데이터안심구역

문제 및 현황

분석 과정

• STEP1. 상관분석

  상관분석

  

  각 변수간 상관성을 확인하기 위해 상관분석을 실시

  총 매출액과 높은 상관성을 보이는 요인
  음식업소(0.77), 30대 유동인구(0.70), 생활서비스(0.68)

• STEP2. 회귀분석

  회귀분석

  

  

  통계 분석 기법 중 하나인 다중 선형 회귀 분석을 적용하여 지역별 매출액에 대한 회귀 모형 도출

  단계적 선택법(Stepwise Selection Method)을 적용한 결과, 매출액에 유의미한 변수
  부동산 · 생활서비스 · 숙박 · 음식 · 의료 · 학문/교육 업종 선정, 30 · 50대 유동인구 및 상주인구

  회귀 모형의 최종 설명력(Adjusted R-Squared)은 82.47%

• STEP3. 군집분석

  군집분석

  

  

  군집분석 중 K-Means Clustering 분석을 진행하기 위해 최적 군집 개수 도출

  최적 군집 개수 산출 결과 3개의 군집 개수 도출

  K-Means Clustering 분석을 통해, 회귀 모델에서 도출된 주요 인자들에 대한 유사한 특성을 가진 3개의 군집으로 그룹화

  A군집 - 홍대 인근, 강남역 인근, 가로수길, 압구정 로데오거리 등
  B군집 - 경리단길, 대학로 등
  C군집 - 건대입구역 인근, 이태원역 인근 등

문제 및 현황

분석 과정

• STEP1. 상관분석

  상관분석

  

  각 변수간 상관성을 확인하기 위해 상관분석을 실시

  지역별 버스 노선 수와 높은 상관성을 보이는 요인
  버스 이용객 수 (0.76), 외식업 점포 수 (0.55), 소매업 점포 수 (0.54)

• STEP2. 회귀분석1

  회귀분석1

  

  

  통계 분석 기법 중 다중 선형 회귀 분석을 적용하여 지역별 버스 운행 노선 수에 대한 회귀 모형 도출

  단계적 선택법(Stepwise Selection Method)을 적용한 결과, 버스 운행 노선와 유의미한 변수
  행정동 면적, 거주인구, 외식업·서비스업·소매업 점포 수, 버스 이용객

  회귀 모형의 최종 설명력(Adjusted R-Squared)은 62.912%

• STEP3. 회귀분석2

  회귀분석2

  

  

  다중 선형 회귀 모형의 가정(선형성, 정규성, 등분산성, 독립성)을 진단하기 위한 확인 결과
  ① 선형성 ② 잔차의 정규성 ③ 등분산성을 만족 ④ 큰 영향을 주는 관측치 없음

  다중 선형 회귀 모형의 가정을 만족하며 다중공선성 또한 발생하지 않음

문제 및 현황

분석 과정

• STEP1. 상관분석

  상관분석

  

  각 변수간 상관성을 확인하기 위해 상관분석을 실시

  지역별 주차공간과 높은 상관성을 보이는 요인
  유동인구 (0.85), 서비스업 점포 수 (0.72), 직장인구 (0.67)

• STEP2. 회귀분석1

  회귀분석1

  

  

  통계 분석 기법 중 다중 선형 회귀 분석을 적용하여 주차면 수에 대한 회귀 모형 도출

  단계적 선택법(Stepwise Selection Method)을 적용한 결과 주차면 수에 유의미한 변수
  행정동 면적, 유동인구, 거주인구, 직장인구, 외식업 · 서비스업 점포 수

  회귀 모형의 최종 설명력(Adjusted R-Squared)은 85.72%

• STEP3. 회귀분석2

  회귀분석2

  

  

  다중 선형 회귀 모형의 가정(선형성, 정규성, 등분산성, 독립성)을 진단하기 위한 확인 결과
  ① 선형성 ② 잔차의 정규성 ③ 등분산성 ④ 1개를 제외하고 큰 영향을 주는 관측치 없음

  다중 선형 회귀 모형의 가정을 만족하며 다중공선성 또한 발생하지 않음

문제 및 현황

분석 과정

• STEP1. 군집분석

  현황분석을 토대로 지역별 특성을 반영한 지역 군집 분석

  

  군집분석에 사용되는 지역변수 분류1. 택배물량(지역변수 4종)

  택배 물량
  월_평균
  월_편차
  월_최소
  월_최대

  군집분석에 사용되는 지역변수 분류2. 행정인구(지역변수 6종)

  행정인구
  총 인구수
  세대수
  남자.인구수
  여자.인구수
  세대당 인구
  남녀비율

  군집분석에 사용되는 지역변수 분류3. 시간대_유동인구(지역변수 24종)

  시간대_유동인구
  00시 유동인구	12시 유동인구
  01시 유동인구	13시 유동인구
  02시 유동인구	14시 유동인구
  03시 유동인구	15시 유동인구
  04시 유동인구	16시 유동인구
  05시 유동인구	17시 유동인구
  06시 유동인구	18시 유동인구
  07시 유동인구	19시 유동인구
  08시 유동인구	20시 유동인구
  09시 유동인구	21시 유동인구
  10시 유동인구	22시 유동인구
  11시 유동인구	23시 유동인구

  군집분석에 사용되는 지역변수 분류4. 자택직장정보(지역변수 2종)

  자택직장정보
  직장인구비율
  자택인구비율

  군집분석에 사용되는 지역변수 분류5. 성별/연령대별 평균연소득금액(지역변수 12종)

  성별/연령대별 평균연소득금액
  남성 10대 평균연소득	상위소득자 남성 10대 평균연소득	남성 10대 평균가구소득	남성 10대 중위연소득
  남성 20대 평균연소득	상위소득자 남성 20대 평균연소득	남성 20대 평균가구소득	남성 20대 중위연소득
  남성 30대 평균연소득	상위소득자 남성 30대 평균연소득	남성 30대 평균가구소득	남성 30대 중위연소득
  남성 40대 평균연소득	상위소득자 남성 40대 평균연소득	남성 40대 평균가구소득	남성 40대 중위연소득
  남성 50대 평균연소득	상위소득자 남성 50대 평균연소득	남성 50대 평균가구소득	남성 50대 중위연소득
  남성 60대 평균연소득	상위소득자 남성 60대 평균연소득	남성 60대 평균가구소득	남성 60대 중위연소득
  여성 10대 평균연소득	상위소득자 여성 10대 평균연소득	여성 10대 평균가구소득	여성 10대 중위연소득
  여성 20대 평균연소득	상위소득자 여성 20대 평균연소득	여성 20대 평균가구소득	여성 20대 중위연소득
  여성 30대 평균연소득	상위소득자 여성 30대 평균연소득	여성 30대 평균가구소득	여성 30대 중위연소득
  여성 40대 평균연소득	상위소득자 여성 40대 평균연소득	여성 40대 평균가구소득	여성 40대 중위연소득
  여성 50대 평균연소득	상위소득자 여성 50대 평균연소득	여성 50대 평균가구소득	여성 50대 중위연소득
  여성 60대 평균연소득	상위소득자 여성 60대 평균연소득	여성 60대 평균가구소득	여성 60대 중위연소득

  군집분석에 사용되는 지역변수 분류6. 성별/연령별 평균소비금액(지역변수 12종)

  성별/연령별 평균소비금액
  남성 10대 평균 3개월 카드이용금액
  남성 20대 평균 3개월 카드이용금액
  남성 30대 평균 3개월 카드이용금액
  남성 40대 평균 3개월 카드이용금액
  남성 50대 평균 3개월 카드이용금액
  남성 60대 평균 3개월 카드이용금액
  여성 10대 평균 3개월 카드이용금액
  여성 20대 평균 3개월 카드이용금액
  여성 30대 평균 3개월 카드이용금액
  여성 40대 평균 3개월 카드이용금액
  여성 50대 평균 3개월 카드이용금액
  여성 60대 평균 3개월 카드이용금액

  현황분석을 통해 군집분석에 사용하기 위해 지역변수 96개 정의
  (택배정보, 행정인구정보, 시간대별 유동인구정보, 자택직장정보, 성별/연령별 평균연소득과 평균소비금액)

  

  Elbow Method 최적 군집 개수 계산 결과 최적 군집수는 3~4개로 확인되나 더 세분화를 시도

  최종 군집수 11개로 선택

  분석결과 1 – 군집별 특징

  1군집 (주거인구밀집지역)
  7군집 (고층빌딩/아파트숲 지역)

  1군집의 물량합계 비율은 전체 중 37%,
  7군집의 물량합계 비율은 전체 중 29% 로
  전체물량의 66%를 차지하여 비중이 매우 높다.

  2개 군집은 다음과 같은 특징을 지닌다.
  ① 여성 비율이 높음
  ② 해당 지역에 직장을 가지고 있는 비율이 높음
  ③ 평균 소득/소비가 높음

  

  분석결과 2 – 월평균 물량 상위 1,2 위 군집
  (1번,7번 군집)과 기타 군집 비교

  1군집 (주거인구밀집지역)

  월 평균 택배 물량과 거주인구가 가장 많다.
  직장과 자택인구 비율이 둘 다 매우 높고,
  일반주택 등이 밀집되어 있는 지역으로 분석됨

  7군집 (고층빌딩/아파트숲 지역)

  직장인구 비율이 가장 높고, 출퇴근시간대
  유동인구가 변화가 크다. 자택인구비율이
  1군집에 비해 상대적으로 적어 고층빌딩과
  아파트가 밀집되어 있는 지역으로 분석됨

  

• STEP2. 상관분석

  상관분석

  

  일일 전체 합계물량 600만 이상인 일자를 분석한 결과 추석/설날/개학(개강)/어린이날/월초 의 경우 택배물량에 큰 영향을 끼침

  2019년 설날(2/4(월)~2/6(수)) 과 추석(9/12(목)~9/14(토))은 평일이 많아 휴일이 길어졌고, 연휴가 끝난 직후에 접수가 몰림. 특히 추석직후에 물량이 가장 높은 것으로 나타남

  월 단위로 봤을 때 월초에 물량이 많고 월말에 물량이 줄어드는 추세가 있음

• STEP3. 회귀분석

  군집별 택배 배달물량 회귀분석

  

  데이터를 결합한 후 학습용(2019.01~2019.10)/테스트용(2019.11~2019.12)으로 분리하여 모델링

  독립변수로 날짜정보, 택배물량 정보, 그리고 지역별 인구변화율평균(아침·점심·저녁·새벽) 정보를 사용

  다중 선형 회귀 분석을 적용하여 군집별 택배물량 예측 모델 생성하고 단계적 선택법(Stepwise Selection Method)을 적용하여 정 영향을 받는 최적화된 설명변수를 도출함

  분석결과 1 – 군집별 정확도

  

  군집별 정확도 현황표

  순위	군직번호	군집명	예측 정확도(군집)	정확도 1순위 지역	일자별 평균물량	예측 정확도(지역)
  1	7	고층 빌딩, 아파트 숲	91.8%	경남 창원시 마산회원구 내서읍	4755	93.4%
  2	1	주거인구밀집지역	90.4%	부산광역시 해운대구 반여동	6112	94.0%
  3	4	주거형 번화가	90.0%	서울특별시 동작구 흑석동	2319	92.9%
  4	9	베드타운	87.5%	인천광역시 연수구 선학동	1312	92.4%
  5	10	구도심 생활지역	83.7%	경기도 양평균 서종면	640	90.6%
  6	5	대형전통시장	81.2%	강원도 삼척시 근덕면	252	89.2%
  7	2	대학교 인접 지역	79.8%	서울특별시 구로구 온수동	517	84.0%
  8	5	저가구수·고연령층 지역	78.5%	전라남도 광양지 진월면	99	88.0%
  9	11	지역 산업	75.2%	전라북도 정읍시 하복동	60	85.4%
  10	3	쇼핑상가 인접지역	73.0%	서울특별시 중구 광화동1가	552	82.6%
  11	8	직장 밀집·비거주 지역	67.3%	경상남도 김해시 상동면	230	75.5%

  분석결과 2 – 요일별 정확도

  

  요일별 정확도 평균 현황표

  요일	정확도 평균	정확도 편차
  월요일	70.0%	11.5%
  화요일	90.3%	4.8%
  수요일	90.0%	5.7%
  목요일	83.6%	8.6%
  금요일	90.5%	4.6%

  월요일이 오차율이 가장 크고, 오차율의 편차도 11.5 %로 가장 높음

  예측기간에 대한 학습이 부족하여 11월 중순 ~ 12월 중순 사이에 월요일 물량 오차가 크게 발생

  분석결과 3 – 군집별로 지역 일일 평균물량(X축)과 정확도(Y축)와의 관계

  

  일일 평균물량이 많을수록 안정적이고 높은 정확도를 보임

  1, 4, 7번 군집은 물량에 관계없이 편차가 적고 높은 정확도를 유지함

문제 및 현황

분석 과정

• STEP1. 업종 중분류 통합

  업종 중분류 통합

  

  36개의 중분류에서 6개월간 매출 400억원 미만의 22개 중분류와 ‘기타’ 중분류를 ‘기타미분류’로 통합

  자판기 중분류의 경우 데이터가 없어 제외

  레져업소, 보건/위생, 보험, 여행업, 연료판매, 용역서비스, 유통업영리, 음식료품, 의료기관, 의류, 일반음식, 학원, 휴게 13개 중분류는 분석에 그대로 포함하며, ‘기타미분류’를 포함하여 14가지 분류로 분석을 진행

• STEP2. 대상 고객 선정

  대상 고객 선정

  

  대상고객선정

  1. 고객별로, 중분류별 매출을 0점부터 10점까지 등급으로 표시
  2. 매출 등급의 평균을 계산
  3. 매출 등급의 평균이 6점 초과 또는 1점 이하인 35,181명을 특이 고객으로 간주
  4. 특이 고객들을 제외한 622,856명의 고객(94.7%)에 대해 군집 분석을 실시

  개인별로 매출액이 높은 경우 : 6개월간 매출 10억원 이상을 낸 개인 4명

  총 658,037명의 고객에서 622,856명의 고객(94.7%)을 군집 분석 대상으로 지정

  ※매출액이 평균 수준을 크게 상회하거나, 크게 미달인 개인은 분석에서 제외

• STEP3. 군집분석

  데이터 변환

  

  고객별 소비 현황을 업종별로 pivoting 진행
  → row : 고객 622,856 명 / col : 고객랜덤번호 포함 중분류 14개

  → 중분류 매출금액으로 군집분석 진행

  최적 군집 개수의 선정

  

  군집의 개수가 많을수록 분석의 성능은 더 개선되지만, 군집 수가 너무 많을 경우, 분석의 설명력은 떨어짐

  군집 분석의 적정성은 inertia 값(군집 중심점에서 군집 내 데이터간 거리의 제곱의 합을 계산한 값)이 적은 값일수록 적정한 것으로 평가

  Inertia값은 군집 개수가 증가할수록 감소하므로, inertia의 감소가 완만해지는 개수를 적정 군집 개수로 선정

  40개의 군집 수를 채택하여 분석 진행

  군집별 고객수 & 군집별 합계매출금액

  

  군집별 고객수는 0번 군집이 가장 많고, 합계금액은 16번 군집이 가장 많음

  상위 13개의 군집이 고객의 99%, 합계매출금액은 94%를 차지

  고객수 하위 군집 특징

  

  고객수가 적은 군집의 특성을 살펴보면 특정 업종에서 비정상적으로 많게는 억단위, 적게는 천단위 금액으로 소비금액이 높음

  해당 기간동안 특정 이벤트가 있거나, 개인 카드가 아닌 법인카드 가능성 등으로 군집 분석 보다는 데이터 기반의 개인화를 통한 맞춤형 서비스를 진행하는 것이 효율적으로 보임

  → 고객수 상위 13개의 군집 선정 프로파일링 진행

  고객수 상위 군집 특징

  

  고객수 상위 13개 군집의 업종별 평균 매출금액을 토대로 군집별 특징 및 네이밍 진행

• STEP4. 군집분석결과 프로파일링

  군집 프로파일링

  

  군집 프로파일링 데이터 표

  군집 번호	고객 수 (명)	군집 이름	군집 특징
  0	193,697	용돈소비	월 소비금액이 가장 적으며 다른 군집에 비해 생활관련 소비는 낮은 반면 휴게, 레저업조의 소비금액이 높음
  16	139,644	필수소비	월 소비 금액이 낮고 전반적으로 특정 업조으로 편중되지 않음
  14	86,669	균형소비	필수소비와 소비패턴은 유사하지만 월 평균 소비 금액이 높음
  28	75,394	밥먹고 커피도 마시고	일반음식점, 휴게, 레저업소에 비율이 높은 외식형 소비층
  39	43,172	식당보다 유통매장	일반 음식점 소비가 낮은 반면 유통업의 소비가 높은 소비층
  22	23,109	지속치료환자 가구	의료기관의 소비가 월 평균 47만원 수준의 지속적인 치료를 받는 소비층
  27	17,133	유통매장 홀릭	식당보다 유통매장과 소비패턴은 유사하지만 월 평규 소비 금액이 높음
  4	11,084	교육 관심	유톡 학원 업종(대학등록금 포함)의 소비가 가장 높은 소비층
  35	7,781	취미 중심	요리(음식료품), 뷰티(보건/위생), 운동(레저업소) 등 다양한 취미 활동 관련 소비 금액인 높음
  29	6,994	맛집 탐방	압도적으로 음식관련 업종의 소비가 높고 여행, 주유 등의 소비가 높음
  8	5,438	패션, 쇼핑	의류 및 유통업의 소비가 가장 높은 소비층
  30	5,216	용역 서비스 이용	용역 서비스, 보험 등의 소비가 높은 소비층
  38	3,234	집중치료환자 가구	의료기관의 소비가 월 평균 146만원으로 가장 높은 소비층

  군집 별 소비 트렌드

  

  • 용돈소비 : 유통업과 일반음식의 비중이 높음
  • 필수소비, 균형소비, 식당보다 유통매장, 유통매장 홀릭, 패션/쇼핑 : 유통업 비중이 월등히 높음
  • 밥먹고 커피, 맛집탐방 : 일반음식 비중이 월등히 높음
  • 지속 치료 환자 가구, 집중 치료 환자 가구 : 의료 기관 비중이 높음
  • 교육 관심 : 여행업 비중이 높음
  • 취미 중심 : 기타미분류 비중이 높음
  • 용역 서비스 이용 : 용역서비스 비중이 높음