2. 데이터 분석가 프로젝트 3주차 수행일지

이번 주차는 한국관광공사 월별 상세 데이터(성별·연령·목적) 중심으로
방한 외래관광객의 성별·연령·목적별 패턴을 파악하고,
세그먼트별 규모×성장률을 정량화해
마케팅 타깃 우선순위를 정했다.
 
 
 

---

[멀티캠퍼스 KDT 데이터 분석가 최종 프로젝트 3주차 수행일지]

•  

• 3주차 프로젝트 개요:
  • 방문객 데이터 정제(연-월→연도), 성별/연령/목적 교차분석
  • 규모지수×성장지수 기반 세그먼트 우선순위 점수 도출
  • 히트맵(성별×목적, 연령×목적)으로 집중 타깃 포인트 시각화
• 분석 결과:
  • 여성 21–30세 관광이 최대 규모 & 높은 성장(Large & Fast)
  • 남성 61세 이상/20세 이하 관광이 고성장 니치(Niche & Fast)
  • 남성 관광/쇼핑 목적 전 연령대가 전년 대비 플러스 성장
• 마케팅 액션
  • 메인: 여성 20–40대 관광 페르소나 우선 공략
  • 보조: 남성 고관여(61+) & Z 세대(≤20) 니치 테스팅 패키지 운영

---

진행과정

1. EDA

# 기본 라이브러리
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import matplotlib.font_manager as fm

#한글
!apt-get update -qq
!apt-get install fonts-nanum -qq

plt.rcParams['font.family'] = 'NanumGothic'
plt.rcParams['axes.unicode_minus'] = False

fm.fontManager.addfont('/usr/share/fonts/truetype/nanum/NanumGothic.ttf')
plt.rc('font', family='NanumGothic')

# 1. 국가별 외국인 방문 현황
df_visitors = dfs["국가별 외국인 방문 현황"]

print("국가별 외국인 방문 현황 (상위 5행)")
display(df_visitors.head())

# 국가별 합계
country_sum = df_visitors.groupby("국가")["방문자 비율"].sum().sort_values(ascending=False).head(10)

plt.figure(figsize=(10,6))
sns.barplot(x=country_sum.values, y=country_sum.index, palette="viridis", hue=country_sum.index, legend=False)
plt.title("상위 10개국 외국인 방문객수")
plt.xlabel("방문객 수")
plt.ylabel("국가")
plt.show()

 -> 중국·일본 중심, 아시아권 비중 압도적

2. 방문객 데이터 개별 분석

# 데이터 로드 & 전처리
df_monthly = pd.read_csv("/content/drive/My Drive/데이터분석/외래객방한데이터(한국관광공사)/한국관광공사_방한 외래관광객 상세 월별 집계.csv", encoding='cp949')
df_monthly['기준연월'] = pd.to_datetime(df_monthly['기준연월'], errors='coerce')
df_monthly = df_monthly.dropna(subset=['기준연월']).copy()
df_monthly['연도'] = df_monthly['기준연월'].dt.year

print("✅ 방문객 데이터 로드 및 전처리 완료")
print(df_monthly.head())
print("\n데이터 정보:")
df_monthly.info()

# 연도별 총 방문객 수
df_visit_year = df_monthly.groupby("연도")["인원수"].sum().reset_index()
plt.figure(figsize=(10, 6))
sns.lineplot(data=df_visit_year, x="연도", y="인원수", marker="o")
plt.title("연도별 총 방한 외래관광객 수 추이")
plt.xlabel("연도"); plt.ylabel("방문객 수")
plt.xticks(sorted(df_visit_year["연도"].unique()))
plt.grid(True); plt.show()

-> 한국을 찾는 외래관광객은 꾸준히 증가 중

3. 감성 데이터 개별 분석

# 1. 라이브러리 불러오기
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib.font_manager as fm
import matplotlib.dates as mdates 

# 2. 데이터 불러오기 (감성 관련 데이터만)
df_sentiment = pd.read_csv("/content/drive/MyDrive/데이터분석/외래객방한데이터(한국관광공사)/20250813164536_한국 관광 관련 긍부정 점유율 추이.csv")
df_image = pd.read_csv("/content/drive/MyDrive/데이터분석/외래객방한데이터(한국관광공사)/20250813164348_방한 여행 이미지.csv")

print("✅ 감성 관련 데이터 로드 완료")

# 2. 긍부정 점유율 추이 분석
df_sentiment['기준년월'] = df_sentiment['기준년월'].astype(str)
df_sentiment['기준년월'] = pd.to_datetime(df_sentiment['기준년월'], format='%Y%m', errors='coerce')
df_sentiment = df_sentiment.dropna(subset=['기준년월']).copy()

df_sentiment_global = df_sentiment[df_sentiment['국가'] == '글로벌'].copy()

print("\nDebug: df_sentiment_global '기준년월' dtype after conversion:", df_sentiment_global['기준년월'].dtype)
print("Debug: df_sentiment_global '기준년월' unique values after conversion:", df_sentiment_global['기준년월'].unique())


# 시간 경과에 따른 긍정/부정 비율 추이 시각화
fig, ax = plt.subplots(figsize=(12, 6))
sns.lineplot(data=df_sentiment_global, x='기준년월', y='긍정', marker='o', label='긍정', ax=ax) 
sns.lineplot(data=df_sentiment_global, x='기준년월', y='부정', marker='o', label='부정', ax=ax) 
plt.title("한국 관광 관련 긍/부정 점유율 추이 (글로벌)")
plt.xlabel("기간")
plt.ylabel("비율 (%)")
plt.legend()
plt.grid(True)

ax.xaxis.set_major_locator(mdates.MonthLocator(interval=1)) 
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m')) 
plt.xticks(rotation=45) 
plt.tight_layout()
plt.show()

-> 전반적으로 긍정이 높지만, 특정 시기에 부정 반응이 상승

4. 성별 & 연령별 관광객 분포

# 1. 세그먼트별 집계 (성별, 연령, 목적)

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

 

# 성별-연령대별 집계
segment_gender_age = df_monthly.groupby(["성별", "연령별"])["인원수"].sum().reset_index()

plt.figure(figsize=(10,6))
sns.barplot(data=segment_gender_age, x="연령별", y="인원수", hue="성별", palette="Set2")
plt.title("성별 & 연령별 관광객 분포")
plt.xticks(rotation=45)
plt.show()

-> 여성·20~30대가 핵심 세그먼트

# 목적별 집계
segment_purpose = df_monthly.groupby("목적별")["인원수"].sum().reset_index()

plt.figure(figsize=(8,6))
sns.barplot(data=segment_purpose, x="목적별", y="인원수", palette="viridis")
plt.title("방문 목적별 관광객 분포")
plt.show()

-> 관광 목적이 압도적, 그 외(상용/유학)는 소수

5. 관광객 수요예측

# Prophet 기반 연도별 관광객 수요 예측 (2025년)

from prophet import Prophet
import matplotlib.pyplot as plt

# 1. 연도별 관광객 집계
visit_by_year = df_visit.groupby("연도", as_index=False)["인원수"].sum()

# 2. Prophet 입력용 데이터 변환 (연도 → datetime)
df_prophet = visit_by_year.copy()
df_prophet["ds"] = pd.to_datetime(df_prophet["연도"].astype(str) + "-01-01")  
df_prophet["y"] = df_prophet["인원수"]
df_prophet = df_prophet[["ds", "y"]]

# 데이터 확인
print(df_prophet.tail())

# 3. Prophet 모델 생성 및 학습
model = Prophet(yearly_seasonality=True, daily_seasonality=False, weekly_seasonality=False)
model.fit(df_prophet)

# 4. 미래 데이터프레임 생성 (향후 3년 → 2026, 2027, 2028 예측)
future = model.make_future_dataframe(periods=3, freq="Y")
forecast = model.predict(future)

# 5. 예측 결과 시각화
fig1 = model.plot(forecast)
plt.title("연도별 관광객 수요 예측 (Prophet, 2025 기준)")
plt.show()

# 6. 트렌드 및 계절성 분해 시각화
fig2 = model.plot_components(forecast)
plt.show()

# 7. 최신 예측 데이터 확인 (2023~2028년)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(8)

-> 2025~2026년에도 증가세 지속, 성장 기회 크다

6. 세그먼트 우선순위 랭킹

# 세그먼트 우선순위 점수(랭킹) – 23→24 규모+성장 기반

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm


# 0) 데이터 로드
try:
    df_visit
except NameError:
    df_visit = pd.read_csv("/content/drive/MyDrive/데이터분석/외래객방한데이터(한국관광공사)/한국관광공사_방한 외래관광객 상세 월별 집계.csv", encoding="cp949")
    df_visit["기준연월"] = pd.to_datetime(df_visit["기준연월"], errors="coerce")
    df_visit["연도"] = df_visit["기준연월"].dt.year

# 1) 기본 전처리: 불필요 카테고리 정리(승무원 등), 결측 제거
dfv = df_visit.copy()
if "성별" in dfv.columns:
    dfv = dfv[~dfv["성별"].isin(["승무원"])]
if "연령별" in dfv.columns:
    dfv = dfv[~dfv["연령별"].isin(["승무원", None, np.nan])]
dfv = dfv.dropna(subset=["연도","인원수"])

# 2) 파라미터
BASE_YEAR   = 2023
TARGET_YEAR = 2024
SEG_KEYS    = ["성별","연령별","목적별"]
W_SIZE, W_GROWTH = 0.6, 0.4               # 점수 가중치(규모 60%, 성장 40%)

# 3) 연도별 집계
g = (dfv.groupby(SEG_KEYS+["연도"])["인원수"]
        .sum()
        .reset_index())

# 4) Wide 변환(연도별 칼럼)
wide = (g.pivot_table(index=SEG_KEYS, columns="연도", values="인원수", aggfunc="sum")
          .fillna(0)
          .reset_index())

# 5) 지표 계산
if BASE_YEAR not in wide.columns:  wide[BASE_YEAR] = 0
if TARGET_YEAR not in wide.columns: wide[TARGET_YEAR] = 0

wide.rename(columns={
    BASE_YEAR: f"{BASE_YEAR}인원",
    TARGET_YEAR: f"{TARGET_YEAR}인원"
}, inplace=True)

# 성장률 계산 (분모 0인 경우 NaN 발생)
wide["YoY성장률"] = (wide[f"{TARGET_YEAR}인원"] - wide[f"{BASE_YEAR}인원"]) / wide[f"{BASE_YEAR}인원"]

# 분모가 0인 경우 (즉, 2023년 인원이 0인 경우):
# - 2024년 인원도 0이면 성장률 0
# - 2024년 인원이 0보다 크면 성장률 1 (무한대 성장을 1로 간주)
wide["YoY성장률"] = wide["YoY성장률"].fillna(0) # 기본적으로 NaN을 0으로 채우고

# 2023년 0명 -> 2024년 > 0 명 된 경우를 1로 업데이트
wide["YoY성장률"] = wide["YoY성장률"].where(
    ~((wide[f"{BASE_YEAR}인원"] == 0) & (wide[f"{TARGET_YEAR}인원"] > 0)),
    1.0
)


# 6) 정규화(0~1)
def minmax(s):
    lo, hi = s.min(), s.max()
    return (s - lo) / (hi - lo) if hi > lo else pd.Series(0.5, index=s.index)

wide["크기지수"]  = minmax(wide[f"{TARGET_YEAR}인원"])
wide["성장지수"]  = minmax(wide["YoY성장률"])

# 7) 종합 점수
wide["점수"] = W_SIZE*wide["크기지수"] + W_GROWTH*wide["성장지수"]

# 8) 분류 태그(해석용)
wide["분류"] = np.select(
    [
        (wide["크기지수"]>=0.5) & (wide["성장지수"]>=0.5),
        (wide["크기지수"]>=0.5) & (wide["성장지수"]<0.5),
        (wide["크기지수"]<0.5)  & (wide["성장지수"]>=0.5),
    ],
    ["Large & Fast","Large & Flat","Niche & Fast"],
    default="Niche & Flat"
)

# 9) 2024 점유율(비중)
total_2024 = wide[f"{TARGET_YEAR}인원"].sum()
wide["2024점유율(%)"] = np.where(total_2024>0, wide[f"{TARGET_YEAR}인원"]/total_2024*100, 0)

# 10) 랭킹 정렬 및 출력
ranked = (wide
          .sort_values("점수", ascending=False)
          .reset_index(drop=True))

print("✅ 세그먼트 우선순위 TOP 15")
display(ranked[SEG_KEYS+[f"{BASE_YEAR}인원",f"{TARGET_YEAR}인원","YoY성장률","크기지수","성장지수","점수","분류","2024점유율(%)"]].head(15))

# 10-1) 점유율 기준 랭킹 테이블 (추가)
ranked_share = (wide
                .sort_values("2024점유율(%)", ascending=False)
                .reset_index(drop=True))
print("✅ 세그먼트 점유율 기준 TOP 15")
display(ranked_share[SEG_KEYS + [f"{TARGET_YEAR}인원","2024점유율(%)","YoY성장률","점수","분류"]].head(15))
# 11) 시각화(Top 10, 정렬: 2024 점유율)
topN = 10
top_plot = ranked_share.head(topN).copy()
labels = top_plot.apply(lambda r: " / ".join([str(r[k]) for k in SEG_KEYS]), axis=1)
plt.figure(figsize=(10,6))
plt.barh(y=labels, width=top_plot["2024점유율(%)"])
plt.gca().invert_yaxis()
plt.title(f"세그먼트 점유율 Top {topN} (정렬: 2024 점유율)")
plt.xlabel("2024 점유율(%)")
# 막대 옆 보조 라벨: 점유율/24년 인원/YoY
for i, (p, cnt, yoy) in enumerate(zip(
    top_plot["2024점유율(%)"],
    top_plot[f"{TARGET_YEAR}인원"],
    top_plot["YoY성장률"]
)):
    plt.text(p + 0.3, i, f"{p:.1f}% | 24년 {cnt:,.0f}명 | YoY {yoy*100:.1f}%", va="center")
plt.tight_layout()
plt.show()

 -> 여성 20~30대 관광 목적 방문객이 핵심 타겟

 

3주차 결과: 

발견 단계

여성 20~30대 관광객이 가장 큰 규모이면서 빠른 성장세를 보인다.

남성 61세 이상, 20세 이하 관광객은 소규모지만 빠르게 성장 중이다.

4주차 계획:

• 검색량 데이터 적재 → 표준화 저장
• 상위 세그먼트 MA(3) 베이스라인 백테스트
• 예산 시뮬레이터 테이블/그래프 생성
• 대시보드 스켈레톤 파일 뼈대 만들기