방법론 · 데이터 출처

데이터 출처

• 가맹점 카드소비 (양산시, 2026-04, 30만 행)
• 거주자 카드소비 (양산시, 2026-04, 15만 행)
• 행정동 경계 GeoJSON: V-World 국가공간정보포털 / fallback: southkorea-maps (CC-BY-SA)
• 지도 타일: OpenFreeMap (OSM 기반, 무료, 상업 사용 허용)

분석 파이프라인

POC 산출물(scripts/run_poc.py)을 빌드 시점에 정적 JSON으로 변환합니다. 모든 집계는 Python에서, 웹은 변환·검증만.

• SSR: 거주자 시 내 소비 ÷ 거주자 총 소비. 온라인유통 제외 권장.
• ISR: 가맹점 매출 중 외지(비-경남) 고객 비중.
• 세분상권 자동식별: 우편번호 매출 패턴 벡터화 → UMAP+HDBSCAN 동내 군집화 → 23 클러스터.
• HHI: 매출 점유율 제곱합. 0(완전 분산) ~ 1(완전 집중).

한계

• 2026-04 단월 스냅샷이라 모멘텀·DiD 산출 불가
• 서울 상위 자치구는 카드 수수료·통신비 등 비-소매 잔여 영향 가능
• 23 세분상권은 단월 패턴 기반 — 시계열 누적 시 안정성 ↑

로드맵

YS-VFEW 본 사업 6개월 일정에서 M1 데이터 적재, M2 세분상권, M3 위험지수, M4 인구통합, M5 정책효과, M6 인수.

v2 정책효과 워크벤치 (시청 내부)

시청 담당자는 /v2에서 정책효과 자동 분석(DiD + CausalImpact), 6개 룰 조기경보, Peer 벤치마킹을 사용할 수 있습니다. 어떤 상용 카드 분석 제품도 자동 DiD 셀프서비스를 제공하지 않습니다 — 230개 기초자치단체 중 최초 시도입니다.

• 방법론 인용: KDI 2021 8카드사 DiD, 행안부/KRILA 2020, 온통대전 2022, KIPF 2020
• 참조 플랫폼: RESAS(일본), LDC HSDS(런던), Brookings Metro Monitor
• 예산: 2억 (구축 6개월) + 운영 4,000만/년