Redveil을 단일 flagship으로 먼저 확인하고, Shelter Signal의 history-aware public-data product, DecisionOps Lab의 SQL·3개 guardrail·7개 scenario workflow, LH Traffic Safety의 공간 검증으로 확장해 읽는 프로젝트 보드입니다.
평평한 gallery가 아니라, 운영형 서비스·상권 판단·분석 의사결정·공간 검증을 질문별 evidence board로 읽도록 나눴습니다.
single flagship decision artifact를 먼저 보고, history-aware public-data product, SQL multi-guardrail workflow, 공간 검증으로 확장합니다.
차트나 모델 점수 이후의 품질 검증, D7·refund·session guardrails, 7-scenario matrix와 decision memo를 확인하는 경로입니다.
운영 신뢰성과 검증 기준을 함께 봐야 하는 역할에 맞춘 경로입니다.
CRM과 dashboard evidence는 Redveil과 DecisionOps 뒤에 supporting 근거로 읽는 흐름입니다.
도메인, 문제 유형, 기술 스택 기준으로 어떤 프로젝트가 어떤 역량을 증명하는지 빠르게 비교합니다.
의사결정 질문, 근거 지표, 산출물, Hiring Signal을 우선 확인할 대표 증거입니다.
이 매물을 바로 사기 전에 무엇 때문에 멈추고, 어떤 후보와 비교하며, 무엇을 다시 확인해야 하는가?
서울 25개 자치구 · 행정동 427개 · 상권 1,520개 · 거래 12,074건 · 5개 연결 화면 · 360~768px 반응형 검증
문제 정의, 리스크 축 설계, 거래·상권 데이터 구조화, GeoJSON 지도 UX, V2 공통 화면·상태 연결, public-safe 배포와 검증
지도 선택부터 매물 검토·3분 진단·후보 비교·구별 리포트·판단 메모까지 연결한 공개 V2 제품
공간 데이터를 제품 화면으로 번역하고, 분석 신호를 추천이 아닌 보류 기준·대체 후보·재확인 항목으로 구조화할 수 있음
지금 유효한 공고뿐 아니라 어제와 무엇이 달라졌고 오늘 어떤 공고를 먼저 확인해야 하는가?
V1 live API + 매일 06:20 KST snapshot · 7개 변화 이벤트 · 2026-07-16 기준 2,446 notices / 613 daily events / 813 timelines / 983 cumulative events
V1 live API·KST 마감 분류·cache/fallback 설계, V2 일별 snapshot 수집, 변화 이벤트·missing state·누적 타임라인 모델, 마감 브리핑과 public-safe 검증
현재 공고 탐색, 오늘의 변화 대시보드, 공고별 누적 타임라인과 D-Day~D-3 마감 브리핑을 연결한 모바일 우선 공개 제품
불안정한 공공 API를 신뢰 상태로 분리하고, 시간 변화 데이터를 이벤트·타임라인·설명 가능한 우선순위로 제품화할 수 있음
activation lift가 유의해도 D7 재방문·환불률·세션 활동 가드레일과 데이터 품질을 통과해야 Ship할 수 있는가?
10,000 users · 41,676 events · 23/23 quality PASS · activation +3.97pp · p=0.000011 · 3 guardrails PASS · 7 scenarios
synthetic dataset 설계, DuckDB SQL layer, 23개 quality checks, A/B 분석, D7·refund·session 멀티 가드레일, 7개 scenario matrix와 decision memo/public report 생성
SQL marts, quality/experiment JSON, 7-scenario decision matrix, Ship/Retest/Hold/Investigate memo와 공개 reviewer report
제품 이벤트를 신뢰 가능한 SQL metric layer로 만들고 주요 지표·복수 가드레일·시나리오 규칙을 검토 가능한 결정 산출물로 연결할 수 있음
사고 이력이 부족한 신도시에서 어떤 100m 격자를 먼저 현장 검토해야 하는가?
99,323 training grids → 770 target grids · pred_risk/rank_desc · public RiskScore_A_norm_grid/grid_rank · LORO AUC 0.8604 · Top-10% Lift 4.39x
100m 격자 설계, 공간 좌표 포함 Random Forest 회귀 위험 신호 산출, 별도 분류 LORO 검증, 공개 Top-k 검토표와 evidence boundary 정리
모델 출력, 전이 검증, 공개 검토 점수를 구분한 고위험 100m 격자 Top-20 현장 검토 우선순위 자료
공간 모델 출력과 검증 지표, 공개 가능한 최종 점수의 계보를 구분하고 결과를 현장 검토 언어로 번역할 수 있음
도메인 확장성과 작업 범위를 압축해서 보여주는 보조 증거입니다.
어떤 고객군이 어떤 오퍼와 채널에 반응하며, 이를 어떤 CRM 액션으로 해석할 것인가?
분리된 고객·오퍼·채널 데이터를 마케팅 판단과 실행 후보 언어로 번역할 수 있음
어떤 고객군을 유지·재활성화 우선순위로 볼 것인가?
거래 데이터를 CRM/커머스 액션 언어로 번역 가능
주문 감소에서 어떤 전환 병목을 먼저 개선해야 하는가?
서비스 지표를 개선 실험과 KPI로 연결 가능
live API나 production 운영을 주장하지 않고 채용 데이터 파이프라인 구조를 어떻게 검증할 것인가?
외부 API 제약을 숨기지 않고 수집-적재-모델링-검증-대시보드 흐름을 SQL 테스트로 확인 가능하게 만듦
승리 요인과 선수 성과를 한 흐름에서 어떻게 해석할 것인가?
분리된 데이터를 재현 가능한 분석 흐름으로 통합 가능