Optic View
Foundation DB 기반 AI 분석 사례 — 몰입도 예측, 조직 리스크, 문화통합, 인력진단
조직진단 Survey 몰입도 예측 (오***)
조직진단 설문 결과를 AI Modeling 하여 몰입 유형 예측하고 개선 과제를 도출. SHAP What-If 시뮬레이터로 요인별 영향 분석.
1,007명
분석 대상
57.8%
몰입도
34.6%
주의 필요
K-MeansSHAPWhat-If
의류업종 HR Analytics (S***)
의류업종 HR Analytics. H-S 모델 기반 심화 분석, 조직별 상세 진단, 개선 시나리오 시뮬레이션.
331명
분석 대상
44명
조직 수
4종
유형
H-S 모델H-S 분석조직진단
Cross-Company Prediction (O***)
기준 모델(S*** 255명) 응답 패턴으로 타사(O*** 45명) HR 실적을 예측. 유형별 평가등급·시장 보상 백분위 전이 검증.
255명
학습 데이터
45명
예측 대상
0.554
F1 Score
K-MeansCross-Company검증
M&A 문화통합 리스크 진단 (도***)
T**+T** 합병 후 문화적 거리 측정, 4개 에너지 클러스터 분류, Quiet Quitting 리스크 조기탐지
1,717명
분석 대상
23.9%
냉소이탈
+51%
문화거리
t-SNEK-MeansIsolation ForestGBM SHAP
조직 리스크 조기탐지 (파***)
3개년 종단 데이터 분석으로 2024년에 이미 감지 가능했던 리스크 신호 입증. 리더십 역설 검증.
671명
분석 대상
18.8%
리스크군
20/22
악화 영역
PCAK-Means3개년 종단
인력수준 진단 + 몰입도 예측 (제***)
SHAP 기반 설명가능 AI로 몰입도 핵심 동인 분석. What-if 시뮬레이션으로 개선 시나리오 예측.
1,203명
분석 대상
3.76
몰입도
+3.4%
개선 예측
K-MeansSHAPOLS 시뮬레이션
RAG 기반 AI 가설 자동생성 (오***)
설문+인사제도+보상 데이터를 RAG로 통합, AI가 자동으로 가설을 생성하고 근거를 매칭하는 실험적 PoC.
46x62
데이터 규모
4종
투입 데이터
3~5분
처리시간
RAGLLM실험적 PoC