본 데이터 상품은 티오더 태블릿 주문 시스템을 통해 수집된 실제 외식 매장 운영 데이터를 기반으로 구성된 데이터셋입니다.데이터는 식당 기본 정보, 메뉴 정보, 주문·결제 정보, 메뉴 이미지(비정형 데이터), 방문자 수 등을 포함하며,실제 매장에서 발생한 주문 데이터를 구조화하여 제공합니다.제공되는 데이터는 특정 지역·특정 식당 단위로 구성 가능하며,외식업 매출 분석, 메뉴 소비 패턴 분석, 상권 및 고객 행동 분석 등 다양한 데이터 활용 목적에 적합하도록 정제되어 있습니다.데이터는 CSV 및 XLS(X) 파일 형태로 제공되며,수요기업의 데이터 분석 및 서비스 개발에 즉시 활용할 수 있도록 표준화된 구조를 갖추고 있습니다.
통합 데이터 카탈로그
필요한 데이터를 한곳에서 찾으세요
공급기업 데이터상품과 데이터안심구역 제공 데이터를 검색하고 출처별 정보를 비교할 수 있습니다.
공급기업
파충류표본 3D 설계 데이터
파충류표본 3D 설계 데이터 FBX 파일1) 학습용 데이터 구축을 위한 설계데이터 전처리 및 라벨링 수행2) PyCaret, EfficientDET, DenseNET50 학습모델을 이용하여 이미지 분류 및 특징 추출에 대한 학습 수행3) 데이터 누적에 따른 이미지 전처리 수행 및 학습 데이터셋에 추가 및 학습 데이터 반영4) 3D모델링 데이터 재가공을 통한 활용가능한 포맷 제공
1. 상품 개요 (요약)상품명: [패션/AI] 글로벌 패션 시장 트렌드 분석 및 AI 학습용 맞춤 데이터셋한 줄 설명: 8년 연속 공급기업의 전문성으로 제공하는 글로벌 패션 비즈니스 최적화 데이터 및 AI 고도화 가공 서비스카테고리: 지식서비스 / 패션·의류 / 마케팅 / AI 가공핵심 키워드: 패션빅데이터, AI학습데이터, 글로벌바이어, 패션트렌드, 데이터바우처, 패션서울2. 상품 상세설명[공급기업 특장점]8년 연속 선정의 신뢰도: 2019년 사업 초기부터 현재까지 축하할 만한 성과를 이어온 패션 데이터 전문 기업산업 특화 전문성: 패션 미디어 기반의 방대한 아카이브와 AI 가공 기술의 결합글로벌 네트워크: 해외 바이어 및 글로벌 마케팅에 특화된 실질적 비즈니스 데이터 보유[주요 제공 데이터 구성]① 패션 AI 고도화를 위한 학습용 데이터 (가공 포함)패션 아이템 이미지 라벨링 (Bounding Box, Segmentation)스타일, 속성(Attribute), TPO별 카테고리 분류 데이터패션 특화 OCR(브랜드 로고, 케어라벨 등) 및 텍스트 마이닝 데이터② 글로벌 마케팅 및 해외 진출 데이터 (구매/가공)글로벌 패션/라이프스타일 바이어 DB (스타일랜드 연계)권역별 시장 선호도 및 소비 트렌드 분석 데이터해외 이커머스 입점 및 마케팅 전략 수립용 기초 통계③ 패션 인사이트 및 트렌드 데이터 (구매)국내외 패션 시장 뉴스 및 기업 동향 DB소셜 미디어 및 온라인 커뮤니티 기반 패션 키워드 분석 데이터시즌별 컬러, 소재, 아이템 트렌드 리포트 데이터[데이터 활용 기대효과]AI 서비스 개발: 정확도 높은 패션 특화 데이터로 모델 성능 조기 확보글로벌 확장: 타겟 국가별 정밀한 바이어 매칭으로 해외 수출 가능성 증대의사결정 최적화: 객관적 트렌드 데이터를 바탕으로 한 상품 기획 및 재고 관리3. 수요기업 대상 안내지원 대상: 패션 브랜드, IT 스타트업, 제조 및 유통사 등 데이터 활용이 필요한 중소기업/소상공인협업 프로세스: 맞춤형 상담 → 데이터 정의 →
파일: fund_member_info.csv, company_stakeholder_info.csv, fund_capital_history.csv 총 건수/용량: 약 15,300건 / 16.6MB / 12개 항목주요 컬럼 예시펀드ID, 멤버ID, 이해관계자ID멤버 유형(GP/LP), 출자 약정금액, 출자좌수약정 시작일, 출자 실행일, 자본 변동 이력(증액/감액)배분순위(Distribution 순위) → 각 펀드에 어떤 GP/LP가 얼마를, 어떤 조건으로 출자했는지를 분석하는 데 사용
파일: fund_basic_info.csv 건수/용량: 약 39,100건 / 41.2MB / 29개 항목주요 컬럼 예시펀드ID, 펀드명, 등록번호, 펀드유형약정총액, 출자좌수설정일, 투자기간, 운용기간관리보수율, 성과보수 구조의결방식, 의결정족수, 펀드 상태 등 → 펀드 하나의 법적·재무·거버넌스 기본 틀을 한 번에 확인할 수 있는 데이터
페이워크 플랫폼 내에서 발생하는 사업자 거래·문서 발행·정산 활동 데이터를 비식별 처리 및 가공하여 제공하는 분석용 데이터셋임.본 데이터는 사업자의거래 활동 빈도문서 발행 패턴정산 흐름 추이업종별 평균 대비 활동 지표등을 통계·패턴 중심으로 구조화한 정형/반정형 데이터로 구성됨.개별 사업자 식별 정보는 제공하지 않으며, 분석·모델 개발·서비스 고도화를 위한 2차 활용 목적의 데이터 상품임.데이터 범위A. 사업자 기본 활동 정보 (정적/저가 라인)업종 / 업태가입일자최근 로그인 기록월별 거래 건수문서 유형별 발행 건수→ 정형 컬럼 단위 제공B. 거래·정산 활동 데이터 (중가 라인)월별 거래 금액 합계최근 거래 발생일정산 금액 추이평균 정산 주기미정산 발생 빈도 지표 (통계값)→ 실금융 판단 목적 아님→ 신용도 평가 표현 금지→ 단순 활동 패턴 지표C. 거래전표 문서 발행·세금계산서 활동 지표 (프리미엄 라인)세금계산서 발행 건수 추이업종 평균 대비 발행 편차 지표현금영수증 발행 패턴월별 발행 성장률※ 금융기관 의사결정 지표 아님※ 사업자 활동 분석용 통계 데이터임D. 가공·Synthetic Feature (AI 학습용 선택 옵션)거래 패턴 기반 파생 변수시계열 추이 지표활동 집중도 지수변동성 지표→ 실제 개인·사업자 신용점수 생성 아님→ 예측 모델 학습용 Feature 제공제공 방식CSV 파일 제공API 조회 방식 (선택)배치 데이터 제공 (일 단위)※ 실시간 금융 API 아님※ POS 연동 아님※ 마이데이터 인허가 서비스 아님본 상품은 페이워크 플랫폼에서 발생하는 사업자 활동·거래·문서 발행 데이터를 비식별·통계 처리하여 제공하는 분석용 데이터셋임.개별 사업자 식별정보는 포함하지 않으며, 업종별 활동 패턴·거래 추이·문서 발행 통계 등 구조화된 컬럼 단위 데이터로 구성됨.데이터 단가는 컬럼
■ 편의점 POS 데이터(Super Category)- GS25 추정 / CU, 세븐일레븐, 이마트24 실제 데이터 반영- 1개 카테고리 3년 기준, 제조사 포함- 카테고리 리스트를 레포트 레벨5 기준으로 정리하여 상품 설명에 반영- 제공 항목 및 범위는 수요기업과 협의를 통해 결정※ 카테고리 : 가공밥, 기타간편조리식, 기타제과류, 잼/스프레드, 분유, 간장, 소금, 주류 등 총 110개 보유
공급기업
편의점 POS 데이터 (TMA) B
■ 편의점 POS 데이터(TMA) B Ver.- GS25 추정 / CU, 세븐일레븐, 이마트24 실제 데이터 반영- 1개 카테고리 3년 기준, 제조사 및 브랜드 포함- 제공 항목 및 범위는 수요기업과 협의를 통해 결정※ 카테고리 : 가공밥, 기타간편조리식, 기타제과류, 잼/스프레드, 분유, 간장, 소금, 주류 등 총 110개 보유
공급기업
편의점 POS 데이터(TMA A)
■ 편의점 POS 데이터(TMA) A Ver.- GS25 추정 / CU, 세븐일레븐, 이마트24 실제 데이터 반영- 1개 카테고리 3년 기준, 제조사 포함- 제공 항목 및 범위는 수요기업과 협의를 통해 결정※ 카테고리 : 가공밥, 기타간편조리식, 기타제과류, 잼/스프레드, 분유, 간장, 소금, 주류 등 총 110개 보유
가.서비스 품질(1)인공지능 데이터 가공 경험 다수-인공지능 모델 개발 및 학습 전반을 수행하는 전문 인공지능 개발자의 데이터 가공 참여 및 교육-인공지능 데이터 가공2만 건 이상 수행-자사 제품 자동 재활용품 분류기 개발 과정에서 실제RAW데이터를 활용하여 성과 창출(2)데이터 가공 서비스 기술 및 차별성- Object Detection인공지능 모델 제작 및 학습 과정을 포함하는 자사 제품 개발 경험 활용-인공지능 모델 개발부터 학습까지 과정 전반을 수행하는 전문AI개발인력을 보유한 연구팀이 고객사가 원하는Task에 맞춘 최적의 데이터 구축-단순 이미지 크롭을 통한 학습이 아닌 실제 주변환경을 반영한 학습 데이터셋 구축으로 정형·비정형 데이터를 통한 인공지능 모델의 정확도 향상-다양한 산학연계 프로젝트(경북대학교 종합설계프로젝트,동아리 지역밀착형 프로젝트 등)수행을 통해 구축한 인적자원을 바탕으로 우수 데이터 가공 크라우드 워커를 단기간에 모집 및 교육나.상품 구축 및 활용 서비스 수행 전략(1)가공 계획 수립-고객사(수요기업)발굴 및 요구사항 분석- AI가공을 위한 기술 분석 및 기술트리 작성-고객사와의 데이터 논의 및 일정 조율,협약(2)데이터 가공 수행-고객사의Raw데이터 보유 여부에 따라 데이터 수집 수행- AI모델링,데이터 라벨링 및 처리(3)가공 데이터 검수 및 테스트-전문AI인력의 데이터 검수- AI서버를 활용한 가공 데이터 서비스 적용 테스트 수행-가공 데이터 이관다.상품 구축 및 활용 서비스 단계별 프로세스[1단계]데이터 수집수집출처:재활용 선별장 방문 촬영카테고리:재활용 폐기물수집주체:주식회사 윔[2단계]데이터 전처리데이터형식: Raw datamp4 /Labeled data - json카메라 화소: 1080*1920[3단계]데이터 가공라벨링요소:플라스틱데이터항목: id, type, tags등라.상품 구축 및 활용 서비스 내용(1)가공 업무-고객사로부터Raw데이터 인수 혹은 수집 데이터 내용 전달받은 후 라벨링 툴 이용을 위하여
데이터안심구역
폐전기전자제품 재생원료 공급실적 데이터
폐전기전자제품 재생원료 공급실적 데이터
상세 확인 필요 · 원본에 항목별 URL, 기간, 공간 범위, 스키마, 형식, 이용조건이 제공되지 않습니다.
데이터안심구역
폐전기전자제품 재활용 실적 데이터
폐전기전자제품 재활용 실적 데이터
상세 확인 필요 · 원본에 항목별 URL, 기간, 공간 범위, 스키마, 형식, 이용조건이 제공되지 않습니다.
○ 데이터 내역 반응기 내부에 있는 폐촉매의 상태에 따른 위험 수준을 작업 전후로 탐지하여 규정에 따른 안전성 여부 확보, 작업자의 유해가스/잔열/폐촉매로 인한 안전사고로부터 피해·위험을 예방하고, 촉매제 교체 작업 도중 사고 시, 비상상황을 지원하는 AI 안전관리 솔루션 개발을 위해 수집.가공한 데이터셋
공급기업
포유류표본 3D 설계 데이터
포유류표본 3D 설계 데이터 FBX 파일1) 학습용 데이터 구축을 위한 설계데이터 전처리 및 라벨링 수행2) PyCaret, EfficientDET, DenseNET50 학습모델을 이용하여 이미지 분류 및 특징 추출에 대한 학습 수행3) 데이터 누적에 따른 이미지 전처리 수행 및 학습 데이터셋에 추가 및 학습 데이터 반영4) 3D모델링 데이터 재가공을 통한 활용가능한 포맷 제공
공급기업
포털 검색량 분석 데이터
본 상품은 포털 검색량을 통한 자사, 경쟁사, 시장에 대한 추이 분석을 통해 신상품 연구 및 출시, 홍보 전략 수립에 도움이 됩니다. 또한 급상승하는 검색량 기반으로 트렌드를 이해하고 비즈니스 활용이 가능합니다.시장조사기관 VMR(Verified Market Research)이 최근 발표한 ‘글로벌 빅 데이터 시장’ 연구 보고서에 따르면, 글로벌 빅데이터 시장 규모는 2022년 1603억 달러에서 매년 13.9%씩 성장해 2030년에는 3993억 달러에 이를 것으로 전망되며, 국내 빅데이터를 활용한 비즈니스 분석, 트렌드 분석 시장 역시 꾸준히 성장하고 있습니다.이에 따른 전 산업영역의 빅데이터 기반 비즈니스 분석 수요가 있을 것이며, 빅데이터 활용 및 분석이 어려운 중소기업 등 활용 니즈가 높아질 것으로 전망됩니다.
공급기업
표준 특허 정보
개요3GPP, IEEE 등 표준화기구에 선언된 표준 특허 정보를 수집·정리한 데이터통신·전자·IT 분야 등에서 필수적으로 확인해야 하는 표준기술 관련 특허 현황을 한눈에 파악할 수 있음특징표준종류, 표준기술명, 표준번호, 선언(등재)자 등 핵심 정보를 체계화표준특허와 일반 특허를 구분해 필수 라이선스 확보와 분쟁 예방에 유리주요 기업·기관의 표준특허 보유 동향을 분석해 협력·경쟁 전략을 수립 가능
공급기업
표준 항로정보
ㅇ 항로별 해구정보와 안전관리정보가 포함된 데이터이다.ㅇ 각 항로별 최 인근 관측소(등표,부이,파고부이,조위관측소,해양관측소,해양과학기지 등)의 자료를 표준화하여 표출.ㅇ 국내외3개 모델자료를 처리하여 예보 정확도를 상승시킨 데이터.ㅇ 각각의 요소별(바람,너울,조류,수온,기온,습도,염분,운량)로 데이터를 활용할 수 있다.ㅇ 시인성 높은 기상정보 화면의 생산이 가능하다.ㅇ 터미널 운영/관리나 선대관리에 활용이 가능하다.
ㅇ 국내 최대 규모 EMR 기반 질병 예측 데이터 · 인투씨엔에스 IntoVET GE는 국내 동물병원 EMR 시장 점유율 60% 이상으로, 수백만 건의 진료기록·검사결과·진단명·처방이 축적되어 있음. · 이러한 임상 원천데이터 기반 AI 질병 예측 모델은 다른 기업이 보유하지 못한 높은 신뢰성을 가짐.ㅇ AI 기반 질병 예측 모델 기술 · 품종, 연령, 체중, 과거 진료, 주요 증상, 진단 패턴 등 주요 특징을 기반으로 3개월·6개월 내 주요 질병 발생위험도를 예측하는 모델 제공.ㅇ 데이터 정제·표준화 품질 기술 · 품종코드 정규화, 진단명 표준용어(KCD 등) 매핑, 이상치 제거, 중복 필터링 등 병원 EMR의 품질 이슈를 해결하는 고도화된 데이터 클렌징 프로세스 보유. · 품종·연령별 질병 편차를 보정하는 Risk Adjustment 로직 적용 가능.ㅇ 시계열 기반 질병 변화 감지 기술 · 월·분기 단위로 질병 증가율·발생 추세를 모니터링하여 예측 정확도 개선 및 트렌드 기반 위험군 탐지가 가능함.
공급기업
프랜차이즈 기업 경영진단 데이터
공정거래위원회에 등록된 정보공개 데이터를 바탕으로분석된 산업전반의 통계를 기반으로 외식,서비스,도소매 업종별 개별 브랜드의FC생산성, FC성장성, FC안정성,노하우집약도,본사수익성,가맹점 수익성 등6개 지표(19개 세부지표)를 적용하여 각 기업별 평가점수를 도출하고,평가점수를 기반으로 업종별 순위정보 및 개별 기업의 경영진단 결과를 리포트로 제공함감에 의존해 프랜차이즈를 선택하고 창업을 결심하던 방식에서 벗어나 예비창업자가 신뢰를 바탕으로 가맹사업을 지속할 수 있는 브랜드를 선택하는 데에 도움을 주고자 하며,프랜차이즈 기업은 현재 위치를 파악하고 프랜차이즈 시스템을 정비함으로써 가맹점과 상생하는 길을 모색하는 계기를 제공하고자 하는 목적으로 평가한 데이터임
공급기업
프랜차이즈 정보공개데이터
상품의 특징[프랜차이즈 산업현황 데이터]는 공정거래위원회가 공개하는 정보공개서의 빅데이터를 수집하여 프랜차이즈 산업의 현황을 연도별,업종별로 한눈에 파악할 수 있다는 장점이 있음.전수조사된 빅데이터를 통해 예비창업자와 수요기업에서 필요로 하는 정보를 다양한 필터링을 활용하여 프랜차이즈 산업통계현황을 보다 다각적으로 분석하여 제공함.제공하는 필터는 업종별(외식,도소매,서비스),정보공개서 분류43개 업종별(외식:기타외국식,기타외식,분식,서양식,아이스크림/빙수,음료/커피,일식,중식,치킨,커피,한식,제과제빵,주류,패스트푸드,피자,서비스:교육/교과,교육/외국어,기타 교육,기타 서비스,반려동물 관련,부동산 중개,세탁,숙박,오락,운송,이사,인력 파견,임대,배달서비스,스포츠,유아관련,이미용,자동차관련, PC방,도소매:건강식품,기타도소매,안경,약국,종합소매점,농수산,의류/패션,편의점,화장품)로 분석이 가능함.본 데이터는 정보공개서상의 재무지표 및 임직원데이터가 기업이 보유한 브랜드의 모든 정보공개서에 동일하게 표기되는 특성으로 인하여 산업 전체 재무지표를 산출하였을 때 중복 합산되어 나타난 오류를 제거하여 같은 상호의 브랜드 재무,임직원데이터는1회만 계산하여,브랜드 데이터(전체 브랜드 수록)와 기업데이터(중복 값을 제외한 가맹본부 데이터 수록)를 구분하여 관리하고 있음.