2023.07.13(목)

🚀 데이터분석/공공데이터 🚀

#지하철역 #유동객

🔍 유익한 인사이트를 찾아드려요

오늘의 꿀레터🍯

[1] #데이터분석 #지하철하차승객수 🚇

[2] #6월 #종합운동장 🎧

[3] #동작역 #현충일 📅

📊 서울열린데이터 광장

“데이터 분석. 누구나 할 수 있습니다!”

📌 외부 Data 분석, 어렵지 않아요! (feat. 공공데이터 활용)

오늘은 "외부 데이터(지하철 하차승객수)"를 활용해서, 간략 분석 사례를 소개 해드릴게요. "어디서 데이터를 찾는지?", "어떻게 데이터를 활용하는지?" 등.. "외부 데이터 분석" 에 대해, 데이터전략팀의 노하우를 아낌없이 전달 드리겠습니다!😀

지난 꿀레터 : 코로나 이제 끝났어?💥편 에서 외부데이터를 활용한 분석이 재밌다는 의견이 많았는데요. (연도별 지하철 하차승객수 비교를 통한, 코로나 전후의 패턴 소개) 해당 데이터는 누구나 사용할 수 있는 공공데이터에요.

같은 데이터를 활용해서, 다른 관점으로 인사이트를 뽑아볼게요! :)

📌 Data 획득 및 분석 가능 범위 확인

[활용] "공공데이터 : 서울열린데이터광장" - 서울시 지하철호선별 역별 승하차 인원정보

[특징] '일자별' 지하철 '역별' 승하차객수 Data 획득 가능 → '역별' 유동객 '추이' 확인 가능

[분석] 5월보다 6월에 HOT 했던 지역은 어디일까?

🔎 6월 하차승객 수 전월 대비 가장 늘었던 지하철역은?🚇

* 공공데이터 활용 : 서울시 지하철호선별 역별 승하차 인원정보 (서울교통공사, 한국철도공사, 공항철도, 9호선)

* 분석 기간 : 5월, 6월 2주차 ~ 4주차 (해당 월 內 월요일~일요일 순수 7일을 보유한 주차, 동요일 기준 분석)

* 지하철 하차승객 수를 "유동객"으로 명명하여 분석 진행

📈 Check Point

23년 6월 서울 공공데이터 기준, 교통카드를 이용한 지하철 역별 하차 인원 수 분석 결과

💡 총 525개역 中 전월(5월) 대비 유동객 상승한 지하철역, 단 14개.

💡 전월 대비 10% 이상 신장한 곳, 단 2개. 종합운동장역(+24%), 동작역(+20%)

📌 전월 대비 유동객 수 가장 많이 늘었던 곳🚇: "종합운동장역"

🔎 종합운동장역은 "왜" 늘었을까? 패턴 분석

📈 Check Point (주차별 추이 : 평일 vs 주말)

💡 평일 전월비 : 주차별 큰 이슈 X

💡 주말 전월비 : 2주차 -43.5% / 3주차 +172.6% / 4주차 +233.9%

💡 6월 종합운동장 3,4주차 주말 유동객, 전월대비 무려 170% 이상 신장

📌 3주차, 4주차에서, 특히 '주말'에서 큰 임팩트 존재

🔎 종합운동장역은 "왜" "3,4주차 주말에" 늘었을까? 이벤트 체크

📈 Check Point

6월 3,4주차 주말 이벤트 특이사항 확인 결과, 종합운동장역 인근 다수의 콘서트/이벤트 확인

📅 3주차 주말

💡 브루노마스 내한 공연 : 06/17(토) ~ 06/18(일), 잠실종합운동장 올림픽 주경기장

💡 (G)I-DLE 월드투어 서울 : 06/17(토) ~ 06/18(일), 잠실실내체육관

💡 프로야구 잠실 더비 (두산 vs LG) : 06/17(토) ~ 06/18(일), 잠실야구장

📅 4주차 주말

💡 BTS 슈가 단독 콘서트 : 06/24(토) ~ 06/25(일), 잠실실내체육관

💡 워터밤 서울 2023 : 06/23(금) ~ 06/25(일), 잠실종합운동장 보조경기장

💡 프로야구 잠실 경기 (롯데 vs LG) : 06/17(토) ~ 06/18(일), 잠실야구장

📌 3주차, 4주차 '주말' '종합운동장역', HOT한 오프라인 Event Issue

🔎 (참고) 종합운동장역 "6월 2주차 주말은" "왜" 역신장했을까?

📈 Check Point (2주차 주말 드릴다운)

💡 3,4주차와 달리, 2주차 주말 -43.5% : 토요일 -52.7% vs 일요일 -24.8%

💡 5월 2주차 토요일 이벤트 유추 ▶ 조용필 콘서트 : 05/13(토), 잠실종합운동장 올림픽주경기장

📌 전월(5월) '2주차 토요일', Event 존재로 인한 주말 전월비 역신장

사람이 많이 모이는 곳에는 역시나 이유가 있었어요. 단순하게 느낌으로 사람이 많더라~ 하던 부분을, 숫자로 확인할 수 있었습니다. 우리 곁에는 수많은 데이터가 있습니다. 누구나 활용할 수 있는 공공데이터도 쉽게 접할 수 있고요.

우리는 Data 를 가지고 의미를 찾는 탐험🚀 을 할 수도 있고,

자신이 가지고 있던 가설을 Data로 검증📝할 수도 있답니다.

🔎 [추가 분석] 6월 동작역🚇 : 전월 대비 왜 20%가 늘었을까?

📈 Check Point

6월 전월대비 유동객 10% 이상 신장한 곳은, 말씀 드렸듯이 '종합운동장역' 과 '동작역'이에요.

종합운동장은 알겠는데... 동작역은 뜬금없이...? WHY...? 콘서트 이슈 같지는 않아서 더 의아했거든요. 어떤 이슈가 있었는지, 한번 더 분석해보도록 해요~!🔎

종합운동장과 동일하게 분석을 진행했어요. (과정 생략) 특이했던 부분은 "2주차 평일" 에서 +88.2%의 전월비를 나타냈어요. 2주차 평일을 요일별로 뜯어서 비교해볼게요.

🔎 동작역은 "왜" 늘었을까? 2주차 평일

📈 Check Point (동요일 비교)

💡 평일 전월비(+88.2%) 중 06/06(화)에 +552%의 전월비 (전일 대비로는 4배 수준)

💡 06/06(화) = 공휴일 (현충일) & 동작역 = 국립서울현충원 존재

(*) 현충일 : 국토방위에 목숨을 바친 이의 충성을 기념하기 위한 법정 공휴일

(*) 현충원 : 우리나라 제1의 국립묘지이자, 국민과 함께 가꾸어 가는 호국추모공원

📌 동작역 = 현충원 있는 곳 = 현충일에 유동객이 많은 곳

📈 Check Point

동작역(현충원)은 매년 현충일에 급상승하는 패턴을 보일까요? "특정한 날, 특정한 곳에서 동일한 패턴이 발생하는가?" 에 대한 답변을 하고 싶어요. 한번 살펴보죠!🔎

🔎 [응용] 동작역은 현충일에 매년 같은 패턴을 보일까?

📈 Check Point (16년 이후 일자별 추이)

16년 1월부터 일자별로 동작역 유동객을 봤을 때, 매년 1번씩 '아웃라이어' 가 존재해요.

이 때는 모두 '6월 6일 현충일' 이었습니다. (+ 코로나 이후 현충일 유동객 감소했으나, 점차 회복되는 추세도 함께 보이네요!)

(*) 아웃라이어 : 평균치에서 크게 벗어나서 다른 대상들과 확연히 구분되는 표본

특정한 날, 특정 지역에 유동객이 집중되는 재밌는 패턴을 찾았어요. 이 패턴에 대한 임팩트를 살펴볼게요. 최근 7개년 기준으로 '동작역 유동객 Ranking'을 요약 해보면,,, (*587개역 대상)

💡 '연 누계 평균' : 390위

💡 '현충일 당일 평균' : 51위🔥 (코로나 전 : 평균 25위 Rank)

📌 동작역 = 현충원 있는 곳 = 현충일에 유동객이 많은 곳 & 패턴 반복 & 임팩트 大

정말 엄청 나죠..? 이쯤 되면 현충일 동작역 근처에서, 애국 팝업스토어 열어도 괜찮을지도...?🙊

하지만 날이 날이니 만큼 조심해야 할 필요성도 있어요!😥

오늘 활용한 공공Data는 여기 에서 확인이 가능해요~👀

이번 레터는 개인적으로 재밌게 준비했어요. I 성향 100%인 저에게 '유동객'은 정말 필수 정보거든요..😥 SNS나 뉴스로만 접했던 핫한 소식을 숫자로 돌이켜보니깐, 신기하기도 했어요.

데이터... 정말 신기하죠?😋

다음엔 더 재밌는 주제로 돌아올게요. 혹시 평소에 궁금하거나 더 알고 싶은 내용이 있다면, 아래 피드백 통해서 말해주세요! 오늘 하루도 화이팅입니다! :)

6월 종합운동장 폼 미쳤다!

💡 TMI : 공공데이터 활용 TIP

공공데이터 활용시, 원하는 형태가 아닐 수 있어요. (Ex. 날짜가 숫자의 형태로 적혀있는 경우, 행/열이 반대로 되어 있는 등...) 이럴 때 일수록 '유연한 대처' 가 필요하답니다! (Never Give UP!)

구조적인 차원에서는 엑셀 함수를 활용해서 형태를 변화시킬 수 있고, 피벗을 활용해서 형태를 변화시킬 수 있어요. 수기로 조정할 수도 있습니다.

구조적인 정비를 마쳤다면, 쉽게 분석할 수 있게끔 정보를 정리해두는 것도 좋아요. 가지고 있던 마스터 파일을 활용해서 추가 정보를 붙이거나, 불변의 진리 옆에 불변의 정보를 붙일 수 있어요.

EX. 사과🍎 / 콜라🥤 / 컴퓨터💻 / 침대🛏️ 라는 DATA가 있다면 ▶ 사과에는 '과일', 콜라에는 '음료', 컴퓨터에는 '전자기기', 침대에는 '가구' 라는 정보를 기재 ▶ 이 때부터 그룹핑 분석이 가능해요. 예를들면, "카테고리" 별 분석을 할 수 있겠죠? ▶ 또 "먹을 수 있는 것/없는 것" 이라는 신선한 주제로도 활용할 수 있어요.

처음 접하는 데이터는 아무래도 배경지식이 많이 없다 보니, 크게크게 보면서 파고 들어가는게 편하더라고요. 오늘 소개 드린 사례도 마찬가지였고요. [구조] 숫자로 된 일자를 날짜로 변환해서, [정보] 불변의 진리인 요일을 붙이고, 평일/주말을 구분하고, 주차를 구분했어요. 크게크게 그룹핑하다보니 특이사항들이 빠르게 보였어요.

🌈 오늘의 꿀레터는 어땠나요?

👇 클릭하시면 설문지로 이동합니다 (5초컷)

꿀맛이었어요! 🍯

음, 밍숭맹숭했어요 💧

꿀레터는 PC버전에 최적화 되어 있어요!

모바일버전에서는 이미지가 조금 작을 수 있으니 PC로 보시는 걸 추천드려요😉

신성통상

ssts0118@ssts.co.kr

서울시 강동구 풍성로 63길 84 / 02-3709-9092
수신거부 Unsubscribe