주식회사 리서치이노션 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

주식회사 리서치이노션의 전체 정보

기업개요 및 핵심역량(요약)

1. 기업개요㈜리서치이노션은 다양한 설문조사에 필요한 IT와 컨설팅 서비스를 전문으로 수행하는 업체로 지난 15년간 다양한 산업군의 고객들에게 온라인 설문조사 대행, 통계 기반 리서치 모델 개발, 대형 DB 기반 리포팅 시스템 개발, 데이터 가공 및 분석 등의 B2B, B2C 서비스를 제공하고 있습니다.2. 핵심 역량2022년부터 2024년까지 3년 연속 데이터바우처 가공기업으로 선정되어 2022년 일반가공과 AI 가공 업무 각 1건씩 수행하였고, 이후 인공지능과 빅데이터 분석 기법을 리서치 업무에 적용함으로써 데이터를 더욱 다양한 방법으로 가공, 분석, 시각화할 수 있는 핵심 역량을 보유하고 있습니다.- 기술: 웹 크롤러를 활용한 데이터 수집, 빅데이터(정형, 비정형) 처리 및 분석, 데이터 시각화, 딥러닝(Transformer) 기반 자연어 처리(문장 요약, 분류, 생성) 및 음성인식/합성 알고리즘 개발- 솔루션: 온라인 설문조사 솔루션, 클라우드 기반의 Contact Center 솔루션, 보고서 자동화 솔루션머신러닝·딥러닝 분석 환경 구성과 알고리즘 개발 및 관리 체계 구축

기업한글명

주식회사 리서치이노션

도로명주소

등록일

2025-01-23

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=1148673975&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

1) 보유 솔루션- 온라인 설문조사 솔루션- 클라우드 기반의 Contact Center 솔루션- 보고서 자동화 솔루션- 머신러닝·딥러닝 분석 환경 구성과 알고리즘 개발 및 관리 체계 구축2) 물적 자원NO가용자원내용비고1서버 장비웹서버5대자사 직접 운용,CLOUD 기반 운영DB3대WAS2대백업서버1대2DB 툴RDBMSPostgreSQLMS-SQLMariaDB최신 기술 적용3AI 툴Python, R, TensorFlow, Pytorch최신 기술 적용4시각화 툴Smart Admin Web Form라이센스 확보

상세주소

5층 506호(영동테크노타워)

설립일자

2009-06-22

실적(요약)

순번데이터파일 설명데이터 유형 가공 데이터 건수데이터파일 사이즈(MB)비고1쿠팡 상품정보 데이터(단백질,다이어트쉐이크)정형9070.2공급기업수집2‘OOOO 브랜드’ 키워드 네이버 블로그 포스팅 크롤링 데이터정형6441.3공급기업수집3‘OOOO 브랜드’ 키워드 네이버 블로그 포스팅 크롤링 데이터정형3181.1공급기업수집4‘OOOO 브랜드’ 키워드 네이버 블로그 포스팅 크롤링 데이터정형8822.4공급기업수집5설문조사 분석용 데이터정형1900.1수요기업수집6‘OOOO 브랜드’ 키워드 네이버 블로그, 스마트스토어 리뷰 데이터정형1710.1수요기업제공7‘21년 7월22일~’22년 8월16일 네이버검색광고데이터정형171,15216.2수요기업제공8‘21년 7월2일~’22년 8월 10일까지 거래내역 데이터정형3660.1수요기업제공 9민원(콜센터)질의응답_AI학습데이터셋.zip정형2,003,45863.6MB수요기업제공10OOO여론조사데이터.csv정형6,0070.94MB수요기업제공11학습데이터셋 알고리즘.zip비정형17,023334MB수요기업제공12알고리즘 개발 보고서.pdf비정형12.53MB수요기업제공 131.간편결제_20만샘플링_20221010_최종.xlsx정형194,22288.5MB고객사 제공

유지보수(후속지원)전략(요약)

4. 유지보수(후속지원) 전략1) 유지보수 계획 ① 유지보수 개요- 지속적이고 안정적인 사업 유지를 위해 체계적인 유지보수 지원 조직 및 비상 연락 체계를 마련하여 신속한 하자 대응을 통하여 수요기업의 신뢰 향상 극대화 ② 세부 계획- 대상기업에 제공한 가공된 데이터의 문제 발생 시 유지보수 지원팀을 통해 유선 또는 방문하여 1차 조치를 취하고 세부 원인을 파악하여 근본적인 문제를 해결- 체계적인 지원 조직 체계를 구축하여 신속한 대응 방안을 마련- 안정적인 데이터 가공을 위한 문제해결 전략을 수립하고 문제해결 절차에 따라 상황별 시스템 구성 방법, 사전 준비 작업, 온라인 시스템의 가동 환경 등을 고려하여 문제해결 방안 숙지 및 검증 작업을 수행- 데이터 가공 이후 발생되는 문제에 대해 데이터의 완전 복구가 가능하도록 백업 관리 및 정상적인 가공이 완료까지 관리를 수행- 문제 발생 대처 방안을 마련하여 문제 유형별 신속한 장애 복구 처리 절차 마련 및 수행2) 교육 계획 ① 가공된 데이터 활용 서비스와 빅데이터 플랫폼에 대한 실무 교육- 프로젝트에 따라 가공 및 구축된 서비스와 플랫폼에 대한 실무, 실습 교육- 현업 실무에서의 빅데이터 활용에 초점을 맞춰 교육 진행- 교육을 통한 데이터 가공 및 빅데이터 관련 전문 인력 양성3) 해당 산업의 빅데이터 활용 서비스 제시① 세부 추진 방법 및 고려사항 - 빅데이터 활용 서비스 확산에 대한 역할 수행을 위해, 빅데이터 활용 서비스 도입을 위한 컨설팅 지원 · 기업의 빅데이터 활용 서비스 개발 가이드와 빅데이터 플랫폼 구축 가이드 도입을 위한 컨설팅 · 보급 기업의 특성을 최대한 고려한 빅데이터 활용 서비스 선정 및 지원 로드맵, 계획을 설계하여 진행 · 또한 수평 전개가 될 수 있도록 컨설팅 지원사례 및 우수사례를 정리하여 추가 홍보 실시 - 빅데이터 활용 서비스 확산을 위한 효율적인 보급을 위해, 기업에서 요구되는 사항들을 최대한 반영한 기업체 지향적(Company-Oriented) 컨설팅 지원 · 빅데이

주요서비스 상세정보(요약)

NO구분내용1기초 가공데이터 상태에 따른 정제 및 변환데이터 전처리 로직 구현원천데이터에 내재하는 데이터의 불일치성을 교정 (오류 데이터 제거, 보정 등)2공간 정보 가공(시각화, 대시보드)위치정보를 다양한 공간 정보와 결합하여 공간 정보 생성3웹로그 데이터 가공/분석웹(모바일, PC) 로그를 분석하여 필요 정보를 추출하여 정보화정보추출을 위한 기준 수립 및 레퍼런스 데이터 구축URL 등 크롤링 기술 적용 및 이용자 특성, 트랜드 등 분석 알고리즘 적용4통계모델링 가공분류 모델(트리기반 모델, 최적화 기법, 기계학습)예측 모델(회귀분석, 시계열 분석, 인공신경망)군집화 모델(계층적/비계층적 군집 분석)연관 규칙 모델(연관관계 분석)5AI 가공기계학습을 이용한 복잡한 자료구조 분석머신러닝을 이용한 추정/예측 모델, 패턴분석, 매출 예측, 최적화 추천 가공 기술(영상인식, 문자인식 등)베이지안 추론을 활용한 예측 분석.6텍스트마이닝웹 데이터, SNS데이터, 비정형 문서 데이터 구축(자체 개발 Web Crawler)비정형 데이터 정형화 기준 수립, 키워드 등록 가능키워드 추출 및 키워드에 대한 탐색적 자료 분석연관 키워드 분석 및 워드 네트워크 분석

카테고리구분

전처리,품질,코딩,시각화,정보추출또는조합,태깅또는라벨링,분석,AI Hub 학습용 데이터 재가공,설계,생성·수집,자동화,적재

품질확보전략(요약)

3. 데이터 활용서비스의 품질 확보 방안1) 데이터 확보 계획 수립① 단계별 데이터 확보 방안② CASE별 데이터 확보 방안2) 데이터 운영·관리 방안① 가공·분석을 위한 DB 구성② 가공·분석 계층 구성③ 모니터링 DB 서버 구성④ Web 서버 구성3) 데이터 가공·분석 방법① 문제 도출 및 유형화 - 요구사항 및 문제 사례 수집 및 분석 - 프로세스별 계측화 및 구조화하여 해결이 시급한 공통 문제 발굴 - 도출된 문제에 대해 문제해결, 의사결정 업무 영역으로 도출② 가공·분석 방법론을 통한 분석 - 빅데이터 분석 방법론을 통해 분석 프로세스 도출. - 분석 방법론은 정의된 분석 단계별 목적 및 산출물을 통해 성공적인 분석 결과를 도출하기까지의 절차를 정형화시킨 분석 절차서 - 데이터 가공·분석 세부 수행 업무에 대한 목표 및 단계 정의. 그에 따른 업무 내용과 산출물 정의. 과제 수행을 위한 절차 제시③ 문제 유형별 분석 프로세스 도출 - 빅데이터 가공·분석 방법론을 통해 진행된 데이터 입력부터 분석 결과의 출력까지 분석 프로세스를 저장 및 관리 - 분석 프로세스들을 라이브러리로 관리하며 해당 유형의 문제 발생 시 분석 프로세스를 수행함으로써 결과를 출력 - 효율적인 가공·분석 라이브러리 관리를 위하여 분석에 수행되는 기능은 각각 독립적인 모듈단위로 구성하며, 분석 라이브러리는 모듈의 조합하는 형태로 구성

활용사례(요약)

1) 2022년「쇼핑몰 고객데이터 분석을 통한 마케팅 전략 수립」(데이터산업진흥원,보스엠)①설문조사 및SNS분석 등을 통한 소비자 인식을 파악하고 유사 쇼핑몰 데이터 분석을 통해 사업 활성화를 위한 마케팅 전략 제시②수집된 총174,630건의 데이터를 생산/가공하여 분석 실시2)2022년「AI학습데이터셋을 활용한 설문조사용 음성합성(TTS)알고리즘 개발」(데이터산업진흥원,소프트라인)①기존 설문조사를 통해 수집된 음성 녹취 데이터와 기 구축된AI학습 데이터 셋을 활용하여 설문조사용 음성합성(TTS)알고리즘 개발②수집된 총2,026,489건의 데이터를 통해 알고리즘 개발 및 테스트3)2023년「간편결제가 신용카드 사용에 미치는 영향」주제의 신용카드 데이터 분석(A카드)①A카드사 유실적 고객 데이터를 바탕으로 인구통계학적 특성과 간편결제 사용 유뮤의 연관성을 살핀 후,성별,연령별,거주지별 신용카드와 간편결제의 사용성 차이를 분석할 뿐만 아니라,간편결제 이용자와 미이용자의 신용카드 이용 횟수,이용 금액 등의 신용카드 사용성 지표를 비교 분석하고,회귀분석을 통해 신용카드 이용 금액에 어떤 변수가 중요한 영향을 주는지에 검토②샘플링된 총194,222건의 데이터를 통해 분석