Pillar 01
시각적 직관
데이터를 사진으로
숫자와 차트 대신 매장 풍경을 AI 이미지로 재현합니다. 부동산 전문가가 아니어도 한눈에 이해.
BTI 데이터 기반 자체 시각화BTI 데이터 기반 자체 시각화 — 본 페이지의 매장 풍경 이미지는 실제 BTI 측정값을 입력으로 자체 시각화 시스템이 재현한 결과입니다.
Hero video · coming soon
매장 스캔 · BTI · 생성형 AI 데모
매장 안의 진짜 풍경을 3초 만에
The real picture inside the store, in 3 seconds
폰을 한 번 sweep — 면적당 손님 수와 매장 앞 웨이팅 인원이 측정되고, 그 풍경이 생성 AI 이미지로 재현됩니다. 모든 인식은 디바이스 안에서 끝나며, 영상은 서버로 가지 않습니다. 한국에서 검증해 글로벌 상권으로 — 부동산 전문가가 아닌 창업자·건물주가 한눈에 이해할 수 있는 데이터.
AI-generated · BTI grid sample
41 customers · 115㎡ (≈35평) · BTI 12
데이터는 있다. 그러나 이해할 수 있는 사람은 적다.
전통 상권 분석 도구
전문가용 대시보드 · 직관 X
RealDataLab
Generative AI · BTI 8 · 59㎡ (≈18평)
AI 생성 풍경 · 한눈에 이해
두 화면은 같은 매장의 같은 시간을 보여줍니다.
한국 소상공인의 5년 생존율은 40%, OECD 평균보다 5%p 낮습니다. 폐업의 25%가 입지 실수에서 시작합니다. 시장에는 이미 좋은 데이터가 많습니다. 그러나 기존 상권 분석 도구는 "전문가용"으로 설계됐습니다. 정작 의사결정을 내리는 예비 창업자, 가맹 본사 담당자, 건물주는 그래프 안의 의미를 직관적으로 잡지 못합니다.
- 40%한국 소상공인 5년 생존율중소벤처기업부 · OECD 평균 대비 -5%p · 2024
- 53.6%한국 소상공인 3년 생존율중소벤처기업부 · 2024
- 29.7%소매업 폐업률중소벤처기업부 실태조사 · 2024
- 15.2%음식점업 폐업률중소벤처기업부 실태조사 · 2024
세 가지를 처음으로 동시에 합니다
글로벌 1위 Placer.ai 가 풀지 못한 세 가지 문제가 있습니다. 비전문가를 위한 시각화, 매장 내부 면적당 실시간 밀집도, 웨이팅 인원 실측. 우리는 스마트폰 온디바이스 컴퓨터 비전과 특허 기반 생성형 AI 로, 이 세 가지를 동시에 해결합니다.
Pillar 02
순간 밀집도 (Bustle Index)
지금 이 매장이 얼마나 북적이는가
면적 10평당 체류 고객 수를 산출하는 BTI. 지난달 누적 방문 효율(GPS) 이 아닌, 지금 이 시간의 매장 내부.
Pillar 03
웨이팅 실측
대기 인원 직접 카운트
글로벌 최초로 매장 앞 대기 인원을 실측합니다. 고객 경험 품질의 가장 강한 신호.
See it in motion
실제 작동을 90초로 봅니다
매장 한 번 스캔에서 시작해 BTI 산출과 생성형 AI 이미지가 완성되기까지의 전체 흐름을 한 영상에 담았습니다. 데모 영상 영역은 명함 QR 진입자의 두 번째 임팩트 — 제품이 이미 작동한다는 시각적 확신을 제공합니다.
Demo video · coming soon
매장 스캔 · BTI 산출 · 생성형 AI 시각화 통합 데모
- 00:00~00:20매장 스캔3~5초 폰 sweep · 90 프레임 캡처
- 00:20~00:45온디바이스 추론Detector + Tracker · NPU delegate
- 00:45~01:104단계 품질 게이트Coverage · Motion · Scan · Detection
- 01:10~01:30BTI + AI 이미지면적 10평당 체류 고객 수 + 매장 풍경 재현
How it works
3초 스캔, 그 다음에 일어나는 일
- 1스캔3-5초 폰 sweep
- 2온디바이스 객체 탐지Detector · NPU delegate
- 3온디바이스 객체 추적Tracker · NPU delegate
- 44단계 품질 게이트Coverage · Motion · Scan · Detection
- 5BTI + 생성형 AI 이미지면적 10평당 체류 고객 수
모든 인식은 휴대폰 안에서 끝납니다. 영상은 서버로 가지 않고, 인원 수와 메타데이터만 전송됩니다. Detector 와 Tracker 모델 모두 LiteRT 기반으로 NPU delegate 로 동작하며, 갤럭시 S22 보급형 이상에서 30FPS 실시간 추론이 가능합니다. 4단계 품질 게이트를 통과한 데이터만 채택되며, 그 데이터는 특허받은 매핑 알고리즘을 거쳐 실제 매장 풍경 이미지로 재현됩니다.
device telemetry
> scan started > frames captured ........ 90 > detector ................ NPU delegate > tracker ................. NPU delegate > inference per frame ..... ~33ms > quality gate ............ 88 / 100 > persons (unique) ........ 33 > store area .............. 99㎡ (≈30 py) > bustle_index ............ 11.0 > upload (meta only) ...... 142B > video ................... 0 byte
on-device inference · NPU delegate · video uploaded: 0 byte
What good data looks like
좋은 데이터란 무엇인가
데이터의 양이 부족해서 결정이 어려운 것이 아닙니다. 결정을 내리는 사람의 언어로 도착하지 못하기 때문입니다. 우리는 좋은 데이터를 세 가지 기준으로 정의합니다.
01
이해하기 쉬워야 한다
전문 분석가만 읽을 수 있는 데이터는, 결정을 내리는 사람 입장에서 없는 것과 같습니다. 예비 창업자 · 가맹 본사 담당자 · 건물주의 일상 언어에 자연스럽게 닿아야 합니다.
02
직관적이며 시각화가 가능해야 한다
숫자가 머리 속에서 맴돌기만 하고, 실제 매장의 풍경으로 이어지지 않는다면 의사결정에 활용되기 어렵습니다. 눈으로 본 듯한 감각을 만들어야 행동으로 이어집니다.
03
중요한 결정에 핵심 역할을 한다
있어도 그만 없어도 그만인 참고 자료가 아니라, 창업 입지·매수매도·가맹 후보지 결정의 결정적 단서가 되어야 합니다. BTI 수치와 매장 풍경 이미지가 함께 갈 때, 데이터는 결정의 한가운데로 들어옵니다.
왜 숫자 한 줄로는 부족한가
인간의 결정은 차가운 숫자만으로 일어나지 않습니다. 신경과학자 안토니오 다마지오(Antonio Damasio)는 정서 처리를 담당하는 뇌 영역이 손상된 환자(가명 Elliot)가 논리적 추론은 정상적으로 수행하면서도 일상의 결정을 내리지 못하는 사례를 보고했습니다. [c22] 동일 연구진의 아이오와 도박 과제(Iowa Gambling Task) 실험은 복내측 전전두엽이 손상된 사람이 위험한 선택 앞에서 신체 신호(피부전도반응)를 만들어내지 못한다는 것을 보였습니다. [c23] 카너먼(Kahneman) 은 일상의 대부분 결정이 빠르고 직관적인 처리에 의해 일어난다고 정리했습니다. [c24] 편도체와 복내측 전전두엽으로 이어지는 감정 회로는 의식적인 추론보다 먼저 정보의 가치를 평가합니다. [c25]
이미지는 결정의 정서적 단서가 된다
사람은 본 적이 있는 이미지를 90%가 넘는 정확도로 다시 알아봅니다. [c26] 단어보다 이미지가 빠르게 처리되고, 더 오래 기억에 남는 패턴은 1970년대부터 일관되게 관찰되었습니다. 그래서 우리는 BTI 수치와 함께 매장 풍경을 AI 이미지로 재현합니다. 숫자는 비교 가능성을, 이미지는 결정의 정서적 단서를 제공합니다.
Generative AI · BTI 12 · 115 m²
41 customers · 115㎡ (≈35평) · BTI 12
좋은 데이터는 이해하기 쉽고, 눈으로 보이며, 결정의 중심에 있습니다. RealDataLab 의 BTI 와 생성형 매장 이미지는 이 세 기준 위에 설계되었습니다.
주요 인용
- [c22]Antonio Damasio · "Descartes' Error: Emotion, Reason, and the Human Brain" · G.P. Putnam's Sons · vmPFC 손상 환자 Elliot 사례
- [c23]Bechara, A., Damasio, A. R., Damasio, H., & Anderson, S. W. · "Insensitivity to future consequences following damage to human prefrontal cortex" · Journal of Neuroscience 14(5): 2727–2740
- [c24]Daniel Kahneman · "Thinking, Fast and Slow" · Farrar, Straus & Giroux · System 1/2 (Stanovich & West 프레임 대중화)
- [c25]Joseph LeDoux · "The Emotional Brain: The Mysterious Underpinnings of Emotional Life" · Simon & Schuster · 편도체 빠른 정서 처리
- [c26]Lionel Standing · "Learning 10,000 pictures" · Quarterly Journal of Experimental Psychology 25: 207–222 · 이미지 재인식 90%+ 정확도
Where existing data falls short
그동안의 상권 데이터로 부족했던 것
시장에는 이미 글로벌 1위($1.5B 기업가치)부터 국내 대형 분석 도구까지 다양한 상권 데이터가 있습니다. 그런데도 자영업 폐업률은 줄지 않습니다. 세 가지 공백이 동시에 존재하기 때문입니다.
01
위치 정밀도 — 매장 내부를 못 본다
기존 시장
GPS · WiFi 기반 추정은 50m 반경 단위. 다층 건물의 1층 카페와 5층 사무실을 구분하지 못합니다. iOS 14+ / Android 10+ 의 MAC 랜덤화 정책 이후 WiFi 프로브 추적은 측정 기반 자체가 흔들립니다.
RealDataLab
카메라 기반 매장 내부 직접 측정. 다층 건물의 같은 주소에서도 어떤 매장 안에 손님이 있는지 면적 단위 픽셀 해상도로 잡습니다.
02
체류 강도 — 카드 매출 데이터는 약 37%를 못 본다
기존 시장
한국은행 「2024년 지급수단 이용행태 조사」(2025.3.25 발표) 기준 오프라인 결제 거래 건수는 신용카드 46.2% · 체크카드 16.4% · 모바일카드 12.9% · 현금 15.9% · 기타 8.6%입니다. 신용카드 매출 기반 상권분석은 잔여 약 37%(현금·디지털 월렛·기타)를 포착하지 못하며, 카드사 정산 주기 5~7일에 따른 실시간성 부족 + 청년층의 디지털 월렛 비중 상승에 따른 세대 표본 편향도 함께 존재합니다.
RealDataLab
결제 데이터가 아니라 매장 내부의 체류 인원을 직접 셉니다. BTI(Bustle Index)는 면적 10평당 체류 고객 수 — 결제 수단·정산 주기·세대 분포와 무관한 실측 지표입니다.
03
대기열 신호 — 전 세계 어디에도 없다
기존 시장
글로벌 1위 Placer.ai 부터 국내 분석 도구까지, 매장 앞 대기 인원을 측정·제공하는 상용 서비스는 0건입니다. "줄 서는 매장" 의 가장 강력한 흥행 신호가 데이터로 옮겨지지 못합니다.
RealDataLab
매장 앞 대기 인원을 조사원이 직접 카운트해 데이터로 변환합니다. 고객 경험 품질의 가장 강한 신호를 글로벌 최초로 정량화합니다.
국내 데이터의 또 다른 한계
나이스비즈맵 · SK 지오비전 · 행안부 공공데이터는 모두 사후 집계 기반입니다. 시계열 lag 가 6개월 이상이고, 매장 내부 정보가 없으며, 시각화는 분석가용 대시보드에 그칩니다. 예비 창업자가 다음 주 임차 계약을 고민할 때 6개월 전 데이터는 결정에 닿지 못합니다.
출처: proposal AX 2026 §3-2 · 재도전성공패키지 사업계획서 · 한국은행 지급결제 통계
누가 이걸 쓸까요
빈 상가의 임차 적합도를 데이터로 입증합니다. 4주 컨설팅 대신 3초 스캔. 명동 공실률 4.4%, 홍대 10% — 미시 입지 가치를 협상 테이블에 올려놓으세요. 영상은 저장되지 않으며, 메타데이터만 사용됩니다.
상가 진단 사례 보기
사례 준비 중
미국 Location Intelligence 시장 · 2025
$25.4B
Grand View Research
60%+
Reanin Research
Location intelligence · global · Reanin / GVR
Why now
시장이 우리를 기다리고 있습니다
$8.65B
미국 Foot Traffic Intelligence 시장
Reanin Research · Wi-Fi 분석 등 포함 · 2025
$25.4B
미국 Location Intelligence 시장
Grand View Research · 14.7% CAGR (2025~2030) · 2025
310조원
한국 프랜차이즈 시장
한국공정거래조정원 · 한국프랜차이즈산업협회 · 2025
14.7%
미국 Location Intelligence CAGR
Grand View Research · 2025-2030
100만+
한국 자영업 폐업 (2024)
중소벤처기업부 · 통계 집계 시작 이래 최초 100만 돌파 · 2024
25%
폐업 원인 1위 — 입지 선정 실패
소상공인시장진흥공단 · 언론 설문 · 2025
미국에서 매장 위치 데이터는 이미 거대 산업입니다. Foot Traffic Intelligence 만 $8.65B, 더 넓은 Location Intelligence 시장은 $25.4B 규모이며 연 14.7% 성장 중입니다. 한국 프랜차이즈 본사·가맹점 거래액은 310조원, 매년 113만 명이 신규 창업에 뛰어듭니다. 그러나 매장 "내부"의 실시간 밀집도를 측정하는 상용 서비스는 글로벌 어디에도 없습니다. 우리가 그 공백에서 시작합니다.
출처: Reanin Research · Grand View Research · 한국공정거래조정원 · 중소벤처기업부 · 소상공인시장진흥공단
Defensibility
따라하기 어려운 이유
우리의 해자는 코드 한 줄이 아닙니다. 특허 출원 패밀리, 크라우드소싱 조사원이 만들어내는 데이터 네트워크 효과, 그리고 한국에서 검증한 뒤 미국으로 가는 시퀀스입니다. 데이터가 쌓일수록 생성형 모델이 정교해지고, 정교해질수록 조사원이 더 빠르게 모입니다.
Patent #01KIPO 출원
하드웨어 센서 융합 + 4단계 품질 게이트
조사 행위의 신뢰도를 측정
자이로 · 가속도 · 조도 센서 융합으로 조사 행위 품질을 자동 평가합니다. 4단계 점수 80점 이상만 데이터로 채택되어, 크라우드 조사 환경에서도 데이터 품질이 유지됩니다.
Patent #02KIPO 출원
BTI → 시각 파라미터 매핑 + 3-Trigger 생성형 합성
글로벌 최초
면적 · 업종 · 시간대 메타데이터로부터 시각 파라미터를 역산하고, 3가지 트리거(개별 매장 / 건물 / 구역) 로 생성형 AI 합성을 격리합니다. 비전문가도 매장 풍경을 한눈에 이해할 수 있게 만드는 핵심 기술.
* 두 건 모두 KIPO 출원 진행 중 · 등록 시 본 페이지에 갱신.
Progress
이미 작동합니다
2026년 3월, Phase 1 엔드투엔드가 동작했습니다. 5월 현재 Phase 2-A 진행 중 — AI 파이프라인, 크라우드소싱 조사원 시스템, 생성형 이미지, 고객 웹앱이 통합되고 있습니다. 모든 코드는 한 명의 창업자가 Claude Code 와 함께 작성했고, GitHub 커밋 이력이 그 증거입니다.
로드맵
- Phase 1✅ 2026-03E2E 동작
- Phase 2-A진행 중AI 파이프라인 + 고객 웹
- Phase 2-B다음카메라 인프라 전환
- Series A계획본격 조달
- NASDAQ장기 비전Global Select Market
Founder
누가 만들고, 누가 지지하는가
14년 대기업 경력. 세 아이의 아빠. 2026년부터 풀타임 창업자. Phase 1 과 2 의 대부분을 직접 구현했습니다. 비개발자였지만, AI 와 협업해 코드를 짭니다. 이것이 우리의 시그니처입니다 — 한 명이 끝까지 책임지는 제품.
이메일로 미팅 요청
realdatalab@realdatalab.co.kr
이미 검증된 사실
Phase 1 End-to-End
2026-03 동작
카메라 입력부터 BTI 산출, 서버 전송까지 한 흐름으로 검증.
KIPO 특허 2건
출원 완료
하드웨어 센서 융합 품질 게이트 + BTI 기반 생성형 AI 시각화.
AI 파이프라인
온디바이스 실증
Detector + Tracker 가 스마트폰 NPU 위에서 실시간 동작.
풀스택 단독 구현
WSL · Android · Web · Backend · DB
Claude Code 와의 협업 시스템으로 1인 풀스택 개발 체계 구축.