1. 한국관광 데이터랩 2024 대상 사례 분석
이 사례는 관광빅데이터 수업에서 “문제 → 데이터 수집 → 데이터 융합 → 분석 → DIKW → 정책 실행 → 성과”의 전 과정을 보여주는 좋은 사례입니다.
문제 발견
→
3종 데이터 융합
→
Who·Where·When 분석
→
위험지역 선정
맞춤형 정책
→
교육·BIS·GS25 캠페인
→
사고 감소
→
전국 확산
| 단계 | 내용 | 이 사례에서 확인되는 핵심 |
|---|
| 문제 Problem | 관광지에서 개인형 이동장치(PM) 사고와 안전문제 증가 | 최근 5년간 PM 사고 약 10.6배 증가, 관광지의 무단방치·보행자 안전·무면허·2인 탑승 문제 |
| 목표 Objective | 사고 가능성이 높은 관광지역·시간·이용자 집단을 찾아 맞춤형 안전대책 마련 | 단순 단속이 아니라 “어디서·언제·누구에게 개입할 것인가?”를 데이터로 결정 |
| 데이터 Data | 서로 다른 기관의 데이터를 결합 | 한국관광 데이터랩 + TAAS + 민간 공유 PM 이용데이터 |
| 분석 Analysis | 방문·사고·이용 데이터를 공간·시간·연령 기준으로 결합 분석 | GIS 공간분석 + 연령대 분석 + 시간대 분석 + 데이터 융합 + 위험지역 도출 |
| 결과 Insight | 위험 집단·지역·시간대를 구체적으로 식별 | 10~20대, 관광·쇼핑·문화·레저·공원 및 교통거점, 오후~야간 시간대가 중요 |
| 실행 Action | 분석결과를 실제 정책으로 연결 | 교육, GS25 LCD, BIS, 지자체·PM업체 협력 캠페인 |
| 성과 Outcome | 데이터 기반 안전관리 효과 확인 | 주요 관광지 PM 사고 감소세, 맞춤형 안전교육 확대, 전국 확산 추진 |
2. 어떤 데이터를 사용했는가?
이 사례에서 가장 중요한 것은 하나의 데이터만 분석한 것이 아니라 서로 다른 데이터를 융합했다는 점입니다.
| 데이터 출처 | 주요 데이터 | 알 수 있는 것 | 분석에서의 역할 |
|---|
| 한국관광 데이터랩 | 이동통신 기반 방문자 정보 | 누가 관광지를 방문하는가 | 관광객 분포 파악 |
| 한국관광 데이터랩 | 주요 방문지점 GIS | 관광객이 어디를 방문하는가 | 관광공간 파악 |
| TAAS 교통사고분석시스템 | PM 사고 발생 위치·시간·연령 등 | 어디서 언제 사고가 발생하는가 | 사고 위험 파악 |
| 공유 PM 업체 | PM 이용자·이용 위치·이용시간 | PM이 어디서 언제 이용되는가 | PM 이용행태 파악 |
관광객 데이터 + 교통사고 데이터 + PM 이용 데이터 → 관광지 PM 위험지역 데이터
3. 분석 방법은 무엇인가?
이 사례를 단순히 “빅데이터 분석”이라고 하면 너무 넓습니다. 5가지 분석방법으로 나눠 보면 선명해집니다.
| 분석방법 | 질문 | 사례 |
|---|
① 기술통계 분석
Descriptive Analysis | 어떤 사람이 많이 이용하는가? | PM 이용자의 72%가 10~20대 |
② 시간대 분석
Temporal Analysis | 언제 많이 이용하고 사고가 발생하는가? | 이용 15~21시, 사고 16~22시 |
③ 공간분석
Spatial Analysis | 어디에서 문제가 발생하는가? | 관광지·쇼핑지역·공원·지하철역·버스정류장 |
④ GIS 중첩분석
GIS Overlay Analysis | 방문·사고·PM 이용이 동시에 집중되는 곳은 어디인가? | 세 데이터의 위치정보를 중첩하여 위험지역 도출 |
⑤ 세분화 분석
Segmentation | 누구·어디·언제를 집중관리해야 하는가? | 10~20대 × 관광·교통거점 × 오후·야간 |
사람 Who × 장소 Where × 시간 When → 위험도가 높은 관광 상황 → 맞춤형 안전대책 What to do
4. DIKW 틀로 보면
이 사례는 DIKW(Data → Information → Knowledge → Wisdom)를 설명하기에 특히 좋습니다.
D · Data 데이터관광객 이동통신 데이터, 관광지 GIS, PM 사고자료, PM 이용자료
I · Information 정보PM 이용자 72%가 10~20대, 사고자 68%가 10~20대, 이용 15~21시, 사고 16~22시
K · Knowledge 지식10~20대가 많이 방문하고 PM 이용이 많으며 사고도 집중되는 관광·교통지역이 핵심 위험지역
W · Wisdom 지혜해당 장소·시간·연령층을 대상으로 BIS·GS25·교육·캠페인을 집중 실시
Information과 Knowledge의 차이
정보 Information
“PM 사고가 16~22시에 많이 발생한다.”
지식 Knowledge
“10~20대 관광객의 PM 이용시간과 사고시간이 겹치고, 이들이 많이 방문하는 관광·쇼핑·교통거점에서 위험이 높다.”
지혜 Wisdom
“그렇다면 10~20대가 해당 장소에 있는 오후·저녁 시간에 안전 메시지를 집중적으로 노출하자.”
DIKW 한눈에 보기
DATA
관광객 이동 데이터 + 관광지 GIS + PM 사고 데이터 + PM 이용 데이터
↓
INFORMATION
PM 이용자 72% → 10~20대 · 사고자 68% → 10~20대 · 이용 15~21시 · 사고 16~22시
↓
KNOWLEDGE
“10~20대가 많이 방문하는 관광·교통거점에서 오후~야간 PM 사고위험이 높다.”
↓
WISDOM
10~20대 × 관광지·지하철·버스정류장·편의점 × 오후~야간
→ 교육 + BIS + GS25 LCD + 민관협력 캠페인
→ 관광지 PM 사고 감소
5. 이 사례에서 가장 중요한 빅데이터 사고방식
이 사례의 진짜 핵심은 “PM 사고 데이터만 분석하지 않았다”는 것입니다.
사고 데이터만 보면
어디에서 사고가 많이 났는가?
PM 이용 데이터를 더하면
어디에서 PM을 많이 타는가?
한국관광 데이터랩을 더하면
그 장소를 어떤 관광객이 많이 찾는가?
누가(Who), 어디에서(Where), 언제(When) 위험한가? → 누구에게, 어디에서, 언제 안전정책을 실시할 것인가?
한 문장으로 말한다면
관광객·PM·사고 데이터를 모으고(Data) → 위험 시간·장소·연령을 파악하고(Information) → 10~20대 관광객이 많이 모이는 특정 장소와 시간에 PM 사고위험이 높다는 패턴을 발견하고(Knowledge) → 그 사람·장소·시간을 대상으로 안전교육과 캠페인을 집중하는 것(Wisdom)
6. AI에게 어떻게 물어야 하는가?
단순히 “이 사례 분석해줘”라고 하기보다, 분석 순서를 프롬프트 안에 넣어야 합니다. 특히 이 사례라면 문제 → 데이터 → 분석방법 → DIKW → 실행 → 성과가 자동으로 나오게 물으면 됩니다.
학생용 기본 프롬프트
아래 관광·지역·교통 관련 사례를 빅데이터 분석 관점에서 분석해줘. 다음 순서로 정리해줘.
1. 이 사례가 해결하려는 핵심 문제 Problem은 무엇인지 1~2문장으로 설명해줘.
2. 문제 해결을 위해 사용한 데이터 Data를 출처별로 구분해줘.
3. 각 데이터로 무엇을 알 수 있는지 설명해줘.
4. 사용된 분석방법 Analysis Method을 찾아줘. 기술통계, 시간대 분석, 공간분석, GIS 중첩분석, 군집분석, 예측분석 등으로 구분해서 설명해줘.
5. 분석과정을 Who(누가) · Where(어디서) · When(언제) · What(무엇이) 관점에서 정리해줘.
6. 분석 결과를 DIKW(Data → Information → Knowledge → Wisdom) 단계로 구분해줘.
7. 특히 Information과 Knowledge가 어떻게 다른지 이 사례의 실제 결과를 사용해서 설명해줘.
8. 분석 결과가 어떤 정책·서비스·의사결정 Action으로 연결되었는지 설명해줘.
9. 실제 성과 Outcome가 무엇인지 수치가 있으면 함께 제시해줘.
10. 마지막으로 이 사례를
문제 → 데이터 → 분석 → 정보 → 지식 → 의사결정 → 성과
흐름의 한 줄 구조로 정리해줘.
결과는 대학생이 이해할 수 있도록 어려운 전문용어를 풀어서 설명하고, 표를 활용해서 한눈에 비교할 수 있게 작성해줘. 사례에 없는 내용은 임의로 만들지 말고, 확인할 수 없는 분석방법은 ‘명확히 확인되지 않음’이라고 표시해줘.
반드시 생각해야 하는 질문
AI가 분석한 결과를 그대로 받아들이지 말고, 마지막에 다음 질문에도 답해줘.
‘이 데이터가 없었다면 어떤 판단을 하지 못했을까?’
‘여러 데이터를 결합했기 때문에 새롭게 알게 된 것은 무엇인가?’
이번 PM 사례용 실전 프롬프트
다음 ‘한국관광 데이터랩 우수 활용사례 — 관광지 PM 교통사고 안전관리’ 사례를 분석해줘.
① 문제점 → ② 사용 데이터 → ③ 데이터 출처 → ④ 분석방법 → ⑤ 주요 분석결과 → ⑥ DIKW → ⑦ 정책 활용 → ⑧ 성과 순서로 정리해줘.
특히 다음을 구체적으로 분석해줘.
- 한국관광 데이터랩 데이터로 무엇을 알았는가?
- TAAS 데이터로 무엇을 알았는가?
- 공유 PM 업체 데이터로 무엇을 알았는가?
- 세 데이터를 결합했기 때문에 새롭게 알게 된 것은 무엇인가?
- 분석대상을 Who·Where·When으로 구분하면 각각 무엇인가?
- 어떤 분석이 기술통계인지, 시간분석인지, 공간분석인지, GIS 기반 분석인지 구분해줘.
- DIKW의 Data, Information, Knowledge, Wisdom에 실제 사례 내용을 각각 배치해줘.
- 분석 결과가 실제 안전교육, BIS, 편의점 LCD 캠페인 등의 정책으로 어떻게 이어졌는지 설명해줘.
마지막에는 ‘데이터 → 정보 → 지식 → 행동’을 각각 한 문장으로 작성해줘.
7. 한 단계 더 — 비판적 분석 프롬프트
이 사례의 분석을 비판적으로 검토해줘.
1. 현재 데이터만으로 정말 ‘사고의 원인’을 설명할 수 있는가?
2. 단순한 상관관계와 인과관계를 구분해줘.
3. 사고 감소가 캠페인 때문이라고 확정하려면 어떤 추가 데이터가 필요한가?
4. 날씨, 요일, 관광객 수, PM 공급량, 단속 횟수 등 추가하면 좋은 변수를 제안해줘.
5. 분석 결과를 더 정확하게 만들기 위한 추가 분석방법을 제안해줘.
외워 두기 좋은 6문장 공식
① 어떤 문제가 있는가?
② 어떤 데이터가 필요한가?
③ 데이터를 어떻게 분석할 것인가?
④ 분석해서 무엇을 알게 되었는가?
⑤ 그래서 무엇을 해야 하는가?
⑥ 실제로 무엇이 달라졌는가?
관광빅데이터 사례분석 만능 프롬프트
“○○ 사례에서 해결하려는 문제를 정의하고 → 필요한 데이터를 출처별로 구분하고 → 분석방법을 설명하고 → 핵심 정보를 도출하고 → 그 정보들이 결합되어 어떤 지식이 되었는지 설명하고 → 그 지식이 어떤 의사결정과 실행으로 연결되었으며 → 어떤 성과를 만들었는지 DIKW 관점에서 분석해줘.”