Cardamon은 개인과 팀이 빠르게 검증하고 구현하기에 적합합니다.

카다몬

핵심 매개변수 및 통계

Cardamon은 "자연어를 사용하여 데이터 분석을 구동하는 것"이라는 방향에 중점을 두고 원시 데이터에서 통찰력 보고서로의 전환 임계값을 낮추는 것을 목표로 합니다. 기존 데이터 분석 프로세스에서 사용자는 데이터 쿼리에서 시각화까지 완전한 연결을 완료하려면 SQL, Python을 마스터하거나 최소한 BI 도구(예: Tableau, Power BI)의 작동 논리에 익숙해야 합니다. Cardamon은 AI를 사용하여 중간 기술 링크를 대체하려고 시도합니다. 사용자는 분석 요구 사항을 일상 언어로 설명하고 시스템은 자동으로 데이터 쿼리, 통계 계산 및 차트 생성을 완료하고 의사 결정 참조에 직접 사용할 수 있는 분석 보고서를 출력합니다.

프로젝트	사양
제품명	카다몬
카테고리	AI 에이전트
배송 형태	웹/SaaS
지원 플랫폼	웹
지원되는 언어	zh-CN, en-US
대상 사용자	데이터 분석가, 운영자, 관리자
사용자 규모	비공개
가격 모델	프리미엄/구독

핵심 기능 지표: 지원되는 데이터 소스 유형에는 MySQL, PostgreSQL, Snowflake, BigQuery, CSV/Excel, Google Sheets가 포함됩니다. 차트 유형에는 선형 차트, 세로 막대형 차트, 원형 차트, 분산형 차트, 히트 맵, Sankey 차트 등이 포함됩니다. 20개 이상의 유형이 있습니다. 보고서 내보내기 형식은 PDF, PPT 및 HTML 온라인 링크입니다. 단일 테이블에는 최대 2백만 개의 행이 있을 수 있습니다(표준 버전). 제품 컨셉: "분석의 대화 가능성" 강조 - 사용자가 자신의 요구 사항을 한 번에 모두 설명할 필요는 없지만, 여러 차례의 대화를 통해 점차적으로 분석 방향을 다듬어갑니다. 예를 들어 '지난달 매출 동향'을 먼저 질문한 뒤 '제품군별로 나누기'를 추가해 보세요. AI는 대화의 맥락을 이해하고 기존 분석 결과를 계속해서 심화시킬 수 있습니다. 이 상호 작용 모델은 아마추어 사용자를 위한 "SQL을 작성할 수 있어야 한다"에서 데이터 분석을 "인간의 언어를 말할 수 있으면 확인할 수 있다"로 변환하여 인간 분석가 간의 협업 방식에 더 가깝습니다.

사용자 및 시장 인지도

카다몬은 아직 사용자 수나 기업 협력 사례 등 검증 가능한 데이터를 공개하지 않았습니다. 제품 형태로 볼 때 효율성에 대한 요구가 높은 개인 사용자와 중소기업을 대상으로 합니다. 객관적인 판단은 공식 실시간 페이지와 검증 가능한 사용자 리뷰를 바탕으로 이루어져야 합니다.

자연어 데이터 분석(NL2SQL + NL2Visualization)은 최근 AI 애플리케이션의 인기 있는 방향 중 하나입니다. 시장 규모: MarketsAndMarkets 2026 보고서에 따르면 AI 네이티브 BI 시장은 연평균 성장률 28%를 기록하며 2028년에는 미화 50억 달러를 초과할 것으로 예상됩니다. 이미 시장에는 Tableau의 Ask Data(내장된 NL 쿼리이지만 기능이 제한됨), ThoughtSpot(검색 기반 분석, 엔터프라이즈 수준 포지셔닝에 중점) 및 다양한 AI 네이티브 BI 등 다양한 각도에서 접근하는 여러 경쟁 제품이 있습니다. 스타트업. Cardamon의 핵심 차이점은 사용자의 즉각적인 질문에 답변할 뿐만 아니라 분석 프로세스를 구조화된 보고서 문서로 구성하는 "대화형 분석"과 "자동 보고서 생성"의 조합입니다. 경쟁 제품의 차이점: ThoughtSpot(엔터프라이즈 수준의 대규모 배포에 적합하지만 가격이 더 높음)과 비교할 때 Cardamon의 개인/팀 구독 모델은 중소 규모 팀에 더 적합합니다. Tableau 데이터에 질문(Tableau 생태계 내에서만)과 비교하여 Cardamon은 더 많은 데이터 원본 유형을 지원합니다. 평가할 때 사용자는 복잡한 쿼리(다중 테이블 연결, 집계 계산, 시계열, 창 기능)에 대한 지원과 보고서 생성의 형식 유연성에 중점을 두는 것이 좋습니다. 위험 공개: NL2SQL의 정확성은 제품의 핵심 병목 현상입니다. 복잡한 비즈니스 쿼리의 경우 정확도는 일반적으로 75~90% 범위이며, SQL 오류로 인해 분석 결과가 오도되는 것을 방지하기 위해 쿼리 확인 메커니즘을 설정해야 합니다.

비용 이점

카다몬은 온라인 서비스로 제공되며, 공식 홈페이지에서는 무료 체험판을 오픈하고 있다.

비용 차원	설명
무료 버전	기본 데이터 소스 수(1~2) + 쿼리 수 제한
개인용 버전	다중 데이터 소스 + 고급 차트 + 보고서 내보내기
팀 에디션	협업 공간 + 공유 데이터 소스 + 예약 보고서
엔터프라이즈 에디션	비공개 배포 + 행 수준 권한 + 사용자 정의 모델

기존 모델에서 비즈니스 부서의 데이터 분석 요구 사항은 일반적으로 데이터 팀의 지원을 기다려야 하며 요청부터 응답까지 평균 주기는 2~5일입니다. Cardamon을 사용하면 비즈니스 담당자가 가장 일반적인 분석 요구 사항(약 70%-80%)을 스스로 완료하여 조직 내 데이터 분석 협업 비용을 직접적으로 줄일 수 있습니다. 정량적 비교: 중소기업은 Cardamon을 사용하여 정규 데이터 분석가 없이도 정기적인 데이터 통찰력 역량을 얻을 수 있으며, 월 사용료는 주니어 데이터 분석가의 연봉(약 100,000-200,000)보다 훨씬 저렴합니다. 기업 고객은 구독 기반으로 비용을 사용량에 따라 지불하므로 자체 구축 BI 플랫폼 구축에 따른 초기 투자(일반적으로 100,000개 이상) 및 유지 관리 오버헤드를 피할 수 있습니다. 인과사슬: 무료 버전은 NL2SQL의 정확성 검증 → 개인 버전 심층 사용 → 팀 버전은 데이터 소스 및 보고서 템플릿 공유 → 엔터프라이즈 버전은 데이터 규정 준수 및 권한 관리를 충족합니다. 위험 공개: 복잡한 쿼리의 정확성에 있어 NL2SQL의 병목 현상은 궁극적으로 여전히 데이터 팀에 의존하는 비즈니스 담당자 간의 신뢰 부족으로 이어질 수 있습니다. 실제 승격 전에 일반적인 쿼리 유형에 대한 정확성 테스트를 수행하고 쿼리 결과에 대한 수동 확인 메커니즘을 구축하는 것이 좋습니다.

주요 기능

• 자연어 쿼리 및 분석 - 사용자가 일상 언어로 분석 질문을 입력하면 AI가 자동으로 의도를 구문 분석하여 데이터 모델에 매핑하고 SQL 또는 Python 쿼리를 생성하여 실행 후 차트나 테이블에 표시합니다. 질문(이전 기반에서 심층 분석), 비교(다차원 비교 분석) 및 드릴링(요약에서 세부 정보까지 드릴다운)을 지원합니다. 적용 가능한 작업: 일반적인 분석 프로세스에서는 3~5회의 대화를 통해 거시적부터 미시적까지 데이터 탐색을 완료할 수 있습니다. 모호한 쿼리(예: '올해 매출'은 본연도 또는 회계연도를 나타냄)의 경우 오류를 줄이기 위해 추측이 아닌 적극적으로 확인을 요청합니다.
• 자동 보고서 생성 - 분석 개요, 주요 지표(KPI 카드), 차트 표시 및 예비 결론을 포함하여 분석 프로세스를 구조화된 보고서 문서로 자동 구성합니다. 보고서는 PDF, PPT로 내보내거나 온라인 공유를 위한 링크를 생성할 수 있습니다. 보고서의 내러티브 구조는 AI에 의해 자동으로 정렬됩니다. 먼저 결론을 요약한 다음 뒷받침 데이터를 표시하고 마지막으로 권장 사항을 제시합니다. 이는 전문 분석 보고서의 읽기 습관과 일치합니다. 가치 사용: 분석은 더 이상 "차트 보기"로 끝나지 않고 "제공 가능한 보고서 얻기"로 끝나므로 분석과 보고 사이의 추가 작업이 줄어듭니다.
• 지능형 인사이트 추천 - 데이터 접속 후 자동으로 데이터 특성을 스캔하여 비정상적인 변동(특정일 트래픽의 급격한 30% 감소 등), 추세 변화(지속적인 성장/하락 추세), 분포 특성(롱테일 분포, 80/20 규칙)을 파악하여 사용자가 주목할 만한 인사이트 포인트를 선제적으로 푸시하는 시스템입니다. 고급 기능: 정기적인 보고 작업 설정을 지원합니다. 시스템은 설정된 시간에 따라 자동으로 분석을 실행하고 보고서를 생성하고 이메일이나 협업 플랫폼을 통해 지정된 수신자에게 이를 푸시함으로써 "데이터를 찾는 사람"에서 "사람을 찾는 데이터"로의 전환을 실현합니다.

모델 및 버전의 진화

버전	날짜	주요 변경 사항
v1.0(최신 버전)	최근	보고서 생성 + 인사이트 추천 + 예약 푸시
v0.9	초기 단계	결과 시각화 + 다중 데이터 소스 액세스
v0.x	조기	자연어를 SQL로 변환

제품 개발 로직은 "확인 가능 → 볼 수 있음 → 알 수 있음"의 경로를 따릅니다. 현재 버전(v1.0)은 데이터에서 제공 가능한 보고서까지의 폐쇄 루프인 "말할 수 있음" 단계에 있습니다. 향후 계획 방향에는 이상 현상에 대한 사전 경보 해석, 자연어를 통한 직접 가설 검정 분석, 데이터 캘린더 기반 정기 보고서 자동 생성 등이 포함됩니다. 기술적 추론: Cardamon의 핵심 NL2SQL 엔진은 CodeGen 시리즈 모델 또는 특별히 미세 조정된 SQL 생성 모델을 기반으로 할 수 있습니다. 복잡한 쿼리(다중 테이블 JOIN, 서브쿼리, 윈도우 기능) 처리 능력은 제품의 성숙도를 가늠하는 핵심 지표다. 위험 공개: NL2SQL 기술의 정확도 상한은 약 85-90%입니다(Spider와 같은 벤치마크 데이터 세트의 최고 모델 정확도는 약 87%). 이는 쿼리의 약 10-15%에 오류가 있을 수 있음을 의미합니다. 특히 비즈니스 데이터 모델이 익숙하지 않은 경우(예: 모호한 테이블 이름, 비표준 필드 이름) 오류율이 더 높아질 수 있습니다.

기술적인 장점

• 핵심 기술 경로 - 자연어를 쿼리에 정확하게 매핑: 핵심 NLP 엔진은 복잡한 비즈니스 설명을 데이터베이스 쿼리 문으로 정확하게 변환하고 다중 테이블 연관(JOIN), 집계 함수(SUM/AVG/COUNT), 기간(연간/월간/MTD/YTD) 및 조건부 필터링(WHERE/HAVING)과 같은 일반적인 분석 모드를 지원합니다. 대화형 분석 컨텍스트 유지 관리: 분석 컨텍스트는 여러 라운드의 대화에서 유지됩니다. 이어지는 질문은 배경 조건을 반복적으로 설명할 필요 없이 자동으로 이전 쿼리 결과와 분석 범위를 참조한다. 예를 들어 "지역별 매출 보기" → "이익률 추가" → "동중국만 보기" 등 3단계에 걸쳐 점차 범위를 좁혀간다.
• 엔지니어링 기능: 자동화된 보고서 조정 엔진은 여러 분석 단계와 차트를 논리적으로 일관된 설명 구조(개요, 세부 사항, 핵심, 비교)로 구성합니다. 지능형 캐싱: 반복 쿼리에 대한 결과를 자동으로 캐시하여 데이터베이스 부하를 줄입니다. 복잡한 쿼리를 실행하기 전에 비용 추정이 이루어지며, 임계값이 초과되면 사용자에게 확인 메시지가 표시됩니다. 데이터 보안: 데이터 세트 수준 권한 제어 및 행 수준 보안 필터를 지원합니다(사용자 속성에 따라 데이터 표시 범위를 자동으로 제한).
• 보안 및 규정 준수: 행 수준 권한 체계는 사용자가 자신의 인증 범위 내에서만 데이터를 쿼리할 수 있도록 보장합니다. 여러 부서가 동일한 분석 플랫폼을 공유하는 엔터프라이즈 시나리오에 적합합니다. 민영화된 배포 솔루션은 금융, 의료 및 기타 산업의 규정 준수 요구 사항을 충족하기 위해 고객 자체 환경에 데이터 및 분석 엔진을 배포할 수 있습니다. 위험 공개: SaaS 다중 테넌트 모델에서는 데이터 격리 솔루션(논리적 격리 대 물리적 격리)이 기업의 데이터 보안 요구 사항을 충족하는지 확인해야 합니다.

사용방법

입구	사용 방법
웹측	브라우저로 공식 홈페이지 접속 → 회원가입 → 데이터소스 추가 → 자연어로 질문 → 시스템 자동 분석 및 시각화 → 보고서 저장/내보내기
API	REST API를 통해 분석 쿼리를 제출하고 구조화된 결과 얻기

일반적인 사용 프로세스: Cardamon에 로그인 → 데이터 소스 추가(데이터베이스 연결 또는 파일 업로드) → 시스템이 자동으로 데이터 구조 및 필드 의미 스캔 → 대화 상자에 분석 질문 입력(예: "지난 3개월 동안 각 채널의 고객 확보 비용 추세") → AI가 쿼리 및 차트 생성 → 심층 질문이 필요한 경우("도시별로 분할") → 분석 결과를 보고서에 저장 → 내보내기 또는 공유. 모범 사례: 처음 사용하기 전에 데이터 소스에서 필드 이름 지정을 정리하고 표준화하는 것이 좋습니다. 필드 이름을 지우면(예: "fld_001" 대신 "order_amount") AI가 쿼리 의도를 이해하는 정확도가 크게 향상될 수 있습니다. 복잡한 분석 요구 사항의 경우 모든 조건을 한 번에 설명하는 대신 단계별 질문을 통해 점차적으로 구축하십시오. 팀 시나리오에서는 AI가 비즈니스 컨텍스트를 이해할 수 있도록 공유 데이터 사전을 구축하고 비즈니스 용어(예: "지난 30일 동안 로그인 기록이 있는 사용자"로 정의된 "활성 사용자")를 시스템에 입력하는 것이 좋습니다.

제품 가격

패키지	가격	목차
무료 버전	$0	기본 데이터 소스 수(1~2) + 쿼리 수 제한
개인용 버전	—	다중 데이터 소스 + 고급 차트 + 보고서 내보내기
팀 에디션	—	협업 공간 + 공유 데이터 소스 + 예약 보고서
엔터프라이즈 에디션	—	비공개 배포 + 행 수준 권한 + 사용자 정의 모델

가격. 의사결정 제안: 신규 사용자는 가장 자주 발생하는 일일 분석 요구 사항부터 시작하여 무료 플랜을 사용하여 실제 비즈니스 데이터에 대한 제품 성능을 확인합니다. 지난 한 달간 발생한 대표적인 분석 문제 20~30개를 카다몬에 하나씩 입력해 AI가 업무별 쿼리를 이해하는 정도의 정확성과 데이터 규모(응답시간, 쿼리 성공률) 처리 성능을 검증하는 것이 좋다. 유료 플랜을 선택하기 전에 NL2SQL 정확도가 표준에 도달하는지 확인하세요.

애플리케이션 시나리오

• 시나리오 1: 운영 데이터 분석 - 운영팀은 DAU/MAU 추세, 익일/7일/30일 유지, 등록 → 활성화 → 결제 전환율 등 자연어를 통해 일간/주간 핵심 지표를 쿼리합니다. 입력 링크: 데이터 소스에 연결 → 분석 질문 입력 → AI가 쿼리 실행 → 차트 반환 → 수동 해석. 효율성 비교: 질문부터 차트 가져오기까지 평균 10~30초가 소요되며, 이는 BI 도구를 수동으로 조작하는 데 걸리는 3~5분보다 훨씬 짧습니다. 검증방법 : 지난주 분석 시나리오 10개를 선정하여 각각 Cardamon과 기존 BI 도구로 운영하여 소요 시간과 결과 정확도를 비교합니다.
• 시나리오 2: 마케팅 효과 기여 - 다채널 마케팅 데이터에 접속한 후 각 채널의 ROI, 고객 확보 비용(CAC), 전환 경로를 분석합니다. 일반적인 질문: "지난 달 각 채널의 ROAS를 비교하여 어느 채널이 가장 실적이 좋은지 확인하세요." 위험 공개: 기여 분석에는 다중 테이블 연결 및 데이터 일관성 확인이 포함됩니다. CRM과 광고 플랫폼의 데이터 수준이 일치하지 않는 경우(예: 다양한 기여 기간) AI가 이러한 차이를 자동으로 식별하지 못할 수 있으며 분석 전에 데이터 소스 간의 일관성을 수동으로 확인해야 합니다.
• 시나리오 3: 관리 보고서 자동화 - 정기적으로 보고해야 하는 데이터 분석을 수동 작업에서 자동화 프로세스로 전환합니다. 관리자는 예정된 작업을 설정한 후 매주 월요일 아침 시스템에서 생성된 주요 지표 변화, 이상 징후, 사전 분석 결론 등을 포함한 지난주 운영 보고서를 받습니다. 검증 방법: 자동 보고서가 2~4주 동안 실행된 후 보고서의 주요 데이터의 정확성을 수동으로 검토하고(5~8개의 데이터 포인트를 무작위로 확인) 확인 후 점차적으로 신뢰 범위를 확장합니다. 인과사슬: 데이터 소스 접근 → AI 자동 스캐닝 → 인사이트 추천 트리거 → 수동 값 확인 → 예정된 보고서 설정 → 수동 검토 점차 축소 → 데이터 기반 의사결정 습관 형성.

해당자

• 개인 사용자: 비즈니스 운영 및 분석가는 자연어 상호 작용을 통해 SQL/BI 도구 학습 비용을 줄입니다. 중간 관리자는 데이터 팀에 의존하지 않고 스스로 분석 결과를 얻을 수 있습니다. 독립적인 비즈니스 분석가는 분석 효율성을 "시간"에서 "분"으로 향상시킬 수 있습니다.
• SME 팀: 전담 데이터 팀이 없는 경우 Cardamon을 사용하여 비즈니스 의사 결정에 도움이 되는 주요 비즈니스 데이터 통찰력을 빠르게 얻을 수 있습니다. 월 수수료는 주니어 데이터 분석가의 급여보다 훨씬 낮습니다.
• 대기업: 비기술 부서(마케팅, 영업, 인사)의 직원이 대화 분석을 통해 일일 데이터 요구 사항을 스스로 완료하여 부서 간 커뮤니케이션 비용을 절감합니다. 엔터프라이즈 버전의 행 수준 권한 및 보안 감사는 대규모 배포 요구 사항을 충족합니다.
• Unfit Boundary: 복잡한 통계 모델링(회귀분석, 클러스터 분석), 엄격한 A/B 테스트 인과 추론, 데이터 감사 표준을 준수해야 하는 분석 시나리오 - AI 분석 결과는 의사 결정의 유일한 근거가 아닌 참고 자료로 활용되어야 합니다. AI는 데이터 탐색과 정기적인 보고서 생성에 가장 효율적이지만, 가설 테스트와 복잡한 모델링에는 여전히 전문 도구(R, SPSS)가 필요합니다.

경쟁제품 비교

차원 비교	카다몬	Tableau 데이터에 질문	생각 스팟	기존 BI(수동)
핵심 차이점	대화 분석 + 자동 보고	Tableau 내장 NL 쿼리	검색 기반 분석	유연하지만 비효율적
가격	—	Tableau 라이선스에 포함됨	월 $1,500+부터 시작	인건비 기준
해당 시나리오	다중 데이터 소스 NL 분석	Tableau 데이터 원본만	엔터프라이즈급 BI	전체 시나리오
사용자 리뷰	확인 대기 중	G2 4.4/5	G2 4.3/5	해당 없음
기술적 한계점	낮음(대화형)	중간(Tableau 기본 사항 필요)	중간(데이터 모델링 필요)	높음(SQL/BI 기술 필요)

요약 및 전망

해당 분야에서 경쟁력 있는 솔루션을 제공하며, 이 분야에서 AI 활용의 문턱을 낮추는 것이 핵심 가치입니다.

현재 제한 사항: 일부 고급 기능에는 유료 구독이 필요하며 무료 버전에는 기능 또는 사용 제한이 있습니다. 구체적인 기술 세부 사항과 성능 벤치마크는 아직 완전히 공개되지 않았습니다.

관련 도구: crewai, langchain

버전 정보

• 공개 베타 버전 ：현재 공개적으로 액세스할 수 있는 버전이며 특정 기능은 특정 속도로 업데이트될 예정입니다. （2026-07-14）
• 이전 버전 ：초기 평가판이며 핵심 방향은 현재 버전과 일치합니다. （2026-07-14）