feat(discovery): issue → policy → dataset → effect, with T3 sample and randomization inference

README.md

@@ -25,6 +25,7 @@ cases/
   <조-주제>/          조별 케이스 (plan.yaml, fetch.py, estimate.py, report.md, figures/)
 app/streamlit_app.py  케이스 브라우저 (API 키 없이 실행)
 docs/ops/             조별 운영 가이드, GitHub 온보딩, 모니터링
+catalog/              정책 × 데이터셋 카탈로그 (이슈 → 데이터 연결)
 docs/strategy/        문제 정의·전략 문서
 scripts/              운영 스크립트 (weekly_activity.py 등)
 tests/                테스트
@@ -74,6 +75,22 @@ cp -r cases/_template cases/group3-youth-rent   # 폴더명: <조>-<주제>, 소
 | 6 | 리포트·플랫폼 | `report.md`, Streamlit 반영 |
 | 7 | 발표·회고·공개 정리 | 최종 PR 머지, 릴리스 태그 |
 
+## 이슈 → 데이터 → 효과
+
+소셜 반응(뉴스 제목·SNS 글) 한 건에서 출발해 정책을 찾고, 공공데이터를 추천하고, 효과 분석까지 잇습니다.
+
+1. **정책 식별**: `catalog/policies.yaml`(정책 × 데이터셋 카탈로그)에서 키워드로 찾습니다. LLM은 후보 중에서 고르는 보조 역할만 합니다.
+2. **데이터셋 추천**: 카탈로그에 검증해 둔 데이터셋과 공공데이터포털 실시간 검색 결과를 보여줍니다.
+3. **분석 설계**: 카탈로그의 설계(이중차분·합성통제·단절 시계열)로 정합니다. LLM이 고르지 않습니다.
+4. **효과 분석**: 사전 등록된 `plan.yaml`로 아래 Flow를 실행합니다.
+
+```bash
+make app        # 사이드바 '이슈 → 데이터 → 효과'
+python -c "from core.discovery import discover; r=discover('토허제 확대하고 집값 잡혔나'); print(r.top.name, r.next_step)"
+```
+
+샘플: [`cases/t3-land-permit-2025`](cases/t3-land-permit-2025/) (현재 시뮬레이션 데이터, API 키 발급 후 실데이터로 전환)
+
 ## Flow — 6단계 에이전트 흐름
 
 `core.agent`가 케이스 하나를 아래 6단계로 실행하고 `cases/<케이스>/flow_log.json`에 단계별 결과를 남깁니다. 앱의 **Flow** 페이지(`make app` → 사이드바 Flow)에서 실행하거나 저장된 로그를 볼 수 있습니다.

app/pages/0_Issue_to_Effect.py

@@ -0,0 +1,158 @@
+"""이슈 → 데이터 → 효과: 소셜 반응 한 건을 정책·데이터셋·효과 분석까지 잇는 화면."""
+
+from __future__ import annotations
+
+import sys
+from pathlib import Path
+
+import streamlit as st
+
+APP_DIR = Path(__file__).resolve().parents[1]
+for p in (APP_DIR, APP_DIR.parent):
+    if str(p) not in sys.path:
+        sys.path.insert(0, str(p))
+
+import flow_view as fv  # noqa: E402
+
+from core.discovery import discover  # noqa: E402
+
+EXAMPLES = {  # 직접 작성한 예시 문장 (실제 게시글 인용 아님)
+    "부동산": "토허제 강남3구·용산까지 확대하고 나서 집값 진짜 잡힌 거 맞음? 옆 동네만 올랐다는 얘기도 있던데",
+    "교통안전": "민식이법 시행되고 스쿨존 어린이 사고가 줄었다는 게 사실인가요?",
+    "속도제한": "5030 속도 줄이고 나서 보행자 교통사고 줄었다는데 체감이 안 됨",
+    "대기질": "사대문 안 5등급 차 운행제한하고 도심 공기 좋아졌나?",
+}
+
+st.set_page_config(page_title="이슈 → 데이터 → 효과", layout="wide")
+st.title("이슈 → 데이터 → 효과")
+st.caption(
+    "소셜 반응(뉴스 제목·SNS 글)에서 정책을 찾고 → 공공데이터를 추천하고 → 효과를 분석합니다."
+)
+
+with st.sidebar:
+    st.markdown("**예시 입력** (직접 작성한 문장)")
+    for label, text in EXAMPLES.items():
+        if st.button(label, use_container_width=True):
+            st.session_state["issue"] = text
+    live = st.checkbox(
+        "공공데이터포털 실시간 검색",
+        value=False,
+        help="data.go.kr 검색 결과를 함께 보여줍니다(네트워크 필요).",
+    )
+    use_llm = st.toggle("LLM 보조", value=False, disabled=not fv.llm_available())
+
+text = st.text_area(
+    "① 소셜 반응", key="issue", height=90, placeholder="예: 토허제 확대하고 강남 집값 잡혔나요?"
+)
+if not text.strip():
+    st.info("왼쪽 예시를 누르거나 뉴스 제목·SNS 글을 붙여 넣으세요.")
+    st.stop()
+
+res = discover(text, live_search=live, use_llm=use_llm)
+if not res.matches:
+    st.warning(res.next_step)
+    st.stop()
+
+# ② 정책 식별 -------------------------------------------------------------------------
+st.subheader("② 정책 식별")
+idx = st.radio(
+    "후보",
+    range(len(res.matches)),
+    format_func=lambda i: (
+        f"{res.matches[i].policy.id} · {res.matches[i].policy.name}  (점수 {res.matches[i].score:.0f})"
+    ),
+    horizontal=True,
+    label_visibility="collapsed",
+)
+m = res.matches[idx]
+p = m.policy
+c = st.columns([3, 2])
+with c[0]:
+    st.markdown(f"**{p.name}**  \n{p.summary}")
+    st.caption(m.reason)
+    if p.sources:
+        st.markdown("출처: " + " · ".join(f"[{i + 1}]({u})" for i, u in enumerate(p.sources)))
+with c[1]:
+    dates = [
+        f"발표 {p.announced}" if p.announced else "",
+        f"시행 {p.effective}" if p.effective else "",
+    ]
+    st.markdown(f"**시점** {' / '.join(d for d in dates if d) or '확인 필요'}")
+    st.markdown(f"**분석 단위** {p.unit}")
+    st.markdown(
+        f"**설계** {p.design_ko} — "
+        + (f":green[{p.support}]" if p.support == "지원" else f":orange[{p.support}]")
+    )
+if p.pitfalls:
+    with st.expander(f"식별상 함정 {len(p.pitfalls)}개", expanded=True):
+        for x in p.pitfalls:
+            st.markdown(f"- {x}")
+
+# ③ 데이터셋 추천 ---------------------------------------------------------------------
+st.subheader("③ 추천 데이터셋")
+access_ko = {"api_key": "API 키(자동승인)", "file": "파일", "manual": "수동 수집"}
+st.dataframe(
+    [
+        {
+            "데이터셋": d.name,
+            "제공": d.provider,
+            "용도": {"outcome": "결과", "treatment": "처치", "covariate": "공변량"}[d.role],
+            "단위": d.granularity,
+            "접근": access_ko[d.access],
+            "라이선스": d.license,
+            "링크": d.url,
+        }
+        for d in p.datasets
+    ],
+    column_config={"링크": st.column_config.LinkColumn()},
+    hide_index=True,
+    use_container_width=True,
+)
+if live and idx == 0:
+    st.caption(res.live_status)
+    if res.live_hits:
+        st.dataframe(
+            [
+                {
+                    "공공데이터포털 검색": h.title,
+                    "유형": h.kind,
+                    "제공": h.provider,
+                    "수정일": h.modified,
+                    "링크": h.url,
+                }
+                for h in res.live_hits
+            ],
+            column_config={"링크": st.column_config.LinkColumn()},
+            hide_index=True,
+            use_container_width=True,
+        )
+
+# ④ 분석 ------------------------------------------------------------------------------
+st.subheader("④ 효과 분석")
+case = fv.ROOT / p.sample_case if p.sample_case else None
+if case is None or not (case / "plan.yaml").exists():
+    st.info(
+        res.next_step
+        if idx == 0
+        else "이 정책은 아직 사전 등록된 분석계획이 없습니다. cases/_template 으로 시작하세요."
+    )
+    st.stop()
+
+plan = fv.load_plan_dict(case)
+st.markdown(
+    f"사전 등록된 분석계획: `{p.sample_case}/plan.yaml`  \n> {plan.get('question', '').strip()}"
+)
+run = st.button("효과 분석 실행", type="primary")
+log = None
+if run:
+    with st.spinner("수집 → 품질 점검 → 추정(무작위화 추론) → 가드 → 리포트 ..."):
+        try:
+            log = fv.run_flow_for(case, allow_uncommitted=False, use_llm=use_llm)
+        except Exception as exc:  # noqa: BLE001
+            st.exception(exc)
+else:
+    log = fv.load_flow_log(case)
+    if log:
+        st.caption("저장된 실행 결과를 표시합니다. 다시 돌리려면 '효과 분석 실행'.")
+if log:
+    fv.render_flow(st, case, log, plan)

cases/t3-land-permit-2025/README.md

@@ -0,0 +1,32 @@
+# T3. 토지거래허가구역 확대 지정(2025.3.24) → 아파트 거래
+
+> ⚠️ **현재 결과는 시뮬레이션 데이터입니다.** API 키 발급 전 파이프라인 시연용이며, 수치는 실제 정책 효과가 아닙니다.
+
+**흐름**: 소셜 반응("토허제 확대하고 집값 잡혔나?") → `catalog/policies.yaml` T3 → 이 분석계획 → Flow ①~⑥
+
+| 항목 | 내용 |
+|---|---|
+| 처치 | 서초·강남·송파·용산구 (2025.3.24 전역 지정, 첫 처치 월 2025-04) |
+| 대조 | 서울 나머지 21개 자치구 |
+| 기간 | 2024-01 ~ 2025-09 (2025-03 전환월 제외, 2025.10.20 서울 전역 지정 이전까지) |
+| 결과 | 아파트 매매 거래건수(로그, 1차), ㎡당 가격 중위값(로그) |
+| 추정 | 이벤트 스터디 + **무작위화 추론** (처치 구가 4개뿐이라 군집-강건 표준오차를 쓰지 않음) |
+
+## 실행
+
+```bash
+make flow CASE=cases/t3-land-permit-2025      # 또는 앱의 '이슈 → 데이터 → 효과' 화면
+```
+
+## 실데이터로 전환
+
+1. [공공데이터포털 15126468](https://www.data.go.kr/data/15126468/openapi.do)에서 활용신청(자동승인) → `.env`에 `DATA_GO_KR_API_KEY`
+2. `plan.yaml`에서 `data_sources` 순서를 바꿔 `molit`을 첫 번째로, `synthetic_data: false` → 이 변경만 PR로 커밋
+3. `rm data/panel.csv && make flow CASE=cases/t3-land-permit-2025`
+
+`core/adapters/molit.py`는 공식 명세대로 작성했지만 아직 실제 호출로 검증하지 않았습니다. 첫 실행 때 응답 필드명을 확인하세요.
+
+## 주의할 점
+- 2025.2.12 잠실·삼성·대치·청담 해제 직후 거래가 급등했습니다. 이 선반영은 사전추세 검정과 가짜 시점 검정으로 확인합니다.
+- 마포·성동 등 인접 구로 수요가 옮겨 가면 대조군이 오염되어 효과가 과대 추정됩니다.
+- 거래 신고 기한이 30일이라 최근 월은 과소 집계됩니다.