 개발 팀일 경우, 유형 분류 데이터(예: 회원이 참여 가능한 프로젝트 데이터, 회원의 포지션 데이터(개발자, 디자이너)), 프로필 데이터(예: 경력), 진단 데이터(예: 팀워크 성향, 성격 유형, 행동 유형, 가치 유형), SNS 데이터(예: 회원의 관심분야, 경험, 목표) 및 가중치를 고려하여 결정한 팀에 대한 회원의 적합도를 연산할 수 있다. 예컨대, 개임 개발 경력이 있고 팀워크 성향이 강하고 관심 분야가 스포츠인 회원이 높은 적합도를 가질 수 있다. 또한, 팀 구성 서버(110)는 팀 결정 과정에서 해당 팀에 활동 가능한 회원들을 이미 확인한 바 있으므로 상기 활동 가능한 회원들의 적합도만 연산할 수 있다. 물론 이외에도 팀 구성 서버(110)는 시스템 상에 등록된 모든 회원들의 적합도를 연산할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 43에서, 연산된 회원의 적합도에 기반하여 복수의 회원들의 우선 순위를 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 연산된 적합도를 비교 가능한 수치로 환산할 수 있고, 적합도 수치가 높은 순서대로 복수의 회원들의 우선 순위를 결정할 수 있다. 여기서 우선 순위를 부여 받는 회원들은 앞서 결정된 팀에 대해 활동 가능한 회원들로 제한될 수 있다. 물론 이외에도 시스템 상에 등록된 모든 회원을 기준으로 우선 순위를 부여할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 44에서, 결정된 우선 순위에 기반하여 결정한 팀에 적합한 복수의 회원들을 팀원으로 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 적합도가 높은 회원들 순서대로 팀원을 결정할 수 있다. 예컨대, 팀 구성 서버(110)는, 한정된 예산, 활동 목표 등을 고려하여 결정된 팀이 구성가능한 팀원의 수를 미리 결정할 수 있고, 결정된 팀원의 수에 맞추어 결정된 팀에 적합도가 높은 회원들 순서대로 팀원을 결정할 수 있다. 따라서, 하나의 팀은 모집할 팀원의 수가 제한될 수 있으므로, 결정된 팀에 대해 활동 가능한 회원들의 수를 고려하여 동일한 목적을 갖는 팀을 다수 결정하여 팀원을 결정할 수 있다.
동작 44를 완료한 이후 팀 구성 서버(110)는 리턴하여 도 2의 동작 24를 수행할 수 있다.
도 5 는 본 발명의 다른 실시 예에 따른 팀원을 결정하기 위한 흐름도이다. 도 5는 도 2의 동작 23을 구체화하여 설명하는 하나의 일 실시 예이다. 즉, 도 2의 동작 23은 도 5의 실시 예로 한정되지 않음은 물론이고 도 2의 동작 23는 도 2에 기재된 대로 다양한 실시 예로 구현될 수 있다.
일 실시 예에서, 팀 구성 서버(110)는 도 4와 달리 적합도를 팀 적합도와 팀원간 적합도로 분류할 수 있고, 2개의 적합도 수치에 기반하여 보다 정밀하게 팀원을 결정할 수 있다. 여기서, 도 4의 적합도는 결정된 팀에 회원이 얼마나 잘 적응하여 활동할 수 있는 지를 팀 적합도와 팀원간 적합도 관점에서 종합적으로 고려하여 수치화한 값일 수 있다.
도 5를 참조하면, 일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 51에서, 유형 분류 데이터, 프로필 데이터, 진단 데이터, SNS 데이터, 가중치에 기반하여 회원의 팀 적합도를 연산할 수 있다. 여기서 팀 적합도는 결정된 팀의 목적에 비추어 해당 회원이 얼마나 적합한 능력을 갖춘 지를 고려하여 수치화한 값일 수 있다. 예를 들어, 팀 구성 서버(110)는 앞서 팀을 결정할 때 확인한 활동 가능한 회원들을 확인할 수 있고, 활동 가능한 회원들 중 경력, 프로젝트 데이터, 금전 데이터, 포지션 데이터 등을 종합적으로 고려하여 팀 적합도를 연산할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 52에서, 팀 적합도에 기반하여 결정한 팀에 적합한 복수의 회원들을 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 연산한 팀 적합도가 높은 순서대로 활동 가능한 회원들 중 결정한 팀에 적합한 복수의 회원들로 결정할 수 있다. 예컨대, 결정된 팀에 설정된 팀원 수가 존재할 경우, 팀 구성 서버(110)는 설정된 팀원 수의 1.5 배 이상으로 팀에 적합한 복수의 회원들을 결정할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 53에서, 유형 분류 데이터, 프로필 데이터, 진단 데이터, SNS 데이터, 가중치에 기반하여, 결정된 복수의 회원들의 팀원간 적합도를 연산할 수 있다. 여기서 팀원간 적합도는 해당 팀에서 팀원간 시너지 효과가 일어나도록 의사 소통 등이 활발히 일어날 수 있는 지를 수치화한 값일 수 있다. 예컨대, 팀 구성 서버(110)는 회원의 가치관, 취미, 비전, 지인 리스트, 팀워크 성향, 성격 유형, 행동 유형, 가치 유형 등을 종합적으로 고려하여 팀원간 적합도를 연산할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 54에서, 팀원간 적합도에 기반하여 상기 복수의 회원들 중 일부를 결정한 팀의 팀원으로 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 설정된 팀원 수 이상으로 결정된 복수의 회원들 중에서 팀원간 적합도 수치가 높은 순서대로 설정된 팀원 수에 대응하도록 팀원들을 결정할 수 있다.
발명의 한 실시 예에 따르면, 도면에는 도시되지 않았지만, 회원의 의뢰에 따라 팀이 결정되어 이미 기 지정된 팀원이 존재할 경우, 팀 구성 서버(110)는 기 지정된 팀원과 결정된 복수의 회원들의 팀원간 적합도를 추가로 연산하여 결정된 팀의 팀원을 결정할 수 있다.
동작 54를 완료한 이후 팀 구성 서버(110)는 리턴하여 도 2의 동작 24를 수행할 수 있다.
도 6은 본 발명의 다른 실시 예에 따른 팀 및 팀원을 결정하기 위한 흐름도이다. 도 7 내지 도 9는 본 발명의 다른 실시 예에 따른 팀 및 팀원을 결정하기 위한 예시도이다. 도 6은 도 2의 동작 22 및 동작 23을 구체화하여 설명하는 하나의 일 실시 예이다. 즉, 도 2의 동작 22 및 동작 23은 도 6의 실시 예로 한정되지 않음은 물론이고 도 2의 동작 22 및 동작 23은 도 2에 기재된 대로 다양한 실시 예로 구현될 수 있다.
도 6을 참조하면, 일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 61에서, 기 지정된 팀원을 포함하는 팀 구성을 의뢰한 복수의 팀 중에서 적어도 하나의 팀을 결정할 수 있다. 여기서 기 지정된 팀원은 팀 구성을 의뢰하기 전에 이미 그 팀에 속한 팀원을 의미할 수 있다. 예를 들어, 팀 구성 서버(110)는 도 2의 동작 22에서 설명한 바와 같이 의뢰 우선 순위에 따라 팀 구성을 의뢰한 복수의 팀 중에서 적어도 하나의 팀을 결정할 수 있다. 예컨대, 결정된 팀은 팀원 A, 팀원 B, 팀원 C를 기 지정된 팀원으로서 포함할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 62에서, 팀 적합도에 기반하여, 결정된 팀에 적합한 복수의 회원들을 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는 앞서 설명한 바와 같이 유형 분류 데이터, 프로필 데이터, 진단 데이터, SNS 데이터, 가중치에 기반하여 회원의 팀 적합도를 연산할 수 있고, 결정된 팀에 적합한 복수의 회원들을 결정할 수 있다. 여기서 결정된 복수의 회원들은 팀의 목적, 업무 내용(예: 게임 스마트폰 어플리케이션 개발) 등을 고려하여 선정된 회원들일 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 63에서, 기 지정된 팀원 별 가중치 및 기 지정된 팀원의 진단 데이터에 기반하여, 결정한 팀의 팀 성향도를 연산할 수 있다.
구체적으로, 일 실시 예에서, 도 7에 도시된 바와 같이, 팀 구성 서버(110)는 진단 도구(70, 성격 유형 테스트)를 통해 기 기정된 팀원의 진단 데이터(예: 성격 유형 테스트 결과)를 획득할 수 있다. 예컨대, 팀 구성 서버(110)는 팀원 A, 팀원 B, 팀원 C의 성격 유형(71)을 여러 요인(독립적/상호의존적, 수직적/수평적, 확실성/모험추구. 업무중심/관계중심, 주도적/수동적)을 통해 분석한 진단 데이터를 획득할 수 있다. 일 실시 예에서, 팀 구성 서버(110)는 회원의 입력을 통해 기 지정된 팀원 별 가중치를 결정할 수 있다. 예컨대, 팀원 A의 가중치는 33%, 팀원 B의 가중치는 33%, 팀원 C의 가중치는 33%일 수 있다. 따라서, 도 8에 개시된 바와 같이 팀 구성 서버(110)는 기 지정된 팀원들의 성격 유형과 기 지정된 팀원 별 가중치에 따라 팀 성향도를 연산할 수 있다. 예컨대, 도 8과 같이 팀 성향도는 팀원 A, 팀원 B, 팀원 C의 중간 값 데이터에 해당하는 D 값일 수 있고, D 값을 갖는 팀 성향도가 팀원 A, 팀원 B, 팀원 C가 포함된 팀의 성향이 될 수 있다. 예컨대, D 값을 갖는 팀 성향도는 팀원 별 가중치가 동일하므로 수평적이며 균등한 의사 소통, 모험 추구 성향이 크다는 것을 의미할 수 있다.
일 실시 예에서, 팀원 A는 결정된 팀의 대표일 수 있고, 회원의 입력에 의해 결정된 가중치는 팀원 A 50%, 팀원 B 25%, 팀원 C 25%일 수 있다. 따라서, 도 9에 개시된 바와 같이 기 지정된 팀원의 가중치를 고려하여 팀 성향도는 E 값을 가질 수 있다. 예컨대, E 값을 갖는 팀 성향도는 수직적이며 고위급 간부들 위주의 의사 소통 구조를 가지고 확실성이 높은 성향이라는 것을 의미할 수 있다.
일 실시 예에서, 팀원간 적합도가 높은 팀을 구성하는 시스템은 동작 64에서, 팀 성향도와 복수의 회원 별 진단 데이터에 기반하여 복수의 회원들 중 일부를 결정한 팀의 팀원으로 결정할 수 있다. 예를 들어, 팀 구성 서버(110)는, 팀 성향도가 D 값에 가까울 경우(예: 모험 추구와 업무 중심적인 대표, 팀원 별 민주적인 의사 소통 구조), 이러한 팀 성향도에 적합한 성향을 가진 회원들을 우선적으로 팀원으로 결정할 수 있다. 또한, 팀 구성 서버(110)는 팀 성향도가 E 값에 가까울 경우(예: 확실성이 중요하고 수직적인 대표), 이러한 팀 성향도에 적합한 성향을 가진 회원들을 우선적으로 팀원으로 결정할 수 있다.
동작 64를 완료한 이후 팀 구성 서버(110)는 리턴하여 도 2의 동작 24를 수행할 수 있다.
본 발명의 다양한 실시 예에 따르면, 팀원간 적합도가 높은 팀을 구성하는 방법은 복수의 회원들의 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터를 획득하여 데이터베이스화하는 단계, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정하는 단계, 및 상기 복수의 회원들 중 상기 결정한 적어도 하나의 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀을 결정하는 단계는, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 상기 복수의 회원들에게 적합한 팀 리스트를 생성하는 단계 및 팀 추천 우선 순위에 기반하여 상기 팀 리스트에서 상기 적어도 하나의 팀을 결정하는 단계를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀을 결정하는 단계는, 상기 팀 리스트에 속한 복수의 팀들과 매칭 가능한 회원들의 인원 수를 확인하는 단계 및 상기 매칭 가능한 회원들의 인원수가 가장 많은 팀부터 상기 적어도 하나의 팀으로 결정하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀을 결정하는 단계는, 상기 복수의 회원들로부터 팀 구성을 의뢰한 적어도 하나의 팀을 확인하는 단계; 및 의뢰 우선 순위에 기반하여 상기 팀 구성을 의뢰한 적어도 하나의 팀 중에서 상기 적어도 하나의 팀을 결정하는 단계를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀을 결정하는 단계는 팀의 목적, 업무내용, 타겟 고객, 투자자 정보 중 적어도 하나를 추가적으로 고려하여 팀을 결정하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀원을 결정하는 단계는, 회원의 입력에 기반하여 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터에 각각 적용되는 가중치를 결정하는 단계, 상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 상기 결정한 팀에 대한 회원의 적합도를 연산하는 단계, 상기 연산된 회원의 적합도에 기반하여 복수의 회원들의 우선 순위를 결정하는 단계, 및 상기 결정된 우선 순위에 기반하여 상기 결정된 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀원을 결정하는 단계는, 상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 회원의 팀 적합도를 연산하는 단계, 상기 팀 적합도에 기반하여 상기 결정한 팀에 적합한 복수의 회원들을 결정하는 단계, 상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여, 상기 결정된 복수의 회원들의 팀원간 적합도를 연산하는 단계, 및 상기 팀원간 적합도에 기반하여 상기 복수의 회원들 중 일부를 상기 결정한 팀의 팀원으로 결정하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀원을 결정하는 단계는, 상기 결정한 팀에 기 지정된 팀원이 존재할 경우, 상기 기 지정된 팀원과 상기 결정된 복수의 회원들의 팀원간 적합도를 연산하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀 및 팀원을 결정하는 단계는, 기 지정된 팀원을 포함하는 팀 구성을 의뢰한 복수의 팀 중에서 상기 적어도 하나의 팀을 결정하는 단계, 팀 적합도에 기반하여, 상기 결정한 팀에 적합한 복수의 회원들을 결정하는 단계, 상기 기 지정된 팀원 별 가중치 및 상기 기 지정된 팀원의 진단 데이터에 기반하여, 상기 결정한 팀의 팀 성향도를 연산하는 단계, 및 상기 팀 성향도와 상기 복수의 회원 별 진단 데이터에 기반하여, 상기 복수의 회원들 중 일부를 상기 결정한 팀의 팀원으로 결정하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 팀원을 결정하는 단계는, 회원의 입력에 기반하여 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터에 각각 적용되는 가중치를 결정하는 단계 및 상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 회원의 팀 적합도를 연산하는 단계를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 프로필 데이터는 회원의 나이, 거주 지역, 활동 가능 지역, 성별, 및 경력 중 적어도 하나를 포함할 수 있고, 상기 진단 데이터는 회원의 팀워크 성향, 성격 유형, 행동 유형, 및 가치 유형 중 적어도 하나를 포함할 수 있고, 상기 SNS 데이터는 회원의 입력 데이터, 실시간 메시지 텍스트, 업로드 콘텐츠, 회원의 관심분야, 가치관, 정치관, 경험, 목표, 비전, 취미, 지역, 라이프 사이클, 및 지인 리스트 중 적어도 하나를 포함할 수 있고, 상기 유형 분류 데이터는 회원이 참여 가능한 프로젝트 데이터, 회원이 희망하는 금전 데이터, 회원의 포지션 데이터, 및 기타 데이터 중 적어도 하나를 포함할 수 있다.
이상에서, 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 청구범위뿐만 아니라 이 청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 팀원간 적합도가 높은 팀을 구성하는 방법에 있어서,
    복수의 회원들의 프로필 데이터, 진단 데이터, SNS 데이터, 및 유형 분류 데이터를 획득하여 데이터베이스화하는 단계;
    상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 적어도 하나의 팀을 결정하는 단계; 및
    상기 복수의 회원들 중 상기 결정한 적어도 하나의 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  2. 제1 항에 있어서, 상기 팀을 결정하는 단계는,
    상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 및 상기 유형 분류 데이터에 기반하여 상기 복수의 회원들에게 적합한 팀 리스트를 생성하는 단계; 및
    팀 추천 우선 순위에 기반하여 상기 팀 리스트에서 상기 적어도 하나의 팀을 결정하는 단계를 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  3. 제2 항에 있어서, 상기 팀을 결정하는 단계는,
    상기 팀 리스트에 속한 복수의 팀들과 매칭 가능한 회원들의 인원 수를 확인하는 단계; 및
    상기 매칭 가능한 회원들의 인원수가 가장 많은 팀부터 상기 적어도 하나의 팀으로 결정하는 단계를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  4. 제1 항에 있어서, 상기 팀을 결정하는 단계는,
    상기 복수의 회원들로부터 팀 구성을 의뢰한 적어도 하나의 팀을 확인하는 단계; 및
    의뢰 우선 순위에 기반하여 상기 팀 구성을 의뢰한 적어도 하나의 팀 중에서 상기 적어도 하나의 팀을 결정하는 단계를 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  5. 제1 항에 있어서, 상기 팀을 결정하는 단계는 팀의 목적, 업무내용, 타겟 고객, 투자자 정보 중 적어도 하나를 추가적으로 고려하여 팀을 결정하는 단계를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  6. 제1 항에 있어서, 상기 팀원을 결정하는 단계는,
    회원의 입력에 기반하여 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터에 각각 적용되는 가중치를 결정하는 단계;
    상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 상기 결정한 팀에 대한 회원의 적합도를 연산하는 단계;
    상기 연산된 회원의 적합도에 기반하여 복수의 회원들의 우선 순위를 결정하는 단계; 및
    상기 결정된 우선 순위에 기반하여 상기 결정된 팀에 적합한 복수의 회원들을 팀원으로 결정하는 단계를 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  7. 제1 항에 있어서, 상기 팀원을 결정하는 단계는,
    회원의 입력에 기반하여 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터에 각각 적용되는 가중치를 결정하는 단계;
    상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 회원의 팀 적합도를 연산하는 단계;
    상기 팀 적합도에 기반하여 상기 결정한 팀에 적합한 복수의 회원들을 결정하는 단계;
    상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여, 상기 결정된 복수의 회원들의 팀원간 적합도를 연산하는 단계; 및
    상기 팀원간 적합도에 기반하여 상기 복수의 회원들 중 일부를 상기 결정한 팀의 팀원으로 결정하는 단계;를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  8. 제7 항에 있어서, 상기 팀원을 결정하는 단계는, 상기 결정한 팀에 기 지정된 팀원이 존재할 경우, 상기 기 지정된 팀원과 상기 결정된 복수의 회원들의 팀원간 적합도를 연산하는 단계를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  9. 제1 항에 있어서, 상기 팀 및 팀원을 결정하는 단계는,
    기 지정된 팀원을 포함하는 팀 구성을 의뢰한 복수의 팀 중에서 상기 적어도 하나의 팀을 결정하는 단계;
    팀 적합도에 기반하여, 상기 결정한 팀에 적합한 복수의 회원들을 결정하는 단계;
    상기 기 지정된 팀원 별 가중치 및 상기 기 지정된 팀원의 진단 데이터에 기반하여, 상기 결정한 팀의 팀 성향도를 연산하는 단계; 및
    상기 팀 성향도와 상기 복수의 회원 별 진단 데이터에 기반하여, 상기 복수의 회원들 중 일부를 상기 결정한 팀의 팀원으로 결정하는 단계를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
  10. 제 9 항에 있어서, 상기 팀원을 결정하는 단계는,
    회원의 입력에 기반하여 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터에 각각 적용되는 가중치를 결정하는 단계; 및
    상기 유형 분류 데이터, 상기 프로필 데이터, 상기 진단 데이터, 상기 SNS 데이터, 상기 가중치에 기반하여 회원의 팀 적합도를 연산하는 단계를 더 포함하는 것을 특징으로 하는 팀원간 적합도가 높은 팀을 구성하는 방법.
KR1020180070791A 2018-06-20 2018-06-20 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법 KR102110793B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180070791A KR102110793B1 (ko) 2018-06-20 2018-06-20 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180070791A KR102110793B1 (ko) 2018-06-20 2018-06-20 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190143174A true KR20190143174A (ko) 2019-12-30
KR102110793B1 KR102110793B1 (ko) 2020-05-13

Family

ID=69103329

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180070791A KR102110793B1 (ko) 2018-06-20 2018-06-20 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102110793B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210103140A (ko) * 2020-02-13 2021-08-23 주식회사 휴먼아이씨티 업무 추천 시스템 및 이를 이용한 업무 추천 방법
KR102346484B1 (ko) * 2021-06-29 2022-01-03 주식회사 버드비 다국적 온라인 외국어 수업 매칭 서비스 제공방법 및 이를 구현하는 시스템
KR102347306B1 (ko) * 2021-02-19 2022-01-06 주식회사 문토 빅데이터를 활용한 모임 구성원 매칭 방법 및 시스템
KR20240037846A (ko) * 2022-09-14 2024-03-22 주식회사 글로랑 학생의 인적성 및 성적 자료와 머신러닝 기술을 활용하여 학교에서 반 배정을 하는 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102433344B1 (ko) * 2020-10-08 2022-08-18 김민찬 사용자와 뮤지션의 팀 결성을 지원하는 방법 및 디바이스
KR102315436B1 (ko) * 2021-07-13 2021-10-20 주식회사 크라우드웍스 크라우드소싱 기반 프로젝트의 특성에 따른 작업자 참여조건 자동 설정 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150069242A (ko) * 2013-12-13 2015-06-23 한진종 공모전 홍보, 팀원 매칭 및 투자 매칭 시스템 및 방법
KR20150099639A (ko) * 2014-02-21 2015-09-01 주식회사 아큐파이 Sns에 기반한 인재 추천 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150069242A (ko) * 2013-12-13 2015-06-23 한진종 공모전 홍보, 팀원 매칭 및 투자 매칭 시스템 및 방법
KR20150099639A (ko) * 2014-02-21 2015-09-01 주식회사 아큐파이 Sns에 기반한 인재 추천 방법 및 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210103140A (ko) * 2020-02-13 2021-08-23 주식회사 휴먼아이씨티 업무 추천 시스템 및 이를 이용한 업무 추천 방법
KR102347306B1 (ko) * 2021-02-19 2022-01-06 주식회사 문토 빅데이터를 활용한 모임 구성원 매칭 방법 및 시스템
KR102346484B1 (ko) * 2021-06-29 2022-01-03 주식회사 버드비 다국적 온라인 외국어 수업 매칭 서비스 제공방법 및 이를 구현하는 시스템
KR20240037846A (ko) * 2022-09-14 2024-03-22 주식회사 글로랑 학생의 인적성 및 성적 자료와 머신러닝 기술을 활용하여 학교에서 반 배정을 하는 장치 및 방법

Also Published As

Publication number Publication date
KR102110793B1 (ko) 2020-05-13

Similar Documents

Publication Publication Date Title
KR102110793B1 (ko) 팀원간 적합도가 높은 팀을 구성하는 시스템 및 방법
Tarafdar et al. Agile supply chain strategy and supply chain performance: complementary roles of supply chain practices and information systems capability for agility
Lam et al. The impact of firms’ social media initiatives on operational efficiency and innovativeness
de Oliveira et al. Decision making at the front end of innovation: The hidden influence of knowledge and decision criteria
US11568334B2 (en) Adaptive workflow definition of crowd sourced tasks and quality control mechanisms for multiple business applications
Cadogan et al. Export market-oriented behavior and export performance: quadratic and moderating effects under differing degrees of market dynamism and internationalization
US20230362126A1 (en) Multi-channel communication platform with dynamic response goals
US10733543B2 (en) Human resource analytics with profile data
Witell et al. The effect of customer information during new product development on profits from goods and services
Gumerov et al. The program" client's voice" as a tool of business structure innovations
US20140195312A1 (en) System and method for management of processing workers
US10636057B2 (en) Method and apparatus for dynamically selecting content for online visitors
Nazim et al. Criteria for supplier selection: An application of AHP-SCOR integrated model (ASIM)
Rafiana et al. Effect of social media usage and entrepreneurial marketing on the success of organic processed food MSMEs
Grenyer et al. Current practice and challenges towards handling uncertainty for effective outcomes in maintenance
US20160124956A1 (en) Quantifying social capital
Sharma et al. An empirical exploration of supply chain design factors and their influence on supply chain performance
Shore et al. Performance management and the audited self
Sharma et al. Transfer, Diffusion and Adoption of Next-Generation Digital Technologies: IFIP WG 8.6 International Working Conference on Transfer and Diffusion of IT, TDIT 2023, Nagpur, India, December 15–16, 2023, Proceedings, Part I
Vandegrift et al. An experimental test of behavior under team production
Gonçalves et al. Misperception of behavioral operations and bodies of knowledge
Czaika et al. Taking action to reduce waste: quantifying impacts of model use in a multiorganizational sustainability negotiation
US20150058073A1 (en) Crowdsourced innovation exchange
Wan Mustapa et al. Modeling the Significance of Sustainability Orientation on the Sustainability Performance of Micro-Enterprises in an Emerging Economy
BE1024551B1 (nl) Werkwijze en computerprogrammaproduct voor het maken van een inpassingsvergelijk van een kandidaat in een groep

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)