PowerPoint 프레젠테이션

Size: px

Start display at page:

Download "PowerPoint 프레젠테이션"

신영 우
6 years ago
Views:

1 외래방문객로밍데이터데이터마이닝분석보고서 대한민국관광 3.0, 새로운길을찾다 부제 : 외국인이동경로연구를통한질적도약및균형발전솔루션제안 Report22

2 01_ 무엇이문제이고화제일까? 앞으로의동향은? 관광의질향상 Increase the quality of tour 국내관광육성 Upgrade the domestic tour level 비전나눔식 세부타겟관광객을겨냥한콘텐츠개발 New contents aimed to target tourists 오픈데이터 관광 3.0 을통한창조적관광가치극대화 Maximize the creative tour-value by TOUR 3.0

3 외래방문객로밍데이터로알아보는 여행하기좋은나라, 대한민국! 01_ 전체체계개괄및주어진데이터에대한이해 B_ 분석방향설정 C_ 분석시행 D_ 추가분석 E_ 결과해석과관광마케팅방안기획및결론

- 전체체계개괄 2013.12-2014.2 3 달간의외국인로밍데이터 SAS 및 R 을이용한 1. 목표변수정의 2. 모델링실행 올바른분석결과 -> 창의적인해석 Data Information Knowledge 데이터마이닝이용정보지식창출, 활용맞춤형관광한국소개 - 데이터원본 roaming_sample_final.

4 - 전체체계개괄 달간의외국인로밍데이터 SAS 및 R 을이용한 1. 목표변수정의 2. 모델링실행 올바른분석결과 -> 창의적인해석 Data Information Knowledge 데이터마이닝이용정보지식창출, 활용맞춤형관광한국소개 - 데이터원본 roaming_sample_final.csv - 주어진변수들 id 각각의고객의암호화된 ID = 중복정보분석으로추적가능 date 통화가발생한날짜기록, 년월일구별 X ex) time 로밍이발생한시간기록, 시분구별 X ex)1240 country_code 고객의국적정보 (10 개국 ) ex)n01~n10 zip latitude longitude 우리나라우편번호 기지국의위도정보 기지국의경도정보 기지국정보를종합하여로밍이이루어진장소파악가능

5 Associate Rule Mining & Sequence Pattern Mining 이용한외국인이동경로연구 A_ 과제파악 01_ 세부목표와현대동향과의연관성 02_ 분석의목표와모델링방법 03_ 기본개념및분석방향구체화 C_ 분석및실행 D_ 추가분석 E_ 결과해석과관광마케팅방안기획및결론

6 국적 NATIONALITY 외국인관광객은다양한국적으로이루어져있다. = 국적별여행패턴이상이할것임 외국인관광객이 주로많이통화하고여행하는장소 를이용 주여행지콘텐츠개발, 입국경로, 여행패키지순서 추론 > 국가별이동경로연구를통해안내문, 안내원최적화배치, 1 차, 2 차적산업연계집중강화가능, 효과적효율적유치전략가능

7 지역 REGION 수도권, 비수도권별 관광객이동경로탐색 을통해 동선최적화, 지역균형발전방법모색, 관광객니즈충족 또한 숨은관광객방문장소 탐색, 콘텐츠개발! > 관광 3.0 에서제안한빅데이터플랫폼을구현해각부처산업연계로균형적인질적성장이가능! 추가로외국인방문자들이 특수한 목적, 특수 장소방문여부조사

8 체류시간 EXTEND OF STAY 통화시간분석을통해 활동시간중컨텐츠부족시간대 탐색 주요관광지이외 모든관광동선 이 복합적관광산업 이되도록! > 국가별, 시간대별통화량분석을통해비이동시간, 체류장소의콘텐츠를강화하는방안을찾는다.

9 - 분석의목표 외국인관광객이 주로많이통화하고여행하는장소 는어디이고, 어떤순서로여행 을하는가. > 결론적으로어느지역을활성화시키고개발해야하는가를알아보자! - 모델링방법 연관규칙을찾기위한 1. Association Rule Mining( 장바구니분석 ) 2. Sequential Pattern Mining > 모든나라를포함한모델링 VS 국적별모델링직접모델링을통하여분석한후결정

10 Association Rule Mining Sequential Pattern Mining > 데이터베이스에서발견되는연관된규칙을발견해나가는데이터마이닝의기법 > Association Rule Mining 에서발전한형태로, 순차적으로방문하는고객에대한분석 > 목적 : 관광객이방문하는도시에대한연관규칙분석 > 목적 : 관광객이방문하는도시들의패턴 > 시간과방문순서를무시하고, 순수하게방문한지역에만중점을둠 > 하루에방문하는도시들 = 하나의 Item set Ex) 서울, 인천을방문하면 수원을방문한다. Ex) 서울, 인천을방문한관광객은 다음날수원을방문하고 그다음날부산을방문한다.

11 SEMMA, Data Mining, For Tourist Pattern A_ 과제파악 B_ 분석방향설정 01_ RAW 데이터처리후완성된데이터 02_ SEMMA 방법론 (cycle1,cycle2,cycle3,cycle4) D_ 추가분석 E_ 결과해석과관광마케팅방안기획및결론

12 - RAW 데이터처리후완성된데이터의변수 id date time Country_ code zip latitude longitude SIDO GUGUN DONG Location 각각의고객의암호화된 ID 통화가발생한날짜기록 ex) 로밍이발생한시간기록 ex)12:40 고객의국적정보 (10 개국 ) ex)n01~n10 우리나라우편번호 기지국의위도정보 기지국의경도정보 기지국의시, 도정보 기지국의구, 군정보 기지국의동정보 SIDO+ GUGUN+ DONG 분석에용이한단위로변환 새로추가된변수들

13 - 목적별로 SEMMA 방법론을사용 = 4 번의 CYCLE 필요 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3_ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

14 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3 _ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

15 RAW 데이터처리후완성된데이터로 Association Rule Mining > 모두 140 개의 rule 이생성, but, Rule 을파악할수있는최소 3 번이상통화한사람중 N01~N10 상관없이 랜덤 5000 명을표본추출 이조건때문에, 로밍이용고객수가많은나라에 Rule 이집중될수밖에없음 < 완성된 Association Rule> 국가별분석이필요 ( 다음 SEMMA cycle2)

16 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3_ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

국적별 Association Rule Mining > 각국가별 rule 이생성, but, 국가 생성된 Rule 개수 국가 생성된 Rule 개수 N01 138 N06 73 N02 450 N07 459 N03 282 N08

17 국적별 Association Rule Mining > 각국가별 rule 이생성, but, 국가 생성된 Rule 개수 국가 생성된 Rule 개수 N N06 73 N N N N08 31 N04 32 N09 1,698 N N10 60 < 완성된 N01 의 Association Rule> 너무많은룰의개수, 해석이복잡 + 순서의개념의부재 순서를고려한분석이필요 ( 다음 SEMMA cycle3)

18 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3_ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

국적별 Sequential Pattern Mining > 각국가별 rule 이생성, 국가 생성된 Pattern 개수 국가 생성된 Pattern 개수 N01 18 N06 48 N02 113 N07 11 N03 10 N08 15 N04 20 N09 16

19 국적별 Sequential Pattern Mining > 각국가별 rule 이생성, 국가 생성된 Pattern 개수 국가 생성된 Pattern 개수 N01 18 N06 48 N N07 11 N03 10 N08 15 N04 20 N09 16 N05 33 N10 25 < 완성된 N01 의 Sequential Pattern> 비교적간단한결과로해석이용이함.but, 모든방법론이서울에편중되어룰이생성됨 ( 인천공항이압도적으로많아인천지역도포함 ) 서울, 인천지역을제외한분석이필요 ( 다음 SEMMA cycle4)

20 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3_ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

21 서울, 인천을제외한 Association Rule Mining > 모두 742 개의 rule 이생성 마지막 SEMMA cycle 완성 < 완성된 Association Rule>

22 데이터가무언가말하면 분석가는귀기울여듣는다. 그리고생각한다. 분명히뭔가를숨기고있구나! A_ 과제파악 B_ 분석방향설정 C_ 분석시행 01_ 밤시간대데이터분석 E_ 결과해석과관광마케팅방안기획및결론

23 - 밤시간대데이터의프로젝트적용 > 목적 : 밤시간대에는관광객들이주로호텔이나게스트하우스등 숙박업소주위에머무른다는가정하에, 어디에사람들이많이모여있는지파악 > 여행객이낮에여행을마치고숙소주위로모여드는시간을 21시이후라고가정하고유흥거리나상인들이장사를마치는시간을새벽 3시정도까지를 사람들이이동할수있는시간반경이라고가정 > 데이터분석프로세스 03 시 21 시 03 시 RAW 데이터처리후완성된데이터 SAS 를활용하여필터링 위치정보와 Count of date

24 분석한자료를우리의아름다운지구에표현해보고싶지않으신가요? Visual data mining is a crucial area in explorative data mining, aimed at enhancing the effectiveness of the overall mining process, by supporting analytical reasoning. P. Compieta et al, 데이터마이닝의시각화는마이닝프로세스의이해와분석에큰효과

25 Google Earth 를활용 구글의위성영상지도서비스 + Keyhole Markup Language 사용 Google 어스, Google 지도등과같은어스브라우저에지리데이터를표시하는파일형식 > 목적 : 앞에서사용된 Mining 기법들을통해도출된규칙들을지도상에표현 > KML 파일생성프로세스 Rule N01 Rule N01 KML 파일로변환된국적별 Association Rule Rule N02 Rule N03 Excel 을활용하여규칙들을전처리 Rule N02 Rule N03 R 을활용하여규칙들을 KML 파일로합침 KML file KML 파일로변환된지방 Association Rule KML 파일로변환된국적별 Sequential Pattern KML 파일로변환된밤시간대데이터 Rule N10 Rule N10

26 > 국가별 Association Ruled 에서 N02,N05 나라관광객들의경기도가평군설악면특정지역에몰려있다. 그결과검색된장소는바로, 가평평화월드센터 일반사람이알고있는관광지역이아님에도불구하고 밀집되어있는 rule 을보고더자세히검색해봄 통일교의성지 > 그러면항상우리나라에는통일교를믿는사람들이성지순례및여행을하러오는것일까?? 2014 년 2 월 19 일. 전세계에서 2500 쌍이합동결혼식을하러온것으로발견, 2013 년 12 월부터 2014 년 2 월사이의인터넷뉴스를검색 이지역에데이터가밀집될수밖에없었음 앞으로의연구에는시기별로분할하여연구해야하는당위성발견

27 새는알에서태어난다 _ 탄생 정보는데이터에서태어난다 _ 발생 그리고지식으로성장한다 _ 발전 A_ 과제파악 B_ 분석방향설정 C_ 분석시행 D_ 추가분석 01_ SEMMA CYCLE2 해석 02_ SEMMA CYCLE3 해석 03_ 위성지도를이용한빅데이터플랫폼구현 04_ SEMMA CYCLE4 해석 05_ 지역관광, 강점에테마를더해체류형관광을이끌어내다. 06_ 밤시간대데이터분석 07_ 관광객의발이머문시간, 잠들기직전까지대한민국에반하다. 08_ 대한민국관광 3.0, 새로운길을찾다!

28 CYCLE2_ 국적별 Association Rule Mining > 서울내에서의규칙이자주발견됨 N01 N02 N03 N04 N06 N08 N10 > 대구, 대전, 전주, 가평등지방단체패키지여행으로추정되는규칙이다수존재함 인천공항이아닌부산항이나부산공항등으로배를 타고들어오는관광객이생각보다많을수있음 N02 N03 N05 N07 N09 N10 > 부산항에서입국한관광객수가많을것으로추정 N02 N03 N07 > 수도권과제주도간의왕래가자주관찰됨 N05

29 CYCLE3_ 국적별 Sequential Pattern Mining Sequence_name Ratio <( 명동 )( 을지로2가 )> <( 명동 )( 충무로1가 )> <( 명동 )( 신당3동 )> <( 명동 )( 장충동1가 )> <( 명동 )( 신사동 )> <( 충무로1가 )( 인천국제공항 )> <( 명동 )( 태평로2가 )> <( 인천국제공항 )( 숭인1동 )> <( 명동 )( 광희동1가 )> <( 명동 )( 충무로2가 )> <( 충무로1가 )( 명동 )> <( 인천국제공항 )( 광장동 )> <( 인천국제공항 )( 신사동 )> <( 명동 )( 필동2가 )> <( 석촌동 )( 잠실동 )> <( 인천국제공항 )( 신당3동 )> <( 명동 )( 과해동 )> <( 석촌동 )( 명동 )> N01 > N01은명동일대 ( 명동 / 을지로2가 ) 를시작으로하는쇼핑을포함한자유여행일확률이높음 > N02,03는김포공항으로다수가들어오고동대문디자인플라자부근쇼핑할확률높음 > N04는강북보다는강남이다수 / 반포 4동 = 신세계면세점백화점및고속터미널위치이곳에서지방으로이동하는여행객이있을가능성있음 > N05는상일동선사유적지등서울중심지외역사적중요지역방문가능성있음 > N06은이태원거리지역을필수코스로잡고있음 > N07은대관령과롯데월드가비율상두드러짐 > N08은적은 sequence 중에서도역삼동이자주나오는것으로보아테헤란로 : 업무목적일수있음 > N09는동교동 ( 홍대 ), 대전용전동, 당주동 ( 광화문, 청계광장, 이순신동상, 대한민국역사박물관 ) 다수 > N10은대관령, 남대문발견 < 완성된 N01의 Sequential Pattern>

30 < 구글어스실행동영상 > 1_ 국가별, 목적별, 지역별적합장소추천 > 추천시스템 (item, user matching etc.) 2_ 외국인관광객을위한다양한언어지원 > 외국인및외지인의길찾기편의제공 ( 스트리트뷰 ) ( 클릭하시면동영상재생됩니다 ) 3_ 실시간관광객들의정보, 의견공유가능 < 스트리트뷰예시 > 홍보 정보 관광산업연계시스템의원활한가동 관광객 각부처간의사소통의원활 질적 성장 실시간 Feedback

+ 전주 ( 한옥마을등관광지 ) + 가평 ( 남이섬, 자라섬캠핑장 ) > 주요여행사, 안내문, 정보Site에편중된정보 = TOP 5 여행사검색결과유사

31 CYCLE4_ 서울, 인천을제외한 Association Rule Mining - 서울, 인천제외 ( 출입국전인천공항에서통화를하는인원이압도적으로많음 ) 불균형데이터를고려하지않음으로써지역주요이동경로확인 - 다수빈도도시탐색 > 대전, 광주, 부산, 전주, 가평, 울산, 대구 > 서로연관이있는도시들은주요광역시 + 전주 ( 한옥마을등관광지 ) + 가평 ( 남이섬, 자라섬캠핑장 ) > 주요여행사, 안내문, 정보Site에편중된정보 = TOP 5 여행사검색결과유사 package 다수발견 > 인구밀도가높을수록, 도시일수록인프라발전 = 특히숙박시설주변발전된시가지선호 Ex) HanaTour USA Round Korea 7days

32 1 시간이면명소어디든여행할수있는서울 뛰어난교통, 숙박인프라, 대한민국의심장의기능 지역마다고유의매력이있다! 체류형관광상품개발로 1 박이상머물고싶은지역관광 문제점 자치시도시행근황 제안 - 중소도시비방문혹은일시적방문 - 체류시간부족 근거 - Rule mining 결과지역내이동 rule 희귀관광수입으로직결 - 컨텐츠의한계 인프라약점보충부족 - 테마강화 힐링, 의료, 쇼핑, 교육등 - 체류형관광상품개발 예 : 담양시 700만관광도시 1박2일스터디투어, 팸투어 - 한국관광클럽 MOU 1. 연구결과나온동선이하내실이튼튼한관광중소도시중점매력적테마적용 연계코스제작 - 경주 ( 문화재 + 전통음식 : 외래객만족2위요소 ) - 금산 ( 인삼 + 한의학, 힐링 : 침, 의료, 안마코스 ) - 다도 ( 多島 ) 지역 ( 휴양 + 해양체험 : 바다낚시등 ) 2. 게스트하우스, 유스호스텔확대 - 개인여행객증가, 힐링여행증가 - 관광공사공식안내매뉴얼, 홈페이지링크배포 : 전국공통서식으로외국인접근성향상

주거지역이므로대규모개발보다는작은단위의콘텐츠개발필요 한강공원을중심으로입구주변에유흥이나편의시설확충필요 이태원거리와는별개로대사관이밀집되어있다는특성을살려새로운대사관거리조성 빨간색막대 = 관광객이 21 시부터 3 시까지머무르는장소의분포 < 내림차순정리한데이터 >

33 - 밤시간대데이터분석과발전방향 > 공항주변과서울제일번화가명동과동대문디자인플라자, 홍대, 강남역주변과지방번화가를제외하고, 관광객들이밤에주로머무르는장소이지만주변에편의시설및유흥시설이위치하고있지않은곳의활성화 및콘텐츠개발이필요함 W 호텔위치 호텔말고주변엔아무것도없음 제주항부근 모든곳으로의접근성이뛰어나지만밤시간대편의시설및유흥시설부족 국회의사당,63 빌딩및한강공원, 무역단지 낮시간대에는유동인구가꽤되지만밤이되면조용해지는지역 대사관밀집지역 - 이태원거리와거리상으로는인접하지만길의경사가셈 주거지역이므로대규모개발보다는작은단위의콘텐츠개발필요 한강공원을중심으로입구주변에유흥이나편의시설확충필요 이태원거리와는별개로대사관이밀집되어있다는특성을살려새로운대사관거리조성 빨간색막대 = 관광객이 21 시부터 3 시까지머무르는장소의분포 < 내림차순정리한데이터 > 용평스키장주변 12 월부터 2 월사이의데이터라스키장데이터꽤많이나옴. 그러나, 스키장외즐길거리가하나도없음, 왔다가가는관광지 관광지외즐길거리가하나도없음, 자동차가필요 자연과밀접하게연결되어있는지역, 단순히밤거리개발보다는자연속에서밤에만할수있는체험적콘텐츠개발필요 < 서울지역을 KML 로시각화 >

34 1. 수도권숙박시설, 체류장소부근인프라확충 > 수도권밤시간대데이터분석결과 : 인프라부족장소발견 > 우측지도표시지역 : 여의도, 삼성동, 광진구 ( 광장동 ) ( 좌측부터 ) > 주점, 음식점, 노래방등시설확충, 주요관광번화가셔틀버스확대 관광객활동시간증가, 신규시장확보 <21:00~03:00 수도권내통화량분포 > 2. 전라남도섬관광. 외래관광객의마음을훔치다. > 비수도권밤시간대데이터분석결과 : 전남섬부근다수숙박 > 좌측지도표시지역 : 흑산도 ( 신안 ), 청산도 ( 완도 ), 거문도 ( 여수 ) ( 좌측부터 ) > 섬주변크루즈여행상품추가개발및섬관광, 숙박 Package 확충 고부가관광상품개발과요우커 ( 遊客 ) 유치기대

35 위성지도를이용한빅데이터플랫폼구현 지역관광에서체류형관광을이끌다 관광객의발이머문시간, 밤시간관광활용 대한민국관광 3.0, 새로운길을찾다!

36 외래방문객로밍데이터데이터마이닝분석보고서 감사합니다!

37 일신우일신 ( 日新又日新 ) 관광산업선순환생태계를향해! A_ 과제파악 01_ 무엇이문제이고화제일까? 앞으로의동향은? C_ 분석방향설정 D_ 분석시행 E_ 추가분석 F_ 결과해석 G_ 관광마케팅방안기획및결론 H_ 참고문헌

관광의질향상 Increase the quality of tour 국내관광육성 Upgrade the domestic tour level - 201

38 관광의질향상 Increase the quality of tour 국내관광육성 Upgrade the domestic tour level 비전나눔식 > 고부가관광상품개발 : 크루즈관광, 고급쇼핑코스개발등 > 지역관광활성화 > 여성전용관광상품출시 : 명품과프리미엄백화점아울렛, 미식, 쇼핑, 의료, 숙박, 미용연계 Ex) 매해 4 월한국관광공사, 강원도, 용평리조트공동눈썰매대회개최 - April Snow Festival, 한국의눈과꽃을동경하는동남아수요겨냥 - 태국등동남아관광객 1천여명참가 (2013), 500여명 (2014) - 스키장 잔설 ( 殘雪 ) 을활용하여고부가관광상품개시 - 통계상서울을비롯한수도권, 제주, 부산과이외지역과의관광산업불균형 - 10대실천과제중 1 : 촌장님에게든든한관광공사 Ex) 생태관광, 공정여행, 농어촌마을체험, 근로자휴가지원사업및관광소외계층여행기회확대, 관광두레등 - 창조관광기업과과련, 발굴및육성체계전면개편 > 국내관광을내수에서부터튼튼히 C 한국관광공사 - 효과적성공사례 : 내일로 (Korail, 일정기간전국기차여행장려제도 )

세부타겟관광객을겨냥한콘텐츠개발 New contents aimed to target tourists > 한류 ( 韓流 ) : 드라마, 영화, 가요등아시아를중심으로대한민국의대중문화의인기 > 요우커 ( 遊客 ) : 중국인관광객의파워가커짐에따라전략적인접근이필수적 Trend 과거드라마, 영화촬영지가관광객의대부분을이루었다면최근국내가수,

39 세부타겟관광객을겨냥한콘텐츠개발 New contents aimed to target tourists > 한류 ( 韓流 ) : 드라마, 영화, 가요등아시아를중심으로대한민국의대중문화의인기 > 요우커 ( 遊客 ) : 중국인관광객의파워가커짐에따라전략적인접근이필수적 Trend 과거드라마, 영화촬영지가관광객의대부분을이루었다면최근국내가수, 연기자의공연이나팬미팅등의목적으로방문하는관광객이증가하는추세이다. > 요우커 ( 遊客 ) 에증가에따른유치전략 인터컨티넨탈서울코엑스호텔 : 2011, 2012, 2013 년에해당 10%, 22%, 29% 씩요우커수가증가함에따라 1. 콘지 ( 죽 ), 딤섬, 티에그 ( 계란찻물로삶는것 ) 등중국인선호메뉴추가 2. 가격 8 만원, 8000 원등중국인이좋아하는숫자 8 이들어가게조정 3. 중국인고객대상세일즈매니저, 웨딩리허설서비스운영 롯데면세점 : 2012 년대비 2013 년중국인매출비중 70% 증가 1. 매장각층에중국어통역원 5 명씩배치 2. 중국인인기물품 BB 크림존 4 배로확대 3. 슈퍼주니어, 2PM 등한류스타모델현지통보 자료 : 법무부 - 한국관광상권에영향력이급증함에따라주방문지, 쇼핑지중국어간판, 안내문기본 - 명동, 남대문등주방문지에있는음식점, 호텔, 백화점의관광객유치전략변화 Ex) 섞어찌개 : 이카나베 ( 일본 )-> 직화구이 ( 중국 ) > 지방까지요우커 ( 遊客 ) 방문확대 2014년도 7월 ~10월요우커대거방문예상 - ~4월대구방문중화권관광객수 25,729명 지난해대비 45.4% 증가 - 7월치맥페스티벌연계중국관광객 200여명 - 7~8월중국청소년수학여행단 2,000여명 - 7~10월중국하얼빈, 닝보등지직항전세기로관광객 1만여명 1. 드라마 별에서온그대 의인기영향 2. 중국전세기의본격운항 3. 대구시동성로상점가중국은련카드가맹점확대, 음식점발굴전세버스주, 정차공간마련, 기본회화책자제공등

40 관광 3.0 을통한창조적관광가치극대화 Maximize the creative tour-value by TOUR 3.0 추가보충자료 > 브리꼴레르 (Bricoleur) 적사고와편집학 (Editology) 으로접근하여관광 3.0 개념구성 > 정부 3.0 및창조경제가치활성화 공항 항구 - 관광빅데이터플랫폼접근성개선및활용촉진 - ICT 기반의관광객활동행태피드백, 개선 - 관광벤처육성을통한일자리창출지원 > 지역관광활성화모델구축 - 지역사회주도하의지역관광활성화 - 지역의 일상 을관광상품및콘텐츠로기획, 개발 - 관광과지역주민이상호보완관계형성 > 관광산업융, 복합화 - 관광을매개로산업간융, 복합화추구 - 신규상품및서비스개발, 신규시장계획 - 산업간융, 복합을통한새로운부가가치창출 > 핵심가치 계인천김해김포제주기타소계부산인천기타소계 중국 276, ,416 8,250 13,739 39,347 8, ,023 2,748 47,047 15,416 65,211 일본 215, ,802 27,455 68,854 4, ,849 8, ,201 미국 52,852 46,570 2,503 1, , 대만 43,526 33,845 3,545 4,452 1, , 홍콩 38,677 35,232 2, , 태국 37,679 35,418 1, , 싱가포르 32,725 31, , 말레이시아 29,985 26,444 3, , 필리핀 25,925 8,777 1, , ,586 4,612 2,304 7,423 14,339 > 2013 년도 12 월외래객입국교통수단통계자료 > 공항, 항구이용빈도, 주목적지, 전체관광객수를기준으로 N## 국가탐색가능 > 데이터마이닝결과와비교하여전략적접근가능

41 SEMMA, Data Mining, For Tourist Pattern A_ 과제파악 B_ 현재관광산업의동향및이슈조사 C_ 분석방향설정 01_ RAW 데이터처리 02_ Explore 03_ SEMMA 방법론 (cycle1,cycle2,cycle3,cycle4) E_ 추가분석 F_ 결과해석 G_ 관광마케팅방안기획및결론 H_ 참고문헌

42 - 원본데이터의문제점포착 roaming_sample_final.csv - SAS Enterprise Guide 를활용한데이터수정 > 큰사이즈로인해엑셀에서다루기힘듦 SAS 활용 > 날짜 (date) 와시간 (time) 이일반숫자로되어있음변환필요 - SAS Enterprise Guide 를활용한데이터수정 > 시간 (time) 과는다르게, 날짜 (date) 는날짜형식으로나타나는것을볼수있다. > 우리는분석의용이성을위해시간또한형식에맞게변환할필요가있다. - 변환을완료한데이터 _but, 시간을초단위로변환한후에 형식을시간에맞게바꿔줌 > 좌표, 우편번호만으로정확한행정구역을파악하기힘듦 우편번호 DB 를통해우편번호를행정구역으로변환

- 우편번호 DB 를이용하여데이터에행정구역추가 - 우편번호 DB + 기존데이터통합과정

co.kr > 같은우편번호에다른주소가있을수있으므로중복을제거 ( distinct ) >

- 우편번호 DB + 기존데이터통합과정 _3 > 우편번호 DB 에없는 ZIP_code

조인속성처리후, 우편번호 DB 에없는 ZIP_code 는직접검색하여입력 >

43 - 우편번호 DB 를이용하여데이터에행정구역추가 - 우편번호 DB + 기존데이터통합과정 _1 우편번호 DB > 행정구역은 동 까지만사용 > 출처 : > 같은우편번호에다른주소가있을수있으므로중복을제거 ( distinct ) > 같은동, 다른건물 = 같은우편번호로포함 - 우편번호 DB + 기존데이터통합과정 _2 - 우편번호 DB + 기존데이터통합과정 _3 > 우편번호 DB 에없는 ZIP_code 가존재조인속성을 LEFT JOIN 으로지정 우편번호 DB 기존데이터 > 조인속성처리후, 우편번호 DB 에없는 ZIP_code 는직접검색하여입력 > 행정구역별로칼럼이나뉨 장바구니분석에적합하지못함 > 따라서, ( 시도 + 구군 + 동 ) 을합친새로운칼럼이필요

Location 각각의고객의암호화된 ID 통화가발생한날짜기록 ex)2014-02-21 로밍이발생한시간기록 ex)12:40 고객의국적정보 (10 개국 )

44 - 3 개의행정구역칼럼하나로통일 - RAW 데이터처리후완성된데이터 > 개별값을합치고, 선후행공백을제거하는 CATS 함수를사용 > 그래도제거되지않은공백은엑셀을통해서제거 - RAW 데이터처리후완성된데이터의변수설명 id date time Country_ code zip latitude longitude SIDO GUGUN DONG Location 각각의고객의암호화된 ID 통화가발생한날짜기록 ex) 로밍이발생한시간기록 ex)12:40 고객의국적정보 (10 개국 ) ex)n01~n10 우리나라우편번호 기지국의위도정보 기지국의경도정보 기지국의시, 도정보 기지국의구, 군정보 기지국의동정보 SIDO+ GUGUN+ DONG 분석에용이한단위로변환 새로추가된변수들

45 - Sampling 전, 데이터의시각화 국가 국적별로밍이용고객수 * 기존 SEMMA cycle에서 2번째단계인 Explore, 현재의 Explore만으로도충분히, 데이터의분포나특징을보여줄수있으므로 Sampling 후에는첨가하지않았습니다. N01 N02 N03 N04 N05 N06 N07 N08 N09 N10 < 국적별로밍이용고객수 > Imbalanced data N01,N02 나라에집중 < 지역별로밍사용횟수 > 서울과경기, 인천, 제주도에집중 < 로밍이발생한장소 > = 기지국의위치 + 진한부분은높은빈도로로밍발생

46 - Sampling 전, 데이터의시각화 시간대별통화발생량 x 축 : 시간 y 축 : 빈도 N01 N02 N03 N04 N05 N06 N07 N08 N09 N10 > N01 ~ N10 이상 10개국공통적으로일상생활을유지하는시간 = 큰빈도수 > N01 ~ N10 이상 10개국마다 local maximum 값을갖는횟수나시간-빈도그래프모형차이발견 > 이동경로연구와더불어위치정보를확인하여 N## 나라예측, 나라별선호도예측, 설문과실제관광경로와의차이발견가능

47 - 목적별로 SEMMA 방법론을사용 = 4 번의 CYCLE 필요 CYCLE1_ RAW 데이터처리후완성된데이터로 Association Rule Mining CYCLE2_ 국적별 Association Rule Mining CYCLE3_ CYCLE4_ 국적별 Sequential Pattern Mining 서울, 인천을제외한 Association Rule Mining

RAW 데이터처리후완성된데이터로 Association Rule Mining 로밍서비스를이용하는횟수 고객수 ( 명 ) 1 회 245570 2 회 19002 3 회 4953 4 회 1343 : 생략 : : : 668 회 1 968 회 1 > 1 번만로밍서비스를이용하는고객 = 약 25 만명으로과반수이상을차지

48 RAW 데이터처리후완성된데이터로 Association Rule Mining 로밍서비스를이용하는횟수 고객수 ( 명 ) 1 회 회 회 회 1343 : 생략 : : : 668 회 회 1 > 1 번만로밍서비스를이용하는고객 = 약 25 만명으로과반수이상을차지 Association Mining Rule 방법에적합하지않은 imbalanced 데이터 Rule 을파악할수있는최소 3 번이상통화한사람중 N01~N10 상관없이 분석에적합한 Sampling 실시필요 랜덤 5000 명을표본추출 < 개인당로밍횟수 > Distinct 명령어사용 = 관광객별중복된위치제거 < 완성된 Sampling>

49 RAW 데이터처리후완성된데이터로 Association Rule Mining - Modify_R 을이용한데이터변환 - Model_ 모델링방식선택 Association Rule Mining R 스크립트 < 추출된관광객들의방문위치데이터 > > 왼쪽 SAS E-Guide 를통해생성한데이터를 R script 를활용하여오른쪽데이터로변환 각행 = 관광객한명각열 = 방문위치 원소 방문시 1 미방문시 0 > R 을이용 > R 의 Apriori 알고리즘을통해 minsup = 0.01, minconf = 0.5 의규칙을찾는다 > Raw 데이터처리후완성된데이터한번만실행

50 RAW 데이터처리후완성된데이터로 Association Rule Mining - 추가분석여부결정 > 모두 140 개의 rule 이생성, but, Rule 을파악할수있는최소 3 번이상통화한사람중 N01~N10 상관없이 랜덤 5000 명을표본추출 이조건때문에, 로밍이용고객수가많은나라에 Rule 이집중될수밖에없음 < 완성된 Association Rule> 국가별분석이필요 ( 다음 SEMMA cycle2)

국적별 Association Rule Mining - 표본추출과정 국가 방문위치가 3 군데를넘는관광객수 ( 명 ) 샘플링후

3,171 N05 275 275 N06 5,164 N07 2,568 N08 1,028 sampling 실행 5,000

국가별원래데이터 > < 국가별 5000 명 sampling > < 추출된관광객들의방문위치데이터 > > N01

51 국적별 Association Rule Mining - 표본추출과정 국가 방문위치가 3 군데를넘는관광객수 ( 명 ) 샘플링후 ( 명 ) N01 47,218 5,000 N02 33,316 5,000 N03 5,544 5,000 N04 3,171 3,171 N N06 5,164 N07 2,568 N08 1,028 sampling 실행 5,000 2,568 1,028 추출된관광객들의방문위치 data 생성 N09 2,546 2,546 N10 6,789 5,000 < 국가별원래데이터 > < 국가별 5000 명 sampling > < 추출된관광객들의방문위치데이터 > > N01 의방문객들만을대상으로 5,000 명의확률표본을추출 > 추출된관광객들의방문위치의데이터생성.csv 파일로변환 > 나머지 N02~N10 국가에대해서도반복하여데이터생성

52 국적별 Association Rule Mining - Modify_R 을이용한데이터변환 - Model_ 모델링방식선택 Association Rule Mining R 스크립트 모든나라에대해변환 > SAS E-Guide를통해추출된관광객들의방문위치데이터를 R script를활용하여 CYCLE1에서했던방법과동일한방법으로모든나라에대해서변환한다. > R 을이용 > R 의 Apriori 알고리즘을통해 minsup = 0.01, minconf = 0.5 의규칙을찾는다 > 모든국가를대상으로각각실시

53 국적별 Association Rule Mining - 추가분석여부결정 > 각국가별 rule 이생성, but, 국가 생성된 Rule 개수 국가 생성된 Rule 개수 N N06 73 N N N N08 31 N04 32 N09 1,698 N N10 60 < 완성된 N01 의 Association Rule> 너무많은룰의개수, 해석이복잡 + 순서의개념의부재 순서를고려한분석이필요 ( 다음 SEMMA cycle3)

국적별 Sequential Pattern Mining - 표본추출과정 +

54 국적별 Sequential Pattern Mining - 표본추출과정 + 한글로표시된위치 숫자코드 < 국가별원래데이터 > <Location DB> < 국가별완성된 Sampling> > 마찬가지로국가별 5,000 명이하로추출된관광객을대상, data 를포함, 같은날에중복된장소를제거 > 알고리즘을사용할수있게 Location DB 에숫자 index 붙인데이터를더해한글로표시된위치숫자코드로변환 > 모든국가 (N01~N10) 을대상으로데이터 set 생성.csv 파일로변환

를활용하여오른쪽데이터로변환 확대예시 Ex) 각행 = 관광객한명공백 = 같은날에방문한장소콤마 = 다른날로구분, 관광객 1 명이같은날엔 2398 과 2406 을갔고, 다른날에는 2387 을갔다.

55 국적별 Sequential Pattern Mining - Modify_R 을이용한데이터변환 - Model_ 모델링방식선택 Sequential Pattern Mining 국가 데이터수 0.02 를넘는 Support Count N01 5, N02 5, N03 5, < 국가별완성된 Sampling> R 스크립트 모든나라에대해변환 > 왼쪽 SAS E-Guide 를통해생성한데이터를 R script 를활용하여오른쪽데이터로변환 확대예시 Ex) 각행 = 관광객한명공백 = 같은날에방문한장소콤마 = 다른날로구분, 관광객 1 명이같은날엔 2398 과 2406 을갔고, 다른날에는 2387 을갔다. > C# 을이용 > C# 의 AprioriSome 알고리즘을통해 minsup = 0.02 의로설정하여국가별 Support Count 를각각계산한뒤알고리즘을실행 > 모든국가를대상으로각각실시 N04 3, N N06 5, N07 2, N08 1, N09 2, N10 5,

56 국적별 Sequential Pattern Mining - 추가분석여부결정 > 각국가별 rule 이생성, 국가 생성된 Pattern 개수 국가 생성된 Pattern 개수 N01 18 N06 48 N N07 11 N03 10 N08 15 N04 20 N09 16 N05 33 N10 25 < 완성된 N01 의 Sequential Pattern> 비교적간단한결과로해석이용이함.but, 모든방법론이서울에편중되어룰이생성됨 ( 인천공항이압도적으로많아인천지역도포함 ) 서울, 인천지역을제외한분석이필요 ( 다음 SEMMA cycle4)

서울, 인천을제외한 Association Rule Mining * 샘플링을제외한모든과정이 CYCLE 1 과똑같음 - 표본추출과정 - 추가분석여부결정 표본추출과정 = 서울과인천을필터링하여제거 서울과인천을필터링하여제거 > 앞선 cycle1,2,3 에서서울지역의 rule 및 Pattern

57 서울, 인천을제외한 Association Rule Mining * 샘플링을제외한모든과정이 CYCLE 1 과똑같음 - 표본추출과정 - 추가분석여부결정 표본추출과정 = 서울과인천을필터링하여제거 서울과인천을필터링하여제거 > 앞선 cycle1,2,3 에서서울지역의 rule 및 Pattern 이지배적으로나와지방에대한데이터가모자라다. > 마찬가지로국가별 5,000 명이하로추출된관광객을대상, data 를포함, 같은날에중복된장소를제거 - Model_ 모델링방식선택 Association Rule Mining < 완성된 Association Rule> > 모두 742 개의 rule 이생성 마지막 SEMMA cycle 완성

58 데이터가무언가말하면 분석가는귀기울여듣는다. 그리고생각한다. 분명히뭔가를숨기고있구나! A_ 과제파악 B_ 현재관광산업의동향및이슈조사 C_ 분석방향설정 D_ 분석시행 01_ 밤시간대데이터분석 F_ 결과해석 G_ 관광마케팅방안기획및결론 H_ 참고문헌

59 - 밤시간대데이터조사 21:00 부터 3:00 까지의데이터필터링후중복되는고객제거 같은 SIDO,GUGUN, DONG 은 latitude,longitude 평균 Mean 을활용하여하나의그룹으로통일 SIDO, GUGUN, DONG 데이터추가변환 각그룹별 date 를 Count < 완성된밤시간대데이터 >

60 새는알에서태어난다 _ 탄생 정보는데이터에서태어난다 _ 발생 그리고지식으로성장한다 _ 발전 A_ 과제파악 B_ 현재관광산업의동향및이슈조사 C_ 분석방향설정 D_ 분석시행 E_ 추가분석 01_ SEMMA CYCLE2 해석 02_ SEMMA CYCLE3 해석 03_ SEMMA CYCLE4 해석 04_ 밤시간대데이터해석 05_ 구글어스에시각화 06_ 데이터마이닝결과특수장소에특수목적의방문객발 G_ 관광마케팅방안기획및결론 H_ 참고문헌

61 N01 Sequence_name Ratio <( 명동 )( 을지로2가 )> <( 명동 )( 충무로1가 )> <( 명동 )( 신당3동 )> <( 명동 )( 장충동1가 )> <( 명동 )( 신사동 )> <( 충무로1가 )( 인천국제공항 )> <( 명동 )( 태평로2가 )> <( 인천국제공항 )( 숭인1동 )> <( 명동 )( 광희동1가 )> <( 명동 )( 충무로2가 )> <( 충무로1가 )( 명동 )> <( 인천국제공항 )( 광장동 )> <( 인천국제공항 )( 신사동 )> <( 명동 )( 필동2가 )> <( 석촌동 )( 잠실동 )> <( 인천국제공항 )( 신당3동 )> <( 명동 )( 과해동 )> <( 석촌동 )( 명동 )> N02 > 명동일대 ( 명동 / 을지로2가 ) 를시작으로하는경우가많음 > 기타지역포함된상태로특히명동부근에서통화량이많음쇼핑을포함한자유여행일확률이높음 개인이든단체든 schedule 있는여행을할경우전화가필요한경우가거의없기때문 ( 여행객상호간 ) > 인천국제공항, 여객선을통해출입국하는경우대다수 Sequence_name Ratio <( 을지로 2 가 )( 명동 )> <( 숭인 1 동 )( 명동 )> <( 을지로 2 가, 명동 )> <( 명동 )( 과해동 )> <( 신사동 )( 과해동 )> <( 과해동 )( 방화 2 동 )> <( 명동 )( 을지로 2 가 )( 인천국제공항 )> <( 신사동 )( 명동 )> <( 명동 )( 충무로 1 가 )> <( 신사동 )( 인천국제공항 )> <( 명동 )( 인천국제공항 )> <( 신당 3 동 )( 명동 )> <( 광장동 )( 명동 )> <( 과해동 )( 신사동 )> <( 을지로 2 가 )( 과해동 )> <( 방화 2 동 )( 과해동 )> <( 숭인 1 동 )( 을지로 2 가 )> <( 신당 3 동 )( 장충동 1 가 )> <( 광희동 1 가 )( 명동 )> <( 삼성 1 동 )( 과해동 )> <( 명동 )( 충무로 2 가 )> <( 신당 3 동 )( 인천국제공항 )> <( 광희동1가 )( 인천국제공항 )> <( 인천국제공항 )( 명동 )( 을지로2가 )> N03 국적별 Sequential Pattern Mining > 명동관련 : N01과동일 > 앞선데이터에비해신당동, 신당3동데이터다수신라호텔, 동대문디자인플라자부근여행의목적중쇼핑이꼭잡혀있음 > 이상 3개이상의 sequence를보인항목은 2개, 명동-을지로2가-인천국제공항인천국제공항-명동-을지로2가이는순서의차이가있을뿐대부분의 tour의정석 / ( 완전한개인목적이아닌이상관광객필수코스 ) > 김포공항 ( 과해동 ) 을이용해서입국다수관찰가능. Sequence_name Ratio <( 신당동 )( 인천국제공항 )> <( 명동 )( 인천국제공항 )> <( 명동 )( 을지로2가 )> <( 창신1동 )( 신당동 )> <( 광희동1가 )( 신당동 )> <( 인천국제공항 )( 명동 )> <( 신당동 )( 창신1동 )> <( 광희동1가 )( 인천국제공항 )> <( 신당동 )( 광희동1가 )> <( 인천국제공항 )( 신당동 )> > 인천국제공항입국 > 창신1동다수발견 ( 동대문시장 ) > 신당동대부분동대문디자인플라자주변으로관광필수코스

62 국적별 Sequential Pattern Mining N04 Sequence_name Ratio <( 삼성1동 )( 인천국제공항 )> <( 역삼동 )( 인천국제공항 )> <( 반포4동 )( 인천국제공항 )> <( 반포4동 )( 잠원동 )> <( 인천국제공항 )( 삼성1동 )> <( 논현동 )( 역삼동 )> <( 용산동2가 )( 한남동 )> <( 역삼1동 )( 역삼동 )> <( 한남동 )( 용산동2가 )> <( 잠원동 )( 인천국제공항 )> <( 길월동 )( 후암동 )> <( 길월동 )( 용산동3가 )> <( 잠원동 )( 반포4동 )> <( 역삼1동 )( 인천국제공항 )> <( 논현동 )( 인천국제공항 )> <( 용산동3가 )( 용산동6가 )> <( 용산동3가 )( 길월동 )> <( 신사동 )( 인천국제공항 )> <( 역삼동 )( 논현동 )> <( 한남동 )( 인천국제공항 )> > 인천국제공항입국 > 용산이태원거리및힐튼호텔주변다수 > 강북보다는강남이다수 > 반포 4 동 = 신세계면세점백화점및고속터미널위치 이곳에서지방으로이동하는여행객이있을가능성있음 > 역삼동, 신사동, 삼성 1 동등소위강남이다수 모두다음 sequence 가인천국제공항 마지막으로서울에서머무르는장소일가능성있음 > 인천국제공항입국 > 명동, 을지로 2 가, 낙원동 ( 인사동 ), 관철동 ( 보신각및종로피아노거리 ), 무교동, 태평로 2 가 ( 서울시청광장 ) 필수코스 > 잠실동 - 상일동 - 석촌동잠실롯데월드, 석촌백제고분지역과 상일동선사유적지등 N05 서울중심지외역사적중요지역방문가능성있음 Sequence_name Ratio Sequence_name Ratio <( 삼성 1 동 )( 인천국제공항 )> <( 충무로 1 가 )( 인천국제공항 )> <( 태평로 2 가 )( 을지로 2 가 )> <( 서초 3 동 )( 인천국제공항 )> <( 반포 4 동 )( 인천국제공항 )> <( 삼성 1 동 )( 삼성 2 동 )> <( 을지로 2 가 )( 인천국제공항 )> <( 수송동 )( 을지로 2 가 )> <( 잠원동 )( 인천국제공항 )> <( 도선동 )( 마장동 )> <( 양재 2 동 )( 한남동 )> <( 을지로 1 가 )( 을지로 2 가 )> <( 역삼 2 동 )( 역삼동 )> <( 무교동 )( 을지로 2 가 )> <( 인천국제공항 )( 신사동 )> <( 무교동 )( 명동 )> <( 장충동 1 가 )( 인천국제공항 )> <( 을지로 2 가 )( 낙원동 )( 관철동 )> <( 을지로 2 가 )( 무교동 )> <( 을지로 2 가 )( 명동 )( 을지로 1 가 )> <( 반포 4 동 )( 잠원동 )> <( 낙원동 )( 을지로 2 가 )( 관철동 )> <( 과해동 )( 인천국제공항 )> <( 낙원동 )( 관철동 )( 을지로 2 가 )> <( 역삼 2 동 )( 인천국제공항 )> <( 잠실동 )( 상일동 )( 석촌동 )> <( 신사동 )( 반포1동 )( 인천국제공 <( 역삼동 )( 역삼2동 )> 항 )> <( 역삼동 )( 인천국제공항 )> <( 명동 )( 을지로 2 가 )( 태평로 2 가 )> <( 인천국제공항 )( 을지로 2 가 )> <( 명동 )( 을지로 2 가 )( 을지로 1 가 )> <( 태평로 2 가 )( 명동 )> > 도선동 - 마장동왕십리곱창골목, 축산물마장시장등식도락여행

63 국적별 Sequential Pattern Mining Sequence_ name Ratio Sequence_ name Ratio N06 <( 신사동 )( 인천국제공항 )> <( 신사동 )( 여의도 )> <( 명동 )( 인천국제공항 )> <( 무교동 )( 태평로 2 가 )> <( 명동 )( 을지로 2 가 )> <( 신사동 )( 명동 )> <( 태평로 2 가 )( 인천국제공항 )> <( 청담동 )( 인천국제공항 )> <( 을지로 2 가 )( 인천국제공항 )> <( 신사동 )( 잠원동 )> <( 삼성 1 동 )( 인천국제공항 )> <( 청담동 )( 신사동 )> <( 인천국제공항 )( 신사동 )> <( 잠원동 )( 인천국제공항 )> <( 삼성 1 동 )( 신사동 )> <( 신사동 )( 태평로 2 가 )> <( 신사동 )( 한남동 )> <( 여의도 )( 태평로 2 가 )> <( 한남동 )( 인천국제공항 )> <( 태평로 2 가 )( 명동 )> <( 신사동 )( 삼성 1 동 )> <( 명동 )( 충무로 1 가 )> <( 인천국제공항 )( 태평로 2 가 )> <( 인천국제공항 )( 역삼동 )> <( 명동 )( 태평로 2 가 )> <( 충무로 1 가 )( 인천국제공항 )> <( 신사동 )( 청담동 )> <( 신사동 )( 충무로 1 가 )> <( 여의도 )( 인천국제공항 )> <( 명동 )( 충무로 2 가 )> <( 인천국제공항 )( 명동 )> <( 용산동 2 가 )( 한남동 )> <( 한남동 )( 신사동 )> <( 신사동 )( 역삼동 )> <( 인천국제공항 )( 여의도 )> <( 태평로 2 가 )( 여의도 )> <( 인천국제공항 )( 한남동 )> <( 논현동 )( 인천국제공항 )> <( 을지로 2 가 )( 태평로 2 가 )> <( 명동 )( 신사동 )> <( 인천국제공항 )( 삼성 1 동 )> <( 신사동 )( 을지로 2 가 )> <( 인천국제공항 )( 을지로 2 가 )> <( 충무로 1 가 )( 태평로 2 가 )> <( 을지로 2 가 )( 명동 )> <( 태평로 2 가 )( 을지로 2 가 )> <( 역삼동 )( 인천국제공항 )> <( 서린동 )( 태평로 2 가 )> > 인천국제공항입국 > 태평로 : 서울시청, 덕수궁, 숭례문 > 명동, 을지로2가, 낙원동, 관철동, 태평로 2가등서울강북의중심부, 신사동, 삼성동, 역삼동, 청담동등강남의중심부, 용산동한남동이태원거리지역을필수코스로잡고있음 > 여의도가다수나옴 > 인천국제공항에도착하고나서삼성1동이나을지로2가, 역삼동, 태평로 2가쪽으로이동짐을풀어놓을숙소가많은장소로추측가능 N07 > 4.17% 대관령 명동 2.41% 대관령-인천국제공항 2.29% 대관령-을지로2가 > 2.23% % % 롯데월드 명동 > 대관령과롯데월드가비율상두드러짐 > 명동동일 N08 Sequence_name Ratio <( 명동 )( 을지로2가 )> <( 명동 )( 인천국제공항 )> <( 대관령 )( 명동 )> <( 을지로2가 )( 인천국제공항 )> <( 을지로2가 )( 명동 )> <( 명동 )( 충무로1가 )> <( 대관령 )( 인천국제공항 )> <( 대관령 )( 을지로2가 )> <( 석촌동 )( 잠실동 )> <( 잠실동 )( 명동 )> <( 석촌동 )( 명동 )> Sequence_name Ratio <( 역삼동 )( 인천국제공항 )> <( 인천국제공항 )( 삼성1동 )> <( 역삼1동 )( 역삼동 )> <( 을지로2가 )( 명동 )> <( 삼성1동 )( 인천국제공항 )> <( 인천국제공항 )( 역삼동 )> <( 인천국제공항 )( 신사동 )> <( 명동 )( 을지로2가 )> <( 명동 )( 인천국제공항 )> <( 신사동 )( 역삼동 )> <( 역삼동 )( 역삼1동 )> <( 인천국제공항 )( 을지로2가 )> <( 삼성1동 )( 역삼동 )> <( 역삼2동 )( 역삼동 )> <( 신사동 )( 인천국제공항 )> <( 논현동 )( 역삼동 )> > 역삼동다수발견 삼성동논현동등으로주로강남지역 > 적은 sequence 중에서도역삼동이자주나오는것으로보아테헤란로 : 업무목적일수있음

64 국적별 Sequential Pattern Mining N09 Sequence_name Ratio <( 명동 )( 인천국제공항 )> <( 명동 )( 을지로2가 )> <( 을지로2가 )( 인천국제공항 )> <( 동교동 )( 인천국제공항 )> <( 대전용전동 )( 명동 )> <( 대전용전동 )( 동교동 )> <( 충무로1가 )( 인천국제공항 )> <( 동교동 )( 명동 )> > 인천국제공항입국 > 명동동일 > 동교동 ( 홍대 ) 3.1% > 대전용전동을들렸다오는경우다수 대전터미널이있는곳 ( 주변 : 한남대, 신학대및산업단지 ) > 당주동 ( 광화문, 청계광장, 이순신동상, 대한민국역사박물관 ) 다수 N10 Sequence_name Ratio <( 명동 )( 을지로2가 )> <( 명동 )( 인천국제공항 )> <( 을지로2가 )( 인천국제공항 )> <( 태평로2가 )( 인천국제공항 )> <( 명동 )( 태평로2가 )> <( 신사동 )( 인천국제공항 )> <( 을지로2가 )( 명동 )> <( 삼성1동 )( 인천국제공항 )> <( 역삼동 )( 인천국제공항 )> <( 을지로2가 )( 태평로2가 )> <( 태평로2가 )( 명동 )> <( 여의도동 )( 인천국제공항 )> <( 당주동 )( 인천국제공항 )> <( 명동 )( 충무로2가 )> <( 명동 )( 당주동 )> 다른나라도분명히갔을것이라예상되지만비율상등장하지않음 (0.2% 미만일듯 ) <( 인천국제공항 )( 명동 )> <( 인천국제공항 )( 삼성1동 )> <( 인천국제공항 )( 태평로2가 )> <( 대전용전동 )( 인천국제공항 )> <( 역삼 1 동 )( 역삼동 )> <( 을지로2가 )( 명동 )> <( 명동 )( 충무로1가 )> <( 대전용전동 )( 당주동 )> <( 신사동 )( 인천국제공항 )> > 인천국제공항입성 > 명동동일 <( 인천국제공항 )( 을지로2가 )> <( 무교동 )( 태평로2가 )> <( 논현동 )( 역삼동 )> <( 태평로2가 )( 을지로2가 )> <( 한남동 )( 인천국제공항 )> <( 서린동 )( 인천국제공항 )> > 대관령, 남대문발견 <( 강원도대관령 )( 명동 )> <( 남대문로5가 )( 인천국제공항 )> > 강남과강북이비례하게발견됨 <( 충무로 1 가 )( 인천국제공항 )>

65 - Google Earth 란? > 구글이제공하는서비스 > 위성이미지, 지도, 지형및 3D 건물정보등전세계의지역정보를제공, 세계의여러지역들을볼수있는구글의위성영상지도서비스 > 2005년6월 28일부터배포, 30개이상의언어로제공 > 개발자도구중 KML파일이제공 - Keyhole Markup Language ( KML ) - KML 의프로젝트적용 > 목적 : 앞에서사용된 Mining 기법들을통해도출된규칙들을지도상에표현 > P. Compieta et al[4], 데이터마이닝의시각화는마이닝프로세스의이해와분석에큰효과 Visual data mining is a crucial area in explorative data mining, aimed at enhancing the effectiveness of the overall mining process, by supporting analytical reasoning. > KML 파일생성프로세스 > Google 어스, Google 지도등과같은어스브라우저에지리데이터를표시하는파일형식 > XML(Extended Markup Language) 와비슷한구조를가짐 Rule N01 Rule N02 Rule N03 Excel 을활용하여규칙들을전처리 Rule N01 Rule N02 Rule N03 R 을활용하여규칙들을 KML 파일로합침 KML file Rule N10 Rule N10

66 - Association Rule 의표현 - Sequential Pattern 의표현 > 지도상위치에 support 값을표시 > 지도상위치에 support 값을표시 B A A B C E C D {A, B, C, D} => {E} {A}=>{B}=>{C} = 시작지점 = 마지막지점

67 - 완성된 KML 파일을구글어스에적용 KML 파일로변환된국적별 Association Rule 그러나, 너무많은규칙으로알아보기가힘듦각각요소별 (support, confidence, lift) 상위규칙 20 개만적용함 <Support 상위 20개규칙 > < Confidence 상위 20개규칙 > < Lift 상위 20개규칙 >

68 - 완성된 KML 파일을구글어스에적용 KML 파일로변환된지방 Association Rule 그러나, 너무많은규칙으로알아보기가힘듦각각요소별 (support, confidence, lift) 상위규칙 20 개만적용함 <Support 상위 20개규칙 > < Confidence 상위 20개규칙 > < Lift 상위 20개규칙 >

69 국적별 Sequential Pattern Mining - 완성된 KML 파일을구글어스에적용 KML 파일로변환된국적별 Sequential Pattern KML 파일로변환된밤시간대데이터 < 서울지역만확대하여캡쳐 > 빨간색막대 = 관광객이 21 시부터 3 시까지머무르는장소의분포

70 대한민국관광 3.0 질적도약및균형발전 솔루션제안 A_ 과제파악 B_ 현재관광산업의동향및이슈조사 C_ 분석방향설정 D_ 분석시행 E_ 추가분석 F_ 결과해석 01_ 위성지도를이용한빅데이터플랫폼구현 02_ 지역관광, 강점에테마를더해체류형관광을이끌어내다. 03_ 관광객의발이머문시간, 잠들기직전까지대한민국에반하 H_ 참고문헌

71 [1] John F. Roddick and Brian G. Lees, Paradigms for Spatial and Spatio-Temporal Data Mining, Geographic Information Systems, 2001 [2] Rakesh Agrawal and Ramakrishnan Srikant, Fast Algorithms for Mining Association Rules, Proceeding of 20 th international conference of large data bases, VLDB, 1994 [3] Rakesh Agrawal and Ramakrishnan Srikant, Mining Sequential Patterns, Proceedings of the 11 th International Conference of Data Engineering, 6-10 Mar [4] P. Compieta, S. Di Martino, M. Bertolotto, F. Ferrucci and T. Kechadi, Exploratory spatio-temporal data mining and visualization, Journal of Visual Languages and Computing vol18, , 2007 [5] 김홍식외, 도심활성화를위한외국인개별관광객숙박인프라확충방안 Implementation plan of Lodging Facilities for Foreign Independent Travelers, 정책연구 , 경기개발연구원, 2012 [6] 한국문화관광연구원, 밀워드브라운미디어리서치, 문화체육관광부, 외래관광객실태조사 2013(International Visitor Survey), 발간번호 , 승인번호제 31402호, 문화체육관광부, 2014 [7] P. Compieta, S. Di Martino, M. Bertolotto, F. Ferrucci and T. Kechadi, Exploratory spatio-temporal data mining and visualization, Journal of Visual Languages and Computing vol18, , 2007

72 [8] 최영수저, 쇼핑, 관광, 한류의최전선면세점이야기, 서울 : 미래의창, 2013 [9] 최정규, 박성원, 정민용, 박정현저, 죽기전에가봐야할국내여행 1001, 마로니에북스, 2010 [10] 유혜준저, 남도섬길여행, 미래의창, 2010 [11] 이하한국관광공사제공데이터, 통계자료 년 1월, 2월외래객입국, 국민해외여행객및관광수입, 지출동향 , , 외래객입국교통수단별통계 , , 주요국가통계, 세부국가통계 외래관광객실태조사유저가이드 외래관광객실태조사코드북 관광수입

방한외래관광객관광객

방한외래관광객관광객 01. 방한외래관광객(5월기준) 5월 방한외래관광객 1,492,680명, 전년동기(1,334,212명) 대비 11.9% 증가 (단위 : 명, %) 방한외래관광객 증감률 2010년 8,797,658 12.5 2011년 9,794,796 11.3 2012년 11,140,028 13.7 2013년 12,175,550 9.3 2014년 14,201,516 16.6