빅데이터는 "많은 데이터"가 아니라 사람이 손으로 다 훑을 수 없어 기계와 통계에 맡겨야 하는 데이터입니다. 관광에서 그 데이터는 대부분 여행자가 무심코 남긴 디지털 발자국입니다.
취업면접 · 채용 — 스무 문항과 자리 여섯 곳면접 준비는 학기 중에 시작합니다
기관 인성면접 예상 질문 20문 ↗노란 스티키노트 한 장 ↗워드로 내려받기 ⤓ DOCX
자격증과 분석 실습은 서류를 통과시키고, 면접은 그다음입니다. ADsP도 오렌지 실습도 결국 면접에서 「그래서 무엇을 했고 무엇을 알게 됐는가」로 다시 물어집니다. 아래 스무 문항은 공공기관·공기업 인성면접에서 반복해서 나오는 질문들입니다.
쓰는 법은 하나입니다 — 눈으로 읽지 말고 소리 내어 답하십시오. 한 문항당 40초~1분이 실제 면접의 길이입니다. 스무 장이 자기소개 → 장·단점 → 극복 경험 → 협업과 갈등 → 원칙과 태도 → 마지막 한마디 순으로 놓여 있어, 위에서부터 훑으면 면접 한 회차가 그대로 지나갑니다. 인쇄하면 A4에 4열로 떨어져 손에 들고 연습할 수 있습니다.
실전 입사지원서 — 위 질문에 답할 「내 이야기」를 먼저 종이에 옮깁니다웹에서 바로 작성 · 자동저장 ↗워드로 내려받기 ⤓ DOCX
면접 답은 지원서에서 시작합니다. 기업·기관 한 곳과 직무 하나를 실제로 고르고, 채용공고의 자격요건과 내가 가진 것을 마주 놓은 뒤, 자기소개서 다섯 문항(지원동기 · 직무역량 · 문제해결 · 협업 · 입사 후 목표)을 상황 → 역할 → 행동 → 결과 흐름으로 씁니다. 위 스무 문항은 여기 적은 경험을 말로 옮기는 자리입니다 — 지원서가 비어 있으면 면접 답도 비어 있습니다. 웹 양식은 칸에 바로 쓰면 그 브라우저에 자동저장되고, 인쇄 · PDF 저장과 작성내용 TXT 내려받기가 됩니다. 워드 양식은 같은 내용을 손으로 채우는 A4 두 장입니다. 끝의 제출 전 자기점검 여덟 줄까지 채우고 내십시오.
01 · 빅데이터란
빅데이터는 흔히 세 개의 V로 설명됩니다. 여기에 둘을 더해 5V라 부르기도 합니다.
- 3VVolume · 양규모가 방대하다.
- 3VVelocity · 속도실시간으로 빠르게 쌓인다.
- 3VVariety · 다양성숫자뿐 아니라 텍스트·사진·위치 등 형태가 제각각이다.
- ＋2VVeracity · 정확성3V에 더해 5V로 셀 때 함께 꼽습니다.
- ＋2V · 마지막 관문Value · 가치관광에서는 "데이터가 많다"가 아니라 "그래서 어떤 결정을 바꾸는가"가 마지막 관문입니다.
DIKW 모형 — 데이터가 결정이 되기까지Data → Information → Knowledge → Wisdom
5V가 데이터가 어떤 모습인가를 말한다면, DIKW는 그 데이터를 어디까지 끌어올렸는가를 말합니다. 한 칸 오를 때마다 양은 줄고 쓸모는 커집니다.
- DDATA 데이터 가공 전의 기록 맥락 없이 쌓인 숫자·글자·신호. 그 자체로는 아무것도 말하지 않습니다. 기지국 신호 한 건, 카드 결제 한 건, 후기 한 줄.
- IINFORMATION 정보 누가 · 언제 · 어디서 · 무엇을 데이터를 정리·집계해 맥락을 붙인 것. 표와 그래프가 여기서 나옵니다. 「10월 주말, 하회마을 방문객은 20~30대가 가장 많다.」
- KKNOWLEDGE 지식 어떻게 · 왜 그런가 여러 정보를 엮어 찾은 패턴과 원인. 다음에도 통하는 규칙입니다. 「축제 주간에 몰리지만 대부분 당일치기로, 저녁 전에 떠난다.」
- WWISDOM 지혜 · 통찰 그래서 무엇을 할 것인가 지식에 판단을 더해 결정과 행동으로 옮기는 단계. 여기까지 와야 가치가 됩니다. 「축제 기간 야간 공연과 숙박을 묶어 하룻밤 더 머물게 한다.」
5V의 마지막 V(Value)는 DIKW의 W에서 생깁니다. 앞으로 배울 수집·정제는 D를 I로, 분석은 I를 K로, 시각화·해석은 K를 W로 끌어올리는 일입니다. 관광 예는 이해를 돕기 위해 만든 가상의 예입니다.
02 · 관광 데이터는 어디서 오는가
관광 빅데이터의 힘은, 여행자가 설문에 답하지 않아도 행동이 저절로 기록된다는 데 있습니다.
- 이동통신 데이터기지국 신호로 본 유동인구·체류시간·방문지 이동 경로.
- 소비카드·결제 데이터어디서 얼마를, 어떤 업종에 썼는가(소비 지도).
- 관심검색·트렌드여행 전 관심의 신호(무엇을 검색하는가).
- 감정SNS·리뷰사진·해시태그·후기에 담긴 감정과 장소.
- 경로내비게이션·위치실제 이동과 정체, 인기 경로.
- 공식공공 데이터관광 통계, 방문객 수, 개방 데이터(data.go.kr, 한국관광 데이터랩 등).
03 · 분석은 다섯 걸음으로
데이터는 저절로 답을 주지 않습니다. 대개 다음 순서를 거칩니다.
- 문제 정의무엇을 알고 싶은가. (예: 비수기 방문객은 왜 줄어드는가)
- 수집필요한 데이터를 모은다(공공 API·크롤링·제휴 데이터).
- 정제(전처리)결측·중복·오류를 걸러낸다. 실무 시간의 대부분이 여기 든다.
- 분석통계·기계학습으로 패턴을 찾는다.
- 시각화·해석그래프와 지도로 보여주고, 결정으로 잇는다.
04 · 대표 분석 기법
- 기술 통계·시각화평균·분포·추세를 요약하고 지도·그래프로 보여주기. 가장 먼저, 가장 자주 쓰인다.
- 텍스트 마이닝·감성 분석후기와 SNS의 단어를 세고(워드클라우드), 긍정/부정을 판정해 "무엇이 만족을 만드는가"를 읽는다.
- 비지도학습군집 분석 (Clustering)비슷한 여행자를 묶어 유형을 만든다(예: 미식형·휴양형·액티비티형) → 맞춤 상품의 근거.
- 지도학습예측 분석 (Prediction)과거 패턴으로 미래 수요를 내다본다 → 성수기 대비, 인력·재고·가격 조정.
머신러닝 — 지도학습과 비지도학습
앞의 두 기법은 사실 머신러닝의 서로 다른 갈래에 놓입니다. 정답(레이블)을 미리 알려주고 학습시키는 것이 지도학습 — 분류와 회귀가 여기 속하고, ④ 예측 분석이 그 예입니다. 정답 없이 데이터의 특징만 보고 비슷한 것끼리 스스로 묶게 하는 것이 비지도학습 — 군집분석과 차원축소가 여기 속하고, ③ 군집 분석이 그 예입니다. 아래 영상에서 두 방식의 차이를 그림으로 짚습니다.
- 머신러닝 빅데이터 분석 — 지도학습·비지도학습 ↗ 인공지능·머신러닝·딥러닝의 관계에서 출발해, 사람이 규칙을 정하는 전통적 프로그램과 데이터로 규칙을 학습하는 머신러닝의 차이를 짚습니다. 이어 지도학습과 비지도학습의 장단점, 분류와 회귀의 구분(범주를 맞히면 분류, 숫자를 예측하면 회귀), 그리고 모델 학습에서 나타나는 과소적합·과대적합과 그 개선 방법까지 차례로 다룹니다.
05 · 분석에 쓰는 도구·프로그램
앞의 기법들은 결국 도구로 실행됩니다. 관광 데이터 분석에서 자주 쓰는 프로그램을, 친숙한 것부터 소개합니다.
| 도구 | 무엇을 하는가 |
|---|---|
| 엑셀(Excel) | 가장 친숙한 출발점. 피벗테이블·기초 통계·간단한 그래프까지, 이것만으로 충분한 경우도 많다. |
| SQL | 데이터베이스에서 원하는 자료만 뽑아내는 질의 언어. 공공 데이터·PMS 같은 대형 데이터에선 필수. |
| 파이썬(Python) | 사실상의 표준. pandas로 정제, scikit-learn으로 기계학습, matplotlib로 시각화까지 한 언어로. |
| R | 통계와 텍스트마이닝(감성 분석)에 강한 언어. 학계·조사 분야에서 널리 쓰인다. |
| 시각화 BI 도구 | 태블로(Tableau)·파워BI(Power BI): 코딩 없이 끌어다 놓아 대시보드를 만든다. |
| 텍스트마이닝 도구 | 텍스톰(TEXTOM)·워드클라우드: 후기·SNS 텍스트를 정제하고 의미연결망을 그린다. |
처음부터 파이썬을 배울 필요는 없습니다. 다루는 데이터가 커질 때마다 위 표의 순서대로 한 칸씩 올라가면 됩니다.
그 사이를 메우는 길도 있습니다 — 코딩 없이 블록을 이어 붙여 전처리부터 군집·예측까지 돌려 보는 도구입니다. 엑셀로는 부족하고 파이썬은 아직 부담스러운 단계에서 특히 쓸모가 있습니다.
- Orange Data Mining과 머신러닝 소프트웨어 이해 → Orange는 무료 오픈소스이고, 위젯을 선으로 잇는 것만으로 분석 흐름이 눈에 보입니다. 교재에는 학생에게 설명하는 법, 머신러닝과 딥러닝 소프트웨어의 구분, 비용·코딩 부담·가시성 비교표, SAS는 구 모델인가라는 물음, 그리고 「PCA·군집분석은 SPSS에도 있는데 Orange와 무엇이 다른가」까지 담았습니다. 04장의 군집·예측 분석을 직접 돌려 보고 싶을 때 첫 도구로 권할 만합니다.
06 · 현장 적용 — 호텔의 PMS와 빅데이터 RM
앞의 예측 분석이 산업에서 가장 또렷하게 작동하는 곳이 호텔의 객실 가격 결정입니다. 여기엔 두 시스템이 맞물립니다.
- 데이터를 모으는 곳PMS — 자산관리시스템Property Management System. 호텔 운영의 중추. 예약·체크인/아웃·객실 배정·요금 청구·고객 관리를 한 곳에서 처리합니다. 최근에는 사내 서버형에서 클라우드 기반으로 옮겨가며 실시간 조회와 타 시스템 연동이 쉬워졌고, 무엇보다 거래·이용 데이터가 쌓이는 저수지 역할을 합니다.
- 데이터로 결정하는 곳RM — 수익경영Revenue Management. 쌓인 데이터에 경쟁사 가격·상권·SNS 트렌드·공공 데이터를 결합해 미래 수요를 예측하고, "적절한 방을 · 적절한 고객에게 · 적절한 시간에 · 적절한 가격으로" 파는 다이내믹 프라이싱을 구현합니다.
- 둘이 맞물릴 때PMS × RM의 시너지RM은 홀로 서지 않고 PMS와 연동됩니다. PMS에 축적된 고객의 과거 거래와 이용 패턴을 RM이 학습해 가격을 산출하는 구조입니다(예: PMS 데이터를 분석해 수익을 최적화하는 루넷 RMS 같은 솔루션). 목적은 하나 — 객실 이용률과 매출을 함께 끌어올리는 것입니다.
07 · 빅데이터 공모전
부산은 통신·카드 데이터로 해운대·광안리의 시간대별 혼잡을 읽고, 축제 기간 유동인구를 분석해 안전과 분산에 활용합니다. 감성 분석으로 외국인 관광객의 불편(언어·교통)을 짚어내는 것도 같은 맥락입니다.
이 웹사이트도 작은 데이터 파이프라인을 갖고 있습니다 — 여행 이야기·후기 게시판은 감성 분석의 재료(UGC)이고, 방문 통계·검색 유입은 어떤 콘텐츠가 닿는지를 알려줍니다. 이 데이터를 읽고 상품과 콘텐츠로 바꾸는 일 — 그 끝에 있는 것이 다음 모듈 관광벤처창업론입니다.
지금 낼 수 있는 것2026 한국관광 데이터랩 활용 경진대회 — 한국관광공사 접수 마감 9월 30일
이 모듈이 내내 쓰는 그 데이터랩이 여는 대회입니다. 02장 「관광 데이터는 어디서 오는가」에서 본 통신 · 카드 · 내비게이션 데이터가 모두 한국관광 데이터랩 한 곳에 모여 있고, 그 데이터로 관광 문제를 풀었거나 성과를 낸 사례를 내는 자리입니다. 아래 부산 대회가 분석 결과물을 낸다면, 이쪽은 데이터를 써서 무엇이 달라졌는가를 냅니다.
- 무엇을 내나관광 데이터를 활용해 문제를 해결했거나 성과를 만든 사례. 아이디어 공모가 아니라 해 본 것을 내는 대회라, 03장 다섯 걸음을 한 바퀴 돌린 결과가 그대로 재료가 됩니다.
- 일정접수 2026. 8. 3. ~ 9. 30. 온라인 신청 폼 + 참가서류. 아래 부산 대회(9/18)보다 열이틀 뒤라, 부산에 낸 결과물을 다듬어 이어서 낼 수 있습니다.
- 시상총상금 2,000만원. 문화체육관광부 장관상 · 한국관광공사 사장상이 걸려 있습니다 — 관광 전공자의 이력서에서 무게가 다른 상입니다.
- 먼저 할 것공고 원문에는 부문 구분 · 등수별 상금 · 심사 일정이 적혀 있지 않습니다. 첨부된 「(공모요강) PDF」에 있으니 반드시 내려받아 확인하십시오.
지금 낼 수 있는 것2026년 Big Data 활용 대회 — 부산광역시 접수 마감 9월 18일(금) 17시
이 수업에서 배운 것을 그대로 내는 자리입니다. 부산의 공공 · 민간 데이터와 부산 빅데이터혁신센터 오픈랩 데이터로 지역 현안을 살펴보고, 데이터에 근거한 정책 · 서비스 개선안을 내는 대회입니다. 누구나 개인 또는 1~4인 팀으로 나갈 수 있고 참가비는 없습니다.
- 두 분야① 빅데이터 분석 및 시각화 ② 행정 공유데이터 발굴 및 활용 방안. 앞의 03장 다섯 걸음과 04장 분석 기법이 ①에, 02장 데이터는 어디서 오는가가 ②에 그대로 붙습니다.
- 낼 것 셋보고서(분석 요약 · 분석 결과) · 시각화 결과물 · 분석에 쓴 데이터 파일. 보고서에는 실제로 수행한 분석 과정과 도출한 결과를 적습니다 — 계획이 아니라 한 것을 적는 자리입니다.
- 일정접수 2026. 6. 25. ~ 9. 18.(금) 17:00 · 서류평가 9. 21. ~ 9. 22. · 본선 발표평가 10. 29.(목) 부산 빅데이터혁신센터.
- 몇 팀이 올라가나서류를 통과한 14팀(분석·시각화 10팀 + 행정 공유데이터 4팀)이 발표자료를 만들어 본선에서 발표 · 질의응답을 합니다.
- 시상총상금 650만원 · 1위 300만원. 온라인 접수 · 무료.
2027년 대비2026 서울시 빅데이터 활용 경진대회 — 서울특별시 2026년은 5월 13일 마감 · 끝났습니다
지금 낼 수는 없지만 지금 읽어야 하는 대회입니다. 접수가 3월에 열려 5월에 닫힙니다 — 그때 알면 늦습니다. 부문이 셋이라 이 수업의 산출물과 관광벤처창업론의 사업계획서가 서로 다른 부문으로 들어갈 수 있는 것이 이 대회의 특징입니다.
- 부문 셋창업(아이디어 기획 및 제품·서비스 개발) · 분석(빅데이터 기반 사회문제 해결 또는 비즈니스 모델 발굴) · 시각화(공공데이터 기반 시각화 결과물). 앞의 03장 · 04장이 분석·시각화에, 관광벤처창업론 사업계획서가 창업 부문에 붙습니다.
- 2026년 일정접수 3. 16.(월) 09:00 ~ 5. 13.(수) 18:00 · 1차 서류 5. 14. ~ 5. 21. · 2차 발표 5. 26. ~ 6. 2. · 최종경연 7. 6.(월) 서울시청 8층 다목적홀. 2027년도 비슷한 일정으로 열립니다.
- 자격과 시상제한 없음 · 개인 또는 최대 5인 팀. 창업 8팀 1,150만원 · 분석 7팀 600만원 · 시각화 7팀 600만원 — 모두 22팀 2,350만원.
- 먼저 볼 것요강보다 수상작입니다. 시각화 부문 페이지에 2026년 일곱 작품 + 2025년 여섯 작품이 발표자료 PDF · 대화형 체험 링크와 함께 걸려 있고, 참가신청서 · 발표 PPT 템플릿도 거기서 받습니다. 요강은 무엇을 내라지만 수상작은 어느 수준으로 내라를 보여 줍니다.
분석 부문 최우수상 「보행 소년단」 발표 — 7분 10초부터 시작합니다. AI가 걸어본 서울 관광지 보행환경을 주제로, 로드뷰 이미지를 멀티모달 AI에 보여 주고 쾌적성 · 보행편의성 · 안전성을 평가하게 한 연구입니다.
08 · 자격증과 학습 경로
역량을 증명하고 체계적으로 배우고 싶다면 자격증과 공개 강의를 활용할 수 있습니다.
- 국가기술자격빅데이터분석기사과학기술정보통신부·한국데이터산업진흥원(K-DATA)이 시행. 필기·실기로 나뉘며, 이 분야 취업의 대표적인 관문.
- 단계별 검증ADsP · ADP데이터분석 준전문가/전문가(한국데이터산업진흥원). 통계·분석 기초부터 심화까지 단계별로 검증한다.
- 실무 기본기SQLDSQL 개발자 자격. 데이터를 뽑아내는 실무 기본기를 인증한다.
- 조사·통계사회조사분석사설문·통계 조사의 설계와 해석. 관광 수요조사와 곧바로 이어진다.
어느 자격증부터 손대야 할지 막막하다면, 아래 두 안내 페이지에서 시험 구성·공부기간·연구 활용성을 비교해 보세요.
- 데이터 분석 자격증 통합 비교 — 빅데이터분석기사 중심 → 국가기술자격인 빅데이터분석기사를 중심에 두고 ADsP·PCED·PCAD·사회조사분석사 2급까지 한 표에 놓고 비교합니다. 필기 구성과 실기 유무, 전처리부터 모델 평가까지의 실제 분석 흐름, Python 예시 코드, 자격증별 현실적인 공부기간과 시간 대비 효율, 그리고 목적별 추천 학습 경로를 담았습니다.
- ADsP 데이터분석 준전문가 안내 — 사회조사분석사 2급과 비교 → ADsP의 시험 성격과 온라인 학습처(국비지원 과정 포함)를 정리하고, 사회조사분석사 2급과 항목별로 견줍니다. 설문·표본추출·SPSS 중심의 조사방법론 연구와 전처리·회귀·군집 중심의 데이터 분석 연구 중 어느 쪽을 지향하는지에 따라 자격을 고르는 기준을 제시합니다.
독학이 막막하다면 아래 K-MOOC의 무료 빅데이터 강좌로 시작해 보세요. 대학·공공기관의 데이터 분석 교육도 꾸준히 열립니다.
K-MOOC 빅데이터 강좌 지도 ↗
K-MOOC의 빅데이터 관련 강좌는 크게 아홉 갈래로 나눠 보면 자신에게 필요한 것을 고르기 쉽습니다. 제목을 누르면 유형별 대표 강좌·학습 형태·마이크로러닝까지 정리한 전체 안내 페이지로 이동합니다.
| 유형 | 배우는 내용 |
|---|---|
| 데이터 분석 입문 | 빅데이터 개념, 분석 절차, 기초 도구 |
| Python·R 프로그래밍 | 데이터 수집·정제·분석·자동화 |
| 데이터 시각화·EDA | 탐색적 분석, 차트, 대시보드 |
| AI·머신러닝 | 예측·분류, 지도·비지도학습 |
| NLP·생성형 AI | 텍스트 분석과 생성모델 |
| 마케팅·비즈니스 | 고객·시장·브랜드 데이터 분석 |
| 공공·지역·부동산 | 공공데이터를 활용한 지역문제 분석 |
| SQL·클라우드·DB | 데이터 저장·조회, 클라우드 분석 |
| 수학·통계 | 확률·통계, 선형대수, 연구 분석 |
유형별 대표 강좌·학습 형태·마이크로러닝까지 한 화면에 정리한 K-MOOC 빅데이터 강좌 안내 페이지도 참고하세요. 구체적인 강좌명·개설 학기는 시기마다 바뀌므로, 아래 K-MOOC 빅데이터 강좌 검색 링크에서 최신 목록을 확인하는 것이 정확합니다.
수준·목표별 추천 학습 경로
- 입문 학생 — 데이터 분석 기초 → EDA·시각화 → 공공데이터 활용
- 논문·연구 중심 — 확률·통계 → R·Python → 고급 데이터 분석
- 관광·마케팅 전공 — AI 마케팅 → 브랜드 데이터 분석 → SQL 마케팅 분석
- AI 실무 중심 — Python·Pandas → 머신러닝 → NLP·생성모델
관련 링크 · 더 배우기
이론을 넘어 실제 데이터를 직접 분석해 보려면 공공 빅데이터 플랫폼을 활용하는 것이 가장 좋습니다. 서울시가 운영하는 빅데이터 캠퍼스는 관광·유동인구·상권 등 방대한 서울시 데이터를 분석 환경 안에서 다뤄볼 수 있는 대표적인 곳입니다. 아래에는 목적·분석 분야별로 자주 쓰는 국내외 플랫폼을 함께 정리했습니다.
- K-MOOC 빅데이터 강좌 안내 (자체 제작) → K-MOOC에 개설된 빅데이터 강좌를 9개 유형으로 분류하고, 수준·목표별 추천 학습 경로와 학습 형태(일반·매치업·VOD·마이크로러닝)를 한 화면에 정리한 안내 페이지. 유형 필터로 원하는 강좌만 골라 볼 수 있습니다.
- 공공데이터포털(Data.go.kr) ↗ 대한민국 정부·공공기관이 보유한 공공 데이터를 한곳에 모아 파일·오픈API로 제공하는 통합 데이터 포털. 데이터 수집의 출발점.
-
한국관광 데이터랩 ★ ↗
이 모듈에서 가장 먼저 열 곳입니다. 02장 「관광 데이터는 어디서 오는가」에서 본 통신 · 카드 · 내비게이션 · 관광지 방문객 데이터가 모두 여기 한 곳에 모여 있습니다. 공공데이터포털이 전 분야를 모은 창고라면, 이쪽은 관광만 골라 정리해 둔 곳입니다 — 지역별 · 월별 방문자와 소비를 바로 비교하고 그림과 표로 내려받습니다.
알약 넷은 이 순서로 씁니다.
① 지역별 관광 현황 — 시 · 군을 골라 방문자 수 · 체류 시간 · 소비 · 이동을 한 화면에서 봅니다. 배정받은 도시나 내 고향을 넣어 보는 것이 03장 다섯 걸음의 첫 걸음입니다.
② 활용 우수사례집 PDF — 「데이터로 만드는 관광 — Next Tourism Playbook」(한국관광공사 관광데이터전략팀, 2025. 11.). 남들이 이 데이터로 무엇을 만들었는지가 사례로 들어 있습니다. 공공누리 4유형이라 출처를 밝히고 쓰되 상업적 이용은 안 됩니다.
③ 수상팀 인터뷰 5편 — 우수 활용사례(2024) 코너입니다. 대상 · 최우수 2 · 우수 2, 담당자가 직접 문제 상황 · 해결 방법 · 성과를 말합니다. 대상은 「데이터로 잡은 전동 킥보드 사고 사각지대」(한국도로교통공단 · 강원랜드) — 관광 빅데이터와 교통사고 통계를 붙인 분석입니다. 사례집이 결과라면 인터뷰는 과정입니다.
노란 알약 · 대상 사례 PM 안전 — 그 대상 사례를 문제 → 데이터 셋(데이터랩 · TAAS · 공유 PM) → 분석방법 다섯 → DIKW → 정책 → 성과로 뜯어 본 판입니다. 끝에 그대로 복사해 쓰는 프롬프트와 상관 · 인과를 가르는 비판적 분석 프롬프트가 붙어 있습니다.
④ 활용 경진대회 — 9월 30일 마감(총상금 2,000만원 · 문화체육관광부 장관상). ①로 보고 ②③으로 배운 것을 내는 자리입니다. -
분야별 빅데이터 플랫폼 · 5곳
문화(한국문화정보원) — 관광·숙박·음식·예술·체육·여가 소비 데이터. 이 모듈에 가장 직접적으로 쓰입니다.
소상공인365(소상공인시장진흥공단) — 전국 상권·매출·소비를 지도 기반으로 분석. 관광지 주변 상권을 볼 때.
환경(K-water) — 기상·대기·수자원·생태·화학물질. 기후·생태 관광 연구에.
금융혁신(국민연금공단·전북특별자치도) — 연금·신용·카드 등 금융 데이터. 관광객 카드 소비와 지역별 결제 흐름에.
보건의료(한국보건의료정보원) — 공공 보건의료 데이터 카탈로그·분석센터. 웰니스·의료관광 연구의 참고 자원. -
국가통계포털(KOSIS) ↗
인구·경제·사회 등 다양한 분야의 공신력 있는 국가 공식 통계 지표를 검색·시각화·다운로드할 수 있는 통계 포털.
통계시각화콘텐츠 — 인구·물가 등 주요 지표를 차트·지도·웹툰 같은 그림으로 풀어 보여 주는 시각화 모음. 표를 읽기 전에 흐름부터 눈으로 잡을 때 좋습니다. 보는 곳.
데이터 시각화 체험하기 — 통계 데이터를 골라 차트·그래프를 직접 만들어 보는 체험 공간. 코딩 없이 「어떤 데이터에 어떤 그래프가 맞는가」를 손으로 익힐 수 있습니다. 만드는 곳.
실습 예제 — KOSIS 라인 차트 하나(경북 외국인등록인구 2016~2025)를 자료 → 정보 → 지식 → 지혜(DIKW)로 좌우 넘기며 읽습니다.
해석 프롬프트 — 내가 만든 그래프를 AI에게 보여 줄 때 쓰는 질문 틀. 원인을 단정하지 않고 다음에 찾을 데이터까지 묻게 합니다. -
서울특별시 빅데이터 캠퍼스 ↗
서울시가 보유한 관광·유동인구·상권 등 대규모 데이터를 검색·분석하고 결과를 반출할 수 있는 공공 분석 플랫폼. 데이터 분석 사례, 강의·자료실, 공모전 등 지원 프로그램도 함께 제공합니다. 이용 신청·데이터 반출 등 일부 기능은 회원가입·로그인 후 이용할 수 있습니다.
경진대회 수상작 · 양식 — 위 알약은 서울 데이터 허브의 시각화 부문 화면입니다. 2026년 일곱 · 2025년 여섯 수상작이 발표자료 PDF · 대화형 체험 링크와 함께 걸려 있고, 참가신청서 · 발표 PPT 템플릿도 여기서 받습니다. 데이터를 받는 곳과 그 데이터로 무엇을 만들어야 하는지가 한 칸에 있습니다. -
빅카인즈(BIG KINDS) ↗
주요 언론사 기사를 분석해 관계도·연관어를 시각화해 주는 뉴스 빅데이터 분석 서비스.
논문 예시 — 오경아 · 나규민(2023), 「빅카인즈를 활용한 '플로깅' 트렌드 분석」, 여가학연구 21(4), 79–98. 2018~2022년 54개 매체 뉴스 5,148건을 빅카인즈 안에서 빈도 · 관계도 · 연관어로 읽고, 도입기 · 발전기 · 확산기로 갈랐습니다 — 다른 도구 없이 빅카인즈만으로 한 편이 됩니다.
논문 예시 2 — 나규민 · 오세이(2024), 「빅카인즈를 활용한 '숏폼' 트렌드 분석」, 한국여가레크리에이션학회지 48(2), 113–125. 같은 연구진이 같은 절차(54개 매체 · 빈도 · 관계도 · 연관어)를 숏폼에 옮겨 2020~2023년 뉴스 3,518건을 해마다 끊어 읽었습니다 — 틀 하나를 주제만 바꿔 다시 쓰는 법이 보이고, 원문은 로그인 없이 열립니다. -
텍스톰(TEXTOM) ↗
수집한 텍스트 데이터를 정제하고 워드클라우드·의미연결망 등 다양한 텍스트 마이닝을 수행할 수 있는 분석 플랫폼.
논문 예시 — 채기웅 · 오경록(2024), 「누리과정 변천에 따른 유아체육 연구 흐름 분석: 텍스톰과 빅데이터의 활용」, 한국체육과학회지 33(6), 425–438. 세 시기의 선행연구를 텍스톰으로 수집 · 정제해 흐름을 비교합니다 — 관광 연구 흐름을 볼 때 그대로 따라 할 수 있는 절차입니다. DBpia 원문은 소속 기관 로그인이 필요할 수 있습니다.
논문 예시 2 — 이명하 · 장윤호 · 김미량(2023), 「N-gram을 활용한 COVID-19 전·중·후 여가 키워드 변화 분석: 2018~2023년 뉴스 기사를 중심으로」, 한국융합과학회지 12(10), 195–207. 왼쪽 빅카인즈로 뉴스 기사를 모으고 텍스톰으로 빈도 · 워드클라우드 · N-gram을 돌렸습니다 — 옆 두 카드를 한 연구 안에서 이어 쓰는 순서가 그대로 보입니다.
논문 예시 3 · 관광 — 최연희 · 유경미(2024), 「소셜 빅데이터를 활용한 한국관광 트렌드에 관한 연구: 감성분석을 중심으로」, 문화기술의 융합 10(3), 97–109. 구글 · 네이버 · 다음의 카페 · 블로그 · 뉴스에서 「한국관광」 「국내관광」을 1년치 모아 텍스톰 6.0으로 키워드 · CONCOR 군집 · 감성분석까지 갔습니다 — 셋 가운데 이 수업 과제와 가장 가까운 본보기입니다. - 캐글(Kaggle) 데이터셋 ↗ 전 세계 데이터 과학자들이 공유한 방대한 공개 데이터셋을 탐색·다운로드할 수 있는 글로벌 데이터 분석·머신러닝 커뮤니티. 관광·리뷰·트렌드 등 실제 분석 실습용 데이터를 구하기 좋습니다.
- 네이버 데이터랩(DataLab) ↗ 네이버 검색어·쇼핑 클릭 추이를 기간·기기·성별·연령별로 비교해 볼 수 있는 트렌드 분석 서비스. 여행지·관광 키워드의 관심도가 언제 오르내리는지 바로 확인할 수 있습니다.
- 아이템스카우트(ItemScout) ↗ 키워드 하나를 넣으면 한 달 검색수 · 경쟁강도 · 실거래 비율 · 평균가격이 한 화면에 나옵니다. 네이버 데이터랩이 「관심이 언제 오르내리는가」를 보여준다면, 이쪽은 「그 관심이 실제 거래로 이어지는가」를 숫자로 보여줍니다. 지역 기념품·체험상품처럼 관광이 상품이 되는 지점을 잴 때 씁니다.
- 판다랭크(PandaRank) ↗ 같은 키워드를 콘텐츠 쪽에서 봅니다 — 검색량과 일 방문자 수를 견줘 그 키워드로 글을 썼을 때 사람이 올지 가늠하고, 블로그 채널의 영향력·신뢰도 지수도 잽니다. 인플루언서 검색도 있어 06장 홍보와 바로 이어집니다.
- 썸트렌드(Sometrend) ↗ 인스타그램·블로그·뉴스 등 방대한 소셜 데이터를 기반으로 소비자 반응과 최신 트렌드를 AI로 쉽게 분석할 수 있는 소셜 빅데이터 플랫폼.
- 블랙키위(Blackkiwi) ↗ 키워드 검색량 조회·연관 키워드 추출·경쟁 분석을 통해 데이터 기반 마케팅과 블로그 운영을 지원하는 키워드 분석 도구.
분석에 쓸 데이터를 직접 구하고, 실전 문제로 분석 실력을 겨뤄볼 수 있는 대회도 함께 모았습니다.
- 서울 열린데이터광장 ↗ 서울시가 지속적으로 발굴·개방하는 공공데이터·통계·빅데이터 시각화를 제공하는 서울시 공식 데이터 플랫폼. 관광·교통·인구 등 지역 분석의 출발점.
- 마이크로데이터 통합서비스(MDIS) ↗ 통계청이 각종 통계조사의 원자료(마이크로데이터)를 통합 제공하는 서비스. 가공 전 원본 데이터로 심화 분석을 할 때 유용합니다.
- Awesome Public Datasets ↗ 분야별로 잘 정리된 전 세계 공개 데이터셋 링크를 모아둔 깃허브 큐레이션 저장소. 어떤 데이터가 있는지 한눈에 훑어보기 좋습니다.
- 구글 데이터셋 검색(Dataset Search) ↗ 웹 전역에 흩어진 공개 데이터셋을 키워드로 찾아 주는 구글의 데이터셋 전용 검색엔진.
-
데이터 분석 경진대회 · 3곳
데이콘 — 국내 대표 데이터 분석·AI 경진 플랫폼. 실제 문제로 모델 성능을 겨루며 실습할 수 있습니다.
빅콘테스트 — 과학기술정보통신부·NIA가 여는 국내 최대 빅데이터·AI 대회(2026년 제14회).
DataHack — 해커톤·스킬테스트 중심의 글로벌 챌린지 커뮤니티(Analytics Vidhya).
이론과 실습을 온라인 강의나 무료 전자책으로 더 다지고 싶다면 아래를 활용해 보세요.
- K-MOOC — 빅데이터 강좌 검색 ↗ 국가평생교육진흥원이 운영하는 무료 온라인 공개강좌(MOOC). 대학·기관이 개설한 빅데이터·데이터 분석 강좌를 검색해 수강할 수 있습니다.
- 파이썬 200제 (통계편) ↗ 위키독스에 무료로 공개된 파이썬 전자책. 통계를 파이썬 코드로 직접 풀어 보는 200개의 문제로 이뤄져 있어, 개념만 알고 손이 안 떨어지는 단계에서 쓰기 좋습니다. 위 05장의 파이썬과 04장의 기술 통계를 잇는 징검다리로 삼을 만합니다.
빅데이터가 실제 산업의 가격 결정을 어떻게 바꾸는지 보여주는 대표 사례가 호텔의 수익경영(Revenue Management, RM)입니다. 호텔 객실값은 수요·경쟁사·계절·검색 트렌드 같은 수많은 데이터로 실시간 조정되는데(다이내믹 프라이싱), 이는 이 모듈에서 배운 예측 분석이 현장에 적용된 좋은 예입니다.
- Vol.10 호텔산업 Pricing RM, 나아가야 할 방향은? ↗ 호텔 객실 가격을 데이터로 정하는 수익경영(RM)의 현황 — 자체·외부 RMS(IDeaS·Duetto 등)와 휴리스틱 방식, 그리고 생성형 AI가 바꿀 다이내믹 프라이싱의 미래를 다룬 리서치 브리프(국문·영문 PDF 제공).
- 호텔 시스템 도입 순서 가이드: PMS → 채널매니저 → CRM ↗ 호텔 디지털 전환(DX)의 실무 로드맵. PMS로 운영 기반을 다진 뒤 채널매니저·부킹엔진으로 매출을 넓히고, 마지막에 CRM으로 고객 충성도를 높이는 3단계 순서를 설명합니다. "순서를 잘못하면 비용이 더 든다"는 현장 조언.
- 호텔스토리 HUB — PMS(예약관리시스템) ↗ 엑셀 기반 예약 관리를 벗어난 클라우드형 PMS 솔루션의 실제 예. 채널매니저·부킹엔진 자동 연동으로 반복 업무를 줄이고, 객실 할당·요금 차등·입금 관리와 함께 매출 데이터 분석을 제공합니다.