Insurance Customer Migration Analysis POC

프로덕션 수준의 POC(Proof-of-Concept)로, 다음 도구를 사용하여 고객 마이그레이션 분석을 시연합니다.

• Data Layer: 목업(Mock) 레거시(Excel) + 신규 상품(CSV) + 경쟁사 데이터

• MCP Server: CrewAI 에이전트에 노출되는 데이터 접근 도구

• CrewAI: 다단계 추론을 위한 쿼리 라우터 + 분석 에이전트

• Gradio UI: 임원 친화적인 자연어 인터페이스

아키텍처

Executive Question
    ↓
Gradio UI
    ↓
CrewAI Router Agent (query understanding)
    ↓
CrewAI Analysis Agent (data fetching + insights)
    ↓
MCP Tools (GetRenewedCount, GetLeftCount, etc.)
    ↓
Data Layer (pandas + Excel/CSV queries)
    ↓
Response formatted for executives

Related MCP server: Database MCP Server

설정

1. 의존성 설치

# Install using uv (recommended)
uv sync

# OR using pip
pip install -r requirements.txt

2. 환경 설정

cp .env.example .env
# Edit .env and add your ANTHROPIC_API_KEY

3. 목업 데이터 생성

python -m demo_redshift_mcp.data_generator

이 작업은 다음을 생성합니다:

• data/legacy_product.xlsx - 레거시 고객 900명

• data/new_product_customers.csv - 신규 상품 고객 100명

• data/competitor_coverage.csv - 경쟁사 데이터 이력

애플리케이션 실행

웹 UI (권장)

# Launch Gradio interface
python -m demo_redshift_mcp

# Opens at http://localhost:7860

명령줄 (테스트)

python -c "
from src.demo_redshift_mcp.crew_agents import run_customer_migration_analysis
result = run_customer_migration_analysis('How many customers renewed?')
print(result)
"

임원용 샘플 질문

1. "신규 상품으로 갱신한 고객은 몇 명인가요?"

   • 반환: 갱신 수 + 마이그레이션 성공 비율

2. "경쟁사로 이탈한 고객은 몇 명인가요?"

   • 반환: 고객 수 + 상태별 분류 (ACTIVE/EXPIRED/CANCELLED)

3. "경쟁사에서 돌아온 고객은 몇 명이며 그 이유는 무엇인가요?"

   • 반환: 복귀 고객 수 + 사유 (가격, 기능 등)

4. "전체 마이그레이션 요약은 무엇인가요?"

   • 반환: 모든 세그먼트에 대한 종합 분석

5. "캘리포니아 고객에 대해 알려주세요."

   • 반환: 주(state)별 지표

6. "CONNECTED 기능을 채택한 사람은 누구인가요?"

   • 반환: 기능 채택 분석 결과

프로젝트 구조

demo-redshift-mcp/
├── src/demo_redshift_mcp/
│   ├── app.py                 # Gradio UI entry point
│   ├── crew_agents.py         # CrewAI agents + workflow
│   ├── mcp_server.py          # MCP tools definition
│   ├── data_layer.py          # Data access logic
│   ├── data_generator.py      # Mock data generation
│   └── __init__.py
├── data/                      # Generated mock data
│   ├── legacy_product.xlsx
│   ├── new_product_customers.csv
│   └── competitor_coverage.csv
├── INSURANCE_POC_ARCHITECTURE.md
├── pyproject.toml
└── .env

주요 설계 결정 사항

데이터 분리 (Excel vs CSV)

• 레거시: Excel (기존 시스템 시뮬레이션)

• 신규: Redshift의 CSV (클라우드 OLAP 시뮬레이션)

• 이유: 여러 저장소 간 조인 로직을 초기 단계에서 테스트

직접 쿼리 대신 MCP 사용

• 데이터와 추론 사이의 깔끔한 추상화

• 프로덕션 준비 완료: 이후 CSV를 Redshift로 교체 가능

• 에이전트는 파이프라인 작업이 아닌 추론에 집중

템플릿 + 동적 폴백

• 빠른 경로: 자주 묻는 질문에 대한 사전 정의된 쿼리

• 유연한 경로: 에지 케이스(edge case)에 대해 CrewAI가 로직 생성

• 부드러운 추론: 가격과 기능 신호를 결합하여 고객이 복귀한 이유 추론

다음 단계

Phase 1: 데이터 ✅

• 목업 데이터 생성 (레거시 900명, 신규 100명, 경쟁사 커버리지)

Phase 2: MCP ✅

• 데이터 접근 도구 (GetRenewedCount, GetLeftCount, 등)

Phase 3: CrewAI ✅

• 쿼리 라우터 + 분석 에이전트

Phase 4: 테스트

• 샘플 질문을 실행하고 정확성을 검증

• 에지 케이스 테스트

Phase 5: UI ✅

• 임원용 Gradio 인터페이스

향후 개선 사항

• CSV를 실제 AWS Redshift로 교체

• 주 단위 대시보드 추가

• 보고서를 PDF/Excel로 내보내기

• 과거 추이 분석 추가

• FastAPI 엔드포인트로 배포

문제 해결

"Module not found" 오류

# Ensure you're in the right directory
cd /Users/Balu/Documents/Projects/MyCode/demo-redshift-mcp

# Reinstall dependencies
uv sync

"Data not found" 오류

# Generate mock data
python -m demo_redshift_mcp.data_generator

CrewAI 오류

• .env 파일에 ANTHROPIC_API_KEY가 설정되었는지 확인

• Claude 3.5 Sonnet (또는 그 이후 버전) 액세스 권한이 있는지 확인

개발

새 쿼리 도구 추가

1. DataLayer (data_layer.py)에 메서드를 추가

2. InsuranceMCPTools (mcp_server.py)로 래핑

3. CrewAI @tool 래퍼 생성 (crew_agents.py)

4. analysis_task의 라우팅 로직 업데이트

로컬 테스트

from src.demo_redshift_mcp.data_layer import DataLayer

data = DataLayer()
result = data.customers_renewed()
print(result)

라이선스

내부 POC - 적절한 데이터 거버넌스 없이 프로덕션 환경에서 사용해서는 안 됩니다.