사업이 끝난 다음 해에도 돌아가는 시스템을 만듭니다

보고서로 끝나는 데이터 사업은 하지 않습니다. 담당자가 매일 여는 화면과, 내년에도 재현되는 시스템을 납품합니다.

프로젝트 문의 수행 경험 보기
PythonPython PyTorchPyTorch Hugging FaceHugging Face vLLM ElasticsearchElasticsearch LangGraph DockerDocker GrafanaGrafana Langfuse AirflowAirflow PostgreSQLPostgreSQL XGBoost QGISQGIS Tableau PythonPython PyTorchPyTorch Hugging FaceHugging Face vLLM ElasticsearchElasticsearch LangGraph DockerDocker GrafanaGrafana Langfuse AirflowAirflow PostgreSQLPostgreSQL XGBoost QGISQGIS Tableau
왜 트라이데이텀인가

공공 데이터 사업의 절반은, 끝난 뒤 아무도 쓰지 않습니다.

보고서는 캐비닛으로, 시스템은 방치되니까요.

우리는 담당자가 매일 쓰는 것만 만듭니다.

서비스

하는 일은, 셋뿐입니다

서비스 자세히 보기 →
분석

판단을 돕는 분석

근거가 없어 결정을 못 내릴 때.

자세히 →
예측

먼저 찾아내는 모델

사람이 다 볼 수 없어 놓칠 때.

자세히 →
문서 AI

읽고 쓰는 AI

서류를 사람이 일일이 읽고 있을 때.

자세히 →
기술 스택

도구가 아니라, 체계로 일합니다

데이터 엔지니어링

DW 구축 · 이관억 단위 · 증분 배치 자동화
시계열 통합대규모 원천 결합 · 정합성 검증
파이프라인재실행 가능 · 이력 관리
PythonAirflowPostgreSQLDuckDBOracle

LLM · 문서 AI

폐쇄망 LLM서빙 · 반입 킷 자체 구축
RAG · 지식 검색하이브리드 검색 · 출처 추적
문서 전사 · 구조화환각 기계검사 · 검수 큐
Text-to-SQLAST 검증 · 자연어 통계
Hugging FaceElasticsearchvLLMLangGraphbge-m3

대시보드 · 시각화

운영 현황KPI · 우선순위
모니터링지도 · 등급 분포
분석 리포트모델 검증 · 정책효과
Tableau웹 대시보드자동 리포트

ML 모델링

예측 · 이상탐지불균형 대응 · 임계값 근거
인과추론DID · 유의성 판정
PyTorchXGBoostscikit-learnSHAP

MLOps · 관측

배포 · 운영컨테이너 · 환경 독립 설계
모니터링지표 · 로그 · LLM 관측
DockerGrafanaPrometheusLangfuse

공간분석 · GIS

공간 통계격자 · 자기상관 검정
이동 분석O-D 복원 · 노선 최적화
QGISGeoPandasShapely
결과물

말 대신, 화면으로 보여드립니다

담당자가 매일 여는 화면

https://risk-dashboard.internal · 폐쇄망
운영 현황 대시보드 SAMPLE최근 12개월 ▾전체 지역 ▾
신규 접수 +12128
처리율 +1.4%p96.2%
우선 점검 대상 +842
데이터 최신성 정상D-1
지역별 등급 분포
낮음높음
등급 구성
1,240전체 항목
A등급14812% B등급23619% C등급36029% D등급49640%
상위 등급(A·B) 384건 · 전체의 31% · 전월 대비 +12건
월별 추이 · 예측 대비 실제
0 20 40 12월 35건 1월 6월 12월
실제 예측
우선 대응 지역 Top 4 · 종합 점수
A시 ○○면94
B군 △△읍88
C시 □□동81
D군 ◇◇면74
주간 신규 건수 · 최근 8주
27건 -8주 이번 주
KPI 현황판핵심 지표와 목표 대비 달성률을 한 화면에
지도 모니터링지역 단위 등급과 발생 현황을 지도 중심으로
1234
순위 · 대응 보드우선 대응 대상과 처리 현황 중심
https://model-report.internal · 폐쇄망
예측 모델 검증 리포트 SAMPLE
Precision–Recall 곡선 · 채택 지점
무작위 기준선 채택 P .72 / R .88 Recall Precision
Precision0.72임계값 조정 근거 제출
Recall0.88누락 최소화 우선
F10.79운영 목표 기준
AUC0.94불균형 데이터 참고치
PU Learning 불균형 데이터 대응 다중 모델 비교 SHAP 기여도 제출
혼동행렬 · 임계값 근거 제출
음성 예측
양성 예측
실제−
912
34
실제+
9
45
검토 후 미채택한 대안
계절별 모델 분리 · 소구간 성능 저하
최신 구간만 학습 · 과거 패턴 손실
4종 앙상블 · 운영 복잡도 과다
모델 비교 리포트후보 모델 여러 개의 성능을 나란히 비교
보정도 리포트예측 확률이 실제와 얼마나 일치하는지 검증
변수 기여도 리포트어떤 변수가 판단을 이끌었는지 SHAP로 설명
https://policy-report.internal · 폐쇄망
정책효과 분석 리포트 SAMPLE
정책 시행 기준 개월별 효과 추정 (95% 신뢰구간)
정책 시행 사전 추세 · 유의한 차이 없음 -6개월 +9개월 효과(%p)
순효과 시행 12개월+9.4%
유의 시작 이전은 무의미4개월차
사전 추세 DID 가정 충족평행
세그먼트별 효과 크기 (%p) · 회색 칸은 유의하지 않은 구간
20대30대40대50대60대70대+ 유형 A +15.2 +13.8 +9.4 +5.6 +2.1 -1.4 유형 B +12.4 +11.0 +8.2 +4.9 +1.8 +0.5 유형 C +11.2 +9.4 +4.1 +2.0 +0.6 +0.2
세그먼트 히트맵연령 · 유형별 효과 크기와 무효과 구간
지역 비교 리포트지역별 효과 순위와 격차
시행 전후 비교시행 시점 기준 변화 추이
https://doc-ai.internal · 폐쇄망
문서 AI + 폐쇄망 챗봇 SAMPLE
스캔 서류 전사 · 구조화
서류유형진단서 · 스캔 원본 표준코드 매핑
발급일자2019-03-14 정규화 완료
확인란⟦판독불가⟧ 추측하지 않고 검수 큐로
원문 위치p.7 / 3행 역추적 가능
환각 기계검사 통과 개인정보 마스킹 완료
폐쇄망 질의응답 · 출처 부착
이 지역 등급은 어떤 기준으로 산정된 거야?
등급은 관련 행정 지표 5종을 결합해 산정합니다. 판정 기준은 산정 지침 3장에 정리되어 있습니다.
출처 · 등급 산정 지침 p.12 / 업무편람 p.34 · 원문 발췌 첨부
유사 사례 Top-K 추천
사례 2023-0842.92
사례 2024-0156.88
사례 2022-1101.85

유사도 기준 상위 사례 · 원문 링크 제공

자연어 통계 질의 · Text-to-SQL
"지난달 처리 건수 알려줘"
SELECT count(*) FROM cases WHERE month = '2026-07' → 1,240건
AST 검증 통과
원문 하이라이트 역추적
… 등급 산정은 관련 행정 지표 5종을 종합하여 판정한다 … 등급 산정 지침 · p.12 / 7행

답변의 모든 문장이 원문 위치로 연결됩니다

전사 검수 화면판독불가 항목을 모아 사람이 확인하는 검수 큐
자연어 통계 질의질문을 SQL로 바꿔 즉시 집계
10.9220.8830.85
유사 사례 추천유사도 순위로 과거 사례 제시
https://grafana.internal · 폐쇄망
폐쇄망 챗봇 운영 대시보드 · Grafana SAMPLELast 24h ▾⟳ 30s
평균 응답 -0.2s1.2초
최대 동시접속84명
답변 출처 부착 설계 보장100%
일 평균 질의 +8%1,120건
응답 시간 분포 · 중앙값 1.2초
중앙값 1.2초 0초 1.5초 3초
시간대별 질의량
오전 11시 피크 9시 13시 18시
Prometheus Grafana Langfuse 폐쇄망 내부 구동
LLM 품질 관측응답 품질 · 토큰 사용량 · 지연 추적
알림 · 경보 보드임계 초과 시 알림과 대응 이력
70%
자원 사용 현황서버 · 저장소 사용량 추이

※ 모든 화면과 수치는 예시 데이터 기반 데모입니다. 실제 납품물은 발주처 데이터와 업무 용어로 구성됩니다.

폐쇄망외부망 차단 환경에서 LLM · 시스템 자체 구축
억 단위대용량 DW · 시계열 · 문서 임베딩 처리
실서비스모델이 아니라 운영되는 시스템으로 납품
3인 직접기획부터 교육까지 실무자가 직접 수행
왜 트라이데이텀인가

기억하실 건, 세 가지입니다

폐쇄망에서 실제로 돌려봤습니다

자체 구축

외부 API 차단 환경에서 LLM 서빙 · 검색 · 배포까지. 오프라인 반입 킷도 직접 만듭니다.

환각을 구조로 막습니다

다층 방어
사실은 결정적 로직으로 조립
LLM은 서술만 담당
모든 답변에 출처 부착

실무자가 직접 응대합니다

중간 단계 없음
0영업
0관리
3실무

※ 위 역량은 팀 구성원의 공공 데이터 실무 경험에 기반합니다.

원칙

"모델을 만들었습니다"로 끝내지 않습니다

한계를 먼저 말합니다

데이터의 누락과 편향, 수치의 맥락을 착수 전에 보고합니다. 유리한 지표만 고르지 않습니다.

측정치만 적습니다

목표치가 아닌, 실제 사업 산출물에서 검증된 숫자만 이야기합니다.

담당자가 자립할 때까지

코드 · 매뉴얼 · 교육 · 재실행 절차까지를 하나의 납품물로 봅니다.

먼저 "이 데이터로 뭐가 되나요"만 물어보셔도 됩니다

데이터가 있는데 어디서부터 손대야 할지 모르겠다면, 그 상태 그대로 연락 주셔도 됩니다. 사전 진단과 가능성 검토는 비용 없이 진행합니다.

문의하기