데이터의 신뢰를
현업의 의사결정으로 연결합니다

Problem

• 대학 경영 지표를 보고할 때마다 공공데이터와 대학 내부 데이터를 따로 찾아 가공해야 했습니다.
• 초기 화면 구성은 현업이 보고 자리에서 지표를 실제로 활용하는 목적을 충분히 반영하지 못했습니다.

Solution

• 공공데이터와 대학 내부 데이터를 수집·정제·병합하고, 취업률·진학률·장학금·연구실적 등 지표별 산출 기준을 정의했습니다.
• 대학 간 비교가 가능하도록 표준화(Z-score) 지표를 함께 구성했습니다.
• 대학경영본부 담당자와 요구사항을 다시 확인해 지표 구성과 화면 설계를 개선했습니다.
• 이후에는 주요 기능마다 화면 샘플을 먼저 보여주고 확정하는 방식으로 진행했습니다.

Problem

• 수만 건의 은행 거래내역과 회계원장을 Excel로 일일이 대조해, 한 번의 대사에 약 6일이 걸렸습니다.
• 은행마다 거래내역 형식이 달랐고, 금액이 같은 거래를 단순히 연결하는 방식으로는 실제 회계 처리를 반영할 수 없었습니다.

Solution

• 회계사가 거래를 판단하는 기준을 먼저 분석해 매칭 규칙으로 정리했습니다.
• 은행별로 다른 계좌·거래일자·금액 등의 항목을 공통 10개 컬럼으로 표준화했습니다.
• 1:1, 1:N, N:1, N:N 매칭과 거래 시차·예외 항목을 처리하는 자동 매칭 로직을 Python으로 구현했습니다.
• 미매칭·예외 내역은 따로 분류해 담당자가 결과를 검증할 수 있게 했습니다.

Problem

• 고객사마다 ERP와 계정 체계, 자료 형식이 달라 감사 데이터를 플랫폼에 올리기 전에 다양한 원인의 불일치가 생겼습니다.
• 플랫폼 업로드, 접근 권한, 도구 사용 과정에서 사용자 문의와 운영 이슈가 이어졌습니다.

Solution

Problem

1. PDF에서 텍스트를 단순 추출하는 과정에서 표의 행·열 관계와 제목·하위 항목 구조가 손상됐습니다.
2. 그 결과 관련 문서가 있어도 검색 결과가 부정확해, 답변 품질이 떨어졌습니다.

Solution

1. 답변 프롬프트만 조정하지 않고, Docling으로 표와 문서 구조를 보존하도록 원천 데이터를 다시 정제·구조화했습니다.
2. 정제한 문서를 Pinecone 벡터DB에 검색용 지식 데이터로 구축했습니다.
3. LangGraph 기반 Adaptive RAG를 적용해 질문 특성에 따라 검색·답변 경로를 조정했습니다.
4. 실제 사용자 질문으로 검색 결과와 답변을 반복 검토하며 보완했습니다.