협업 데이터 캔버스를 구축하여 'Multiple spreadsheet sharing issue'를 해결했습니다
Source: Dev.to
The Problem: The “Final_V12_updated.xlsx” Nightmare
문제: “Final_V12_updated.xlsx” 악몽
We’ve all been there. You have a critical business decision to make, but the data is trapped in five different CSVs, three email threads, and a “static” dashboard that was last updated two weeks ago.
우리는 모두 이런 상황을 겪어봤습니다. 중요한 비즈니스 결정을 내려야 하는데, 데이터가 다섯 개의 서로 다른 CSV 파일, 세 개의 이메일 스레드, 그리고 2주 전에 마지막으로 업데이트된 “정적” 대시보드에 갇혀 있습니다.
I spent months watching brilliant analysts get bogged down in VLOOKUPs and manual joins just to answer simple questions like, “Why is our LTV dropping?”
저는 뛰어난 분석가들이 “우리 LTV가 왜 하락하고 있나요?” 같은 간단한 질문에 답하기 위해 VLOOKUP과 수동 조인에 얽혀 있는 모습을 몇 달 동안 지켜봤습니다.
I decided to build a solution that treats data analysis like Figma: collaborative, instant, and visual.
그래서 데이터 분석을 Figma처럼 협업 가능하고, 즉시이며, 시각적으로 다룰 수 있는 솔루션을 만들기로 했습니다.
Introducing AUM Data Labs
AUM Data Labs 소개
AUM Data Labs isn’t just another BI tool. It’s a Collaborative Canvas designed for speed.
AUM Data Labs는 단순한 BI 도구가 아닙니다. 속도를 위해 설계된 협업 캔버스입니다.
The Technical Moat: Domain‑Aware Analysis
기술적 방어선: 도메인 인식 분석
The core of the platform is a Python‑based Domain Engine. Instead of forcing users to write SQL or complex formulas, the engine uses proprietary logic to:
플랫폼의 핵심은 Python 기반 도메인 엔진입니다. 사용자가 SQL이나 복잡한 수식을 작성하도록 강요하는 대신, 엔진은 독자적인 로직을 사용해 다음을 수행합니다:
- Auto‑Detect Domains – It identifies if you’ve uploaded E‑Commerce, SaaS, or Biotech data.
도메인 자동 감지 – 업로드한 데이터가 전자상거래, SaaS, 바이오테크 중 어느 분야인지 식별합니다. - Instant Diagnosis – It runs benchmarked KPIs (GMV, Conversion Rate, etc.) and flags anomalies instantly.
즉시 진단 – 벤치마크된 KPI(예: GMV, 전환율 등)를 실행하고 이상 징후를 즉시 표시합니다. - Secure Formula Evaluation – A custom evaluator ensures that while the logic is flexible, the environment remains secure against injection.
안전한 수식 평가 – 맞춤형 평가기가 논리는 유연하면서도 환경은 인젝션 공격으로부터 안전하도록 보장합니다.
Key Features I’m Proud Of
제가 자부하는 주요 기능
- Visual Join Builder – Drag and drop columns to link messy datasets without a single line of code.
시각적 조인 빌더 – 코드를 전혀 작성하지 않고도 열을 끌어다 놓아 복잡한 데이터셋을 연결합니다. - Real‑time Collaboration – Built with a custom sync layer, you can see your teammate’s cursors moving across the canvas as you investigate together.
실시간 협업 – 맞춤형 동기화 레이어로 구축되어, 함께 조사하면서 팀원의 커서가 캔버스 위를 움직이는 모습을 실시간으로 볼 수 있습니다. - Natural Language Querying – Ask “Show count of orders by category” and watch the chart render in real‑time.
자연어 질의 – “카테고리별 주문 수 보여줘”와 같이 물으면 차트가 실시간으로 렌더링됩니다.
The Architecture
아키텍처
- Frontend – React with a custom‑built canvas engine for high‑performance data manipulation.
프론트엔드 – 고성능 데이터 조작을 위한 맞춤형 캔버스 엔진을 탑재한 React. - Backend – FastAPI (Python) orchestrating the heavy lifting of the analytical engines.
백엔드 – 분석 엔진의 무거운 작업을 조율하는 FastAPI(Python). - State – Real‑time synchronization for multi‑user collaboration.
상태 관리 – 다중 사용자를 위한 실시간 동기화.
Why I Built This
내가 이것을 만든 이유
I built AUM Data Labs during a period of intense professional transition. I wanted to prove that you can build enterprise‑grade technical excellence without a massive team.
저는 직업적 전환이 극심했던 시기에 AUM Data Labs를 만들었습니다. 대규모 팀 없이도 엔터프라이즈 수준의 기술적 우수성을 구현할 수 있음을 증명하고 싶었습니다.
My Goal: To make high‑level data diagnosis accessible to the people who actually make the decisions—Product Managers, Founders, and Ops Leads—not just the people who write the SQL.
목표: 실제로 의사결정을 내리는 사람들—제품 매니저, 창업자, 운영 리드—에게 고급 데이터 진단을 제공하고, SQL을 작성하는 사람들만의 전유물이 되지 않게 하는 것입니다.
I Need Your Brutal Feedback!
여러분의 가혹한 피드백이 필요합니다!
I’m launching the Free Tier (2‑Editor limit) today. I would love for this community to try and break it.
오늘 무료 티어(편집기 2개 제한)를 출시합니다. 커뮤니티 여러분이 직접 사용해 보고 문제점을 찾아주시면 좋겠습니다.
- Drop your messiest CSV.
가장 복잡한 CSV를 업로드해 보세요. - Try the Visual Join.
시각적 조인을 사용해 보세요. - Ask the NL bar a complex question.
자연어 질의창에 복잡한 질문을 해 보세요.
Check it out here:
Demo: