첫번째 프로젝트 회고[서울시 부동산 데이터 분석]

가장 처음으로 했던 프로젝트다. 파이썬을 배운지 2주 뒤에 진행했던것으로 기억난다. 

초기 프로젝트다 보니 아쉬운 점도 많고 기간이 7일, 주말 포함하면 9일이 주어졌기에 하지 못한것도 많다.

데이터 파악 및 전처리에 3일, 분석에 2일, 그 외는 ppt제작 및 대본작성을 했으며 사실상 동시에 진행하였다.

 

진행 기간 :  2025년 09/04~09/12(7일)/4인

사용된 데이터 : 서울 열린 데이터 광장 내 2018~2024 서울시 부동산 거래

기여 내역 : 문제 설정 및 분석

 

1. 프로젝트 배경 및 문제 설정

문제 상황

- 부동산 시장은 금리 변동, 정책 규제, 경기 상황 등으로 인해 거래량과 가격의 변동성이 심화되고 있다.

- 따라서 중개사 역시 감각에 의존하여 매물을 추천할 것이 아니라 데이터에 기반하여 매수-매도 타이밍, 지역 안정성, 미래 가치 등을 파악하고 매물을 추천해야 함

 

결론

- 따라서 공공 데이터를 활용한 거주, 투자, 매도 등 다양한 목적을 위한 거래 지역을 추천

 

2. 전처리 내역

•  신축(건축 5년 이내), 구축(11년 이상), 준신축(6~10) 파생 컬럼 생성
• 평당가 파생 컬럼 생성(단독 다가구는 거래금액 / (토지면적/3.305785)/ 그 외 거래금액/(건물면적/3.305785)
• 이상치 및 결측치 제거(토지 면적 결측치 등)

3. 기초 분석

확인한 내용

• 건물 유형별로 변동성과 변동폭이 다르다
• 신축, 구축에 따라 가격이 다르며 준신축, 신축간의 가격은 차이가 없다. (신축 프리미엄이 존재함)

 

 

• 가격은 꾸준히 사승하고 있으나 자치구, 법정동별로 상승, 보합, 하락하는 곳이 있다. 

4. 분석 설계

• 자치구, 법정동의 성장세가 다르며 이를 통해 거주지, 투자의 판단 기준을 세울 수 있을 것이다.
• 신축과 준신축, 구축, 건물 유형의 가격/ 변동성이 다르며 이를 통해 거주지, 투자의 판단 기준을 세울 수 있을 것이다.

5. 가설 설정을 위한 단순 테스트

위의 분석 설계가 가능한지 알아보기 위해 단순하게 나눈 4분면 산점도이다.

충분히 의미 있는 분석이 가능하다고 생각해 진행하였다.

그리고 분석을 위해 4개의 파생 컬럼을 생성하였다

각 파생 컬럼은 법정동을 기준으로 하였다

• 평균 평당가
• 평균 증감률
• CAGR(연평균 복합 성장률)
• 변동성

 

해당 파생 컬럼별로 상 중 하로 분류하였다. 

 

6. 결과

다음과 같이 컬럼별로 상 중 하로 분류하고 이를 통해 고객 유형별 추천 법정동을 설정 할 수 있었다. 

다만 여기서 실수가 있었는데 CAGR과 안정성(변동성)에 수식 실수가 있어 전년대비로 나왔다.

 

-----

처음 진행하는 프로젝트이다 보니 하고싶은것을 역량이 부족해서 진행하지 못하였고, 시간 배분에도 문제가 있었다. 

전처리에 참여한 것은 2일, 분석에 2일을 소모하였는데 분석에 좀 더 시간을 배분했어야 했다. 

 

그리고 수면의 중요성을 정말 크게 느꼈는데 분석 중에는 시간이 부족하여 6시에 일어나서 00시에 잠드는 형식으로 진행했었는데 점차 머리가 무거워지면서 머리가 잘 안돌아가서 힘들었다. 이 이후 프로젝트에서는 늦어도 10시, 수면 8시 기상 패턴을 꾸준히 지켰고 어느정도의 퍼포먼스 유지가 되었다.(수면의 중요성..)

 

또한 프로젝트가 끝난 후 2시간동안 프로젝트를 되짚어 보니 문제점이 너무 많았다. 이를 정리하여 추가 진행하였다.

 

아래는 프로젝트 종료 이후 스스로 리뷰한 내용이다.