[ 빅데이터, 대한민국 행정동 군집분석 ]
행정동 군집분석을 Tableau로 어떻게 했을까?
④ 고속도로와 철도
주거지에서 매우 중요한 요소 중의 하나가 바로 교통입니다. 하지만 교통이라는 지표는 수치화 된 데이터로 파악하기 힘듭니다.
그래서 이번 리포트에서 각 클러스터들이 교통망, 특히 고속도로 및 철도와 어떤 관계가 있는지 지도를 이용해서 시각화 했습니다.
<그림1> 행정동 군집분석 태블로 리포트에서의 상관분석 페이지 (made by Tableau) * 그림을 클릭하면 Tableau Public으로 연결됩니다.
위의 그림에서 왼쪽은 도로망, 오른쪽은 지하철 및 철도망을 지도 위에 표시한 리포트 페이지입니다.
먼저 왼쪽의 지도를 보면, 특히 경부고속도로를 따라 소득이 높은 지역들이 분포하고 있는 것을 볼 수 있습니다.
<그림2> 경부고속도로를 클러스터 맵 위에 표시 (made by Tableau) * 그림을 클릭하면 Tableau Public으로 연결됩니다.
이 경로를 따라 있는 행정동들이 상위 클러스터에 속해 있다는 점에서, 교통 접근성과 소득 간의 연관성을 시사합니다.
다음으로 아래 지도에서는 철도 데이터를 확인할 수 있습니다.
<그림3> 수도권 철도/지하철 노선을 클러스터 맵 위에 표시 (made by Tableau) * 그림을 클릭하면 Tableau Public으로 연결됩니다.
수도권에 빽빽하게 깔린 지하철망이 특징적입니다. 지하철 노선이 많은 지역에서는 역시 인구밀도가 높고, 이를 바탕으로 다양한 소득 클러스터들이 분포하고 있는 것을 시각적으로 쉽게 확인할 수 있습니다.
이렇게 교통 인프라와 소득 분포 간의 상관관계를 살펴보는 것도 매우 흥미롭습니다.
이처럼 Tableau에서는 다양한 통계 기법들을 손쉽게 활용할 수 있다는 강점이 있습니다. 특히 이런 기법들을 시각화에 바로 적용할 수 있어서 분석 과정이 더욱 직관적이고 효율적입니다.
예를 들어 F 통계량이나 P-value와 같은 주요 통계값들도 Tableau가 자동으로 계산해 주기 때문에, 복잡한 계산 없이도 신뢰성 있는 분석 결과를 도출할 수 있습니다.
물론, Tableau에서 제공하지 않는 고급 통계 기능이 일부 있습니다. 하지만 기본적으로 제공되는 K-means 군집분석만으로도 충분히 신뢰도가 높은 분석이 가능합니다. 만약 더 복잡하거나 심층적인 분석이 필요하다면, 앞에서 서술한 것처럼 Python과 같은 외부 도구를 활용해 보완할 수도 있습니다.
이렇게 하면 Tableau의 강력한 시각화 도구와 외부 분석 툴의 정교함을 결합해 더욱 완성도 높은 결과를 얻을 수 있을 것입니다.
본 포스트에서 다루는 <행정동군집분석 Report>는 Tableau Public에 게시되어 있습니다.
https://public.tableau.com/app/profile/heejo.shin/viz/_17300903403820/01_
