오픈소스 gis 분석가 과정 day2 2교시_은행점포 폐점 패턴 분석

2016.04.28

LX 공간정보 아카데미

오픈소스 GIS 분석가 과정

(주)GIS United

박용재 ([email protected])

오픈소스 GIS 분석가 과정 Day2

mailto:[email protected]

[QGIS실습] 은행점포 폐점 패턴 분석

Imagine SpatiallyLX 공간정보 아카데미 공간분석 – 오픈소스 GIS 분석가 과정 Day2

“가장 많이 없어진 지역은 강남구(9개), 서초구(7개), 성남시(7개), 송파구(6개), 부천시(5개),

가장 많이 생긴 지역은 수원시(8개), 성남시(5개), 강남구(4개), 부산 강서구(4개) 등입니다.”

From 동아일보 이상훈 기자

…

제가 기획하는 기사 내용은 <2013년 시중은행 점포 폐쇄, 신설로 보는 부동산 및 돈의 흐름>입니다.

점포가 많이 사라지고 생겨난 지역을 분석해 보면 해당 지역의 흥망성쇠를 간접적으로 볼 수 있지 않을까 해서요.

말씀드렸듯이 가장 많이 없어진 지역은 강남구(9개), 서초구(7개), 성남시(7개), 송파구(6개), 부천시(5개) 순이고요.

가장 많이 생긴 지역은 수원시(8개), 성남시(5개), 강남구(4개), 부산 강서구(4개) 등입니다.

그 뒤로도 신도시나 수도권 일부 도시, 광역시급 대도시가 포함돼 있습니다.

…


질문1: 임대료가 비싸고 경쟁이 치열한 지역에 폐점이 집중되지 않았을까?

표준지 공시지가와 은행 폐점 위치 비교

지도 그려보니… 눈으로 보기엔 아닌 것 같다


질문2: 폐점 패턴은 주거밀집지와 관계있지 않을까?

아파트 밀집지역과 은행 폐점 위치 비교

지도 그려보니… 그럴수도 있겠다!


경쟁밀도, 표준지공시지가, 주거인구 및 직장인구 비교

은행점포 경쟁밀도 표준지 공시지가

각 점포별 500m 반경내 주거인구 및 직장인 수 비교


대규모 아파트 단지에 인접한 '주거유형'의 점포 수익률이 전반적으로 낮았고, 그 중 하위권에 위치한 점포들 위주로 폐점이 진행된 것으로 추측됨

5,150천4,782천

6,112천

폐점 신설 수도권 전체

표준지공시지가

5.4

4.2

6.3


은행경쟁지수

8,862

12,042

14,431


사업체 종사자수

4,960

1,688

3,708


아파트 세대수

질문1: 임대료가 비싸고 경쟁이 치열한지역에 폐점이 집중되지 않았을까? 신설지역에 비해 폐점지역의평균 표준지공시지가와 경쟁밀도가높긴하나, 수도권 전체와 비교시특징이 드러나지 않음

질문2: 폐점 패턴은 주거밀집지와관계있지 않을까? 폐점 은행 반경 500m 내 아파트세대수는 신설은행 및 수도권 전체은행 대비 월등히 높았고, 사업체종사자의 경우 신설은행이두드러짐(사업체종사자 데이터의구축시기를 고려시 더욱 두드러질수 있음)


강남富村서 사라진 은행들… 산업단지로 몰렸다 동아일보 2014-01-16

○ 부촌에서 은행이 사라졌다

지난해 전국 시군구 가운데 은행 점포가 가장 많이 문을 닫은 곳은 서울 강남구(9개)였고 서초구(7개)와 송파구(6개)가 그 뒤를 이었다. 강남 3구에서도 잠실,

반포, 대치동, 도곡동 등 주거밀집지역 점포가 주로 간판을 내렸다. 경기 성남시에서는 7개 통폐합 점포 중 5개가 분당구였다. (중략)

○ 월급계좌 겨냥한 산업단지 점포 부상

실제로 지난해 신설 점포 상당수는 산업단지에 입주했다. 외환은행은 9개 신설 점포 중 5개를 서울 가산디지털단지 등 산단 지역에 냈다. 경기 수원시(8개),

성남시(5개), 부산 강서구(4개) 등에 신설이 많았지만 이들 지역은 광교신도시 판교신도시 명지국제신도시 개발에 따른 것이라는 분석이 지배적이다. (후략)

동아일보 이상훈 기자 [email protected]

안하늘 인턴기자 고려대 영문학과 4학년

mailto:[email protected]


강남富村서 사라진 은행들… 산업단지로 몰렸다 동아일보 2014-01-16

#서울 강남구 역삼동의 한 상가 1층. ‘통합이전 안내’라는 현수막만이 과거 이곳에 은행 지점이 있었다는 사실을 보여줬다. 지난해 8월 은행 영업점이 문을 닫은 뒤 이곳은 줄곧 비어 있다. 근처 부동산중개업소 대표는 “보증금 3억 원에 월 1500만 원은 내야 하는데 요즘 그만한 임차료를 감당할 사업자를 만나기는 어려울 것”이라고 말했다.

요즘 은행권에 돈 안 되는 지점을 통폐합하는 영업점 구조조정이 한창 진행되고 있다. 은행권 순이익이 전년 대비 30%가량 줄어들 정도로 업황이 나빠진 데다 금융당국도 구조조정에 대한 압박을 가하고 있기 때문이다. KB국민, 우리, 하나, 신한, IBK기업, 외환은행 등 6대 시중은행은 지난해 133개 점포를 통폐합했다.

은행들은 부동산 경기 침체로 수익이 안 나는 주택밀집지역 점포를 없애는 대신 젊은 직장인이 몰리는 산업단지 지역에 경쟁적으로 점포를 열고 있다. 과거 부동산 경기를 주도했던 서울 강남 3구, 경기 성남시 분당신도시 등에서 무더기로 은행 지점이 사라진 반면 구로디지털단지나 송도스마트밸리 등에는 신설 점포가 들어서고 있다. 동아일보가지리정보시스템(GIS) 업체 ㈜GIS유나이티드의 도움을 받아 2013년 6대 은행의 점포 통폐합 및 신설 패턴을 분석했다.

○ 부촌에서 은행이 사라졌다

지난해 전국 시군구 가운데 은행 점포가 가장 많이 문을 닫은 곳은 서울 강남구(9개)였고 서초구(7개)와 송파구(6개)가 그 뒤를 이었다. 강남 3구에서도 잠실, 반포, 대치동, 도곡동 등 주거밀집지역 점포가 주로 간판을 내렸다. 경기 성남시에서는 7개 통폐합 점포 중 5개가 분당구였다.

구조조정의 가장 큰 이유는 부동산 경기 침체. 주택담보대출 자체가 줄어든 데다 저금리 기조로 예대마진이 축소돼 대출에 따른 수익이 크게 감소했기 때문이다. 주거지 특성상 유동인구가 없다는 점도 큰 약점이다. 경쟁이 치열한 지역에서 더욱 촘촘하게 점포를 내는 ‘스타벅스 전략’은 점포 중복에 따른 임차료, 인건비 부담으로 사실상 폐기됐다.

수익성이 떨어지는 특정 고객 겨냥 점포도 대거 문을 닫았다. 우리은행은 PB점포 ‘투 체어스(Two chairs)’ 5곳을 인근 지점과 합쳤다. 우리은행 관계자는 “부자들의 여유자금을 일괄 관리하겠다는 전략을 폈지만 정작 부자들은 자산을 한곳에 모으는 것을 극도로 꺼렸다”며 “부자들이 혜택만 누리고 수익에는 도움이 안 되는 ‘체리피커’ 성격이 일반 고객보다 강했다”고 설명했다. 국민은행은 대학생을 노리고 만든 ‘락스타’ 점포 15곳을 올 초 폐쇄했다.

○ 월급계좌 겨냥한 산업단지 점포 부상

과거 은행 점포를 열 때 가장 중요한 변수는 배후 인구였다. 하지만 요즘은 ‘얼마나 많이 사는지’보다 ‘얼마나 많은 직장인이 있는지’가 점포 개설의 가장 큰 기준이다.

국토교통부 공동주택 통계와 통계청 사업체 종사자 수 자료를 점포 개·폐점과 연결시키면 변화를 확인할 수 있다. 수도권(서울 경기 인천)에서 문을 닫은 점포 98곳의 반경500m 내 아파트 가구 수는 평균 4881채였지만, 신설 점포 22곳은 500m 안에 2387채뿐이었다. 하지만 문을 닫은 점포 인근 500m 내 사업체 종사자는 8862명이었고, 신설 점포의 경우 1만2042명이었다. 가구 수가 많은 곳보다는 직장 종사자가 많은 곳에 은행 점포들이 생겨난다는 얘기다.

실제로 지난해 신설 점포 상당수는 산업단지에 입주했다. 외환은행은 9개 신설 점포 중 5개를 서울 가산디지털단지 등 산단 지역에 냈다. 경기 수원시(8개), 성남시(5개), 부산강서구(4개) 등에 신설이 많았지만 이들 지역은 광교신도시 판교신도시 명지국제신도시 개발에 따른 것이라는 분석이 지배적이다.

산업단지 점포가 구조조정을 비켜간 큰 이유는 ‘월급쟁이 고객’을 대거 모을 수 있다는 점이다. 개인에게는 월급계좌를 유치해 예금, 대출, 카드 등을, 기업에는 대출, 퇴직연금등을 각각 판매할 수 있다. 신생 중소기업들이 몰려 있기 때문에 직원들의 입·퇴사가 잦아 고객 유치에 유리하다. 박지우 국민은행 고객만족본부장은 “주거지역은 한계가 명확한 레드오션이지만 산업단지는 계속 증가하는 데다 상품 영업에도 유리해 지속적으로 점포를 늘릴 계획”이라고 말했다.

http://news.donga.com/East/3/all/20140115/60195770/1


은행 폐점패턴 분석을 위한 질문들 & Dataset

1. 분석을 위한 주요 질문

• 폐점은 어디에서 많이 발생하였는가?• 신설된 점포와 어떤 차이점을 보이는가?• 배후주거, 직장인, 경쟁밀도, 부동산가격 요인은 어떠한가?

2. Dataset

• 은행점포 폐점 위치(bank_close_epsg5181.shp)

• 은행점포 신설 위치(bank_open_epsg5181.shp)

• 수도권 전체 은행점포 위치(bank_total_metro_epsg5181.shp)

• 센서스 사업체종사자수(census_emp_2013_point_epsg5181.shp)

• 아파트 세대수(XsDB_APT_100mGrid_epsg5181.shp)

• 국토부 공시지가(XsDB_Landvalue_100mGrid_epsg5181.shp)

• 수도권 행정경계(Metro_EMD_epsg5181.shp, Metro_SGG_epsg5181.shp, Metro_SIDO_epsg5181.shp)


분석 프로세스 및 적용되는 QGIS 기능

분석 및 시각화에 적용되는 QGIS 기능• 결합(table join)• 위치에 따라 속성결합(spatial join)• 폴리곤 센트로이드(polygon centroid)• 온도지도(heatmap)• 보간법(IDW)• Reclassify• Point Sampling

필수 플러그인(plugin)• Table manager: 속성테이블의 편집을 도와줌• Point Sampling Tool: 래스터 값 추출• Slicer: 래스터 Reclassify• Statist: 벡터 레이어의 기초통계를 조회할 수 있음

1. 데이터 로드 및 기본지도 작성• 행정경계파일 로드• 은행점포 신설/폐점/전체 point 데이터 로드• 면 채우기, 선 굵기 조정, 라벨 켜기 등

2. 데이터 결합 및 표현하기(1)• 수도권 시군구별 출점/폐점 점포수 집계하기• 각 유형별 은행점포 버퍼(buffer) 생성• 각 버퍼에 배후 APT 세대수 연산• 각 버퍼에 배후 사업체종사자수 연산

3. 표준지공시지가• 토지가격지도 그리기• 각 유형별 은행점포의 토지가격 추출하기

4. 경쟁밀도 분석• 전체 은행점포 밀집도 작성• 밀집도 등급화 경쟁지수 도출(reclassify) 은행점포 온도지도(heatmap) 작성 Raster 표현 및 픽셀 값 확인 Slicer 활용하여 reclassify

5. 각 유형별 은행점포 수치 비교하기• 엑셀에서 비교하기

6. 분석한 지도 출력하기

1. 데이터 로드 및 기본지도 작성


1-1. QGIS 켜기 및 데이터 로드

[레이어] – [레이어 추가] – [벡터레이어 추가]를 클릭 후, 행정경계 “Metro_EMD_epsg5181.shp”, “Metro_SGG_epsg5181.shp”, “Metro_SIDO_epsg5181.shp” 선택하여 데이터 로드

※ 프로젝트 좌표계는 EPSG5181로 설정


1-1. QGIS 켜기 및 데이터 로드

행정경계 데이터가 로드된 초기 화면 확인하기


1-2. 행정경계 확인 및 스타일링

각 행정경계 레이어 우클릭 [속성] – [스타일]탭 클릭하기

[Fill] 아래 [단순채우기] 클릭 채우기스타일(안채움), 버더 두께(0.6) 적용


1-2. 행정경계 확인 및 스타일링

아래 그림과 같이 시도경계 및 시군구경계 스타일 적용하여 화면 확인하기(레이어순서: SIDO > SGG > EMD)

* 행정동 단위까지 보이도록 할 경우를 고려하여 직접 실습해보기


1-3. 행정경계 라벨(속성 내용) 표시하기

라벨 표시할 레이어 클릭 [레이어라벨옵션] 아이콘 클릭 [Show labels for this layer] 선택 “sgg_nm” 선택

속성 창에서 [텍스트]탭을 눌러 글꼴 및 크기 설정, [버퍼]탭을 눌러 글씨 테두리 표시 설정


1-3. 행정경계 라벨(속성 내용) 표시하기

시군구(Metro_SGG) 레이어의 시군구 이름(sgg_nm)이 표시된 화면 확인

2. 은행점포 유형별 배후인구 특징 분석


2-1. 유형별 은행점포 위치 데이터 불러오기

[벡터레이어 추가] 아이콘 클릭 “bank_close_epsg5181.shp”, “bank_open_epsg5181.shp”, “bank_total_metro_epsg5181” 선택하여 데이터 불러오기


2-2. 수도권 시군구별 폐점 은행점포 수 확인하기

[벡터] – [데이터 관리도구] – [위치에 따라 속성 결합] 클릭

대상벡터 레이어 = Metro_SGG_epsg5181, 벡터레이어 조인 = bank_close_epsg5181 선택

“교차하는 모든 객체 속성 요약 이용” 선택& “총계” 체크

sgg_bank_close_epsg5181.shp

“모든 레코드 남기기” 선택



[위치에 따라 속성 결합] 분석이 완료된 레이어 로드 및 확인



[sgg_bank_close_epsg5181 레이어 우클릭] [속성테이블 열기]

속성 테이블에 추가된 컬럼 확인하기(SUMx, SUMy, COUNT): “COUNT” 컬럼이 시군구별 폐점된 은행점포 수를 나타냄



2-2. 폐점은행점포수 컬럼명 변경하기(Table manager 플러그인 사용)

[벡터] – [Table Manager] – [Table Manager] 클릭 “COUNT” 선택 [Rename] 버튼 클릭 후 “close” 기입 Save



“sgg_bank_close_epsg5181” 우클릭 – [속성] - [스타일]탭 “단계구분” 선택 “컬럼 = close” 선택

“색상표” 선택 “분류” 클릭 적용



시군구별 폐점 수 확인시 폐점수가 많을수록 짙은색이 표현됨

BUT!! 폐점이 없는 (“COUNT”= NULL) 지역은 아무런 색상이 표현되지 않음

폐점이 없는 시군구는 표시되지 않음


2-3. 시군구별 폐점수 단계구분도 그리기

“컬럼=close” 옆에 [표현식 대화상자] 버튼을 눌러 다음과 같이 입력함 (“컬럼 값이 NULL인 경우 0으로 인식하라”는 뜻임)

Case when “close＂ IS NULL then 0 else “close＂ end

표현식 대화상자



아래 화면과 같이 모든 지역이 표시되는 것을 확인함



[레이어라벨 옵션] – [표현식 대화상자]를 클릭후 다음과 같이 입력함

"sgg_nm" ||' '|| "close" ||'개'

레이어라벨 옵션

표현식 대화상자


2-4. 은행점포 유형별(폐점/신규/전체) 배후인구 특징(반경 500m 내) 분석하기

[벡터] – [공간연산도구] – [버퍼] 클릭

“입력 벡터…= bank_close_epsg5181”, “원 묘사…=20”, “버퍼거리=500”, “출력 shp…=bank_close_buff500m.shp”



다음과 같이 점포 위치별로 반경 500m 원형 폴리곤이 생성됨



배후인구 특징을 이해하기 위해 공동주택위치(XsDB_APT_100mGrid_epsg5181.shp) 및 사업체총조사결과(census_emp_2013_point_epsg5181.shp)을 불러옴

벡터레이어 추가



폐점포 기준 500m 원형 폴리곤(bank_close_buff500m)에 포함되는 공동주택 속성 집계

[벡터] – [데이터관리도구] – [위치에 따라 속성 결합] 아래 화면과 같이 설정

bank_close_buff500m

XsDB_APT_100mGrid_epsg5181

교차하는 모든 객체 속성 요약 이용 “총계” 체크

bank_close_buff500m+APT




연산이 끝난 후 “bank_close_buff500m+APT” 레이어 속성 테이블을 열어 추가된 컬럼들 확인

“SUMHO_CNT” 컬럼은 점포기준 반경 500m 내에 포함되는 공동주택 세대(호)수 합계를 의미함



동일한 방식으로 배후 사업체종사자(census_emp_2013_point_epsg5181) 속성 값을 집계함

방금 전에 공동주택 정보를 집계한 “bank_close_buff500m+APT”레이어를 활용하여 연산

bank_close_buff500m+APT

census_emp_2013_point_epsg5181

교차하는 모든 객체 속성 요약 이용 “총계” 체크

bank_close_buff500m+APT+emp




연산이 끝난 후 “bank_close_buff500m+APT+emp” 레이어 속성 테이블을 열어 추가된 컬럼들 확인

공동주택 속성결합 정보 뒤에 사업체종사자 데이터가 결합된 것을 알 수 있음

APT 세대수 데이터 결합 사업체종사자수 데이터 결합



3가지 유형의 은행점포 데이터에 대해 위 작업 반복 수행

“bank_close”외에 “bank_open”, “bank_total”에 대해 500m [버퍼] 생성 후, [위치에 따라 속성 결합] 반복 수행

➊-1 [대상 벡터레이어 = bank_close_buff500] & [벡터 레이어 조인 = XsDB_APT_100mGrid_epsg5181]

[출력 shape파일 = bank_close_buff500+APT]

➊-2 [대상 벡터레이어 = bank_close_buff500+APT] & [벡터 레이어 조인 = census_emp_2013_point_epsg5181]

[출력 shape파일 = bank_close_buff500+APT+emp]

➋-1 [대상 벡터레이어 = bank_open_buff500] & [벡터 레이어 조인 = XsDB_APT_100mGrid_epsg5181]

[출력 shape파일 = bank_open_buff500+APT]

➋-2 [대상 벡터레이어 = bank_open_buff500+APT] & [벡터 레이어 조인 = census_emp_2013_point_epsg5181]

[출력 shape파일 = bank_open_buff500+APT+emp]

➌-1 [대상 벡터레이어 = bank_total_metro_buff500] & [벡터 레이어 조인 = XsDB_APT_100mGrid_epsg5181]

[출력 shape파일 = bank_total_metro_buff500+APT]

➌-2 [대상 벡터레이어 = bank_total_metro_buff500+APT] & [벡터 레이어 조인 = census_emp_2013_point_epsg5181]

[출력 shape파일 = bank_total_metro_buff500+APT+emp]



속성테이블 정보 엑셀로 가져가기 ➊

“bank_close_buff500m+APT+emp” 속성테이블 열기 [선택 반전] [선택한 행을 클립보드에 복사] 클릭

선택반전 선택한 행을 클립보드에 복사



속성테이블 정보 엑셀로 가져가기 ➋

엑셀 파일을 열고 [A1]셀을 클릭한 뒤 ctrl+V를 눌러 붙여넣기 (bank_open, bank_total 에 대해서도 반복 수행)

close, open, total 모두 복사하여 세 개의 탭에 붙여넣기

[A1]셀



각 점포 반경500m 내 평균 공동주택세대수&사업체종사자수 구하기 ➊

“close”sheet에서 [ctrl+a]를 눌러 전체선택 후 [삽입] – [피벗테이블] 버튼을 누른 후 확인 버튼 클릭



각 점포 반경500m 내 평균 공동주택세대수&사업체종사자수 구하기 ➋

다음과 같이 새 sheet가 나타남



각 점포 반경500m 내 평균 공동주택세대수&사업체종사자수 구하기 ➌

피벗 테이블 필드 목록에서 “SUMHO_CNT”와 “SUMemp_sum”을 선택

3) 왼쪽과 같은 화면이 나타남

1) “SUMHO_CNT” 및 “SUMemp_sum” 체크

2) 오른쪽과 같은 화면이 나타남



각 점포 반경500m 내 평균 공동주택세대수&사업체종사자수 구하기 ➍

현재 ‘개수‘로 되어 있는 속성값을 ‘평균’으로 변경

우측 끝 화살표를 눌러“값 필드 설정” 클릭

“평균” 선택 후 확인



각 점포 반경500m 내 평균 공동주택세대수&사업체종사자수 구하기 ➎

“개수” “평균” 으로 요약 값이 변경됨



동일한 방식으로 “close”외에 “open” 및 “total”의 배후특징을 요약하여 다음과 같이 새로운 테이블에 요약함



A1~B4 셀을 드래그 [삽입] – [세로막대형 차트 삽입] – [묶은 세로막대형] 클릭

아래와 같이 두 개의 차트를 생성하여 폐점/신규/전체 은행점포 배후의 인구 특징을 시각화

[A1 ~ B4] 셀 드래그

3. 은행점포 유형별 공시지가 및 경쟁지수 분석


3-1. 보간법(IDW)를 이용한 표준지공시지가 지도 그리기

[벡터레이어 추가] “XsDB_Landvalue_100mGrid_epsg5181.shp” 열기



[래스터] – [분석] – [그리드(보간)] 실행 아래 화면 설명과 같이 설정

XsDB_Landvalue_100mGrid_epsg5181

[Z필드] 체크 “PR_11” 선택

“landvalue_IDW.tif” 저장

[알고리즘] 체크 “거리제곱 반비례” 선택

2.0

11 11

1000 1000

[범위] 체크&화면에서 수도권 영역만큼 마우스로 드래그(화면의 붉은색 사각형 영역처럼)



보간법 분석이 완료되면 아래 화면과 같이 나타남(흰색에 가까울수록 토지가격이 높음)


3-2. 폐점 은행점포 위치의 추정된 토지가격 알아내기

[플러그인] – [Analyses] – [Point sampling tool] 실행

※ Point sampling tool: 포인트 데이터와 공간적으로 교차하는 다른 레이어의 속성정보를 결합하는 플러그인

bank_close_epsg5181

“bank_close_epsg5181”레이어에 들어있는 컬럼 모두 선택

+ “landval_IDW : 밴드 1(raster)” 선택

Point sampling tool을 이용하여데이터를 추출하려는 레이어는체크박스 활성화 상태여야 함

“band+close+landvalue.shp” 저장

[Fields] 탭에서새로 생성되는 “band+close+landvalue.shp”파일의컬럼명을 지정할 수 있음


3-2. 폐점 은행점포 위치의 추정된 토지가격 알아내기

생성된 “bank_close+landvalue”의 속성 테이블을 열면, ‘landval_ID’ 필드를 확인할 수 있음

(※“bank_close+landvalue” [속성] [일반정보] [데이터소스 코드화 = “UTF-8”으로 변경해야 한글이 제대로 보임)


3-3. 은행점포 밀집도를 계산하여 경쟁지수 만들기

[래스터] - [온도지도] - [온도지도]를 실행하여 밀집도 분석을 할 수 있음

아래 화면과 같이 값을 설정함

“bank_total_metro_epsg5181” 선택

“bank_total_r1000” 저장

“1000” 입력

GeoTIFF 선택

50 50

아래의 셀크기X,Y를입력하면 자동으로값이 생성됨(건드릴 필요 없음)



온도지도 분석이 완료되면 아래 화면과 같이 나타남(흰색에 가까울수록 은행점포 밀집도가 높음)



“bank_total_r1000”레이어 우클릭 후 [속성] – [스타일]탭을 열어서 색상을 변경하고 raster value를 확인함

아래 화면과 같이 값을 설정(번호 순서에 따라 설정)

➊“단일밴드 가상색채”선택

➋이산

➎범위=“전체”➏정확도=“실제값(느림)

➐최소/최대값 불러오기=“최소값/최대값＂

➑분류 버튼 클릭

➌모드=등간격 ➍클래스=10



[래스터] [Slicer] [Slicer] 열기 (플러그인 추가 필요!)

➊[Fixed] initial = 0, End = 74, Step = 8.27 Add, ➋[Variable] initial = 0, End = 0 Add, ➌[Variable] initial = 66.16, End = 100 Add, ➍ [Slices] 66.16~74.43 check Remove

➋ Initial = 0, End = 74➌ Step = 8.27

➍ ADD ➎ “66.16~74.43” check 후 REMOVE

➏ Variable 클릭➊ Fixed 클릭

➐ Initial = 66.16, End = 100

➑ ADD

“bank_total_r1000.tif” 선택

“bank_total_r1000_rcls.tif” 저장



Reclassify 분석이 완료되면 아래 화면과 같이 나타남



“bank_total_r1000_rcls” 레이어 우클릭 [속성] - [스타일]탭 클릭

아래 화면과 같이 10등급을 표현할 수 있도록 옵션 조절(슬라이드 55 참조)

등간격 10

단일밴드가상색채

이산

1 10


3-4. 폐점 은행점포 위치의 경쟁지수 알아내기

[Point Sampling Tool]을 이용하여 “bank_close+landvalue” 레이어에 경쟁지수(“bank_total_r1000_rcls”) 값을 붙이기

“bank_close+landvalue+compt.shp”으로 저장

“bank_close+landvalue+compt.shp” 저장

“bank_close_epsg5181+landvalue”레이어에 들어있는 컬럼 모두 선택

+ “bank_total_r1000_rcls: 밴드 1(raster)” 선택

새로 생성된 “bank_close+landvalue+compt” 레이어 속성테이블 열어landval_ID, bank_total 컬럼 확인


3-5. 유형별 은행점포 표준지공시지가 및 경쟁지수 비교분석

“bank_close”, “bank_open”, “bank_total”에 대해 표준지공시지가 및 경쟁지수 붙이기 반복 수행([Point sampling tool] 활용)

각 테이블을 열어 전체 선택 후 엑셀에 붙여넣기

“bank_open_epsg5181” 레이어에landval_IDW 및 bank_total_r1000_rcls

래스터 값 붙이기

속성테이블 열어서 복사한 후 엑셀에 붙여넣기

선택반전 선택한 행을 클립보드에 복사


3-5. 유형별 은행점포 표준지공시지가 및 경쟁지수 비교분석

폐점/신규/전체 은행점포 각 속성테이블을 엑셀에 붙여넣기 피벗테이블 생성 평균 표준지공시지가 및 경쟁지수 요약

세로막대형 차트 생성하여 특징 비교 분석 (슬라이드 38~46 참조)

- 감사합니다 -

㈜ 지아이에스유나이티드서울시 마포구 서교동 408-24 예당빌딩 3F (우: 121-804)

http://www.gisutd.com/

publish.gisutd.com

facebook.com/gisutd

오픈소스 gis 분석가 과정 day2 2교시_은행점포 폐점 패턴 분석

Data & Analytics