출석과 출전을 분리하는 농구 운영툴 데이터 모델

농구 모임을 기록할 때 처음에는 “참석자 목록” 하나면 충분해 보였어요. 하지만 출석했다고 모두 코트에 들어가는 건 아니에요. 늦게 도착한 사람, 잠시 쉬는 사람, 팀 균형을 위해 대기하는 사람까지 구분해야 실제 운영 기록이 됩니다.

플랜비(plan-b)를 만들며 가장 먼저 분리한 값도 이 지점이었어요. 멤버가 모임에 응답한 상태, 현장에 도착한 상태, 실제 출전한 구간은 같은 값이 아니었어요. 작은 예제로 직접 만들어 보니 1개의 출석 필드에 모두 넣을 때보다 운영 규칙을 설명하기 쉬워졌습니다.

참석 응답→현장 출석→출전 가능→실제 로테이션

데이터는 최소 2개 층으로 나눌 수 있어요. 첫 번째는 모임별 멤버 상태예요. attending, absent, unknown처럼 3가지 상태를 둘 수 있습니다. 두 번째는 출전 기록이에요. 이 기록에는 멤버 ID, 시작 시각, 종료 시각, 팀 ID처럼 4개 이상의 값을 남깁니다. 한 사람이 한 모임에서 여러 번 코트에 들어갈 수 있으므로, 멤버 상태와 출전 기록은 1:N 관계가 자연스럽습니다.

직접 만들어 보니 출석 데이터는 “누가 왔는가”를 답하고, 로테이션 데이터는 “언제 누구와 뛰었는가”를 답해야 했어요. 두 질문을 하나의 테이블로 합치면 쉬는 시간이나 교체 순서를 나중에 복원하기 어려워집니다. 테스트해 보면 출석자는 12명인데 특정 구간의 출전자는 10명인 상황도 바로 표현할 수 있어요.

AI 자동화는 이 분리된 데이터를 읽는 쪽에서 도움이 됩니다. 예를 들어 모임 종료 뒤 출석 상태와 출전 구간을 입력으로 전달하고, “누적 출전 시간이 적은 멤버를 먼저 확인하되 확정하지 말 것”이라는 프롬프트를 만들 수 있어요. AI의 결과는 제안일 뿐이고, 운영자가 최종 로테이션을 확인하는 흐름이 안전합니다.

돌려 보니 자동화는 결정 자체보다 확인 목록을 만드는 데 더 잘 맞았어요. 3단계 워크플로우로도 충분합니다. 기록을 수집하고, 누락된 종료 시각을 찾고, 운영자가 검토할 요약을 만드는 방식이에요. 이렇게 하면 AI가 출석 여부를 추정하거나 출전 사실을 지어낼 여지를 줄일 수 있습니다.

• ✓출석은 참여 의사
• ✓출전은 시간 구간
• ✓AI는 검토용 제안

농구 운영툴의 핵심은 복잡한 기능 수가 아니라 질문마다 맞는 데이터를 남기는 데 있어요. 플랜비(plan-b)처럼 멤버, 회비, 출전 로테이션, 전술보드를 함께 다룰 때도 출석과 출전을 분리해 두면 이후 자동 요약과 운영 규칙을 연결하기 편해집니다.