뉴스 2만 건을 손으로 분류하던 ESG 컨설턴트,
버튼 하나로 이슈·감성 분석까지
8시간이 5분이 되었습니다
Selenium으로 뉴스 빅데이터를 자동 수집하고, pandas로 정제한 뒤 ESG 이슈와 긍·부정을 자동 분류하는 프로그램입니다.
ChatGPT X Python RPA 교육 수강생이 실제 컨설팅 업무를 직접 자동화한 사례입니다.
고객사 한 곳을 분석하려면,
뉴스 수천 건을 일일이
열어보는 하루가 필요했습니다

ESG 전략컨설팅에서는 고객사가 미디어에서 어떻게 다뤄지는지 파악하는 일이 기본입니다. 어떤 ESG 이슈가 얼마나, 어떤 톤으로 보도됐는지가 중대성 평가와 리스크 대응의 출발점이기 때문입니다.
문제는 양이었습니다. 프로젝트 하나에 뉴스가 수천에서 많게는 2만 건까지 나옵니다. 이걸 하나씩 열어 ESG 이슈(환경·사회·지배구조)로 나누고, 긍정인지 부정인지 손으로 판단했습니다.
실적·마케팅 기사처럼 ESG와 무관한 뉴스도 잔뜩 섞여 있어, 걸러내는 데만도 상당한 시간이 들었습니다.
"뉴스를 일일이 열어보고 ESG 이슈랑 긍·부정을 손으로 분류했어요. 고객사 한 곳 분석하면 하루가 통째로 사라졌습니다."
| 단계 | 작업 내용 | 소요 시간 |
|---|---|---|
| STEP 1 | 기간 설정 후 고객사 뉴스 데이터 수집 | 약 2시간 |
| STEP 2 | 중복 기사 제거, 데이터 통합·정제 | 약 1시간 |
| STEP 3 | 뉴스별 ESG 이슈(환경·사회·지배구조) 분류 | 약 3시간 |
| STEP 4 | 기사별 긍정·부정·중립 감성 분류 | 약 2시간 |
🕑 프로젝트당 약 8시간 — 분석보다 분류에 하루를 소진
🔁 사람마다 분류 기준이 달라 — 결과의 일관성 확보가 어려움
📉 수기 처리 한계로 — 정작 중요한 해석·전략에 쓸 시간이 부족
수집부터 이슈·감성 분류까지,
하나의 프로그램으로 이었습니다
브라우저를 자동 조작해 뉴스 빅데이터를 내려받고, 데이터를 정제한 뒤, 미리 정의한 ESG 이슈 사전과 감성 사전으로 기사를 자동 분류합니다. 결과는 엑셀 리포트와 대시보드 차트로 한 번에 나옵니다.
사용 도구
|
1
|
STEP 1 · 자동 수집
뉴스 빅데이터 자동 수집
브라우저를 자동 조작해 로그인 → 검색 조건 입력 → 뉴스 데이터 엑셀 다운로드까지 사람 손 없이 진행합니다.
결과값: 원본 뉴스 데이터 파일
|
|
2
|
STEP 2 · 정제
중복 제거 · 데이터 정제
같은 기사를 걸러내고 필요한 항목만 남겨, 분석에 바로 쓸 수 있는 형태로 정리합니다.
결과값: 정제된 기사 데이터
|
|
3
|
STEP 3 · 자동 분류
ESG 이슈 · 긍·부정 자동 태깅
기사 본문을 ESG 이슈 사전과 감성 사전에 대조해 이슈별로 분류하고, 긍정·부정·중립을 자동으로 판단합니다.
결과값: 이슈·감성이 붙은 기사표
|
|
4
|
STEP 4 · 완료
엑셀 리포트 · 대시보드 생성
기사표, 이슈별 집계표, 차트가 담긴 대시보드까지 세 개 시트로 저장됩니다.
출력형태: 엑셀 3시트 + 비율 차트
|
각 단계 핵심 설명
로그인, 검색어·기간 입력, 상세검색, 엑셀 다운로드까지 일련의 클릭을 프로그램이 순서대로 수행합니다.
중복 기사를 자동으로 걸러내고, 분석에 필요한 열만 남겨 데이터를 깔끔하게 정리합니다.
기사 본문을 ESG 이슈 사전과 대조해 환경·사회·지배구조 이슈로 나누고, 긍정·부정·중립을 자동 판정합니다. 실적·마케팅처럼 무관한 기사는 걸러냅니다.
기사표, 이슈별 집계표, 비율 차트가 담긴 대시보드까지 하나의 엑셀 파일로 저장됩니다.
하루짜리 분류 작업이,
버튼 한 번과 5분으로

|
Before · 수작업
• 뉴스 수천~수만 건 직접 수집 • 중복 제거·정제 수작업 • ESG 이슈·긍부정 손으로 분류 • 사람마다 기준이 달라 편차 발생 프로젝트당 소요 시간
약 8시간
= 사실상 하루
|
→ |
After · 자동화
• 기업명·기간 입력 후 실행 • 수집·정제·분류 전 과정 자동 • 이슈·감성 태깅 일관 기준 적용 • 엑셀 리포트·차트 자동 생성 프로젝트당 소요 시간
약 5분
= 실행 후 대기
|
실제로 한 프로젝트에서는 약 2만 건의 뉴스를 수집해 중복을 제거하고, 이슈·감성 분류까지 자동으로 끝냈습니다. 결과는 아래처럼 기사별로 톤이 붙은 엑셀로 정리됩니다.
|
컨
|
"이제는 기업명이랑 기간만 넣고 실행 버튼을 누르면 끝이에요. 분류가 끝난 엑셀이랑 차트까지 나오니까, 저는 해석이랑 전략에만 집중하면 됩니다." ESG 전략컨설팅 담당 수강생 / ChatGPT X Python RPA 교육 수료
|
자동화가 대신한 건 분류였고,
사람이 남긴 건 판단이었습니다
컨설팅의 가치는 뉴스를 세는 데 있지 않습니다. 어떤 이슈가 왜 부각됐고, 고객사가 무엇에 대응해야 하는지를 해석하는 데 있습니다. 그동안은 그 앞단의 분류에 하루를 써야 했습니다.
프로그램이 수집과 분류를 맡으면서, 사람이 아낀 시간은 그대로 중대성 평가와 리스크 대응, 보고서 작성으로 넘어갔습니다. 같은 기준으로 분류하니 프로젝트마다 결과가 흔들리지도 않습니다.
특별한 개발 지식이 있어서가 아닙니다. 매번 반복하던 업무를 한 번 코드로 옮겨두었을 뿐입니다.
사람은 해석과 전략에 집중할 수 있었습니다.
자동화의 목적은 사람을 줄이는 게 아니라, 사람이 잘하는 일에 시간을 되돌려주는 것입니다.
수집 → 분류 → 리포트 구조는,
다른 업무에도 그대로 적용됩니다
이번 사례의 뼈대는 '데이터를 자동으로 모으고, 기준으로 분류하고, 리포트로 정리한다'입니다. 이 구조는 미디어 분석 외에도 여러 업무에 그대로 옮길 수 있습니다.
경쟁사 벤치마킹 분석 — 여러 기업의 뉴스를 한 번에 수집·분류 → 비교 리포트 자동 작성
특정 이슈 상시 트래킹 — 안전·환경 등 관심 이슈만 자동 수집 → 발생 시 알림
정기 리포트 자동화 — 주간·월간 미디어 동향 집계표와 차트 자동 생성
규제·정책 동향 수집 — 국내외 ESG 규제 뉴스 자동 수집 → 주제별 정리
뉴스 2만 건을 손으로 분류하던 하루가,
버튼 하나와 5분으로
ESG 전략컨설팅 담당 수강생이 ChatGPT X Python RPA 교육에서 직접 만든 실전 업무자동화 사례입니다.