관광분야 빅데이터 활용체계 및 실증분석 연구

내국인 카드지출액의 경우 S사 데이터만을 사용하여 집계하고, 내국인 총 카드지출액을 파악하기에는 한계가 있기 때문에, 현재는 한국은행에서 매월 발표하는 지역별, 업종별 지급결제 총액과 비교하여 추정한다. 추정방법으로는 한국은행 업종별, 지역별로 신용카드 사용액 자료를 활용하여 과대 및 과소 추정의 오류를 최소화하기 위한 업종별, 지역별 반복비례가중법(Raking ratio weighting)사용하여 보정하고 있다. 반복비례가중법은 다수의 주요변수의 알려진 주변분포를 이용하여 한 변수씩 표본의 특성을 모집단의 특성에 일치시키는 과정을 반복하여 모집단 분포를 추정하는 방법이다. 따라서, 반복비례가중법은 사후층화(post-stratification)의 한 방법으로써, 한번에 한 변수씩 고려하여 모집단 특성에 일치시키므로 레이킹 할 변수가 다소 많더라도 안정적인 가중값을 계산 할 수 있는 장점이 있다. 특히, 모집단에 대한 특성에 대한 정보가 각 변수마다 주변분포(marginal distribution)만 알려져 있어도 적용 가능한 방법이다. 따라서, 내국인카드 지출액 총액을 추정하기 위해서는 지역별, 업종별 지급결제 총액에 대한 정도로도 가능하다. 단점은 한국은행의 발표시점이 2개월 정도 늦는다는 점이다. 데이터 매칭(Data Matching)이란 보유하고 있는 데이터 파일 간에 상호보완이 될 수 있는 다른 원천데이터로부터 모아진 정보를 통합하는 것이다. 이는 데이터 통합(Data Fusion)이라고도 하며, 특히 통계적 방법을 이용한 데이터 매칭을 '통계적 매칭(Statistical Matching)'이라고 한다. 대부분의 빅데이터 분석에 있어서 하나의 융합적 결과를 도출하기 위해서 사용하는 데이터 파일은 분야별, 업종별 등 다양한 데이터 파일을 사용하게 된다. 특히 융합적 결과를 도출하는 빅데이터 분석 분야에서는 모든 변수를 포함하는 데이터 파일은 거의 존재하지 않는다고 할 수 있다. 이를 해결하기 위한 방법으로, 첫째 필요한 변수를 포함한 데이터를 다시 수집, 둘째 통계적 기법을 사용해서 값을 할당(Assign)하거나 대체(Imputation), 셋째 여러 데이터 파일을 이용해서 필요한 변수를 매칭(Matching)시켜 사용한다. 매칭을 통한 방법의 이점은 데이터가 존재한다면 별도의 조사를 통해서 데이터를 얻는 것보다 시간과 비용을 절약할 수 있다는 것이다. 그리고 검증된 다른 데이터를 활용하는 관점에서 신뢰성을 더욱 높일 수 있다. 특히, 데이터 셋 매칭은 개인정보가 암호화된 개인식별 코드를 통해 동일인을 직접 매칭하기 때문에 본 연구의 신뢰성을 확보할 수 있는 가장 적합한 방법이었다. 우선, 통신과 카드 데이터를 병합(Merge)하기 위해 두 데이터의 시간적 공간적 내용적 범위를 통일하여 데이터 매트릭스(Data Matrix)를 도출한다. 통신사 고객이면서 신용카드사 고객의 동일한 주요변수(Key Variable)를 확인하고 그들의 이동경로 및 소비지출을 확인하는 것이다. 이를 위해서는 사람에 대한 1:1 매핑(Mapping)작업, 인구통계(Census)의 비율에 맞춘 모집단 확보 등 연구절차 합의가 선행되어야 하였다. 매핑작업은 ｢개인정보보호법｣ 제18조 2항 4호, ｢빅데이터 개인정보보호가이드라인(2015.1.1.)｣, ｢개인정보 비식별 조치 가이드라인(2016.6.30.)｣ ‘전문기관을 통한 기업간 정보집합물결합지원’에 근거하여, 두 데이터의 매칭률(Matching Rate)를 확인하고 데이터 이용의 연관성 및 연계성을 확인하는 작업이다. 현재 통신, 카드 등에서 생산되는 빅데이터는 시의성 부분은 매우 높게 평가되나, 분석된 결과에 대한 객관성은 여전히 문제로 남아 있다. 통신 데이터의 경우 인구구조를 반영하지 않은 가입자 정보를 바탕으로 이동량을 추정하여 활용하기 때문에 표본에 대한 대표성이 확보되지 않았으며, 카드 데이터 또한 특정 신용카드사의 이용객 정보를 바탕으로 전체 매출액을 추정하기 때문에 모수 추정에 있어 상당한 오차가 발생될 여지가 높다. 본 연구에서는 통계청의 인구센서스 집계구를 기준으로 통신가입자의 거주지와 청구지의 주소를 매칭하여 인구구조에 맞는 지역별×성별×연령대별 패널을 설정하고 이동량에 대한 보정방안 모수 추정방식을 제안함으로써 해당 통계의 표본 대표성에 대한 객관성 문제를 해결하였다. 카드 데이터의 대표성 확보를 위해서는 통신 데이터에서 설계된 인구 구조별 집계구의 표본설계 방식을 적용하여 패널을 설정하고 여신금융협회와 한국은행 자료를 기준으로 한 가중치 보정 및 모수 추정 방안을 제시함으로써 통계 활용에 필요한 객관성을 확보하였다. 본 연구에서는 기존 조사통계의 시의성 및 대표성 문제를 해결하고, 신뢰성 있는 관광통계를 생산하기 위해 통신사 및 신용카드사가 보유하고 있는 이동량 데이터와 지출액 데이터를 검토하였다. 또한 OD 이동량과 관광분야 업종 및 지역별 지출액의 실제값을 비교하여 두 데이터 구조의 일관성을 실증분석 하였다. 첫째, 본 연구에서는 관광 빅데이터를 활용해 시의성을 확보하였다. 통신 및 카드 데이터를 활용한 기존의 통계에서는 조사시점에 따른 방문율의 차이, 총 이동량과 지출액 추정에 있어 시의성이 떨어지는 보정방법 등 시의성을 담보하지 못한다는 문제가 있었다. 그러나 관광 빅데이터를 활용함으로써, 하루 기준 통신 데이터 약 280테라바이트, 카드 데이터 약 100테라바이트의 디지털 정보량으로 사물정보, 스트리밍 정보 등 실시간 데이터의 생성, 이동, 처리, 분석 등이 가능해졌다. 둘째, 표본설계를 정교화하고 모수추정을 위한 보정방안을 제시함으로써, 향후 장기적으로 객관적 품질검증이 가능할 수 있는 방안을 마련하였다. 대표성을 확보하기 위해 통신 및 신용카드 데이터에서 청구지와 야간체류지가 동일한 데이터를 표본으로 추출하였다. 빅데이터는 현주성에 기반한 주간인구를 실시간에 가깝게 추정할 수 있는 큰 장점을 가지고 있음을 전술한 바 있다. 우리나라의 경우 법(De jure) 개념에 입각하여 센서스 인구통계를 작성하고 있다. 주간인구의 개념에는 방문객이나 관광인구가 포함되어 있다. 통계청은 이러한 제약 때문에 주간인구에 방문인구를 제외하고 있는데 이는 기존 서베이로 통계를 작성하기에는 한계가 있기 때문이었다. 방문인구를 산정하기 위하여 통신 빅데이터는 유입인구를 추정할 수 있지만 통근통학인구를 파악하기 어렵다. 따라서 센서스통계인 통근통학의 유입과 유출인구를 계산하여 주간인구를 손쉽게 산정할 수 있고 방문객 추정에도 정확도를 기할 수 있다. 다만 관광객 추정을 위해서는 기존 교통수요 분석조사의 활용이 아닌 국민여행실태조사의 월간 트렌드조사를 통하여 월별×목적별×지역별 tourism ratio를 도출하고 이를 활용하는 방안을 검토하여 관광차원의 보다 신뢰성 있고 객관적인 통계생산 방안을 마련해야 한다. 일본, 중국, 브라질과 같이 멀리서 온 방문객은 도심에 가까운 호텔에서 머물렀고, 포르투갈, 프랑스, 벨기에와 같이 가까이에서 온 방문객은 도시의 중심부와 먼 곳에 숙박을 하였다. 바르셀로나의 경우, 방문객은 도시의 3개의 지구(사우타트 벨라, 에이샴플레, 산트 마르티)와 외곽에 집중되었고, 마드리드의 경우, 도심의 센트로 지구에 방문객의 50%가 집중되었다. 비유럽 국가 및 비중남미 국가는 대부분 5성급 호텔에서 숙박하였다. 체류기간 동안 각 방문자의 누적 카드지출은 €161.5이었고, 하루 평균 카드지출은 €58.5이었다. 전체 체류기간 동안 싱가포르, 중국, 일본, 아랍 에미리트 순으로 가장 많이 소비하였다. 지리적으로 가까운 국가 즉 포르투갈, 프랑스, 북유럽 국가는 최소한의 비용만을 소비하였다. 소비에 있어서도 국적마다 선호하는 도시가 달랐다. 숙박비에 대한 지출만 분석한 결과, 전체 체류기간 동안 €300, 일일 €129를 소비하였다. 특히 바르셀로나의 방문객의 숙박비용은 마드리드보다 20%정도 더 높았다.