15년 12월 ~ 17년 06월 서울시 미용실 데이터분석 및 시각화

[6기_송창용]

1. 질문

1. 17.06월 서울시에 어떤 업종의 사업자수가 가장 많을까?

2. 서울시 어느지역에 미용실 사업자수가 가장 많을까?

2. 참고 data

출처 : 소상공인시장진흥공단  (http://www.semas.or.kr)
 

3. 테이블생성스크립트

install.packages("rio")
library(rio)

seoul <- import("seoul.csv")

4. 데이터분석 및 시각화

##### 17.06월 서울시 업종별 사업자 비율 (Top10)

### 업종별 사업자수 추출

seoul_1706 <- seoul[seoul$s_year==201706,]

rownames(seoul_1706) <- NULL

seoul_1706_st <- aggregate(seoul_1706$s_num~seoul_1706$s_type,seoul_1706,length)

names(seoul_1706_st) <- c('s_type','s_cnt')

### 업종별 사업자수 오름차순 정렬

seoul_1706_st <- seoul_1706_st[order(seoul_1706_st$s_cnt,decreasing=T),]

### 업종별 사업자수 상위 10개 선별

seoul_1706_st10 <- head(seoul_1706_st,10)

seoul_1706_st10_pct <- round(seoul_1706_st10$s_cnt/sum(seoul_1706_st10$s_cnt)*100,1)

seoul_1706_st10_lab <- paste(seoul_1706_st10$s_type,

 seoul_1706_st10$s_cnt,'개',

 '(',

 seoul_1706_st10_pct,

 '%',

 ')')

###업종별 사업자수 상위 10개 도식화

graphics.off()

pie(seoul_1706_st10$s_cnt,

    lab = seoul_1706_st10_lab,

main = '17.06월 서울시 업종별 사업자 비율(Top10)',

    col = rainbow(10),

cex = 0.7,

    density = 80)

##### 서울시 지역별 여성미용실 과밀지역 도식화

hair_1706 <- seoul_1706[seoul_1706$s_type=="여성미용실",]

hair_1706_st <- aggregate(hair_1706$s_num ~ hair_1706$s_dname + hair_1706$s_gname, hair_1706,length)

names(hair_1706_st) <- c('s_dname','s_gname','s_cnt')

hair_1706_st <- hair_1706_st[order(hair_1706_st$s_cnt,decreasing=T),]

hair_1706_st10 <- head(hair_1706_st,10)

hair_1706_st10_pct <- round(hair_1706_st10$s_cnt/sum(hair_1706_st10$s_cnt)*100,1)

hair_1706_st10_lab <- paste(hair_1706_st10$s_gname,hair_1706_st10$s_dname,hair_1706_st10_pct,'%')

graphics.off()

barplot(hair_1706_st10$s_cnt,

names.arg=(hair_1706_st10$s_dname),

ylim=c(0,500),

ylab="사업자수",

col=rainbow(10),

main="17.06월 서울시 지역별 여성미용실 사업자수 (Top10)",

density=90)

##### 서울시 지역별 여성미용실 영업존속년율 도식화

hair <- seoul[seoul$s_type=="여성미용실",]

hair_1706_st30 <- round(nrow(hair_1706_st)/10,0)

hair_dname <- unique(hair_1706_st[1:38,"s_dname"])

hair_temp <- NULL

for (i in 1:38)

{        

hair_1512 <- hair[hair$s_dname==hair_dname[i] & hair$s_year==201512,]

hair_1706 <- hair[hair$s_dname==hair_dname[i] & hair$s_year==201706,]

hair_clos <- NULL                

hair_keep <- NULL

hair_clos <- setdiff(hair_1512$s_num,hair_1706$s_num)

hair_keep <- hair_1512[! hair_1512$s_num %in% hair_clos, ]                

hair_keep_pct <- nrow(hair_keep)/nrow(hair_1706)

hair_keep_pct <- as.data.frame(hair_keep_pct)

hair_temp <- rbind(hair_temp,hair_keep_pct)

}

hair_temp$loc <- NA

for (j in 1:38)

{        

hair_temp[j,2] <- hair_dname[j]

}

names(hair_temp) <- c('keep_pct','dname')

hair_temp10 <- head(orderBy(~-keep_pct,hair_temp),10)

graphics.off()

barplot(hair_temp10$keep_pct,

names.arg=(hair_temp10$dname),

ylim=c(0,0.7),

ylab="영업존속년율",                

col=rainbow(10),

main="17.06월 서울시 지역별 여성미용실 평균 영업존속년율 (Top10)",

density=90)

graphics.off()

par(mfrow=c(1,2),new=T)

barplot(hair_1706_st10$s_cnt,

names.arg=(hair_1706_st10$s_dname),

ylim=c(0,500),

ylab="사업자수",

col=rainbow(10),

main="17.06월 서울시 지역별 여성미용실 사업자수 (Top10)",

density=90)

barplot(hair_temp10$keep_pct,

names.arg=(hair_temp10$dname),

ylim=c(0,0.7),

ylab="영업존속년율",                

col=rainbow(10),

main="17.06월 서울시 지역별 여성미용실 평균 영업존속년율 (Top10)",

density=90)

5. 결론

 

  최종적으로 위 두 조건에 모두 부합되는 면목동, 중곡동, 구로동 이 세 지역이

비교적 미용실 업종에 특화 되어있고, 영업경쟁력이 높다는 것을 예상해 볼 수 있다.

[유연수]

1. 신림,봉천 지역이 일인 가구수가 다른 지역에 비해 상대적으로 많으므로 일인당 사업자수(사업자수/인구수) 에 대한 분석 도 필요해보입니다.(전석원)

[유연수]

2. 지도로 시각화를 하면 더 이해가 잘되었을것 같습니다.(공석빈)