수업 전에 준비할 것

이 과정은 공공데이터 신청·승인에 며칠 걸릴 수 있습니다. 1주차 수업이 끝나면 바로 아래 계정·신청을 시작해 주세요. 2주차에 데이터를 실제로 받아 써야 합니다.

AI 코딩 도구 설치 (필수 · 유료 플랜)

2주차부터 매주 데이터 수집·전처리·분석에 씁니다. Claude Code 또는 Codex 둘 중 하나만 설치하면 됩니다 — 두 개 다 할 필요 없습니다. 어느 쪽이든 유료 플랜이 필요합니다(무료 플랜은 사용량 제한 때문에 실습이 중간에 막힙니다). 결제가 부담되면 수업 전에 강사에게 미리 말씀해 주세요.

★ 흔한 오류. 설치 직후 command not found가 뜨면 터미널을 새로 열어야 합니다(PATH는 새 창에만 반영). npm install -g 방식은 권한 오류(EACCES)가 잦으니 위 curl/PowerShell 네이티브 설치를 쓰세요. Windows에서 실행 정책 경고가 뜨면 PowerShell 명령 그대로(-ExecutionPolicy ByPass)를 다시 확인하세요. 그래도 안 되면 캡처해서 오픈채팅방에.

선택 · 브라우저에서 AI 쓰기

필수는 아닙니다. 데이터 사이트를 눈으로 훑거나 클릭이 많은 작업(회원가입 양식, 다운로드 버튼 찾기 등)을 도와달라고 할 때 편합니다. 터미널의 Claude Code/Codex와는 별개 도구입니다.

데이터 분석 스킬셋 + 실습 툴킷

2~6주차에 매주 부르는 스킬입니다. 강사가 만든 것으로, "가설 → 수집 → 의심 → 정리 → 영상" 5단계로 분석을 진행하도록 도와줍니다. 판다스 문법을 몰라도 스킬이 묻는 질문에 답만 하면 됩니다. 스킬·/goal 커맨드·Remotion 템플릿을 실습 툴킷 레포(bdai13-tourism-toolkit) 하나로 모아뒀습니다.

💡 스킬 이름을 직접 불러도 됩니다 — "1-hypothesis로 가설부터 잡아줘"처럼 번호+이름으로 콕 집어 부르면 그 단계만 실행합니다. 영상 내레이션은 로컬 TTS 모델 없이 FishAudio 또는 Typecast 웹 화면으로 만듭니다.

미리 만들어 둘 계정

💡 유튜브·인스타그램에 올리는 건 6주차 발표 뒤입니다. 지금은 계정만 준비합니다. 회사 계정·타인 계정은 쓰지 말고, 영상에 넣은 이미지·음성의 이용 조건(출처 표기 등)을 업로드 전에 한 번 더 확인하세요.

★ 승인 대기는 걱정하지 않아도 됩니다. 서울 열린데이터광장은 가입 없이 바로 다운로드되고, 한국관광 데이터랩은 무료 가입만 하면 됩니다. 그래도 계정 자체는 1주차가 끝나는 대로 만들어 두세요.

5주차 전까지 · 영상 제작 준비

5주차 실습은 코드를 짜지 않고, data-shorts-skill이 영상 템플릿에 텍스트·이미지·음성 파일을 채워 넣습니다. 그래도 아래는 수업 전에 내 컴퓨터에 준비돼 있어야 합니다.

내레이션 도구는 둘 중 하나만 가입하면 됩니다 — 하나가 막히면 다른 쪽으로 바꿔도 됩니다.

★ Node.js 설치나 npm install이 안 되면 그대로 두고 오세요. 5주차 당일 강사가 같이 보거나, 채워 넣은 텍스트·이미지·음성 파일만 보내주면 강사가 대신 렌더합니다. 영상 편집 앱(CapCut 등)으로 같은 구성을 만드는 것도 됩니다. 영상 도구 때문에 프로젝트가 멈추는 일은 없습니다.

공식 원본으로 실행한 실제 분석 사례

방문은 늘었는데, 골목 매출도 늘었을까? — 종로·중·마포·강남의 2024–2025 방문 연인원, 외지인 관광소비, 고정표본 음식업 매출을 실제로 결합한 사례입니다. 생활인구 누락일과 이동·구매 전환 해석의 한계도 표시했습니다. 원본과 재현 코드는 강의 프로젝트의 3_실제데이터분석 폴더에 있습니다.

실습 데이터 (백업용)

직접 받은 데이터로 하는 게 원칙입니다. 다운로드가 늦어지거나 파일이 너무 클 때만 아래 파일을 씁니다. 전부 위 공공데이터 사이트에서 2026-09-17에 받아 서울 4개 자치구(종로·중·마포·강남) 또는 서울 전체로 추린 것이고, 실습 노트북은 이 파일을 URL로 바로 읽습니다.

파일마다 미리보기 5행

받기 전에 어떤 모양인지 먼저 훑어보세요. 컬럼이 많은 파일은 핵심 몇 개만 골라 보여줍니다.

trdar_mapping_seoul.csv — 상권↔행정동↔자치구 매핑, 서울 1,650개 상권. 상권 유형 4종(골목상권·관광특구·전통시장·발달상권) 중 종로구는 관광특구 1개 포함 74개.

sales_2025_4gu.csv — 상권×업종별 분기 매출, 17,769행. 요일별·시간대별·성별·연령대별로 쪼갠 컬럼까지 총 55개. 금액 단위는 원.

sales_2025_gu_quarterly.csv — 자치구 단위로 이미 집계된 경량판. 25개 구 × 4분기 = 100행, 컬럼 6개뿐이라 바로 결합하기 좋습니다.

pop_gu_2025_4gu_hourly.csv — 컬럼명이 로마자 원본 그대로. 시간대(0~23시)×4개 구×365일=34,848행. ⚠ adstrd_code_se는 이름이 "행정동코드"지만 실제 값은 자치구코드 4종(11110/11140/11440/11680)뿐입니다 — 컬럼명만 보고 행정동 단위로 오해하기 쉬운 실제 함정.

pop_gu_2025_daily_seoul.csv — 서울 25개 구 × 365일 일평균, 컬럼 3개뿐인 가장 가벼운 파일.

pop_dong_202607_4gu_1week.csv — 한글 컬럼명, 행정동코드 8자리(예: 11440740). 2026-07-01~07 한 주치만, 4개 구 70개 동.

💡 한국관광 데이터랩 방문자수는 로그인 후 각자 받는 것을 기본으로 합니다. 2주차 실습 노트북에 받은 파일을 올리는 칸이 있습니다.

수업 전 · AI 리터러시 사전 평가

수업을 시작하기 전에 사전 평가를 한 번 풀어 주세요. 같은 문항을 수업 뒤에 다시 풀어, 전후 변화를 스스로 확인합니다.

★ 📝 AI 리터러시 사전 평가 풀러 가기 → · 결과는 브라우저에 저장되며, 수업 후 사후 평가와 자동 비교됩니다.

데이터를 다룰 때 지킬 것

• AI가 만든 코드와 분석 결과는 직접 검증합니다. 숫자가 그럴듯해 보여도 원본 데이터와 대조해 확인합니다.
• 데이터 출처와 분석 기준을 기록합니다. 어느 사이트에서 언제 받은 데이터인지, 어떤 기준으로 걸렀는지 노트북에 남깁니다.
• 영상에 쓰는 이미지·음원·음성의 이용 권한을 확인합니다. 5-6주차 데이터 쇼츠 제작 시 특히 중요합니다.