페이지 하단의 요약이 인상적이었음
프로젝트를 수년간 구축하고 확장하며 데이터를 분석한 결과, 직접 솔루션을 만드는 건 시간 대비 가치가 낮았음
처음엔 놀라운 통찰을 기대했지만, 실제로는 몇 가지 흥미로운 그래프 외엔 수백 시간을 투자할 만큼의 보상이 없었음
‘Quantified Self’ 운동은 어쩌면 강박적 완벽주의에 더 가까운 것 같음
나는 10년 가까이 Apple Watch를 착용해왔음
평소엔 별 의미 없어 보이던 데이터가, 어느 날 심장 질환 오진을 막는 핵심 정보가 되었음
오랜 기간의 안정된 기록이 있었기에 의사가 잘못된 판단을 바로잡을 수 있었음
데이터의 가치는 오랜 시간 후 갑자기 드러나는 순간적 효용에 있음
나도 예전에 수면 트래커를 써봤는데, 몇 달 지나니 이미 내 몸이 알고 있는 사실만 확인하는 수준이었음
“좋은 수면”이라 알려줘도 이미 기분으로 느끼고 있었고, 데이터가 내 행동을 바꾸진 않았음
결국 데이터 시각화의 재미 외엔 실질적 변화가 없었음
나도 여러 생활 지표 추적 실험을 해봤음
칼로리, 영양소, 수면, 운동, 공기질, 기분 등 다양하게 기록했지만, 몇 주 지나면 수익 대비 노력의 한계가 명확해졌음
다만 실험을 일정 기간으로 제한하면 유용한 통찰을 얻을 수 있었음
매일 데이터를 쌓는 건 강박적일 수 있지만, 시간 제한 실험으로 접근하면 충분히 의미 있음
나도 비슷한 시도를 했음
Reddit, HN, Slashdot 댓글 18년치와 LLM 대화 3년치를 모아 RAG 실험을 했는데, 오히려 창의성이 감소했음
모델이 내 과거 생각에 갇혀버려 새로움이 사라졌음
결국 데이터는 과거를 향하지만, 나는 미래로 향하는 모델을 원했음
나는 일기, 스케치, 사진, 위치 데이터를 결합한 개인 기록 시스템을 만들었음
특히 감정 기록이 가장 도움이 되었음 — 감정을 적는 행위가 곧 인식과 반성의 과정이 되었음
과거의 감정과 사건을 읽는 건 단순히 유용함을 넘어 자기 서사의 섬세한 결을 만들어줌
단순 계산만으로도 Felix의 항공 여행 CO₂ 배출량이 연간 70~110톤에 달함
파리협정 기준(1인당 1.5톤)을 감안하면, 유럽 평균의 10~15배, 1.5°C 목표 대비 50배 이상임
환경 보호를 위해 비행을 줄이고 싶다면 세금 인상이 현실적임
개인을 비난하는 건 비생산적이며, 행동 변화를 이끄는 건 결국 비용 구조의 변화임
설령 비용이 10배가 되어도, 경제적 이유로 계속 비행할 사람은 존재함
나는 항공기 조종사로, 지난 10년간 약 65,658톤의 CO₂를 배출했음을 계산했음
좌석 거리당으로 보면 덜 심각하지만, 그래도 충격적인 수치임 통계 페이지
나도 같은 생각임
이 정도 배출량을 부끄러움 없이 받아들이기 어렵다는 점이 핵심임
한 개인이 작은 국가 수준의 CO₂를 내뿜는 건 충격적임
미국 평균과 비교해도, 교통이 차지하는 비중은 30% 정도이고 비행은 그중 일부에 불과함
따라서 그의 총 배출량은 훨씬 더 높을 가능성이 큼
내 경험상 객관적 지표(영양, 수면) 는 유용하지만, 주관적 지표(기분, 스트레스) 는 변동이 커서 의미가 적었음
핵심은 데이터 입력의 마찰을 줄이고 시각화를 쉽게 하는 것임
나는 iPhone Action + Obsidian + QuickAdd 스크립트로 자동화했고, Dataview와 Chart.js로 시각화함
이 조합에 매우 만족 중임
네 설명이 흥미로움
나는 Reflect라는 셀프 트래킹 앱을 만들고 있는데, 네 의견을 듣고 싶음 Reflect 앱 링크
나는 기분 추적도 가치 있다고 생각함
꾸준히 기록하다 보면 자신의 감정 패턴을 인식하게 되고, 스스로의 핑계를 덜 하게 됨
많은 사람들이 냉소적으로 보지만, 이 프로젝트의 시각화와 데이터 규모는 정말 인상적임
특히 ‘My Life in Weeks’ 표현 방식은 멋져서 나도 써보고 싶음
“Palantir DB에 내 인간 ID로 쿼리하면 내 인생 데이터가 다 나올 것”이라는 농담이 있었음
웃기지만 씁쓸한 현실 풍자로 느껴졌음
“구독료가 너무 비싸서 못 씀”이라며 농담으로 응수함
이 프로젝트는 내 꿈이자 악몽임
예전엔 Quantified Self 운동에 빠져 Fitbit, Withings API를 다뤘지만, 기록의 피로감이 결국 흥미를 갉아먹었음
이제는 LLM이 이 비용을 줄여줄 수 있을 거라 기대함
최근엔 MacroFactor로 영양소를 추적 중인데, 처음으로 데이터가 행동으로 이어지는 경험을 하고 있음
금융 데이터도 자동화해 Plaid API로 세금 정리를 완성했음
결론적으로, 모든 걸 직접 구축하는 건 과하지만, 일부 데이터만 잘 활용해도 충분히 가치 있음
나도 여러 활동을 추적해봤는데, 감시받는다는 인식만으로도 습관이 바뀜을 느꼈음
예를 들어 GCM을 착용했을 때, 무의식적으로 더 건강하게 행동하려 했음
데이터 분석보다 관찰 자체가 행동 변화를 유도함
“겨울엔 태양 에너지 노출이 적다”는 표현이 재밌었음
어쩌면 이 문장이 프로젝트 전체의 시각적 사고방식을 설명하는지도 모르겠음
나도 비슷한 시스템을 만들었지만 훨씬 단순함
Apple Health, 은행 CSV, Git 커밋 데이터를 SQLite로 통합했음
실제 유용했던 건 단순한 쿼리였음 — 수면 시간과 커밋 빈도 상관관계, 프로젝트 시작 시 소비 급증 등 핵심은 데이터를 한곳에 모으는 것, 그 이상은 수익 대비 노력의 한계가 큼
은행 CSV 자동화는 얼마나 어려웠는지 궁금함
나는 타사 서비스에 내 데이터가 저장되는 게 불편함
하지만 여러 소스를 결합해 하나의 그림을 만드는 건 흥미로움
다만 건강 데이터와 위치, 날씨를 연관짓는 건 의미가 불분명하다고 느낌
이런 프로젝트는 자체 호스팅일 때 훨씬 안심됨
개인 데이터의 단일 쿼리 가능한 DB 개념은 매력적임
하지만 진짜 어려운 건 저장이 아니라 데이터 수집과 정규화임
기업에서도 비슷한 문제를 겪음 — 여러 출처의 정보를 하나의 Company Intelligence DB로 통합할 때
스키마를 초기에 통제하는 접근이 옳음, 스키마 드리프트가 장기 프로젝트의 최대 리스크임
어떤 스토리지 엔진을 쓰는지, 그리고 시간 데이터 스냅샷을 어떻게 관리하는지도 궁금함
Hacker News 의견들
페이지 하단의 요약이 인상적이었음
프로젝트를 수년간 구축하고 확장하며 데이터를 분석한 결과, 직접 솔루션을 만드는 건 시간 대비 가치가 낮았음
처음엔 놀라운 통찰을 기대했지만, 실제로는 몇 가지 흥미로운 그래프 외엔 수백 시간을 투자할 만큼의 보상이 없었음
‘Quantified Self’ 운동은 어쩌면 강박적 완벽주의에 더 가까운 것 같음
평소엔 별 의미 없어 보이던 데이터가, 어느 날 심장 질환 오진을 막는 핵심 정보가 되었음
오랜 기간의 안정된 기록이 있었기에 의사가 잘못된 판단을 바로잡을 수 있었음
데이터의 가치는 오랜 시간 후 갑자기 드러나는 순간적 효용에 있음
“좋은 수면”이라 알려줘도 이미 기분으로 느끼고 있었고, 데이터가 내 행동을 바꾸진 않았음
결국 데이터 시각화의 재미 외엔 실질적 변화가 없었음
칼로리, 영양소, 수면, 운동, 공기질, 기분 등 다양하게 기록했지만, 몇 주 지나면 수익 대비 노력의 한계가 명확해졌음
다만 실험을 일정 기간으로 제한하면 유용한 통찰을 얻을 수 있었음
매일 데이터를 쌓는 건 강박적일 수 있지만, 시간 제한 실험으로 접근하면 충분히 의미 있음
Reddit, HN, Slashdot 댓글 18년치와 LLM 대화 3년치를 모아 RAG 실험을 했는데, 오히려 창의성이 감소했음
모델이 내 과거 생각에 갇혀버려 새로움이 사라졌음
결국 데이터는 과거를 향하지만, 나는 미래로 향하는 모델을 원했음
특히 감정 기록이 가장 도움이 되었음 — 감정을 적는 행위가 곧 인식과 반성의 과정이 되었음
과거의 감정과 사건을 읽는 건 단순히 유용함을 넘어 자기 서사의 섬세한 결을 만들어줌
단순 계산만으로도 Felix의 항공 여행 CO₂ 배출량이 연간 70~110톤에 달함
파리협정 기준(1인당 1.5톤)을 감안하면, 유럽 평균의 10~15배, 1.5°C 목표 대비 50배 이상임
개인을 비난하는 건 비생산적이며, 행동 변화를 이끄는 건 결국 비용 구조의 변화임
설령 비용이 10배가 되어도, 경제적 이유로 계속 비행할 사람은 존재함
좌석 거리당으로 보면 덜 심각하지만, 그래도 충격적인 수치임
통계 페이지
이 정도 배출량을 부끄러움 없이 받아들이기 어렵다는 점이 핵심임
한 개인이 작은 국가 수준의 CO₂를 내뿜는 건 충격적임
따라서 그의 총 배출량은 훨씬 더 높을 가능성이 큼
내 경험상 객관적 지표(영양, 수면) 는 유용하지만, 주관적 지표(기분, 스트레스) 는 변동이 커서 의미가 적었음
핵심은 데이터 입력의 마찰을 줄이고 시각화를 쉽게 하는 것임
나는 iPhone Action + Obsidian + QuickAdd 스크립트로 자동화했고, Dataview와 Chart.js로 시각화함
이 조합에 매우 만족 중임
나는 Reflect라는 셀프 트래킹 앱을 만들고 있는데, 네 의견을 듣고 싶음
Reflect 앱 링크
꾸준히 기록하다 보면 자신의 감정 패턴을 인식하게 되고, 스스로의 핑계를 덜 하게 됨
많은 사람들이 냉소적으로 보지만, 이 프로젝트의 시각화와 데이터 규모는 정말 인상적임
특히 ‘My Life in Weeks’ 표현 방식은 멋져서 나도 써보고 싶음
“Palantir DB에 내 인간 ID로 쿼리하면 내 인생 데이터가 다 나올 것”이라는 농담이 있었음
이 프로젝트는 내 꿈이자 악몽임
예전엔 Quantified Self 운동에 빠져 Fitbit, Withings API를 다뤘지만, 기록의 피로감이 결국 흥미를 갉아먹었음
이제는 LLM이 이 비용을 줄여줄 수 있을 거라 기대함
최근엔 MacroFactor로 영양소를 추적 중인데, 처음으로 데이터가 행동으로 이어지는 경험을 하고 있음
금융 데이터도 자동화해 Plaid API로 세금 정리를 완성했음
결론적으로, 모든 걸 직접 구축하는 건 과하지만, 일부 데이터만 잘 활용해도 충분히 가치 있음
예를 들어 GCM을 착용했을 때, 무의식적으로 더 건강하게 행동하려 했음
데이터 분석보다 관찰 자체가 행동 변화를 유도함
“겨울엔 태양 에너지 노출이 적다”는 표현이 재밌었음
어쩌면 이 문장이 프로젝트 전체의 시각적 사고방식을 설명하는지도 모르겠음
나도 비슷한 시스템을 만들었지만 훨씬 단순함
Apple Health, 은행 CSV, Git 커밋 데이터를 SQLite로 통합했음
실제 유용했던 건 단순한 쿼리였음 — 수면 시간과 커밋 빈도 상관관계, 프로젝트 시작 시 소비 급증 등
핵심은 데이터를 한곳에 모으는 것, 그 이상은 수익 대비 노력의 한계가 큼
나는 타사 서비스에 내 데이터가 저장되는 게 불편함
하지만 여러 소스를 결합해 하나의 그림을 만드는 건 흥미로움
다만 건강 데이터와 위치, 날씨를 연관짓는 건 의미가 불분명하다고 느낌
이런 프로젝트는 자체 호스팅일 때 훨씬 안심됨
개인 데이터의 단일 쿼리 가능한 DB 개념은 매력적임
하지만 진짜 어려운 건 저장이 아니라 데이터 수집과 정규화임
기업에서도 비슷한 문제를 겪음 — 여러 출처의 정보를 하나의 Company Intelligence DB로 통합할 때
스키마를 초기에 통제하는 접근이 옳음, 스키마 드리프트가 장기 프로젝트의 최대 리스크임
어떤 스토리지 엔진을 쓰는지, 그리고 시간 데이터 스냅샷을 어떻게 관리하는지도 궁금함