사업관리자 워크스페이스

담당 기업과 사업의 세부 정보 및 AI 예측을 통하여 다양한 인사이트를 제공합니다.
각 항목의 ⓘ 아이콘에 마우스를 올리면 해당 항목에 대한 설명이 나타납니다.

무엇을 도와드릴까요?

담당 사업 성과 분석

#사업 개요 #핵심 성과 #만족도

담당 사업이 기업 성장에 실제로 효과가 있었는지
3단계 검증과 만족도 결과로 확인합니다.

성과 보고 · 사업 개선에 활용

›

기업 선정 평가 지원

#지원 효과 예측 #선정 심사 보조 #후보 일괄 분석

신청 기업들의 지원 후 성과를 다각도로 예측 및 비교하여
심사와 우선순위 결정을 보조합니다.

다음 모집 · 발굴 대상 선정에 활용

›

담당 기업 조회

#기업 360 · #KPI 지표 추이 · #맞춤 사업 추천

각 기업의 지원 발자취, 매출·고용 추이, 앞으로의 전망을 한 눈에 확인하고, 해당 기업에 가장 적합한 지원사업을 추천받습니다.

기업 방문 · 문의 대응 준비에 활용

›

분석하고자 하는 사업을 선택해주세요.

2 기업 360° 조회 i기획의도
기업에 대한 다양한 정보를 한 페이지로 시각화하여,
담당자가 각 기업을 빠르게 파악하고 보다 효과적인 상담 및 제안으로
기업 성장과 정책 효과를 극대화할 수 있도록 돕습니다.

기업 정보·지원 발자취·비슷한 기업과의 비교·앞으로의 전망을 한 페이지에서 확인할 수 있습니다. 사업관리자는 담당 사업에 지원·수혜한 기업 범위에서 조회합니다 PoC: 전체 표본 노출

기업을 선택하면 AI가 해당 기업의 이력·지표·전망을 분석해 보여드립니다.

프로필 i

주요 지표 추이 i

주황 점(지원받은 해) 이후 매출·고용 구간이 올랐는지가 핵심 포인트입니다.

표시되지 않은 지표 · 데이터 안내

· 매출·직원 수: 실데이터(구간)
· 동급 평균: 같은 업종·규모 기업(연동 샘플 내) 평균

3 맞춤 사업 추천 지원 요건을 만족하는 사업들 가운데, 수혜 가능성이 높고 기대 효과가 높은 사업들을 추천합니다.

맞춤 사업 추천은 어떻게 이루어지나요?

추천 로직
① 자격요건 확인 — 42개 사업의 지원대상 원문과 실제 수혜 기록 443만 건을 전수 대조해 만든 요건 규칙으로, 자격이 안 되는 사업을 먼저 걸러냅니다.
② 유사기업 수혜 이력 + 여정 — "나와 닮은 기업들이 실제로 많이 받은 사업"(유사기업 수혜 비중)과 "내가 받은 사업 다음에 실제로 이어받은 사업"을 통합하여 가능성 점수를 계산합니다.
③ 유사기업 지원 성과·효과 — 나와 같은 조건(업종·매출·규모·업력·이력·인증)의 기업들이 그 사업을 받고 실제로 얼마나 좋아졌는지를 별도 목록(효과 TOP)으로 보여줍니다. 표본 30곳 미만 조합은 표시하지 않습니다.

금융/비금융을 나누어 보여주는 이유
지원 이력 데이터의 약 80%가 보증·융자(금융)라 합쳐서 계산할 경우, 기술·수출 같은 성장 기회가 묻히고 금융 위주의 추천이 될 수 있어 분리하여 보여줍니다.
또한, "받을 법한 사업"(선정 가능성)과 "받으면 효과가 컸던 사업"(기대 효과)은 평가 기준이 다르기 때문에 분리하여 추천합니다.
두 목록에 모두 오른 사업엔 '가능성·효과 모두 상위' 표시가 붙습니다.

* 모두 실제 기록으로만 계산하며, 순위는 참고용입니다 — 선정을 보장하지 않고 최종 자격은 공고 원문 기준입니다.
* 최근 5년(2021–2025) 누적 데이터 기준이며, 마이너스 지표와 전체 근거는 '근거 자세히 보기'에서 확인할 수 있습니다.

2 사업별 후보 기업 성과 예측 스코어링 i 1. 사업을 선택하면 신청 기업들의 정보와 요건 충족 여부가 조회됩니다.
2. '예상 성과 분석' 버튼을 클릭하면 AI가 각 기업의 분야별 성과를 예측합니다.

사업을 선택하면 신청 기업 목록과 요건 충족 여부가 표시됩니다.

정책담당자 워크스페이스

다양한 사업을 원하는 기준에 맞춰 다각도로 분석해보고, 효과를 극대화할 수 있는 정책 설계를 돕습니다.

무엇을 도와드릴까요?

전체 사업 성과 분석

#분야별 지원 이력 #사업별 성과 비교 #만족도

분야·사업별 지원 이력과 성과를 원하는 기준으로 비교하고,
여러 사업을 골라 나란히 보며 현장 만족도까지 함께 확인합니다.

성과 점검 · 보고에 활용

›

정책 설계 예측

#예산·수단 성과 #요건별 성과

과거 성과를 근거로 예산을 어디에 배분하고, 누구를 지원 대상으로 정할지 설계를 돕습니다.

정책 설계 · 기획에 활용

›

1-1 지원 이력 — 어디에 얼마나 지원했나 지원이력 442.7만 건 · 253.3조원 전체 지원 규모 요약과 연도별 추이입니다. 분야·사업 단위 분석은 '분야별 성과 분석' 탭에서 확인하세요.

전년도 지원 실적 2025년 기준

연도별 지원 건수

연도별 지원 기업 수

연도별 지원 금액

세부사업·관리사업별 지원 이력

1-2 사업 성과 — 전체 평균과 연도별 추이 42개 세부사업 성과 측정 코호트의 평균 성과와 수혜연도별 성과 추이입니다.

연도별 성과 — 매출 코호트

연도별 성과 — 고용 코호트

연도별 성과 — 생존율 코호트

분야별 성과 분석

집계 기준:

5년 누적 — 분야별 지원 건수와 금액

3단계 성과 — 42개 사업 통합 분석 규모 가중 평균

3단계 성과 비교 — 실제 → 동급 대비 → 비수혜 대비 i

동급 대비 = 같은 업종·크기 기업들의 전 사업 평균과의 차이(%p · report3 실측 · 매출 기준 제공). 비수혜 대비 = 가상 대조군 이중차분(매출 구간 단위 · 시뮬레이션 시연).

지원 효과의 시간 경로 — 그룹별 신규 분석 260818

수혜 기업 특성 — 42개 사업 통합 전체 수혜 기업이 어떤 기업들인지 업종·규모·매출·고용 분포로 보여줍니다. 아래에서 분야·세부사업 단위로 좁혀 볼 수 있습니다.

수혜 기업 분포 — 업종·규모·매출·고용 전수 집계

지원받은 기업은 어떤 곳인가 — 선택 분야 기준 연동 샘플 240곳 i

관리사업 필터: 샘플 기업 이력이 세부사업 단위로 기록되어 연동 예정

1-2 사업별 성과 비교 — 매출·고용·생존율 42개 사업을 같은 기준으로 비교합니다 · 표시 항목은 체크박스, 정렬은 열 제목 클릭 · 행을 클릭하면 해당 사업의 성과 분석 화면으로 이동합니다.
사업 왼쪽의 ★를 누르면 관심 사업으로 등록됩니다 — 등록한 사업은 상단 '관심 사업 선택 비교' 탭에서 [관심 사업 불러오기]로 한 번에 불러와 빠르게 비교·분석할 수 있습니다.

사업	분야	매출구간 오른 비율 ↕	동급 대비 (매출) ↕ i	2년 생존율 ↕ i	직원 늘어난 비율 ↕	분석 규모

1-3 관심 사업 선택 비교 — 원하는 사업만 나란히 비교하고 싶은 사업만 추가해 매출·생존·고용 성과를 나란히 봅니다.

선택된 사업

1-3 만족도 조사 결과 비교 여러 사업의 만족도를 한눈에 비교하고, 각 사업의 세부 만족도 조사 결과를 확인합니다.
만족도조사 보고서(2024·2025) 원문 추출 실데이터입니다.

분야별 만족도 — 응답 수 · 평균 점수

사업 골라 한눈에 비교 — 종합 만족도 세부사업 기준

분야를 고르면 비교 대상 사업 목록이 바뀝니다

그래프 해석 방법 — X축(항목) 뜻

· 종합: 전 항목을 합친 총점
· 지원내용: 지원 금액·범위 등 내용 자체 만족
· 운영체계: 신청·행정·소통 등 과정 만족
· 타 사업 대비: 다른 지원사업과 비교한 상대 만족
· 전반적: 다시 참여할 의향 수준의 총평
· 회색 막대 = 조사 전체 평균
· '현실성': 지원 조건이 현장 실정과 맞는 정도 — 각 사업의 "가장 낮은 항목"에 자주 나타납니다

만족도와 성과, 함께 보기 — 어디를 손봐야 하나 i

사업 상세 세부사업 기준 — 사업을 검색·선택하면 설문 점수와 심층 인터뷰가 나타납니다

2-1 분야·정책수단별 성과 분석 i 분야·정책수단별 과거 성과를 목표 기준으로 비교하는, 예산 배분의 근거 데이터입니다. 먼저 목표(매출·고용·생존)를 고른 뒤 왼쪽에서 분야, 오른쪽에서 지원 방식의 성과 순서를 확인하세요.

목표 기준:

분야별 성과 i

정책수단별 성과 i

사업유형 조합 성과 — 정책수단·업종·기업규모 조합 i

잘 맞는 조합 TOP5 — 확대·연계 추천

성과 저조 조합 5 — 요건·설계 개선 검토

금액대별 지원 효과 — 많이 줄수록 좋은가? 연동 샘플 240곳 i

절대 금액 기준 — 상승 기업 비율

표준화 기준 — 1억원당 상승 기업 비율

고용·매출 매트릭스 — 42개 사업의 위치 미수혜 대비 ATT · 출처 260818

X = 매출구간 상승률(%) · Y = 고용 증가율(%) · 점 크기 = 분석 규모 · 오른쪽 위 = 매출·고용 모두 좋은 사업 · 점에 마우스를 올리면 사업명이 보입니다.

읽는 법 · 성장 확대가 목표인 예산은 동급 대비가 큰 기술·창업 계열에, 폐업 방지가 목표인 예산은 융자·보증(생존율·폐업 억제 기준으로 평가)에 두는 것이 과거 데이터와 부합합니다. R&D 수단은 상승률이 가장 높지만 규모가 작아 확대를 검토할 여지가 있습니다.

예산 배분 시 유의본 수치는 관측된 연관관계로 인과효과가 아닙니다. 수단별 최적 배분의 정밀 산출은 비수혜 기업 데이터 확보 시 가능합니다(1-3 참조).

2-2 요건별 성과 분석 — 어떤 기업 조건에서 좋았나 i 사업을 고르면, 과거에 이 사업의 성과가 특히 좋았던 기업 조건(업종·매출 구간·규모)과 특히 안 좋았던 조건을 보여줍니다. 공고의 업력·매출·업종 요건을 정할 때 참고하세요.

목표를 고르면 — 전 사업 통틀어 성과가 가장 좋았던 조합 시뮬레이션

선정우선순위 시뮬레이션 v3(16,416개 조건 조합) 재정렬

사업별 요건 설계

우리 회사에 딱 맞는 지원사업, 3분이면 찾습니다

기업 정보를 입력하면 203만 개사의 실제 지원 여정 데이터로 진단하고, 근거와 함께 다음 사업을 추천합니다.

3분이면, 이런 결과를 받아보실 수 있어요

① 우리 회사 진단

비슷한 기업들의 실제 결과

성장 52% · 유지 30% · 하락·폐업 18%

유사 기업들의 실제 결과(매출·고용·생존)를 먼저 보여드립니다.

② 맞춤 사업 추천

금융 지원 1위적합도 81점

신성장기반자금(융자)

매출 상승 +27.7% · 2년 생존 98.4%

지원 요건을 만족하는 사업 가운데 수혜 가능성과 기대 효과가 높은 사업을 추천합니다.

③ 신청 로드맵

지금→1년 내→그 후

1순위 신청 준비 → 다음 분야 연계 → 여정 확장

비슷한 기업들의 여정을 바탕으로 단계별 로드맵을 안내합니다.

데이터·분석 안내

이 화면이 어떤 데이터를 쓰고, 성과를 어떻게 재고, 어떤 로직으로 추천·평가하는지 투명하게 공개합니다.

1데이터와 성과 측정 기준

사용 데이터

기업 기본·재무 패널203.6만 곳 · 792.1만 행 (2020~24)

지원이력442.7만 건 (2021~25)

사업정보 · 공고210건 · 833건

만족도조사관리사업 673건 (24·25년 보고서 추출)

실제 데이터의 분석 결과와 표준 데이터 규격 기준의 샘플을 섞어 만든 시연 화면입니다. 실측값에는 출처를, 샘플값에는 "샘플"·"시뮬레이션" 표시를 붙였습니다.

성과를 재는 방법

· 이 데이터의 매출은 정확한 금액이 아니라 "10~20억" 같은 구간으로만 제공됩니다. 그래서 성장률(%) 대신 매출 구간이 올랐다/내렸다로 성과를 잽니다.
· 비교 시점은 지원 전년(지원받기 전 상태) → 지원 다음 해(효과가 나타날 시점)입니다.
· 폐업은 지원 후 2년 안에 문을 닫았는지로 봅니다.
· 표본 30건 미만 조합은 수치 대신 "표본부족"으로 표시합니다.

모든 수치는 "지원 후 변화"이며 정책효과가 아닙니다 — 선별효과가 섞여 있어 인과 해석을 하지 않습니다.

3전체 분석 파이프라인

① 데이터 결합
기업 203.6만 곳 × 지원이력 442.7만 건→ ② 성과 측정
지원 전년 → 다음 해 매출구간 비교 (143.3만 건)→ ③ 3층 효과분석
실측 / 동급비교 / 가상대조군→ ④ 예측 모델
성장·생존 확률 학습→ ⑤ 추천·설계
자격+여정+성과 3근거

원칙 · 매출은 구간으로만(가짜 정밀성 방지) · 예측은 확률로만 · 모든 수치에 표본 규모 병기 · 지원 후 변화 ≠ 정책효과를 화면마다 명시.

2챗봇(LLM)은 무엇이고, 여기서 어떻게 일하나요? AI를 처음 접해도 이해할 수 있게, 기본 개념부터 이 화면에서의 작동 방식까지 설명합니다.

LLM이 뭔가요?

LLM(거대 언어 모델)은 아주 많은 글을 읽고 "다음에 올 말"을 확률로 예측하도록 훈련된 프로그램입니다. 그래서 질문을 알아듣고 자연스러운 문장을 만드는 일은 매우 잘합니다.

대신 약점도 분명합니다 — 계산이 정확하다는 보장이 없고, 모르는 것도 그럴듯하게 지어내서 말할 수 있습니다(이를 '환각'이라고 부릅니다). 말솜씨 좋은 안내원이지, 회계 장부는 아닌 셈입니다.

그래서 POLARIS의 원칙 — "말은 LLM이, 숫자는 조회표가"

이 화면의 챗봇은 LLM에게 문장 만들기와 질문 이해만 맡깁니다. 답에 들어가는 모든 수치는 화면과 같은 사전계산 데이터(기업 1만 개사 · 사업 42개 · 만족도 603건 · 여정 42개)에서 그대로 꺼냅니다.

데이터에 없는 질문에는 "모른다"고 답하는 것이 정답이 되도록 설계했습니다. 그래서 같은 질문에는 언제나 같은 숫자가 나옵니다 — 시연 재현성.

질문 하나가 처리되는 4단계

① 질문 이해
"이 사업 만족도 어때?" → 의도 파악→ ② 데이터 선택
내장 조회표에서 관련 표를 찾음→ ③ 답 작성
찾은 숫자만 근거로 문장 구성→ ④ 출처·연결
표본·한계 표시 + 관련 화면 버튼

담당자가 무엇을 물어볼지 몰라도 됩니다 — 챗봇이 지금 보고 있는 화면과 선택한 사업·기업을 읽어 역할별 추천 질문을 먼저 제안합니다.

두 가지 모드

로컬 모드 — 외부 연결 없이 내장 규칙·데이터로 즉시 답합니다. 준비된 질문에만 답하지만, 인터넷 없는 시연장에서도 돌고 답이 항상 같습니다. 실서비스에서는 이 자리에 내부망 LLM이 들어갑니다.

AI 모드 (Gemini · 로컬 LLM) — LLM에 화면의 분석 데이터 전체를 근거 자료로 함께 보내 자유로운 질문에 답합니다. Gemini는 긴 자료를 한 번에 이해하는 데 강하지만 외부 연결이 필요하고, 로컬 LLM(자체 GPU 서버 · Qwen)은 데이터가 외부로 나가지 않아 실데이터 운영에 적합합니다 — 다만 장비 성능에 따라 답변 속도가 달라집니다(현 PoC 장비 기준 긴 답변은 수십 초).

지어내기(환각)를 막는 장치

· 숫자는 조회표에서만 — LLM이 수치를 계산·창작하지 않음
· 표본 30건 미만은 숫자 대신 "표본부족"
· 모든 답에 "지원 후 변화 ≠ 정책효과" 원칙 적용
· 예측은 반드시 확률·구간으로만 표현
· 질의응답 문제은행(골든셋 C)으로 오답률을 채점·기록
· 데이터 밖 질문(최신 공고, 개별 기업 내부 사정)은 모른다고 답하고 확인 경로 안내

4예측 모델 성적표 과거(2021~22) 데이터로만 학습하고, 모델이 결과를 모르는 2023년 데이터로 시험을 쳤습니다.

모델	예측 대상	시험 성적 (AUC)	실전 검증 결과
성장 예측	매출 구간이 오를 확률	0.839 / 1.0	예측 상위 10% 기업의 실제 상승률 43.0% (무작위 선정 10.9%의 약 4배)
생존 예측	2년 내 폐업하지 않을 확률	0.769 / 1.0	위험 상위 10% 기업의 실제 폐업률 46.8% — 위기 기업 선제 방문에 활용

AUC란? 모델이 "오를 기업"과 "안 오를 기업"을 구분하는 능력 점수 — 0.5는 동전 던지기, 1.0은 완벽. 두 모델 모두 미래를 보장하지 않으며, 선정·배제의 근거로 사용할 수 없습니다(심사 보조·방문 우선순위 참고용).

5시뮬레이션 3종 — 무엇이 다르고, 결과는 어땠나

시뮬레이션	무엇을 흉내 내나	왜 필요한가	대표 결과	한계
① 가상 대조군 (3층 DiD) 시뮬레이션	"지원 안 받은 비슷한 기업"을 전체 평균 성장 속도(연 +0.027구간)로 생성	모든 기업이 수혜 기업이라 실제 대조군이 없음	혁신창업자금 +0.29구간, 창업R&D +0.38구간 등 사업별 차이 시연	가상 비교 — 비수혜 데이터 수집 시 실제 분석으로 전환
② 요건 조합 (16,416개) 시뮬레이션	업종·매출·규모·업력 조합별 성과를 미리 계산	공고 요건 설계·후보 기업 스코어링 근거	"매출 10~20억 소기업 제조업" 조합에서 +7.9%p 등 조합별 편차 확인	관측된 연관관계 — 인과 아님, 크리밍 주의
③ 재무·위험 지표 시뮬레이션	수출·자산·영업이익·한계기업위험 등 표준 규격 샘플	미래 데이터 확보 시의 화면·활용을 미리 시연	한계기업 위험도, 위험신호(추가 확인 대상) 표시 흐름 시연	실제 값 아님 — 재무 데이터 연동 시 실데이터로 대체

표기 약속현재 보유 데이터로 계산한 값에는, 가상·표준 규격 샘플로 만든 값에는 시뮬레이션 라벨을 화면 전체에서 일관되게 붙였습니다.

6추천 로직 — 근거 없는 추천은 하지 않습니다

① 자격 요건

업력·매출 구간·규모를 공고 요건과 대조 — 안 되면 "안 되는 이유"를 그대로 표시합니다.

② 지원 사다리 근거

442.7만 건의 지원 이력에서 "비슷한 길을 걸은 기업들이 실제로 다음에 받은 사업"을 집계합니다.

③ 성과 근거

그 사업을 받은 비슷한 기업들의 매출 구간 상승 비율·동급 대비·폐업률을 함께 보여줍니다.

점수 계산 · 추천 점수 = 동급 대비 성과(Δ) + 자격 가점 + 이력 연계 가점(대출·보증만 반복 기업에는 기술·수출 가점). 후보 기업 순위에는 사업×기업 궁합(성과 좋았던 조건과의 일치도)을 보정으로 반영합니다.

실무자 인터뷰 반영 · 성장단계별 평가 기준 차등(초기기업=대표자·기술성, 성장기업=매출·고용·수출) · 유사기업 대비 상대평가 · 지원이력의 성장경로화 · 위험신호는 자동 탈락이 아닌 "추가 확인 대상" 표시 · 대표자 정성평가 보조(확인 질문 제안) · 성과관리 보고서 자동 생성.

정책의 성과를 읽고다음 지원을 설계합니다.

시스템 접속