Leaderboard는 품질 (AI 리뷰 점수)과 영향도 (코드 복잡도)를 균형 있게 반영하여 각 개발자에게 점수를 부여합니다. 가장 많은 줄을 커밋하는 사람이 아니라, 견고한 코드를 출시하는 엔지니어에게 보상이 돌아갑니다. 팀에서 몇 건의 PR이 리뷰된 후 Code Review → Leaderboard 에서 확인할 수 있습니다.
Leaderboard를 사용하는 이유
팀 상대 점수 — 두 지표 모두 팀 평균에 대해 정규화되므로 점수가 팀 맥락에서 의미 있게 유지됩니다균형 잡힌 평가 — 품질과 영향도가 동등하게 기여(50/50)하므로 높은 출력량으로 낮은 품질을 감출 수 없습니다공정한 비교 — 대규모 리팩터링은 사소한 변경보다 비례적으로 높은 점수를 받습니다품질 인센티브 — 1~10점 품질 점수는 코드 리뷰를 긍정적인 피드백 루프로 만듭니다진단 도구, 단순 순위 이상 — PR 수만으로는 알 수 없는 업무 불균형과 품질 추세를 드러냅니다
품질 점수 각 PR은 1~10점의 품질 점수 를 받습니다. 점수는 10점에서 시작하여 발견된 문제의 수와 심각도에 따라 감점됩니다. 위험도가 높은 문제는 낮은 심각도보다 더 큰 패널티를 받습니다. 대시보드에 표시되는 팀 품질 점수 는 모든 개발자의 평균입니다.
핵심 공식 Contribution Score = (Normalized Quality Score + Normalized Impact Score) / 2
여기서:
정규화된 품질 점수 = 작성자 평균 품질 점수 / 팀 품질 점수정규화된 영향 점수 = 작성자 총 영향도 / 팀 평균 영향도
기여 점수 등급 해석 ≥ 1.5 우수 팀 평균을 크게 상회 1.0 – 1.5 양호 팀 평균 이상 0.8 – 1.0 평균 팀 평균 수준 < 0.8 개선 필요 팀 평균 미달
정확히 1.0 이면 해당 개발자가 팀 평균에 정확히 위치한다는 의미입니다.
영향도 계산 각 머지 리퀘스트의 영향도 점수는 변경의 복잡도를 측정합니다:
MR Impact = (files_changed × 6.0) + (lines_added × 0.14) + (lines_deleted × 0.28)
지표 가중치 근거 변경된 파일 수 6.0 파일 간 변경은 더 높은 복잡도를 나타냄 추가된 줄 수 0.14 새 코드는 이해와 통합을 필요로 함 삭제된 줄 수 0.28 삭제는 보통 더 신중한 분석이 필요함 (추가의 2배 가중치) 최소 영향도 1.0 나눗셈 오류 방지를 위한 하한값
영향도 공식은 Oobeya GitWiser Coding Impact Score 방법론에서 파생되었습니다.
계산 예시 팀 데이터: 작성자 평균 품질 점수 총 영향도 Alice 8.5 450 Bob 7.2 280 Carol 9.0 120
팀 평균:
팀 품질 점수 = (8.5 + 7.2 + 9.0) / 3 = 8.23
팀 평균 영향도 = (450 + 280 + 120) / 3 = 283.33
Alice의 기여 점수:
정규화된 품질 = 8.5 / 8.23 = 1.03
정규화된 영향도 = 450 / 283.33 = 1.59
기여 점수 = (1.03 + 1.59) / 2 = 1.31
Alice의 점수는 1.31 — 팀 평균보다 31% 높습니다.
Leaderboard 해석 점수 조합을 단순 순위가 아닌 엔지니어링 건강 상태의 진단 도구로 활용하세요:
패턴 신호 조치 높은 품질 + 높은 영향도 최고 성과자 이상적인 멘토, 리드 리뷰어, 또는 복잡한 리팩터링 담당자 높은 영향도 + 낮은 품질 번아웃 가능성 — 빠르게 출시하되 품질 타협 업무 부하와 마감 일정 확인 높은 품질 + 낮은 영향도 어려운 문제에 막혀 있거나 과소 활용 중일 수 있음 태스크 배분 확인 불균등한 영향도 분배 높은 “버스 팩터” — 지식이 한 사람에게 집중 지식과 업무 재분배
매주 Leaderboard를 검토하여 팀 전체의 품질 추세와 업무 균형을 추적하세요.
관련 문서
Skill Matrix Security, Performance, Correctness, Patterns 도메인에 걸친 개발자별 숙련도를 확인합니다
Code Review Analytics 코드 리뷰 추세, 개발자 성과, 팀 건강 상태를 시간별로 추적합니다
