SlideShare a Scribd company logo
가명(家明) 김양경 김은선 최리 최유나 홍주
연
2030을 위한
서울에서
내 동네 찾기
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
1. 문제 인식
2. 원인 분석
3. Solution으로서의 시각화
4. 대시보드 1: 살기 좋은 곳이란 무엇일까?
5. 대시보드 2: 내가 살기 좋은 곳은 어디일까?
6. 대시보드 3: 집은 어떻게 구해야 할까?
7. 대시보드 활용 방안
8. DEMO
Why?
How?
So?
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
높아지는 집값과 2030의 절망
서울 반지하방
전세 1억원 돌파
2021년 9월
지난 5년간 부동산 문제로
결혼과 출산, 자산 형성 등
인생 전반의 계획이 달라졌다
100,000,000원
서울 청년(20~34세)
676명 대상 조사
전국
10.9%
서울
15.4
%
내집 마련을
할 수 없을 것 같다
부모님 도움 없이
내집 마련 불가능하다
53%
서울 청년(20~34세)
676명 대상 조사
청년(20~34세)
3,067명 대상 조사
10명 中 7명
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
지금 청년들에게 필요한 것은?
내 취향과 욕구를
반영한 집이 아니라
“내 경제적 상황”에
맞는 집을 찾는 청년
들
내 집 하나 찾기 힘든
사회초년생에게,
돈이 아니라 나에게 맞는
동네를 찾아줄 수는 없을
까?
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
지금 청년들에게 필요한 것은?
내 취향과 욕구를
반영한 집이 아니라
“내 경제적 상황”에
맞는 집을 찾는 청년
들
내 집 하나 찾기 힘든
사회초년생에게,
돈이 아니라 나에게 맞는
동네를 찾아줄 수는 없을
까?
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
여기서 시작된 프로젝트,
집 가 밝을 명
가명(家明)
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
흥미 탐색 실행
살기 좋은 곳이란 무엇일까? 내가 살기 좋은 곳은 어디일까? 집은 어떻게 구해야 할까?
Interest Research Execute
 ‘살기 좋은 곳’이란 무엇인지 정의
 보편적 기준에서 살기 좋은 곳 탐색
 사용자의 선택에 따라 지표에 가중치 적용
 나의 선호도에 맞는 동네 제시
 실제로 집을 구하는 절차 이해
 대략적 소요 비용 계산
3개의 대시보드를 거치는 여정을 통해 ‘돈’이 아닌 ‘나’에게 맞는 동네를 그려나가게
됨
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
대시보드 개요
Dashboard 1
흥미
살기 좋은 곳이란 무엇일까?
Interest
 ‘살기 좋은 곳’이란 무엇인지 정의
 보편적 기준에서 살기 좋은 곳 탐색
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 1&2
우리가 살고 있거나, 자주 방문하는
익숙한 자치구를 선택해
인구 분포를 시각적으로 확인
생애주기와 경제적 상황을 고려해
살기 좋은 곳에 사람이 몰려든 걸까,
사람이 많아 살기 좋은 곳이 된 걸까?
간단한 데이터를 가볍게 살펴보며
앞으로 논의할 주제-거주-에 대한
Warming-up 기능 수행
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 3&4
‘거주’라는 대주제와 관련해
가장 관련이 높은 연관키워드 선정,
키워드 클릭 시 interaction으로
관련 기사, 그래프 띄움
집은 나의 편안함과 휴식을 위한 곳인데,
이런 키워드밖에 없는 건 뭔가 잘못된 것 같아
이용자로 하여금 문제의식을 가질 수
있도록 유도하는 기능 수행
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 5&6
(서울 열린데이터광장- ‘서울시 거주지 선택시 고려요인 통계’ 데이터 활용)
통계적으로 증명된 거주지 선택에 가장
결정적 영향을 미치는 요소 탐색
경제적 여건을 제외하고, 20대의 거주지
선택에 큰 영향을 미치는건 교통, 편의 등이 있구나!
20대의 주요 고려요인을 바탕으로
본 프로젝트에서 사용할
‘살기 좋은 곳’의 기준 결정
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
사용한 데이터
안전 편의 교통 의료 문화
 경찰서
 소방서
 백화점
 편의점
 버스정류소
 지하철역
 병원
 약국
 공원
 영화관
공공데이터 포털 이용 및 크롤링하여 서울특별시 내 시설 추출
각 시설의 위,경도에서 api를 이용해 도로명 주소로 변환
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 5&6
최종 지표별 자치구 점수 기준
단순 지표 기준 서울에서 가장 살기
좋은 자치구는 어디인지 탐색
‘내 기준’으로 지표를 조절하기에 앞서,
지표를 가장 단순하게, 거시적으로
적용했을 때 살기 좋은 곳은 어디일까?
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
대시보드 개요
Dashboard 2
탐색
내가 살기 좋은 곳은 어디일까?
Research
 사용자의 선택에 따라 지표에 가중치 적용
 나의 선호도에 맞는 동네 제시
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 7&8
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
사용한 데이터
법정동별_지표_개수
 앞서 변환한 도로명 주소에서 ‘법정동’ 추출
 동일한 법정동 내에 있는 시설 개수 count
항목명(국문) 샘플데이터
법정동 가락동
경찰서 2
공원 0
백화점 0
버스 61
병원 154
소방서 1
약국 7
영화관 0
지하철 5
편의점 49
인구밀도_고려비율
항목명(국문) 샘플데이터
구 강남구
동 삼성1동
문화지수 1.13964
안전지수 2.27968
편의지수 2.81320
의료지수 3.09904
교통지수 0.59854
 시설 개수를 count 한 것을 기반으로
법정동별 인구밀도를 반영하여 점수화
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
사용한 데이터
항목명(영문) 샘플데이터
Safety(안전) 0.0135
Conv(편의) 0.1244
Traffic(교통) 0.2724
Medical(의료) 0.3195
Culture(문화) 0
EMD_CD(법정동코드) 11680103
BaB_cnt_cal_pop.csv 행정동의 지표별 시설 개수
행정구의 지표별 시설 개수
공덕동 편의점 수
마포구 편의점 수
Example
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 7&8
을지로 에 있는 직장에 입사하게 돼서 강북 2호선 라인
쪽에서 자취방을 구하려고 하는데, 밤늦게 들어가도
안전한지, 편의 시설이 주변에 많은지가 가장 중요해.
서울에서 집을 찾는 사회초년생의 경우,
학교/직장의 위치에 따라 마음에 두고 있는 지역이
대략적으로 정해져 있는 경우가 많음
원하는 자치구를 먼저 선택한 후,
5개 지표 중 본인에게 중요한 지표의
가중치를 조절해 해당 구 안에서
살기 좋은 동 탐색
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 7&8
중구에서 을지로 2가와 무교동, 전체 점수는 비슷한데
을지로 2가 교통이 훨씬 편리하구나!
색의 명도만으로 각 동별 점수 차이
를
명확하게 확인하기 어려우므로
각 동별 전체+지표별 점수로
구체적인 차이 확인할 수 있도록 함
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 9&10
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
사용한 데이터
항목명(국문) 샘플데이터
건축년도 1990’s
자치구명 강남구
법정동명 개포동
임대건물명 월세
임대면적 75.1428
보증금 338,5714286
임대료 40.71
 서울특별시 전월세가 정보를 2016년부터 2020년까지 추출
 사용하지 않는 칼럼(지번코드, 임대건물코드 등), 누락행 삭제
 건축년도 칼럼에서 일자를 제외한 년도만 남기고, 10년 단위로 묶음
전월세 그룹.csv
항목명(국문) 샘플데이터
자치구명 중랑구
법정동명 목동
신고년도 2016
건물면적 85.78
층정보 11
건물주용도 아파트
건물명 한양
 서울 열린 데이터 광장에서 제공하는 서울 부동산 실거래가 정보 추출
 시군구, 법정동, 신고년도, 면적, 층 등 정보 포함
 2016부터 2020까지의 데이터 병합
2016_2020 부동산 실거래.csv
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 9&10
같은 구 내 여러 동의 매물 가격을
전월세 여부, 건축 년도에 따라
비교하며 탐색 가능
마포구에서 전세로 오피스텔에 살고 싶은데…
제일 살고 싶은 상암동 매물은 너무 비싸네,
저렴한 상수동 쪽 매물을 찾아봐야겠다.
내 기준에 따라 살고싶은 동네를 구체화한 후,
다음 page에서는 현실적으로 그곳에
살 수 있는지 따져볼 수 있도록 구성
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 11&12
각 구/동 별로 계약 년도에 따른 보증금,
임대료의 변화 추이와 평균 매매 금액 제시
난 살기 좋은 곳도 좋지만 쓸 수 있는 예산이
딱 정해져있는데… 예산 기준으로 볼 수는 없나?
동네의 대략적인 가격을 보고 예산을
구체화시키고 싶은 사람, 정해진 예산이 확실
한 사람 등 다양한 니즈를 만족시킬 수 있음
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
대시보드 개요
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
대시보드 개요
Dashboard 3
실행
Execute
집은 어떻게 구해야 할까?
 실제로 집을 구하는 절차 이해
 대략적 소요 비용 계산
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 13&14
집을 구해보는게 처음이라… 전세 계약은
어떻게 하고 뭐가 필요한지 아무것도 모르겠어.
전세 계약은 이런 순서로 이루어지는구나,
이제 조금 알 것 같아!
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
Page 17&18
전세금, 대출금액을 입력하고
계약의 각 단계마다 필요한 금액이
어느 정도인지 파악
가계약금 입금 전에 이 정도 금액은
넉넉하게 마련해둬야 하는구나!
목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안
서울에 지인
집 잘 구할 수 있을까요? 서울 지리를 잘 몰라서 걱정이에요
웹 보러가기
인스타그램 구경하기 태블로로 체험하기
家明과 함께 서울에서 우리 동네를 찾아보세요!
부산에서 살다가 직장 때문에
처음으로 서울에서 자취하게 됐는데,
집을 어떻게 구해야 할지 걱정돼요
서울에서리를 잘 몰라서 걱정
이에요
대학 근처로 자취방을 구하려고 하는데,
어느 동네가 좋은지, 매물 가격은 어떤지 궁금하지만
부동산에 무작정 방문하는건 꺼려져요
돈보다는 제 기준에 맞는 집을 찾고싶은데
인터넷에는 가격, 교통 정보만 너무 많아요
DEMO

More Related Content

More from BOAZ Bigdata

제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
BOAZ Bigdata
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
BOAZ Bigdata
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
BOAZ Bigdata
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
BOAZ Bigdata
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
BOAZ Bigdata
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스  - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스  - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
BOAZ Bigdata
 

More from BOAZ Bigdata (20)

제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [디버깅 드래곤즈] : 실시간 채용공고 요약 Slack Bot
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [뉴진스] : Multi-modal Fake News Detection
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스  - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스  - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [시켜줘, 보아즈 명예경찰관] : 보이스피싱 탐지 알고리즘
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
 

제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [가명 팀] : 2030의 개개인별 선호도에 따른 서울 내에서 살기 좋은 지역 추천

  • 1. 가명(家明) 김양경 김은선 최리 최유나 홍주 연 2030을 위한 서울에서 내 동네 찾기
  • 2. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 1. 문제 인식 2. 원인 분석 3. Solution으로서의 시각화 4. 대시보드 1: 살기 좋은 곳이란 무엇일까? 5. 대시보드 2: 내가 살기 좋은 곳은 어디일까? 6. 대시보드 3: 집은 어떻게 구해야 할까? 7. 대시보드 활용 방안 8. DEMO Why? How? So?
  • 3. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 높아지는 집값과 2030의 절망 서울 반지하방 전세 1억원 돌파 2021년 9월 지난 5년간 부동산 문제로 결혼과 출산, 자산 형성 등 인생 전반의 계획이 달라졌다 100,000,000원 서울 청년(20~34세) 676명 대상 조사 전국 10.9% 서울 15.4 % 내집 마련을 할 수 없을 것 같다 부모님 도움 없이 내집 마련 불가능하다 53% 서울 청년(20~34세) 676명 대상 조사 청년(20~34세) 3,067명 대상 조사 10명 中 7명
  • 4. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 지금 청년들에게 필요한 것은? 내 취향과 욕구를 반영한 집이 아니라 “내 경제적 상황”에 맞는 집을 찾는 청년 들 내 집 하나 찾기 힘든 사회초년생에게, 돈이 아니라 나에게 맞는 동네를 찾아줄 수는 없을 까?
  • 5. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 지금 청년들에게 필요한 것은? 내 취향과 욕구를 반영한 집이 아니라 “내 경제적 상황”에 맞는 집을 찾는 청년 들 내 집 하나 찾기 힘든 사회초년생에게, 돈이 아니라 나에게 맞는 동네를 찾아줄 수는 없을 까?
  • 6. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 여기서 시작된 프로젝트, 집 가 밝을 명 가명(家明)
  • 7. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 흥미 탐색 실행 살기 좋은 곳이란 무엇일까? 내가 살기 좋은 곳은 어디일까? 집은 어떻게 구해야 할까? Interest Research Execute  ‘살기 좋은 곳’이란 무엇인지 정의  보편적 기준에서 살기 좋은 곳 탐색  사용자의 선택에 따라 지표에 가중치 적용  나의 선호도에 맞는 동네 제시  실제로 집을 구하는 절차 이해  대략적 소요 비용 계산 3개의 대시보드를 거치는 여정을 통해 ‘돈’이 아닌 ‘나’에게 맞는 동네를 그려나가게 됨
  • 8. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 대시보드 개요 Dashboard 1 흥미 살기 좋은 곳이란 무엇일까? Interest  ‘살기 좋은 곳’이란 무엇인지 정의  보편적 기준에서 살기 좋은 곳 탐색
  • 9. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 1&2 우리가 살고 있거나, 자주 방문하는 익숙한 자치구를 선택해 인구 분포를 시각적으로 확인 생애주기와 경제적 상황을 고려해 살기 좋은 곳에 사람이 몰려든 걸까, 사람이 많아 살기 좋은 곳이 된 걸까? 간단한 데이터를 가볍게 살펴보며 앞으로 논의할 주제-거주-에 대한 Warming-up 기능 수행
  • 10. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 3&4 ‘거주’라는 대주제와 관련해 가장 관련이 높은 연관키워드 선정, 키워드 클릭 시 interaction으로 관련 기사, 그래프 띄움 집은 나의 편안함과 휴식을 위한 곳인데, 이런 키워드밖에 없는 건 뭔가 잘못된 것 같아 이용자로 하여금 문제의식을 가질 수 있도록 유도하는 기능 수행
  • 11. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 5&6 (서울 열린데이터광장- ‘서울시 거주지 선택시 고려요인 통계’ 데이터 활용) 통계적으로 증명된 거주지 선택에 가장 결정적 영향을 미치는 요소 탐색 경제적 여건을 제외하고, 20대의 거주지 선택에 큰 영향을 미치는건 교통, 편의 등이 있구나! 20대의 주요 고려요인을 바탕으로 본 프로젝트에서 사용할 ‘살기 좋은 곳’의 기준 결정
  • 12. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 사용한 데이터 안전 편의 교통 의료 문화  경찰서  소방서  백화점  편의점  버스정류소  지하철역  병원  약국  공원  영화관 공공데이터 포털 이용 및 크롤링하여 서울특별시 내 시설 추출 각 시설의 위,경도에서 api를 이용해 도로명 주소로 변환
  • 13. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 5&6 최종 지표별 자치구 점수 기준 단순 지표 기준 서울에서 가장 살기 좋은 자치구는 어디인지 탐색 ‘내 기준’으로 지표를 조절하기에 앞서, 지표를 가장 단순하게, 거시적으로 적용했을 때 살기 좋은 곳은 어디일까?
  • 14. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 대시보드 개요 Dashboard 2 탐색 내가 살기 좋은 곳은 어디일까? Research  사용자의 선택에 따라 지표에 가중치 적용  나의 선호도에 맞는 동네 제시
  • 15. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 7&8
  • 16. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 사용한 데이터 법정동별_지표_개수  앞서 변환한 도로명 주소에서 ‘법정동’ 추출  동일한 법정동 내에 있는 시설 개수 count 항목명(국문) 샘플데이터 법정동 가락동 경찰서 2 공원 0 백화점 0 버스 61 병원 154 소방서 1 약국 7 영화관 0 지하철 5 편의점 49 인구밀도_고려비율 항목명(국문) 샘플데이터 구 강남구 동 삼성1동 문화지수 1.13964 안전지수 2.27968 편의지수 2.81320 의료지수 3.09904 교통지수 0.59854  시설 개수를 count 한 것을 기반으로 법정동별 인구밀도를 반영하여 점수화
  • 17. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 사용한 데이터 항목명(영문) 샘플데이터 Safety(안전) 0.0135 Conv(편의) 0.1244 Traffic(교통) 0.2724 Medical(의료) 0.3195 Culture(문화) 0 EMD_CD(법정동코드) 11680103 BaB_cnt_cal_pop.csv 행정동의 지표별 시설 개수 행정구의 지표별 시설 개수 공덕동 편의점 수 마포구 편의점 수 Example
  • 18. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 7&8 을지로 에 있는 직장에 입사하게 돼서 강북 2호선 라인 쪽에서 자취방을 구하려고 하는데, 밤늦게 들어가도 안전한지, 편의 시설이 주변에 많은지가 가장 중요해. 서울에서 집을 찾는 사회초년생의 경우, 학교/직장의 위치에 따라 마음에 두고 있는 지역이 대략적으로 정해져 있는 경우가 많음 원하는 자치구를 먼저 선택한 후, 5개 지표 중 본인에게 중요한 지표의 가중치를 조절해 해당 구 안에서 살기 좋은 동 탐색
  • 19. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 7&8 중구에서 을지로 2가와 무교동, 전체 점수는 비슷한데 을지로 2가 교통이 훨씬 편리하구나! 색의 명도만으로 각 동별 점수 차이 를 명확하게 확인하기 어려우므로 각 동별 전체+지표별 점수로 구체적인 차이 확인할 수 있도록 함
  • 20. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 9&10
  • 21. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 사용한 데이터 항목명(국문) 샘플데이터 건축년도 1990’s 자치구명 강남구 법정동명 개포동 임대건물명 월세 임대면적 75.1428 보증금 338,5714286 임대료 40.71  서울특별시 전월세가 정보를 2016년부터 2020년까지 추출  사용하지 않는 칼럼(지번코드, 임대건물코드 등), 누락행 삭제  건축년도 칼럼에서 일자를 제외한 년도만 남기고, 10년 단위로 묶음 전월세 그룹.csv 항목명(국문) 샘플데이터 자치구명 중랑구 법정동명 목동 신고년도 2016 건물면적 85.78 층정보 11 건물주용도 아파트 건물명 한양  서울 열린 데이터 광장에서 제공하는 서울 부동산 실거래가 정보 추출  시군구, 법정동, 신고년도, 면적, 층 등 정보 포함  2016부터 2020까지의 데이터 병합 2016_2020 부동산 실거래.csv
  • 22. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 9&10 같은 구 내 여러 동의 매물 가격을 전월세 여부, 건축 년도에 따라 비교하며 탐색 가능 마포구에서 전세로 오피스텔에 살고 싶은데… 제일 살고 싶은 상암동 매물은 너무 비싸네, 저렴한 상수동 쪽 매물을 찾아봐야겠다. 내 기준에 따라 살고싶은 동네를 구체화한 후, 다음 page에서는 현실적으로 그곳에 살 수 있는지 따져볼 수 있도록 구성
  • 23. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 11&12 각 구/동 별로 계약 년도에 따른 보증금, 임대료의 변화 추이와 평균 매매 금액 제시 난 살기 좋은 곳도 좋지만 쓸 수 있는 예산이 딱 정해져있는데… 예산 기준으로 볼 수는 없나? 동네의 대략적인 가격을 보고 예산을 구체화시키고 싶은 사람, 정해진 예산이 확실 한 사람 등 다양한 니즈를 만족시킬 수 있음
  • 24. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 대시보드 개요
  • 25. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 대시보드 개요 Dashboard 3 실행 Execute 집은 어떻게 구해야 할까?  실제로 집을 구하는 절차 이해  대략적 소요 비용 계산
  • 26. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 13&14 집을 구해보는게 처음이라… 전세 계약은 어떻게 하고 뭐가 필요한지 아무것도 모르겠어. 전세 계약은 이런 순서로 이루어지는구나, 이제 조금 알 것 같아!
  • 27. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 Page 17&18 전세금, 대출금액을 입력하고 계약의 각 단계마다 필요한 금액이 어느 정도인지 파악 가계약금 입금 전에 이 정도 금액은 넉넉하게 마련해둬야 하는구나!
  • 28. 목차 문제 인식 원인 분석 해결방안 대시보드1 대시보드2 대시보드3 활용방안 서울에 지인 집 잘 구할 수 있을까요? 서울 지리를 잘 몰라서 걱정이에요 웹 보러가기 인스타그램 구경하기 태블로로 체험하기 家明과 함께 서울에서 우리 동네를 찾아보세요! 부산에서 살다가 직장 때문에 처음으로 서울에서 자취하게 됐는데, 집을 어떻게 구해야 할지 걱정돼요 서울에서리를 잘 몰라서 걱정 이에요 대학 근처로 자취방을 구하려고 하는데, 어느 동네가 좋은지, 매물 가격은 어떤지 궁금하지만 부동산에 무작정 방문하는건 꺼려져요 돈보다는 제 기준에 맞는 집을 찾고싶은데 인터넷에는 가격, 교통 정보만 너무 많아요
  • 29. DEMO