> ## Documentation Index
> Fetch the complete documentation index at: https://docs.cloudthinker.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Leaderboard

> 코드 품질과 생산성을 균형 있게 반영하는 개발자 Leaderboard 점수 산정 방식을 이해합니다.

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.

<Frame>
  <img src="https://mintcdn.com/cloudthinker/ezLyBgfIZEMSknyR/images/code-review/leaderboard.png?fit=max&auto=format&n=ezLyBgfIZEMSknyR&q=85&s=fc932105c913d35a6c84b091675e1445" alt="Leaderboard" width="2922" height="1714" data-path="images/code-review/leaderboard.png" />
</Frame>

## Leaderboard를 사용하는 이유

* **팀 상대 점수** — 두 지표 모두 팀 평균에 대해 정규화되므로 점수가 팀 맥락에서 의미 있게 유지됩니다
* **균형 잡힌 평가** — 품질과 영향도가 동등하게 기여(50/50)하므로 높은 출력량으로 낮은 품질을 감출 수 없습니다
* **공정한 비교** — 대규모 리팩터링은 사소한 변경보다 비례적으로 높은 점수를 받습니다
* **품질 인센티브** — 1\~10점 품질 점수는 코드 리뷰를 긍정적인 피드백 루프로 만듭니다
* **진단 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

```text theme={null}
Contribution Score = (Normalized Quality Score + Normalized Impact Score) / 2
```

여기서:

* **정규화된 품질 점수** = 작성자 평균 품질 점수 / 팀 품질 점수
* **정규화된 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:

```text theme={null}
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](https://docs.oobeya.io/gitwiser-repo-analytics/git-analytics-metric-definitions/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                       |

<Tip>
  매주 Leaderboard를 검토하여 팀 전체의 품질 추세와 업무 균형을 추적하세요.
</Tip>

## 관련 문서

<CardGroup cols={2}>
  <Card title="Skill Matrix" icon="table-cells" href="/ko/guide/code-review/skill-matrix">
    Security, Performance, Correctness, Patterns 도메인에 걸친 개발자별 숙련도를 확인합니다
  </Card>

  <Card title="Code Review Analytics" icon="chart-line" href="/ko/guide/code-review/analytics">
    코드 리뷰 추세, 개발자 성과, 팀 건강 상태를 시간별로 추적합니다
  </Card>
</CardGroup>