코리아리서치인터내셔널 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

코리아리서치인터내셔널의 전체 정보

기업개요 및 핵심역량(요약)

1. 기업 개요- 1988년 창업 이후, 코리아리서치인터내셔널은 사람과 함께 성장하는 리서치 전문기업으로 차별화된 고객경험과 전문성을 갖춰오고 있음- 1994년 ~ 2009년, 선진 글로벌 리서치 지식 및 기술 도입을 통해 한국 리서치 시장의 성장에 기여했으며, 리서치 서비스의 품질을 제고함- 1995년 ~ 현재, 과학적 선거예측조사 시스템을 최초 도입했으며, 풍부한 경험 및 전문성으로 선거예측조사 분야의 리더를 공고화함- 2019년 ~ 현재, 일반 기업 대상 마케팅 리서치 및 글로벌 리서치 사업을 확대하며, 종합 리서치 기업으로 글로벌화 추진 중- 2022년 ~ 현재, 리서치테크 기반 통합 리서치 서비스인 ‘키위서베이’ 론칭을 통해 리서치 Digital eXchange 시대 선도2. 주요 사업- 마케팅 리서치 : 제품/서비스/브랜드 전 생애적 이슈 해결에 초점을 두고 있으며, 차별화된 산업 전문성을 통해 최적화된 인사이트를 제공- 퍼블릭 리서치 : 공공 분야에서 축적된 노하우를 토대로 프로젝트를 기획/수행하며, 정확한 분석 및 컨설팅 결과를 제공- 리서치테크 : Digital Transformation, Digital eXchange 실현으로 데이터에 기반을 둔 효율적인 의사결정을 지원하고 있으며, 이를 실현하는 리서치 솔루션 & 플랫폼을 구축, 지속적으로 고도화 하고 있음3. 핵심 역량- 데이터 활용서비스 공급 기업으로서 코리아리서치인터내셔널은 글로벌 리서치 기업과의 제휴 및 협업을 통하여 데이터 기획·설계, 수집·생성 들의 솔루션 구축 Know-how를 구축- 빅데이터(정형, 비정형 대규모 데이터 가공·분석), 인공지능(자연어처리, 머신러닝 및 딥러닝 기반 학습예측)을 활용한 차별된 고객 경험과 전문성으로 서비스를 제공함

기업한글명

코리아리서치인터내셔널

도로명주소

서울특별시 서초구 사임당로 18 (서초동,석오빌딩)

등록일

2025-01-22

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=2148156664&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

솔루션 장비 소프트웨어 Kiwi Survey NHN Cloud - VPC Server 4vCPU, 8GB Mem, 100GB Disk Windows Server 2019 NHN Cloud - cloud DB for MSSQL 4vCPU, 32GB Mem, 100GB Storage MS-SQL 2019 Data Server Cloud V MAX IO LNX 4Core.R16 PostgreSQLNext.JS, Python Web ServerCloud V MAX IO LNX 4Core.R16

상세주소

석오빌딩 7/8층

설립일자

1988-09-13

실적(요약)

1. 유사사업 참여 실적 및 성과- 2024년 수주/수행 실적은 금액 기준 8.4억임- 대표적인 수행 과제 사례는 아래와 같음 사업명 사업내용 계약기간 사업성과 초거대AI 확산 생태계 조성 사업 (서베이 데이터) LLM을 활용한 설문, 인터뷰 스크립트 생성 모델 데이터 구축 2024.05-12 다양한 업종 및 목적에 따른 데이터 통일·정제·가공하여 초대거AI 데이터셋 구축 웨어러블을 이용한 Biometrics 지표기반 우울 및 수면 상태파악을 위한 AI 모델링 데이터 구축 우울증 정보를 파악하기 위한AI모델링 구축 및 분석 2024.06-11 생체 정보 데이터와 생애 평가 지표를 복융합하여 ML 모델링 생성 및 고도화를 통한 고성능 모델 제공 세대별, 체형별 맞춤 사이즈 의류 제작 시스템 구축 및 원스톱 서비스 개발을 위한 데이터 셋 구축 복종에 따른 세대별, 체형별 최적의 사이즈 추천 데이터 가공 2024.06-11 의류 스펙 데이터 수집, 설문을 통해 생성한 데이터를 통합·정제·가공하여 맞춤형 최적의 사이즈 제공

유지보수(후속지원)전략(요약)

1. 수요기업 유지보수 제공 계획- 무상하자보수 기간 : 검수 후 6개월- 유상하자보수 기간 : 무상하자보수 기간 만료 후 6개월2. 수요기업 고객관리 및 고객응대 계획- 수요기업 전담 매니저 배치 : 수요기업의 다양한 요구에 전문적으로 응대하며, 관련 커뮤니케이션 활성화를 위한 전담 매니저 배정- 사업기간 이후에도 수요기업 전담 매니저가 유지보수 커뮤니케이션을 전담하여 수요기업 사업성과의 증대 도모3. 수요기업 협업체계 전략- 수요기업과의 MOU 등을 바탕으로 지속적인 협업체계를 구축하여, 지속적 고객 관리 및 고객 응대, 요청사항 처리 및 지원함- Microsoft 365 이메일, Sharepoint, 팀즈 화상회의 연동을 통한 요청사항 실시간 대응 및 피드백 제공- 사업 운영 및 관리에 대한 만족도 조사 시행 후 개선사항 도출 및 대책 시행을 통해 만족도 제고

주요서비스 상세정보(요약)

1. 계획 수립- 수요기업의 혁신비즈니스 모델 및 MVP(Minum Viable Product) 분석- 수요기업의 보유 데이터 컨설팅- 수요기업의 보유 외 융합이 필요한 데이터 수집 제안 및 계획 수립2. 가공업무- 연구 도메인 설정- 원시데이터 수집·추출·통합- 기초 통계 분석·시각화를 통한 데이터 탐색- 결측치·이상치 탐지 및 제거·대체- 중복데이터 제거- 데이터 형식 변환(타입 변환, Binning, Smoothing, 형식 통일 등)- 스케일링 및 정규화 (Min-Max 스케일링, 표준화(Z-score), 로그 변환 등)- 특징 추출 (Feature Extraction)- 파생 변수 (Derived Variable) 생성- 특정 선택 (래퍼, 필터, 임베딩 방법)- 데이터 디코딩 및 매핑 (Label Encoding, One-hot Encoding 등)- 데이터 병합·축소·차원 변환- 샘플링 (불균형 학습 데이터셋의 균형 조정 등)- 교차검증 유효성 검사 데이터셋 저장- AI모델링·하이퍼 파라미더 튜닝 · Model Ensembling 진행3. 가공검수- 평가 지표를 통한 성능 평가- 새로운 테스트 데이터로 모델 테스트 및 필드 기반 시범 테스트

카테고리구분

전처리,품질,코딩,시각화,정보추출또는조합,태깅또는라벨링,분석,기타,가명처리,전략수립,설계,생성·수집,자동화

품질확보전략(요약)

1. 품질 제고 전담조직 강화 방안- 가공 서비스의 품질 강화를 위해 매트릭스 조직으로 "품질 경영팀" 신설- 가공 서비스에 대해 철저한 검증 및 검수로 수요기업이 최고의 품질을 경험하도록 데이터 품질 전담 인력의 전문성 강화2. 품질관리 프로세스 정립 내용1) 업무 정의, 구축계획 수립 및 데이터 획득 단계 - (법·제도 준수) 원시데이터 획득 시 관련 법·제도적 규정 등을 반드시 준수하여야 함 - (사실적 획득 환경 구성) 원시데이터를 인위적인 환경과 조건하에 획득해야 하는 경우 사실적인 획득 환경을 구성 - (데이터 동기화) 다중 데이터 소스 간 정교한 동기화를 위한 절차 마련 - (편향성 방지) 데이터 편향을 방지하기 위한 절차 마련2) 데이터 정제 단계 - (정제 기준의 명확성) 데이터 사용 목적에 적합한 정제 기준 수립 - (중복성 방지) 데이터 정제 후 정보 비교 등을 통한 중복도 여부 검수 - (정제 작업 매뉴얼) 정제 작업을 위한 매뉴얼 작성 및 관리 여부 검수 - (정제 도구) 정제 작업에 사용될 소프트웨어 사용 방법을 숙지 - (정제 작업 방법) 데이터 특성 및 활용 목적에 맞는 적절한 정제 방식 선정 여부 및 선정 기준 타당성 여부 검수3) 데이터 라벨링 단계 - (라벨링 가이드라인) 목적에 맞게 작성된 라벨링 가이드라인에 대한 타당성 여부 검사 후 라벨링 작업자들에게 해당 내용의 가이드라인 전달 - (어노테이션 항목) 목적에 맞는 어노테이션 구성 여부 검수 후 확인된 내용을 포함하도록 작업자들에게 전달 - (가공 검수 도구) 자동화 도구를 통해 검수 후 검수자가 육안으로 부적합 데이터 여부에 대해 2차 확인 및 조건 오류 전수 검수4) 전수검사 - (부적합 판정 데이터 분포 확인) 데이터의 오류율, 특성 분포 확인을 통한 데이터 수집, 정제, 가공, 부문 최적화

활용사례(요약)

- A 프로젝트에서 종사자들의 인터뷰 스크립트 텍스트 데이터를 사용하여 Topic Modeling을 통한 핵심 주제 파악 및 주제별 Network 구축을 통한 Insight 제공함- B 프로젝트에서 센서 데이터 및 3종의 다변량 시계열 데이터를 복융합하여 DW 구축 및 분류 예측 ML 모델 생성하여 제공함- C 프로젝트에서 수요기업의 보유 데이터 및 데이터 수집으로 분석이 제한되어, 자사가 보유한 서베이 플랫폼을 활용하여 데이터 보완을 통해 사업 목표에 적합한 분석을 실시함