> ## 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.
# Skill Matrix
> 색상 코드 히트맵과 레이더 차트로 코드 리뷰 도메인별 개발자 숙련도를 시각화하여 강점과 성장 영역을 파악합니다.
각 개발자가 어디서 탁월한 역량을 발휘하고 어디서 성장할 수 있는지 파악하세요. Skill Matrix는 팀원 전체의 숙련도를 **Security**, **Performance**, **Correctness**, **Patterns** 네 가지 전문 도메인에 걸쳐 매핑하며, 색상 코드 히트맵과 레이더 차트로 강점과 취약점을 한눈에 보여줍니다.
점수는 90일 롤링 윈도우 내의 실제 코드 리뷰 발견을 기반으로 산출되므로, 매트릭스는 과거 이력이 아닌 최신 작업을 항상 반영합니다. 품질과 생산성을 결합한 보완적 뷰는 [Leaderboard](/ko/guide/code-review/leaderboard)를 참조하세요.
***
## 제공 기능
* 모든 개발자의 점수를 한눈에 확인하는 색상 코드 **히트맵**
* 4개 도메인에 걸친 개발자별 숙련도 형태를 보여주는 **레이더 차트**
* 최고 성과자와 팀 평균을 비교하는 팀 수준 오버레이
* 모든 개발자에 대한 자동 도출 강점 및 성장 영역
* 주간 발견 추세와 해결률 추적
* AI 생성 포스 그래프를 통한 반복 패턴 식별
***
## 4가지 도메인
각 도메인은 코드를 리뷰하는 전문 에이전트에 해당합니다:
| 도메인 | 전문가 | 측정 대상 |
| ----------- | ------- | --------------------------------- |
| Security | 보안 전문가 | 취약점, 시크릿 노출, 인젝션 위험, 인증 문제 |
| Performance | 성능 전문가 | 비효율적인 쿼리, 메모리 누수, N+1 문제, 불필요한 할당 |
| Correctness | 정확성 전문가 | 논리 오류, 엣지 케이스, 타입 불일치, 누락된 유효성 검사 |
| Patterns | 패턴 전문가 | 안티패턴, 코드 냄새, 스타일 위반, 유지보수성 문제 |
***
## 점수 산출 방식
점수는 \*\*베이지안 축소(Bayesian shrinkage)\*\*를 사용합니다. 이는 각 개발자에 대해 보유한 데이터 양을 고려하는 통계적 방법입니다. MR이 적은 개발자는 소규모 샘플에서의 신뢰할 수 없는 극단적 점수를 방지하기 위해 팀 평균 쪽으로 점수가 조정됩니다.
1. **발견 수집** — 지난 90일간 **Advanced 코드 리뷰** 전문 에이전트의 모든 발견을 개발자별, 도메인별로 그룹화합니다.
2. **정규화** — 각 개발자의 각 도메인에서 `MR당 발견 수`를 계산합니다.
3. **팀 평균으로 축소** — 각 개발자의 비율을 팀 전체 평균과 블렌딩합니다. MR이 많은 개발자는 관측된 값에 가까운 비율을 유지하고, MR이 적은 개발자는 팀 평균에 더 가깝게 조정됩니다.
4. **임계값 대비 점수화** — 조정된 비율을 도메인별 임계값과 비교합니다: `점수 = max(0%, 1 - 조정 비율 / 임계값)`.
5. **평균** — 4개 도메인 점수의 평균이 **전체 점수**가 됩니다.
Skill Matrix에 나타나려면 개발자가 **Advanced 모드로 최소 3건의 MR을 리뷰**받아야 합니다. Fast 모드 리뷰는 도메인 전문 에이전트를 사용하지 않으므로 포함되지 않습니다.
### 베이지안 축소가 필요한 이유
발견이 없는 7건의 MR을 제출한 개발자가 반드시 67건의 MR에서 일부 발견이 있는 개발자보다 뛰어나다고 할 수 없습니다 — 단순히 해당 개발자에 대한 데이터가 더 적을 뿐입니다. 베이지안 축소는 소규모 샘플을 적절한 불확실성으로 처리하여 이 문제를 해결합니다:
* **MR이 많은 개발자** — 점수가 실제 발견 비율을 가깝게 반영합니다
* **MR이 적은 개발자** — 충분한 데이터가 쌓일 때까지 점수가 팀 평균 쪽으로 조정됩니다
이는 신규 팀원이나 빈번하지 않은 기여자가 오해의 소지가 있는 완벽한(또는 형편없는) 점수로 나타나는 흔한 함정을 방지합니다.
***
## 점수 이해하기
| 전체 점수 | 등급 | 해석 |
| -------- | ----- | ---------------------- |
| 80% 이상 | 우수 | 모든 도메인에서 일관되게 깔끔한 코드 |
| 60 – 79% | 양호 | 평균 이상이며 개선할 소수의 영역이 있음 |
| 40 – 59% | 보통 | 여러 도메인에서 성장 여지가 있음 |
| 20 – 39% | 노력 필요 | 일부 도메인에서 상당한 발견이 있음 |
| 20% 미만 | 미흡 | 여러 도메인에서 높은 발견 비율 |
도메인에서 **100%** 점수는 해당 전문가의 발견이 없고 해당 도메인의 팀 평균도 0임을 의미합니다. 점수는 고정된 도메인 임계값 대비 측정되므로 MR이 많은 개발자의 점수는 팀 구성이 변경되어도 대체로 안정적입니다. MR이 적은 개발자의 점수는 비율이 팀 평균과 블렌딩되므로 약간 변동될 수 있습니다.
가장 낮은 점수의 도메인부터 집중하세요. 한 영역에서 40%에서 60%로 향상시키는 것이 다른 영역에서 85%에서 95%로 올리는 것보다 전체 점수에 더 큰 영향을 미칩니다.
***
## Advanced 모드 전용
Skill Matrix는 **Advanced 코드 리뷰**의 발견만 사용합니다. Advanced 모드에서는 네 명의 전문 에이전트(Security, Performance, Correctness, Patterns)가 코드를 독립적으로 분석합니다. **Fast 모드**로 리뷰된 MR은 단일 범용 에이전트를 사용하며, 그 발견은 도메인별로 분류되지 않으므로 도메인별 점수에 기여할 수 없습니다.
워크스페이스가 Fast 모드를 사용하는 경우 Skill Matrix에 자격을 갖춘 개발자가 적거나 비어 있을 수 있습니다. 전체 Skill Matrix 적용 범위를 얻으려면 [코드 리뷰 설정](/ko/guide/code-review/overview)에서 Advanced 모드로 전환하세요.
***
## Skill Matrix 표시 위치
### 팀 Skill Matrix (히트맵)
Analytics 페이지의 **Skill Matrix** 탭에는 모든 자격 개발자의 히트맵 테이블이 표시됩니다. 각 셀은 초록색(우수)에서 빨간색(미흡)까지 색상으로 표시되며, 개발자별 전체 점수와 MR 수가 포함됩니다. 하단의 **팀 평균** 행이 기준선을 제공합니다. 개발자 행을 클릭하면 프로필이 열립니다.
### Skill Radar (레이더 차트)
히트맵 아래에 레이더 차트가 **상위 3명의 개발자**와 점선으로 표시된 **팀 평균** 라인을 오버레이합니다. 각 도메인에서 누가 앞서 있는지, 팀 형태가 어디서 다른지를 빠르게 시각적으로 파악할 수 있습니다.
### 개발자 프로필 다이얼로그
개발자를 클릭하면 전체 프로필이 열리며, 다음 정보가 포함됩니다:
| 섹션 | 설명 |
| ------------------- | ------------------------------------------------ |
| 프로필 헤더 | 아바타, MR 수, 총 발견 수, 평균 품질 점수, 전체 스킬 비율 |
| Skill Radar | 이 개발자의 4개 도메인 레이더 차트 |
| 해결률 | 머지 전 해결된 발견 비율, 프로그레스 바로 표시 |
| Focus Areas | 자동 도출된 **강점** (상위 2개 도메인)과 **성장 영역** (하위 2개 도메인) |
| 주간 발견 추세 | 최근 90일간 심각도별 발견을 누적 컬럼 차트로 표시 |
| Pattern Force Graph | AI가 식별한 반복 패턴을 포스 다이렉티드 네트워크로 시각화 |
***
## 활용 사례
### 1. 타겟 스킬 개발
자동 도출된 **Focus Areas**를 1:1 면담 가이드로 활용하세요. 개발자가 Correctness에서 90%, Security에서 45%를 받았다면, 보안에 집중하는 멘토와 매칭하거나 보안 관련 태스크를 배정하여 해당 스킬을 키우세요.
### 2. 균형 잡힌 코드 리뷰 배정
해당 도메인에서 가장 높은 점수를 받은 리뷰어에게 중요한 PR을 라우팅하세요. Security에서 95%를 받은 개발자가 인증 변경 사항을 리뷰하기에 적합한 인물입니다.
### 3. 시간별 개선 추적
**주간 발견 추세**는 개발자의 발견 수가 감소하고 있는지 보여줍니다. 이전에 약했던 도메인에서 하향 추세는 코칭이나 트레이닝이 효과를 내고 있음을 입증합니다.
### 4. 팀 구성 계획
팀 오버레이 레이더는 집단적 약점을 드러냅니다. 팀 전체가 Performance에서 낮은 점수를 받는다면, 성능에 초점을 맞춘 트레이닝이나 툴링에 투자하는 것을 고려하세요.
점수는 절대적 임계값을 기준으로 하므로 팀 변경에 걸쳐 안정적입니다. 그러나 팀 평균 행은 팀원이 합류하거나 떠남에 따라 변경됩니다. 개인 성장 추적에는 개인 점수를, 조직 벤치마킹에는 팀 평균을 활용하세요.
***
## 관련 문서
저장소의 자동화된 코드 리뷰를 구성하고 관리합니다
MR/PR 댓글에서 자동 수정을 트리거하고 질문합니다