AI 공간운영 오퍼레이터 · Elegant Inc.

파편화된 데이터를 연결해
공간을 해석하고
최적의 액션을 제안하는
인공지능 어시스턴트 “엘러건트”

엘러건트는 POS, 혼잡도, 앱 로그, 이벤트, 날씨, 위치 데이터를 연결해 비전문가도 데이터 기반으로 공간을 운영할 수 있도록 돕는 오퍼레이터 대시보드와 AI 운영 액션 엔진을 제공합니다.

현재 국내 대형 테마파크 F&B PoC 실증 진행 중
// ELEGANT OS PIPELINELIVE
01 — FRAGMENTED DATA
POSCongestionApp LogEventWeatherLocationStore & MenuReal-timeHistorical Data
// CORE ENGINE
Elegant OS
온톨로지 · 지식 구조화
수요 해석 · 액션 점수화
02 — REVENUE ACTION
RecommendationCouponPushMap GuideDashboardDemand Redistribution
FEEDBACK LOOP — 성과를 다시 학습해 추천 로직을 고도화

데이터는 쌓였지만, 운영 판단과 매출 액션으로 이어지지 않습니다.

대형 오프라인 공간은 방문객, 매장, 결제, 이벤트, 위치, 날씨 등 많은 데이터를 보유하고 있습니다. 그러나 데이터가 서로 연결되어 있지 않으면, 운영자는 여전히 경험과 감각으로 의사결정을 하게 됩니다.

01
데이터 단절
POS, 혼잡도, 앱 로그, 이벤트 데이터가 분리되어 있어 수요와 매출의 관계를 파악하기 어렵습니다.
02
수요 편중
인기 구역과 매장에는 사람이 몰리고, 다른 매장과 구역은 저활용 상태가 됩니다.
03
실행 시점 지연
고객 흐름이 바뀌는 순간에 맞춰 추천, 쿠폰, 안내, 운영 조정을 실행하기 어렵습니다.
04
피드백 부재
쿠폰, 푸시, 지도 안내가 실제 방문과 매출에 어떤 영향을 줬는지 학습되지 않습니다.

문제는 데이터 부족이 아니라, 데이터를 운영 판단 구조로 바꾸지 못하는 데 있습니다.

엘러건트는 파편화된 공간 데이터를 연결해, 비전문가도 데이터 기반으로 운영 의사결정을 내릴 수 있는 공간운영 오퍼레이터 대시보드를 제공합니다.

POS, 혼잡도, 앱 로그, 이벤트, 날씨, 위치 데이터는 각각 따로 존재할 때는 단순 기록에 그칩니다. 엘러건트는 이 데이터를 매장·구역·시간대·이벤트·고객 흐름의 관계로 연결하고, 운영자가 지금 어떤 액션을 해야 하는지 쉽게 판단할 수 있도록 대시보드와 추천 액션으로 제공합니다.

01Input
Fragmented Data
파편화된 데이터
POS · 혼잡도 · 앱 로그 · 이벤트 · 날씨 · 위치 · 매장 · 메뉴 데이터
02Engine
Elegant OS
운영 AI 엔진
파편화된 데이터를 연결해 공간의 현재 상태와 수요 흐름을 해석합니다.
03Dashboard
Operator Dashboard
공간운영 대시보드
비전문가도 이해할 수 있는 운영 화면으로 공간 상태를 보여줍니다.
·어느 구역이 혼잡한지
·어느 매장이 저활용 상태인지
·어느 시간대에 수요 공백이 발생하는지
·어떤 매장으로 고객을 유도해야 하는지
·어떤 쿠폰·푸시를 실행해야 하는지
04Action
Revenue Action
매출 액션
추천 · 쿠폰 · 푸시 · 지도형 안내 · 비인기 매장 유도 · 혼잡 매장 수요 분산
05Learning
Feedback Learning
피드백 학습
노출·클릭·방문·구매·매출 변화·전환율을 다시 학습해 다음 운영 판단을 고도화합니다.
FRAGMENTED DATA → ELEGANT OS → OPERATOR DASHBOARD → REVENUE ACTION → FEEDBACK

엘러건트 OS는 데이터를 분석가만 보는 리포트로 끝내지 않습니다. 현장 운영자가 바로 이해하고 실행할 수 있는 운영 판단 화면으로 바꿉니다.

데이터 수집부터 운영 액션까지 연결되는 제품 체계

Flagship — 3D Operator Dashboard

공간을 3D로 보고, 운영 판단은 데이터로 내립니다.

엘러건트의 3D 디지털 트윈형 대시보드는 매장, 구역, 혼잡도, 수요 공백, 추천 액션을 하나의 운영 화면에서 보여줍니다. 운영자는 복잡한 데이터를 직접 분석하지 않아도, 어느 구역에 사람이 몰리고 어느 매장에 수요를 보내야 하는지 직관적으로 확인할 수 있습니다.

3D 공간 맵구역별 혼잡도수요 공백 하이라이트어트랙션·이벤트 영향추천 액션 + 추천 이유실행 버튼 · 성과 추적
공간 운영 관제 · 3D Digital Twin
ZONE A–F · 28 STORES● LIVE · 14:20
SITE MAP · TOP VIEW · 디지털 트윈
A존 · 혼잡 92%
어트랙션 · 대기 35분
C존 · 추천 유도
D존 · 수요 공백
메인 게이트
혼잡보통여유수요 공백
OPERATOR ACTION PANEL
추천 액션C존 저활용 매장으로 수요 유도
추천 이유 · A존 대기 수요 +38%, C존 매장 평균 주문금액 우수 — 수요 공백 해소 기대
예상 방문 +12%예상 매출 +9%
쿠폰 발행푸시 발송지도 추천 반영
A존 혼잡 분산 · 인접 매장 쿠폰 발행 대기
대기
PERFORMANCE FEEDBACK
노출
8,420
클릭
2,030
방문
1,070
구매전환
8.3%
매출
+14.2%
로직 반영
반영 ✓

대시보드는 데이터를 보는 화면이 아니라, 공간을 이해하고 다음 운영 액션을 결정하는 관제 화면입니다.

01
Elegant Analytics
미확보 현장 데이터 수집
고객사가 기존에 수집하지 못하던 현장 데이터를 확보
예: F&B 매장 혼잡도, 현장 운영 상태, 수동 입력 데이터
향후 다양한 현장 데이터 수집 채널로 확장
02
Elegant OS Core Engine
공간 운영 AI 엔진
데이터 정규화 · 수요 공백 탐지
추천 후보 점수화 · 운영 판단 구조화
온톨로지 / 지식그래프 / GraphRAG / LLM 기반
03
3D Operator Dashboard
3D 디지털 트윈형 공간운영 오퍼레이터 대시보드
3D 공간 맵 · 구역별 혼잡도 · 수요 공백 시각화
매장·구역·추천 액션을 하나의 화면에서 확인
운영자가 바로 실행할 수 있는 액션 제안
04
Action & Feedback
운영 액션 및 성과 학습
쿠폰 · 푸시 · 지도형 안내
비인기 매장 유도 · 혼잡 매장 수요 분산
성과 측정 · 추천 로직 고도화

엘러건트는 데이터를 보여주는 도구가 아니라, 운영자가 실행할 수 있는 다음 액션을 제안하는 시스템입니다.

서비스 생애주기: 데이터가 운영 액션이 되는 과정

엘러건트의 서비스는 한 번의 데이터 분석으로 끝나지 않습니다. 데이터 수집, 운영 지표화, 공간 지식 구조화, 액션 실행, 성과 피드백이 반복되며 점점 더 정교한 운영 판단 체계를 만듭니다.

1
데이터 제공 및 수집
고객사가 보유한 POS, 앱 로그, 이벤트, 실시간 운영 데이터, 과거 운영 데이터를 수집합니다. 부족한 데이터는 Elegant Analytics를 통해 현장에서 실시간으로 추가 확보합니다.
2
데이터 저장 및 정규화
수집된 데이터를 원본 그대로 저장하고, 이후 매장·구역·시간대·이벤트 기준으로 정규화합니다.
3
운영 지표 생성
매장별 매출·주문 수·평균 주문금액·판매 구성·혼잡도·예상 대기시간, 구역별 매출·평균 혼잡도·시간대별 수요 변화·이벤트 영향도를 분석합니다.
4
공간 운영 지식 구조 구축
온톨로지와 지식그래프를 통해 매장, 구역, 시간대, 이벤트, 수요, 매출의 관계를 정의합니다.
↺ 피드백이 다시 도달하는 지점
5
대시보드 및 운영 로직 실행
운영자는 대시보드에서 공간 상태를 확인하고, 쿠폰·푸시·지도형 안내 등 실행 플랫폼과 연동해 추천 액션을 바로 실행합니다. 예: 비혼잡 매장 추천, 쿠폰 발행, 앱 푸시, 지도형 안내.
6
성과 측정 및 피드백
액션별 노출 수, 클릭 수, 쿠폰 발급 수, 구매 수, 매출 증가율, 전환율을 측정합니다.
7
모델 고도화
성과 데이터를 다시 온톨로지와 지식그래프에 반영해 추천 로직을 고도화합니다.
↺ STEP 04 로 다시 반영
STEP 07 모델 고도화STEP 04 공간 운영 지식 구조로 다시 반영되는 피드백 루프
데이터를 받는다운영 지표로 바꾼다공간 운영 지식 구조를 만든다액션을 실행한다성과를 측정하고 다시 학습한다

체류형 공간에서 반복되는 수요 분산과 매출 전환 문제를 해결합니다.

01
테마파크 F&B
혼잡 매장의 대기 수요를 비혼잡 매장으로 유도
앱 지도와 쿠폰, 푸시를 통해 고객 흐름 전환
비인기 매장 유입률과 매출 변화 측정
02
리조트 / 복합 레저시설
객실, F&B, 부대시설, 액티비티 수요를 통합 분석
시간대별 유휴 자산을 추천 액션으로 전환
03
쇼핑몰 / 아울렛
층별, 구역별, 테넌트별 고객 흐름 분석
저활용 구역과 매장으로 방문 유도
04
공항 / 스타디움 / 대형 이벤트
특정 시간대와 구역에 몰리는 수요를 분산
F&B, MD, 편의시설 매출 기회 포착

엘러건트가 보는 시장은 단순한 공간이 아니라, 운영 판단이 발생하고 데이터가 연결되며 액션이 실행되는 단위입니다.

팝업스테이에서 시작한 운영 자동화 기술이 대형 공간 PoC로 확장되고 있습니다.

01
popupstay Platform Operation
당일 숙박 공실 중개 플랫폼을 직접 구축·운영하며, 시간이 지나면 사라지는 재고의 문제를 검증했습니다.
02
Perishable Asset Logic
숙박 공실은 오늘 팔리지 않으면 내일 다시 팔 수 없는 소멸성 자산입니다.
03
Automation Engine
수요, 가격, 재고, 노출 판단을 자동화하는 운영 로직을 설계했습니다.
04
From Rooms to Offline Spaces
공실을 수요와 연결하던 기술을 대형 오프라인 공간의 수요, 동선, 혼잡, 매출 문제로 확장했습니다.
05
Enterprise PoC
국내 대형 테마파크 F&B PoC를 통해 공간 운영 AI OS의 첫 실증을 진행하고 있습니다.

운영자는 더 빠르게 판단하고, 공간은 더 높은 매출 기회를 찾습니다.

01
수요 분산
혼잡 구역의 수요를 여유 구역과 매장으로 유도합니다.
02
매출 전환
고객 흐름을 추천, 쿠폰, 푸시, 지도 안내로 연결해 매출 액션으로 전환합니다.
03
운영 효율화
운영자가 직접 데이터를 해석하지 않아도 실행 가능한 제안을 받을 수 있습니다.
04
성과 검증
액션별 클릭, 방문, 구매, 매출 변화를 측정해 ROI를 확인합니다.
05
반복 학습
실행 결과가 다시 모델에 반영되어 점점 더 정교한 운영 판단이 가능해집니다.

작은 팀이지만, 공간 운영 AI OS에 필요한 핵심 역량을 갖춘 실행 조직

엘러건트는 현장 문제 정의, 제품 설계, 데이터 파이프라인, 대시보드 UX, AI 모델 고도화까지 하나의 제품 사이클 안에서 실행할 수 있는 팀입니다.

Founder · Product Strategy
역할
공간 운영 문제 정의 · 제품 전략 및 B2B PoC 리드 · 수요·가격·재고·노출 판단 자동화 구조 설계
핵심 이력
개발자 출신의 프로젝트 매니저 · 팝업스테이 플랫폼 구축·운영 · 소멸성 자산 수익화 모델 검증 · 컴퓨터공학 기반으로 비즈니스 로직을 기술 언어로 전환 · 대형 오프라인 공간 PoC 리드
Core Engineering
역할
백엔드 아키텍처 · 데이터 파이프라인 · 시스템 안정성 · Elegant Analytics / OS 데이터 구조 개발
핵심 이력
팝업스테이 백엔드 개발 · 대규모 트래픽 처리 경험 · 결제·보안·운영 시스템 구현 경험 · 데이터 파이프라인 및 서비스 운영 경험
One Product Cycle
Elegant OS · Space Operation AI Dashboard
Product · UX Design
운영자 대시보드 UX · 복잡한 데이터를 직관적 화면으로 변환
프로덕트 디자인 · 가상자산 지갑·스테이킹 플랫폼 UX · 전환 이탈 방지 설계
Backend · Data Execution
PoC 백엔드 개발 · 데이터 처리 · API 연동 · 운영 지표 생성
백엔드 개발 경험 · 데이터 처리 및 서비스 구현 · 현장 운영 데이터 연동 지원
AI · Model Advisor
AI 모델 튜닝 · 운영 판단 모델 고도화 · 온톨로지 / 지식그래프 / LLM 연동 자문
AI 모델 고도화 자문 · 복잡한 데이터 기반 판단 구조 설계 지원 · 공간 운영 AI 엔진 고도화 지원

엘러건트 팀은 현장 문제를 정의하고, 데이터를 연결하고, 운영자가 실행할 수 있는 제품으로 바꾸는 전 과정을 직접 수행합니다.

공간 운영 데이터를 매출 액션으로 전환하고 싶다면, 엘러건트와 이야기해보세요.

Company주식회사 엘러건트 · Elegant Inc.