audience_data 범위 및 기타 처리수정

app/dashboard/api/routers/v1/dashboard.py

@@ -267,7 +267,7 @@ async def get_dashboard_stats(
             Dashboard.platform == "youtube",
             Dashboard.platform_user_id == social_account.platform_user_id,
             Dashboard.uploaded_at >= start_dt,
-            Dashboard.uploaded_at <= end_dt,
+            Dashboard.uploaded_at < today + timedelta(days=1),
         )
     )
     period_video_count = count_result.scalar() or 0
@@ -451,7 +451,7 @@ async def get_dashboard_stats(
     # 12. 업로드 영상 수 및 trend 주입 (캐시 저장 후 — 항상 DB에서 직접 집계)
     for metric in dashboard_data.content_metrics:
         if metric.id == "uploaded-videos":
-            metric.value = str(period_video_count)
+            metric.value = float(period_video_count)
             video_trend = float(period_video_count - prev_period_video_count)
             metric.trend = video_trend
             metric.trend_direction = "up" if video_trend > 0 else ("down" if video_trend < 0 else "-")

app/dashboard/services/data_processor.py

@@ -4,6 +4,7 @@ YouTube Analytics 데이터 가공 프로세서
 YouTube Analytics API의 원본 데이터를 프론트엔드용 Pydantic 스키마로 변환합니다.
 """
 
+from collections import defaultdict
 from datetime import datetime, timedelta
 from typing import Any, Literal
 
@@ -19,6 +20,46 @@ from app.utils.logger import get_logger
 
 logger = get_logger("dashboard")
 
+_COUNTRY_CODE_MAP: dict[str, str] = {
+    "KR": "대한민국",
+    "US": "미국",
+    "JP": "일본",
+    "CN": "중국",
+    "GB": "영국",
+    "DE": "독일",
+    "FR": "프랑스",
+    "CA": "캐나다",
+    "AU": "호주",
+    "IN": "인도",
+    "ID": "인도네시아",
+    "TH": "태국",
+    "VN": "베트남",
+    "PH": "필리핀",
+    "MY": "말레이시아",
+    "SG": "싱가포르",
+    "TW": "대만",
+    "HK": "홍콩",
+    "BR": "브라질",
+    "MX": "멕시코",
+    "NL": "네덜란드",
+    "BE": "벨기에",
+    "SE": "스웨덴",
+    "NO": "노르웨이",
+    "FI": "핀란드",
+    "DK": "덴마크",
+    "IE": "아일랜드",
+    "PL": "폴란드",
+    "CZ": "체코",
+    "RO": "루마니아",
+    "HU": "헝가리",
+    "SK": "슬로바키아",
+    "SI": "슬로베니아",
+    "HR": "크로아티아",
+    "GR": "그리스",
+    "PT": "포르투갈",
+    "ES": "스페인",
+    "IT": "이탈리아",
+}
 
 class DataProcessor:
     """YouTube Analytics 데이터 가공 프로세서
@@ -90,6 +131,7 @@ class DataProcessor:
             monthly_data = self._merge_monthly_data(
                 raw_data.get("trend_recent", {}),
                 raw_data.get("trend_previous", {}),
+                end_date=end_date,
             )
             daily_data: list[DailyData] = []
         else:  # mode == "day"
@@ -271,49 +313,49 @@ class DataProcessor:
         self,
         data_recent: dict[str, Any],
         data_previous: dict[str, Any],
+        end_date: str = "",
     ) -> list[MonthlyData]:
         """최근 12개월과 이전 12개월의 월별 데이터를 병합
 
-        최근 12개월 대비 이전 12개월의 월별 조회수 비교 차트를 위한 데이터를 생성합니다.
+        end_date 기준 12개월을 명시 생성하여 API가 반환하지 않은 월(당월 등)도 0으로 포함합니다.
-        실제 API 응답의 월 데이터를 기준으로 매핑합니다.
 
         Args:
             data_recent: 최근 12개월 월별 조회수 데이터
                 rows = [["2026-01", 150000], ["2026-02", 180000], ...]
             data_previous: 이전 12개월 월별 조회수 데이터
                 rows = [["2025-01", 120000], ["2025-02", 140000], ...]
+            end_date: 기준 종료일 (YYYY-MM-DD). 미전달 시 오늘 사용
 
         Returns:
-            list[MonthlyData]: 월별 비교 데이터 (최대 12개)
+            list[MonthlyData]: 월별 비교 데이터 (12개, API 미반환 월은 0)
         """
         logger.debug("[DataProcessor._merge_monthly_data] START")
 
         rows_recent = data_recent.get("rows", [])
         rows_previous = data_previous.get("rows", [])
 
-        # 월별 맵 생성: {"2025-02": 150000, "2025-03": 180000}
         map_recent = {row[0]: row[1] for row in rows_recent if len(row) >= 2}
         map_previous = {row[0]: row[1] for row in rows_previous if len(row) >= 2}
 
-        # 최근 기간의 월 키만 기준으로 정렬 (24개 합집합 방지)
+        # end_date 기준 12개월 명시 생성 (API 미반환 당월도 0으로 포함)
-        # 각 월의 이전 연도 키는 1년 전으로 계산: "2025-02" → "2024-02"
+        if end_date:
-        recent_months = sorted(map_recent.keys())
+            end_dt = datetime.strptime(end_date, "%Y-%m-%d")
+        else:
+            end_dt = datetime.today()
 
-        # 월별 데이터 생성
         result = []
-        for month_key in recent_months:
+        for i in range(11, -1, -1):
-            year, month = month_key.split("-")
+            m = end_dt.month - i
-            month_num = int(month)
+            y = end_dt.year
-            month_label = f"{month_num}월"
+            if m <= 0:
-
+                m += 12
-            # 이전 연도 동일 월: "2025-02" → "2024-02"
+                y -= 1
-            prev_year_key = f"{int(year) - 1}-{month}"
+            month_key = f"{y}-{m:02d}"
-
             result.append(
                 MonthlyData(
-                    month=month_label,
+                    month=f"{m}월",
                     this_year=map_recent.get(month_key, 0),
-                    last_year=map_previous.get(prev_year_key, 0),
+                    last_year=map_previous.get(f"{y - 1}-{m:02d}", 0),
                 )
             )
 
@@ -437,9 +479,17 @@ class DataProcessor:
             if gender in gender_map_f:
                 gender_map_f[gender] += viewer_pct
 
+        # 연령대 5개로 통합: 13-17+18-24 → 13-24, 55-64+65- → 55+
+        merged_age: dict[str, float] = {
+            "13-24": age_map.get("13-17", 0.0) + age_map.get("18-24", 0.0),
+            "25-34": age_map.get("25-34", 0.0),
+            "35-44": age_map.get("35-44", 0.0),
+            "45-54": age_map.get("45-54", 0.0),
+            "55+": age_map.get("55-64", 0.0) + age_map.get("65-", 0.0),
+        }
         age_groups = [
             {"label": age, "percentage": int(round(pct))}
-            for age, pct in sorted(age_map.items())
+            for age, pct in merged_age.items()
         ]
         gender_map = {k: int(round(v)) for k, v in gender_map_f.items()}
 
@@ -447,15 +497,17 @@ class DataProcessor:
         geo_rows = geography_data.get("rows", [])
         total_geo_views = sum(row[1] for row in geo_rows if len(row) >= 2)
 
+        merged_geo: defaultdict[str, int] = defaultdict(int)
+        for row in geo_rows:
+            if len(row) >= 2:
+                merged_geo[self._translate_country_code(row[0])] += row[1]
+
         top_regions = [
             {
-                "region": self._translate_country_code(row[0]),
+                "region": region,
-                "percentage": int(
+                "percentage": int((views / total_geo_views * 100) if total_geo_views > 0 else 0),
-                    (row[1] / total_geo_views * 100) if total_geo_views > 0 else 0
-                ),
             }
-            for row in geo_rows[:5]  # 상위 5개
+            for region, views in sorted(merged_geo.items(), key=lambda x: x[1], reverse=True)[:5]
-            if len(row) >= 2
         ]
 
         logger.debug(
@@ -487,26 +539,4 @@ class DataProcessor:
             >>> _translate_country_code("US")
             "미국"
         """
-        country_map = {
+        return _COUNTRY_CODE_MAP.get(code, "기타")
-            "KR": "대한민국",
-            "US": "미국",
-            "JP": "일본",
-            "CN": "중국",
-            "GB": "영국",
-            "DE": "독일",
-            "FR": "프랑스",
-            "CA": "캐나다",
-            "AU": "호주",
-            "IN": "인도",
-            "ID": "인도네시아",
-            "TH": "태국",
-            "VN": "베트남",
-            "PH": "필리핀",
-            "MY": "말레이시아",
-            "SG": "싱가포르",
-            "TW": "대만",
-            "HK": "홍콩",
-            "BR": "브라질",
-            "MX": "멕시코",
-        }
-        return country_map.get(code, code)