Platform · FACTRO | 여섯 단계의 여정과 기술 구조

제품의 층여섯 단계를 제품이 맡습니다

Data Foundation · 데이터 카탈로그

실제 제품 화면

흩어진 원천 데이터를 받아, 표준·품질·계보가 정리된 데이터로 만들어 다음 단계에 넘깁니다.

계보 · 표준사전 · 품질관리 · ETL · 자세히 보기 →

EDA · 데이터 품질 진단

화면 구성 예시

앞 단계가 정리한 데이터를 받아, 품질 진단과 분석 가능 판정을 만들어 다음 단계에 넘깁니다.

전처리 · 품질 진단 · 프로파일링

InsightFinder · 시나리오 추천

실제 제품 화면

분석 가능 판정을 받은 데이터와 질문을 받아, 적합 시나리오와 분석 결과를 만들어 다음 단계에 넘깁니다.

시나리오 추천 · 자동 분석 · 자세히 보기 →

InsightFinder 검색 결합 생성 · 지식 질의

화면 구성 예시

분석 결과를 받아, 법령·정책·업무계획과 결합된 해석을 만들어 다음 단계에 넘깁니다. 모든 답변에 출처가 남습니다.

근거 인용 · 감사 기록

AutoAnalytics · 자동 모델링

화면 구성 예시

검증된 데이터와 해석을 받아, 자동 생성·비교된 예측 모델을 만들어 다음 단계에 넘깁니다.

자동 모델링 · 후보 비교 · 변수 중요도

InsightFinder 보고서 생성 · 분석 기획 보고서

실제 제품 화면

앞 단계들이 쌓은 근거 전부를 받아, 분석 기획 보고서로 완성합니다. 결정은 사람이 내립니다.

결재 문서 형식 · 한글 문서로 내려받기 · 근거 함께 기록

부품의 층제품을 만드는 공통 컴포넌트

메타데이터 관리공공 표준사전 약 20,000건 · 유사어 사전 · 데이터 계보

데이터 품질관리범정부 데이터 품질진단 기준 내장

ETL수집 · 변경분 추적 · 연계

소형 언어모델공공 도메인 학습 · 분석 시나리오 지식베이스

검색 결합 생성법령 · 기관 정책 · 업무계획 결합

이 부품들이 어떤 계층에 쌓여 있는지 아래에서 이어집니다 ↓

쓰는 사람에 따라, 시작하는 화면이 다릅니다. 네 가지 역할이 각자 필요한 자리에서 같은 플랫폼에 들어옵니다.

현업 사용자

분석을 몰라도 괜찮습니다.
일상적인 언어로 질문하면, 맞춤형 시나리오를 추천하고 분석 기획 보고서까지 자동으로 완성해 드립니다.

질문 → 추천 → 보고서

데이터 전문가

신뢰할 수 있는 데이터 기반을 탄탄하게 다집니다.
수집부터 품질, 표준화, 계보(리니지)까지 전 과정을 체계적으로 관리합니다.

Data Foundation

분석가 · 연구원

전문적인 분석 환경을 제공합니다.
탐색적 데이터 분석(EDA)과 통계, AutoML로 가설을 빠르고 정확하게 검증합니다.

EDA · AutoAnalytics

시스템 운영자

만든 모델을 저장해 두고 다시 쓰는 것부터 시작합니다.
모델을 서비스에 올리고 정확도가 떨어지는지 지켜보는 일은 확장 로드맵으로 준비하고 있습니다.

AutoAnalytics · 모델 배포와 성능 관리(로드맵)

Why FACTRO

시스템도, AI 도구도, 대시보드도 아닙니다.

시스템 구축도, AI 도구도, 대시보드도 저마다 제 역할이 있습니다. 다른 것은 출발점입니다. 세 방식은 무엇을 할지 이미 아는 조직을 전제로 합니다. FACTRO는 무엇을 분석할지 찾는 일부터 함께 합니다.

표를 옆으로 밀어 보실 수 있습니다.

	시스템 구축 (SI)	AI 도구 도입	BI · 대시보드	FACTRO
하는 일	요구한 시스템을 만듭니다	모델과 챗봇을 제공합니다	정해진 지표를 보여줍니다	데이터에서 ‘무엇을 분석할지’부터 찾아 사실로 연결합니다
시작 전제	무엇을 만들지 알고 있어야 합니다	어디에 쓸지 알고 있어야 합니다	무엇을 볼지 알고 있어야 합니다	몰라도 됩니다. 시스템이 먼저 제안합니다
다루는 범위	프로젝트 단위	도구 단위	지표 단위	데이터 기반부터 의사결정까지 전 구간
도입 후 남는 것	시스템	도구와 사용법	대시보드	사실에 이르는 길. 정리된 데이터 기반과 분석 역량

기존 도구를 대체하는 것이 아닙니다. 이미 구축한 시스템·AI·대시보드 위에서 비어 있던 자리를 채웁니다.

RO Stack

7개 계층이 하나의 스택으로.

맨 위 응용부터 맨 아래 인프라까지 일곱 층입니다. 모든 제품이 이 층들에서 필요한 것만 골라 쓰기 때문에, 제품마다 기술을 새로 쌓지 않습니다. 층을 누르면 그 층이 무슨 일을 하는지 펼쳐집니다.

L7응용자연어 질의 · 분석 추천 · 보고서 생성 · 시각화▾

담당자가 실제로 보고 만지는 화면이 여기 있습니다. 질문을 적고, 추천을 받고, 보고서를 내려받는 일이 모두 이 층에서 끝납니다. 화면이 단순한 것은 아래 여섯 층이 복잡한 일을 대신 떠안았기 때문입니다.

L6지능임베딩 · 벡터 검색 · RAG · 공공 도메인 sLLM▾

질문이 무엇을 묻는 것인지 알아듣고, 조직 안에 있는 지식을 찾아옵니다. 가운데에는 폐쇄망에서 도는 공공 도메인 sLLM이 있습니다. 데이터를 밖으로 보낼 수 없다는 조건이 sLLM과 RAG라는 답으로 이어졌고, 그 이야기는 아래 '왜 폐쇄망에서는 sLLM과 RAG인가'에서 따로 다룹니다. 특정 언어모델에 매이지 않게 만들어 두어서, 조직 사정에 맞게 모델을 바꿔 끼울 수 있습니다. 부품으로는 소형 언어모델과 검색 결합 생성이 여기 얹힙니다.

L5분석프로파일링 · 분포/상관 분석 · 통계 분석 · AutoML▾

데이터를 들여다보고 그 안의 관계를 찾는 일이 여기서 벌어집니다. 처음 훑어보는 탐색(EDA)부터 모델을 자동으로 만드는 일(AutoML)까지 한 층에 두었습니다. 들여다본 사람과 모델을 만든 사람이 서로 다른 데이터를 보고 있으면 결과가 어긋나기 때문입니다. 부품으로는 데이터 품질관리의 프로파일링 기능이 이 층에 걸칩니다.

L4표준 · 거버넌스메타데이터 · 표준사전 · 유사어 매핑 · 계보 · 품질▾

시스템마다 제각각인 항목 이름을 표준 이름으로 정의하고, 기관이 실제로 쓰는 말을 거기에 붙여 둡니다. 부서가 달라도, 시스템이 달라도 같은 데이터로 읽히게 만드는 일입니다. 어떤 데이터가 어디에 있고 무슨 뜻인지, 어디서 와서 어디로 갔는지, 빠진 값이나 형식 오류는 없는지도 여기서 관리합니다. 같은 기준으로 읽히지 않는 데이터는 아무리 정교하게 분석해도 결과를 믿을 수 없습니다. 부품으로는 메타데이터 관리와 데이터 품질관리가 이 층을 이룹니다.

L3데이터 연결DB 커넥터 · CDC · 배치 수집 · 파일 · API▾

조직의 데이터는 업무시스템 데이터베이스, 파일 서버, 다른 기관이 열어 둔 API처럼 서로 다른 자리에 흩어져 있고, 이 층은 그 각각에 맞는 방식으로 데이터를 끌어옵니다. 바로바로 반영해야 하는 데이터는 바뀐 것만 골라 따라가고(CDC), 양이 많아 몰아서 처리해야 하면 정해진 시각에 배치로 모아 옵니다. 원본을 옮겨 심는 것이 아니라 있던 자리에서 읽어 오기 때문에, 쓰던 시스템은 건드리지 않고 시작할 수 있습니다. 부품으로는 ETL이 여기 있습니다.

L2운영파이프라인 · 모델 버전 · 배포 자동화 · 성능 저하 감지▾

한 번 만든 분석과 모델이 계속 맞게 돌아가는지 지켜봅니다. 데이터가 달라지면 모델은 티 안 나게 틀리기 시작하고, 그대로 두면 잘못된 근거로 결정이 내려집니다. 그 변화를 먼저 알아채는 일까지 이 층이 맡습니다. 배포와 성능 관리를 자동으로 잇는 데까지는 확장 로드맵으로 준비하고 있습니다.

L1인프라자체 서버(온프레미스) · 폐쇄망 · 컨테이너 · GPU/CPU▾

외부 인터넷에 닿지 않은 채로 전 구간이 조직 안에서 돕니다. 데이터가 밖으로 나가지 않습니다. 위의 여섯 층은 이 조건을 먼저 세워 놓고 그 안에서 짠 것입니다. 전 제품이 전자정부 표준프레임워크로 개발되어, 공공기관의 표준 개발·운영 환경에 그대로 얹힙니다.

Platform ↔ Technology

여섯 단계는 이 계층들로 움직입니다.

앞의 여섯 단계(무엇을 하는가)가 방금 본 일곱 계층(어떻게 가능한가)의 어디로 구현되는지를 잇습니다.

표를 옆으로 밀어 보실 수 있습니다.

여섯 단계 · Platform	담당 계층 · RO Stack
GOVERN 체계화	L3 데이터 연결 · L4 표준·거버넌스
EXPLORE 탐색	L5 분석: 프로파일링·분포·상관
ANALYZE 분석	L5 분석 · L6 지능 · L7 응용
UNDERSTAND 이해	L6 지능: 검색 결합 생성 · 공공 도메인 sLLM
PREDICT 예측	L5 분석: 자동 모델링(AutoAnalytics) · 모델 운영은 확장 로드맵
DECIDE 결정	L7 응용: 앞 계층의 귀결(목적지)
전 구간 공통	L1 인프라: 온프레미스·폐쇄망 · 전 계층 근거·감사 추적

Technical Rationale

왜 폐쇄망에서는 sLLM과 RAG인가.

L6 지능 계층의 구성은 제약에서 나온 결론입니다. 데이터가 밖으로 나갈 수 없다는 조건과, 조직 고유의 지식은 모델이 배운 적이 없다는 조건이 각각 하나의 답으로 이어집니다.

데이터를 밖으로 보낼 수 없다면, 모델은 어디에 두는가

제약외부 인터넷으로 데이터를 보낼 수 없습니다. 외부 API를 호출하는 순간 질문과 데이터가 외부로 나갑니다.

그래서모델을 조직 안에 설치합니다. 다만 대형 모델은 자원 부담이 커서, 공공 도메인에 맞춘 경량 모델(sLLM)을 씁니다.

담당자가 얻는 것반출 심사 없이, 내부 데이터를 그대로 두고 묻습니다.

배운 적 없는 지식을 어떻게 지어내지 않게 하는가

제약분석의 근거가 되는 법령과 기관의 정책·업무계획은 모델이 학습한 적이 없습니다. 모르는 것을 물으면 그럴듯하게 지어냅니다.

그래서답을 만들기 전에 법령과 기관 정책 문서를 먼저 검색해, 찾은 근거 안에서만 답하게 강제합니다(RAG).

담당자가 얻는 것보고서의 법적 근거가 조문 단위로 인용되어, 결재 문서에 그대로 씁니다.

Proprietary Assets

기술은 따라올 수 있어도, 자산은 쌓아야 합니다.

오픈소스와 모델은 누구나 쓸 수 있습니다. FACTRO의 차이는 그 위에 얹힌 일곱 가지 자산입니다. 데이터 계층에서 분석 산출까지, 현장에서만 쌓이는 것들입니다. 이 자산은 공공 현장에서 먼저 쌓았습니다. 용어와 규정이 조직마다 고유한 분야라면 쌓는 방식은 같습니다.

공공 표준사전

현장에서 쓰는 항목 이름과 표준 용어를 잇는 사전입니다. 조직마다 다른 데이터를 같은 기준으로 읽게 만드는 출발점입니다. 사전이 있다는 것보다 그 조직의 도메인에 맞춰져 있다는 것이 중요합니다.

공공데이터사전에 한국어 · 영어 · 한자 사전을 결합한 제품 표준사전 약 20,000건 · 현장의 데이터를 반영하며 계속 확장됩니다실린 곳: 메타데이터 관리 컴포넌트

유사어 사전

‘불법주정차’와 ‘주차위반’이 같은 것임을 아는 사전입니다. 분야마다 같은 것을 다르게 부르는 말이 있습니다. 일반 LLM이 놓치는 현장의 언어를 살려, 질문과 데이터를 정확히 연결합니다.

실린 곳: 메타데이터 관리 컴포넌트

분석 시나리오 지식베이스

어떤 질문에 어떤 분석이 통했는지의 축적입니다. 시나리오마다 분석 기법과 사용 데이터셋, 기대 효과와 활용 방안이 함께 담깁니다. 시나리오 추천의 품질은 이 지식베이스의 깊이에서 나옵니다.

공공기관 분석 시나리오 약 15,000건 · 데이터를 계속 수집하며 늘어납니다실린 곳: 소형 언어모델 컴포넌트

공공 도메인 sLLM

폐쇄망 안에서 동작하는 도메인 특화 경량 모델입니다. 외부 연결 없이 조직 내부에서 그 분야가 실제로 쓰는 말을 이해합니다.

분석 시나리오 15,000건과 공공기관에서 수행된 데이터 분석 300종을 학습했습니다실린 곳: 소형 언어모델 컴포넌트 (이 자산이 곧 부품입니다)

데이터 계보(리니지)

모든 결과의 출처를 끝까지 추적하는 기반입니다. ‘근거 있는 분석’이라는 약속을 기술로 보증합니다.

파일 · 응용 프로그램 인터페이스(API) · 관계형 데이터베이스 등과 연동해 수집부터 활용까지 관리합니다실린 곳: 메타데이터 관리 컴포넌트 · 여섯 단계 전 구간을 관통합니다

분석 추천

무엇을 분석할지 모르는 조직에게, 질문 하나에서 실행 가능한 분석 시나리오를 근거와 함께 제안합니다. 분석의 시작 자체를 만드는 자산입니다.

실린 곳: InsightFinder 응용 기능

보고서 생성

결재에 바로 쓸 수 있는 분석 기획 보고서(HWP)를 자동으로 만듭니다. 중요한 것은 보고서에 무엇이 담기는가입니다.

법적 근거 · 조직의 정책 방향 · 필요한 데이터와 개선점 · 데이터 관리자와 협조 부서 · 분석의 효율성까지 · 템플릿은 조직의 요구에 맞춰 확장됩니다실린 곳: InsightFinder 응용 기능

One Stack

이 자산과 요소를 조합해 제품이 나옵니다.

위 자산은 아래 기술 요소에 실려 제품마다 다르게 조합됩니다. 제품이 따로 만들어지는 것이 아니라 하나의 스택에서 나오기 때문에, 도구를 잇는 비용도 그 사이에서 생기는 실패도 없습니다.

표를 옆으로 밀어 보실 수 있습니다.

기술 요소	Data Foundation	EDA	AutoAnalytics
커넥터 · 수집L3
메타데이터 · 계보L4
표준사전 · 유사어L4
프로파일링 · 품질L4·L5
통계 · AutoMLL5	—
시각화L7
임베딩 · 벡터L6	—	—	—
RAG 파이프라인L6	—	—	—
sLLM 서빙L6	—	—
연계 실행 · 배포L2		—

핵심 요소 선택 요소— 미사용

Roadmap

요소를 더하면 제품이 파생됩니다.

FACTRO의 제품은 하나의 스택에서 요소를 조합해 만들어집니다. 그래서 스택에 요소를 더하면 새로운 제품이 파생됩니다. 아래는 그 확장 방향이며, 지금 구현된 제품과는 구분되는 로드맵입니다.

추가 요소

결합 계층

파생 제품

스트리밍 처리

데이터 연결

실시간 이상탐지

온톨로지 · 지식그래프

표준 · 지능

기관 지식베이스

에이전트 연계 실행

지능

자율 분석 에이전트

비식별 · 프라이버시

데이터 연결

안심구역 분석

멀티모달 (문서 · 이미지)

지능

문서 기반 분석

모델 운영 자동화

운영

모델 생명주기 관리 (소형 ML옵스)

제품 수는 선형으로 늘지만, 조합은 훨씬 빠르게 늘어납니다.

확장 요소는 로드맵 항목이며, 현재 구현된 제품과는 구분됩니다.

Adoption

작게 시작하고 검증한 뒤 확장합니다.

FACTRO는 기존 시스템을 대체하지 않습니다. 업무시스템·데이터베이스·파일은 그대로 두고, 그 위에 데이터 활용의 새 길을 연결합니다.

기존 시스템업무시스템 · 데이터베이스 · 파일 · 문서→ Data Foundation수집·연계 · 표준 · 품질 · 계보→ InsightFinder · AI 분석질문 · 시나리오 · 보고서→ 사용자현업 담당자 · 분석가 · 의사결정자

01 개념검증

실제 업무와 데이터로 FACTRO가 풀 수 있는 문제를 함께 정의하고 확인합니다.

02 시범 적용

제한된 데이터와 사용자로 실제 업무 적용 가능성과 효과를 검증합니다.

03 본 구축

검증된 범위를 조직의 운영 환경에 맞게 확장합니다. 필요한 단계와 제품부터 도입할 수 있습니다.