[2024 DATA AI 분석 경진대회] 성심당 방문객 분석을 통한 원도심 상권 활성화 방안

장현석, 이상협, 홍제준, 김규나
TEAM [re:Defined]
2024 DATA/AI 분석 경진대회 발표용
※ 나눔스퀘어 폰트가 주로 사용되었습니다.
성심당 방문객 분석을 통한
원도심 상권 활성화 방안

COPYRIGHT© 2024 ALL RIGHTS RESERVED BY TEAM [Re:Defined], LICENSED BY KISTI 2
I. 현황 및 과제
(Problem)
0. 문서 개요
• 한국과학기술정보연구원(KISTI)이 주관하는 이 대회는 인공지능 데이터 및 기술을
활용하여 사회·과학 문제를 해결하고 국내 인공지능 생태계를 확대하는 것을 목표로 함
• 본인이 팀장을 맡은 리디파인드(Re:Defined)팀은 ‘지역 경제 활성화 방안 모색을 위한
성심당 방문객의 이동경로 및 소비패턴 분석’ 과제에 참가하여 발표 평가에 선정되었음
• 본인이 팀장을 맡은 리디파인드(Re:Defined)팀은
‘지역 경제 활성화 방안 모색을 위한 성심당 방문객의
이동경로 및 소비패턴 분석’ 과제를 수행하여
발표 평가에 참가하였음
• 팀원 역할 분담
- 장현석(팀장) : 현황 및 과제 작성,
EDA 거주인구, 유동인구 분석,
데이터 모델(군집 모델) 구현 및 해석,
개선 방안 작성, 발표
- 홍제준(팀원) : EDA 매출 및 상권 분석
- 김규나(팀원) : 대전빵축제 분석
- 이상협(팀원) : 파워포인트 템플릿 디자인

(Problem)
0. 사용된 데이터
❖ 대회 제공 데이터 ❖ 대회 제공 데이터 요약
2023/07~2024/06까지
월별 약 5,000,000건,
각 1GB 용량의 빅데이터
2023/07~2024/06까지
월별 약 50,000건,
각 3MB 용량
2023/07~2024/06까지
월별 약 400,000건,
각 36MB 용량
2024/06/30 기준
대전 상권 정보 데이터
약 68,000건, 36MB 용량
❖ 자체 수집 외부 데이터
1). 네이버 블로그에서 '대전 여행’ 키워드로 검색한 소셜 데이터
(2024/07/01 ~ 2024/09/30, 총 16,678건)
2). 한국관광 데이터랩(https://datalab.visitkorea.or.kr)
- 전국 17개 시도별 방문자수
(2022/11~2023/10 vs 2023/11~2024/10 데이터 비교)
- 전국 17개 시도별 체류시간
(2022/11~2023/10 vs 2023/11~2024/10 데이터 비교)
3). 행정동별 주민등록 인구 및 세대현황 – 대전 중구
(https://jumin.mois.go.kr/)
4). 네이버 블로그/유튜브에서 ‘대전빵축제’ 키워드로 검색한
소셜 데이터
(2023년/2024년 포스팅된 글 총 10,367건)

순 서
I. 현황/과제
▶ 현황 분석
▶ 개선 과제
II. 데이터탐색
▶ 거주인구 분포
▶ 상권 분포
▶ 유동인구 분포
III. 데이터모델
▶ 모델아이디어
▶ 변수선택
▶ 모델링절차
▶ 모델구현
▶ 결과해석
IV. 개선방안
▶ 벤치마킹
▶ 개선방안
▶ 대전빵축제분석
▶ 제언

(Problem)
현황 분석
개선 과제

1. 문제 인식: 현황 분석
네이버 블로그에서 '대전 여행’ 키워드 검색 결과
(2024/07/01 ~ 2024/09/30, 총 16,678건)
대전은 어떤 도시일까요?

• 네이버 블로그에서 '대전 여행’ 키워드 검색 결과
(2024/07/01 ~ 2024/09/30, 총 16,678건)
ㄱ
대전은 어떤 도시일까요?

성심당은 어떤 곳일까?

[2022/10~2024/09]한국관광공사 <한국관광데이터랩,https://datalab.visitkorea.or.kr>

주변 상권 및 관광지와의 연계 부족
•원도심 상권 활성화를 위해서는 성심당 외에도 방문
목적이 될 수 있는 매력 요소를 개발할 필요가 있음
1. 문제 인식: 개선 과제
짧은 체류 시간
• ‘성심당’방문객의 대부분은 빵만 사고 떠나는 외지인
(출처 : 충청투데이, 2024/10/14)
Created by ChatGPT

성심당, 대전의 매력이 시작되는 곳!

II. 데이터 탐색
(EDA)
상권 분포
유동인구 분포
거주인구 분포

2. 데이터 탐색: 중구 거주인구 분포
행정동별거주인구수(전체인구: 223,256명)
서부권
99,533명(44.6%)
동부권
82,894명(37.1%)
남부권
40,829명(18.3%)
성심당
•서부권:오류동,문화동,태평동,유천동
•동부권:은행선화동,대흥동,목동,중촌동,문창동,대사동,부사동,용두동
•남부권:산성동,석교동
[2023년] 행정안전부주민등록인구통계(jumin.mois.go.kr)
동부권
(37.1%)
남부권
(18.3%)
서대전역
서부권
(44.6%)
중구거주인구분포
성심당주변
27,000명
(12%)
+7.5%p

2. 데이터 탐색: 중구 상권 분포 * 코드 첨부 : sales_visualization_v2.ipynb
서부권 (24.8%)
동부권 (47.4%)
남부권 (11.5%)
알 수 없음, NaN(16.3%)
월간 이용금액
서부권 (25.5%)
동부권 (46.4%)
남부권 (9.7%)
알 수 없음, NaN(18.3%)
월간 이용건수 그래프
성심당
동부권
(46.9%)
남부권
(10.6%)
서대전역
서부권
(25.2%)
중구상권분포
[2023/07/01~2024/06/30]카드매출데이터(지역별업종유입고객)
+22.6%p
+20.9%p

동
부
권
(47.4%)
서
부
권
(24.8%)
2. 데이터 탐색: 중구 이용금액 Top 10 * 코드 첨부 : sales_plot_to_map.ipynb
[2023/07/01~2024/06/30]카드매출데이터(CellId별/업종별가맹점정보)
이용금액 분포(%) 순위 Top 10
대전성모병원
중구 총 이용금액의 2.5%
10
평화원장례식장
9
서대전네거리
8
태평전통시장
7
하나로마트 대전점
6
5
코스트코 대전점
중앙로역
4
충남대학교 병원
3
성심당 본점
1
세이백화점
2
백화점이 2024년5월
폐업하면서 상권이
약화되고 있음

동
부
권
(46.4%)
서
부
권
(25.5%)
2. 데이터 탐색: 중구 이용건수 Top 10 * 코드 첨부 : sales_plot_to_map.ipynb
이용건수 분포(%) 순위 Top 10
[2023/07/01~2024/06/30]카드매출데이터(CellId별/업종별가맹점정보)
코스트코 대전점
중구 총 이용건수의 2.5%
10
중촌네거리
9
서부종합시장
8
으능정이 문화거리
7
서대전네거리
6
충남대학교병원
5
4
태평전통시장
이용금액(3.2%)보다 높으므로
객단가는 낮은 수준
중앙로역
3
세이백화점
2
성심당 본점
이용금액(8.3%)보다 높으므로
객단가는 낮은 수준
1

2. 데이터 탐색: 중구 유동 인구 분포
• 유동인구는 거주인구가 많은 서부권과 구도심 상권인 동부권이
비슷함(약 2.4%p 차이)
• 월별 그래프에서 1월이 가장 낮은 유동인구를 기록했으며, 5월이
가장 높은 유동인구를 기록했는데 계절적 요인으로 보임
[2023/07/01~2024/06/30]관내일별유동인구데이터
성심당
[2023년] 행정안전부주민등록인구통계(jumin.mois.go.kr)
동부권
(41.2%)
남부권
(15.1%)
서대전역
서부권
(43.6%)
중구유동인구분포
서부권 (43.6%)
동부권 (41.2%)
남부권 (15.1%)
월간 유동인구 그래프
5월
1월
+2.4%p

• 서부권은 14세미만 및 40세이상 유동 인구 비율이 높고,
동부권은 15~39세사이 유동 인구 비율이 높음
2. 데이터 탐색: 중구 전체 연령별 유동인구 분포
권역별 유동 인구 분포(%)

• 동부권에서는 은행선화동, 대흥동이 다른 행정동보다
큰 차이로 높은 유동인구량을 보임
• 동부권 대표 상권 ➔ 성심당 주변 상권
은행선화동
대흥동
문창동
부사동
대사동
용두동
중촌동
목동 성심당
2. 데이터 탐색: 중구 동부권 유동인구 분포
대흥동(20.79%)
목동(12.35%)
중촌동(11.42%)
용두동(9.37%)
대사동(8.35%)
부사동(6.88%)
문창동(5.11%)
은행선화동(25.72%)
3월
동부권 월간 유동인구량 그래프

2. 데이터 탐색: 성심당 주변 - 평일 시간대별 유동인구 변화
평일 시간대별 유동인구 데이터
(2024/06/01 ~ 2024/06/30, 월~금 기간 시간대별 평균)
평일 유동인구 24시
출퇴근 영향으로 성심당 뿐만 아니라
선화동, 중구청역 등에 유동인구가
고르게 분포
* GIF 파일로서 PDF에서는 제대로 표시되지 않습니다.

2. 데이터 탐색: 성심당 주변 - 주말 시간대별 유동인구 변화
(2024/06/01 ~ 2024/06/30, 토~일 기간 시간대별 평균)
주말 유동인구 24시
낮에는 성심당, 중앙로역쪽
유동인구가 높고,
밤에는 우리들공원, 선화동쪽
유동인구가 높음
주말 시간대별 유동인구 데이터
* GIF 파일로서 PDF에서는 제대로 표시되지 않습니다.

2. 데이터 탐색: 성심당 주변 - 주요 이동 경로
■ 성심당 주변 동서방향 이동경로 분석
• 성심당 동쪽 1-2-3 (대전역 방향) :
- 으능정이2 및 중앙시장, 대전역3까지 이어지는
판매상권(Selling Mass)이 형성되어 있음
• 성심당 서쪽 1-4-5 (선화동 방향) :
- 우리들공원4부터 선화동5까지 식당 및 주점이 많아
밤에는 유동인구량이 많지만 낮에는 저조하였음
전기간 유동인구 데이터
(2023/07/01 ~ 2024/06/30, 일평균)
1
2
3
4
5
* 코드 첨부 : floaters_around_ssd_plot.ipynb

2. 데이터 탐색: 성심당 주변 - 주요 이동 경로
■ 성심당 주변 북남방향 이동경로 분석
• 성심당 남쪽 1-8 (대흥공원 방향) :
- 유동인구량이 가장 저조한 방향.
대흥공원8을 기점으로 남쪽으로 아파트 대단지가
형성되고 있어 향후 소비상권(BuyingMass)으로
발전할 가능성이 있음
• 성심당 북쪽 1-10 (중앙로역 방향) :
- 유동인구량이 가장 많은 방향.
대중교통을 이용하는 도보여행객들의 이동 경로
전기간 유동인구 데이터
(2023/07/01 ~ 2024/06/30, 일평균)
1
8
10
* 코드 첨부 : floaters_around_ssd_plot.ipynb

III. 데이터 모델
(Modeling)
모델 아이디어
모델링 절차
모델 구현
결과 해석
변수 선택

성심당 상권 영향력 파악 목적 ➔ 중력 모델(Gravity Model)을 통한 상권 분석
※ 참고문헌 : 김주영, & 김정수. (2021). 중력모델을 통한 상권분석. 유통연구, 26(4), 49-72
• 중력모델(Gravity Model)이란? 물리학에서 두 물체 사이의 중력 상호작용을
설명하는 뉴턴의 만유인력 법칙을 경제학과 사회학에 적용한 모델
• 지역 분석 중력 모델의 핵심 개념은 크기와 거리:
- 크기 : 상호 작용의 강도는 두 지역의 경제적 크기(=유동인구, 매출)에 비례함
즉, 유동인구, 매출이 많은 지역일수록 상호작용이 더 강하게 나타남
- 거리 : 상호 작용의 강도는 두 지역간의 거리의 제곱에 반비례함
즉, 거리가 멀수록 상호작용이 약해짐
• 수식
•F_{ij}: i와 j 사이의 상호작용 강도
•G: 상수
•M_i, M_j: i와 j의 질량 (예: 유동인구, 매출)
•D_{ij}: i와 j 사이의 거리
3. 데이터 모델: 모델 아이디어

크기(Weight)는 연령대별 유동인구량으로 적용하였고,
거리(Distance)는 성심당 본점/지점들과 각 포인트간 좌표 차이로 적용하였음
위치 정보를 알려주는
문자형 변수
성심당까지의 거리 역수
(MinMaxScaled)
연령대별 유동인구량
(MinMaxScaled)
Weight와 Distance를 알려주는
수치형 변수
3. 데이터 모델: 변수 선택
성심당
* 코드 첨부 : floaters_gravity_model.ipynb

비지도학습인 군집 분석(clustering)을 통해 각 셀들의 특징 파악
모델 구현 결과 해석
변수 선택
크기(Weight)
: 연령별 유동인구 데이터
구간화
거리(Distance)
: 성심당 본점/지점들과
각 셀들간의 거리값
제곱하여 역수 산출
거리기반 K-평균 군집
(K-Means Clustering)
밀도기반 DBSCAN
▼
실루엣점수가높은모델선택
점수차이가크지않을경우,
설명력높은모델선택
군집 시각화
군집별 특징 분석
3. 데이터 모델: 모델링 절차
모델 범위
Big Model :
중구 전체를 학습에 사용
Small Model :
성심당 본점이 있는
은행선화동, 대흥동만
학습에 사용

3. 데이터 모델: Big Model 구현(중구 전체)
1) K-평균 군집 모델 : 거리기반 알고리즘으로서 원형 클러스터에서 좋은 성능을 보임
⦁ 최적의 클러스터 개수(K)를 찾기 위한 실루엣점수 산출 결과 2개가 가장 높지만, 설명력이 부족해 5개를 선택함
⦁ 주성분(PCA) 시각화 결과, 초록색과 보라색 포인트들은 겹쳐 보이지만 나머지는 잘 분리된 것으로 보임
실루엣 점수=0.4705
클러스터별 개수
0 : 3181개
1 : 887개
2 : 306 개
3 : 4660개
4 : 1805개

2) DBSCAN 모델 : 밀도기반 알고리즘으로서 비구형 클러스터도 잘 처리함
⦁ 최적의 사용 반경 (eps)값을 찾기 위한 K-거리 시각화 결과 eps는 0.05~0.1 사이에 있음
⦁ eps = 0.1에서 실루엣 점수 0.65로 괜찮은 성능을 보여주지만 대부분이 1개 클러스터로 묶여지므로
클러스터간 경계가 분명하지 않음
사용 반경을 뜻하는 eps(epsilon)을
급격한 변곡점에서 선택하여 최적값
도출 = 0.05~0.1
0 : 10777개
-1 :62개
3. 데이터 모델: Big Model 구현(중구 전체) * 코드 첨부 : floaters_gravity_model.ipynb

K-평균 군집 모델에서 성심당과 대전역은 같은
클러스터를 형성하고 있지만 영향력은 제한적으로
은행선화동 및 대흥동을 벗어나지 못하고 있음.
반면, 롯데백화점 및 DCC 방향으로부터 넓은 원형
파장이 발생하고 있어 서구,유성구 방향이
더 큰 영향력을 가진 상권임을 확인할 수 있음
DBSCAN결과
(실루엣점수=0.65)
K-평균 군집 결과
(실루엣점수=0.4705)
DBSCAN 모델의 실루엣 점수값이 K-평균 군집보다
더 높지만, 거의 모든 포인트가 하나로 묶여져
설명력이 부족하였음
3. 데이터 모델: Big Model 결과 해석(중구 전체) * 코드 첨부 : floaters_gravity_model.ipynb

3. 데이터 모델: Small Model 구현(은행선화동, 대흥동)
1) K-평균 군집 - Small 모델
⦁ 클러스터 2개 선택시 실루엣점수가가 가장 높지만,
설명력이 부족해 6개 선택(점수=0.5731)
⦁ 결과적으로, 50개 미만 소형 클러스터가 4개 생성됨
0 : 190개
1 : 742개
2 : 10 개
3 : 32개
4 : 44개
5 : 35개
0 : 1020개
-1 :33개
2) DBSCAN - Small 모델
⦁ eps = 0.1에서 실루엣 점수 0.77로 좋은 성능을
보여주지만 대부분이 1개의 클러스터로 묶여져
클러스터간 경계가 분명하지 않음 (Big Model과 동일)

K-평균 군집 모델에서 성심당은 반경 약 100m
주변까지 강한 영향력을 보여주고 있음. 그 다음은
대중교통 지점인 중앙로역과 주차장이 있는
우리들공원이었고, 그외 지역의 영향력은 낮았음
즉, 성심당까지 가는 길만 활성화되고 나머지
지역은 소외되어 있음을 시사함
DBSCAN결과
(실루엣점수=0.77)
K-평균 군집 결과
(실루엣점수=0.5731)
DBSCAN 모델의 실루엣 점수값이 K-평균 군집보다
더 높지만, 거의 모든 포인트가 하나로 묶여져
설명력이 부족하였음
3. 데이터 모델: Small Model 결과 해석(은행선화동, 대흥동) * 코드 첨부 : floaters_gravity_model.ipynb

IV. 개선 방안
(Scale Up)
벤치마킹
성심당 상권 개선 방안
대전빵 축제 분석
제언

타지역 구도심 활성화 사례 - 전주 한옥 마을
• 전주 한옥 마을이 유명해진 과정 :
- 낡은 한옥 집단 지구를 2000년대 초반부터 관광지로 개발
- 태조 이성계의 고향이 전주라는 정체성으로 지속적인 보존과
관광지화에 힘쓴 결과, 2016년 론리플래닛으로부터
‘1년 안에 가봐야 할 아시아 10대 명소’로 소개됨
- 2023년 1,500만 관광객을 달성하는 등 대표적인 관광지로
자리매김하였음
• 시사점 :
- 전주의 지역적 특색(조선왕조 발상지)을 살려 매력 요소를 심화함
- 차량 통행을 최소화하고, 걷기 좋은 보행자 중심 거리를 조성하여
방문객 체류 시간 증가
4.개선 방안 : 벤치마킹

성심당 상권의 접근성에는 문제가 없을까요?
4.개선 방안 : 성심당 상권 개선 방안
•
- 중앙로역 2번 출구에서 170m 거리 / 도보 2분 소요
- KTX대전역에서 중앙로역까지는 1정거장/3분 거리로서
대중교통을 통한 접근성은 좋음
대전 성심당
성심당 보행 고객 동선 : KTX대전역에서 성심당까지 10분 소요
전주 한옥마을
• 풍년제과 도보 고객 동선 : 주차장에서 풍년제과까지 11분 소요
- 한옥마을 주차장에서 790m 거리 / 도보 11분 소요
- 긴 동선이지만 옛 정취를 느낄 수 있도록 주변 조성이 잘 되어
있고, 차량 통제를 하고 있어 걷기 편한 거리임
풍년제과 보행 고객 동선 : 주차장에서 풍년제과까지 11분 소요

성심당 방문객 대부분이 빵만 사고 떠나는 이유는 무엇일까요?
•
- 외지인들은 ‘은행동‘, ‘대흥동’으로 검색하지 않고 성심당으로
검색함. 검색시 성심당 직영점만 표시되어 관광에 필요한 정보를
얻을 수 없음
‘대전 성심당 가볼 만한 곳’ 검색
네이버 지도 검색 결과 : 7건
‘전주 한옥마을 가볼 만한 곳’ 검색
•
- 한옥마을의 정체성을 보여주는 유적지, 카페, 한복대여점,
요식업종들이 다양하게 검색됨. 관광지에 대한 풍부한 정보를
획득할 수 있음
네이버 지도 검색 결과 : 70여건

제안 1) 성심당 본점 주변 빵집 특화 거리 조성
• 제안 내용 :
- 성심당 주변을 중심으로 다양한 빵집과 카페, 제빵 체험 클래스
등 관련 상점을 모은 거리를 조성하여 방문객들이 더 오래
머무를 수 있는 관광 명소로 개발
- 차량 통제 및 보행 환경 개선을 통해 걷고 싶은 거리로 조성
• 기대 효과 :
- 체류 시간 증가 : 성심당 방문 후 자연스럽게 특화 거리로
유입되므로 소비 및 체류 시간 증가
- 주변 상권 활성화 : 성심당 방문객의 지역내 소비 촉진,
주변 상권과의 연계를 통해 지역 경제 활성화
- 대전의 지역적 특색(빵잼도시)을 강화하여 대표 브랜드를
발전시키고, 방문객들에게 차별화된 도시 이미지 각인
빵집 특화 거리 조성
현재 성심당스트리트라는
비공식적인 호칭이 있음
대흥공원

제안 2) 빵집 특화 거리에서 도보 1분 거리에 있는 대흥공원 리모델링
• 1962년 조성이후 시설이 노후되고 이용률이 낮은 대흥공원을 ‘헨젤과 그레텔’ 컨셉으로 리모델링하여 힙한 공간 제공
Created by Stable Diffusion
AS-IS TO-BE

놀이터 우수 사례 서울 서초동 원베일리 아파트의 ‘애니타임’
• 놀이터 동선마다 지붕을 설치해 날씨와 상관없이 즐길 수 있도록 한 컨셉으로 세계 3대 디자인 상인 독일 레드닷 디자인상을 수상함

• 2023 긍정적 반응 • 2023 부정적 반응 • 2024 긍정적 반응 • 2024 부정적 반응
4.개선 방안 : 대전 빵 축제 분석
[2023 대전빵축제, 2024 대전빵축제, 대전빵축제] 키워드, 네이버/유튜브, 2023년/2024년 작성된 글 (유튜브-10,167개, 네이버-200개)
• SKT에서 개발한 Kobert 모델 활용
크롤링 원문 긍정/부정 감성 분석 후 워드클라우드 생성
언급(comment)에 대한 최소한의 전처리 (특수문자 제거 등) 후 감정 분석 수행
긍정적 언급에도 부정적 단어, 부정적 언급에도 긍정적 단어가 포함될 수 있음
예: "노잼의 도시 대전이지만, 빵축제는 너무 좋았어요!”
* 코드 첨부 : text_mining_wordcloud.ipynb
축제 자체에는 좋은 평가. 단, 사람이 많고 오랜 기다림에 대한 불편함 호소

연도별 긍정/부정 후기 차트 : 전년 대비 올해 축제 언급수 2배이상 증가
• 2023년 서대전공원 :
방문객에 비해 원활한 진행으로 부정적 언급이 상대적으로 적음
• 2024년 소제동거리 :
좁은 장소에 많은 인원이 몰려 부정적 언급 증가
• 2023년 서대전공원과 같이 넓은 장소에서 축제를 열거나
빵집 특화 거리에서 분산 개최한다면 긍정 평가가 높아질 것으로
기대됨
4.개선 방안 : 대전 빵 축제 분석 * 코드 첨부 : text_mining_wordcloud.ipynb

브랜딩에는 장기적인 계획이 필요하며, 지금이야말로 최적의 시기입니다!
• 1956년 창업한 성심당이 은 오랜 시간 지역 제과점에 불과했으나, 2014년 프란치스코 교황이
아침식사로 성심당 빵을 먹은 것이 회자되어 폭발적인 성장을 거듭해 이제는 대전 관광을
대표하는 아이콘으로 자리매김하였습니다.
• 성심당의 브랜드를 유지하고 발전시키기 위해서는 배후지인 대전 또한 빵잼도시의 정체성을
강화하고, 발전시키는 노력을 해야 상생할 수 있을 것입니다.
• 이를 위해 성심당 주변에 보행자 중심의 빵집 특화 거리 조성과 ’헨젤과 그레텔’ 컨셉 대흥공원
리모델링을 제안합니다.
• 데이터를 분석해 볼 때, 성심당은 주변 상권과의 연계성이 부족했습니다.
대전KTX역, 서대전역이 인접한 중구는 타지역으로의 이동을 위한 경유지(Stop Over)로서의
역할에는 충실하지만, 새로운 경험의 출발지(Start Over)로서의 역할은 상대적으로 미약합니다.
• ‘빵’이라는 대전 중구만의 독특한 정체성을 장기적으로 강화하는 행정적 지원을 통해
구도심 활성화의 모범 사례가 되기를 기대합니다!
4.개선 방안 : 제언

읽어 주셔셔 감사합니다.
Thanks for Reading this
Document.
장현석, 이상협, 홍제준, 김규나
TEAM [re:Defined]
“경청해 주셔셔 감사합니다”

[2024 DATA AI 분석 경진대회] 성심당 방문객 분석을 통한 원도심 상권 활성화 방안

More Related Content

Similar to [2024 DATA AI 분석 경진대회] 성심당 방문객 분석을 통한 원도심 상권 활성화 방안

[2024 DATA AI 분석 경진대회] 성심당 방문객 분석을 통한 원도심 상권 활성화 방안