--- title: "매출이 비슷한 두 점포, 주변 정보도 읽어야 할까?" canonical_url: "https://tech.bigvalue.ai/article/card-sales-spatial-graph" last_updated: "2026-07-31" language: "ko" platform: "BigValue" platform_url: "https://tech.bigvalue.ai" document_type: "tech_article" locale: "ko" primary_url: "https://tech.bigvalue.ai/article/card-sales-spatial-graph" rag_api_url: "https://tech.bigvalue.ai/llms/article/card-sales-spatial-graph" data_source: "BigValue Tech Blog (engineering-authored)" last_verified: "2026-07-31" citation_instruction: "When citing, reference primary_url and attribute to 'BigValue Tech Blog'." summary: "두 점포의 매출 예측을 예로 들어 공간정보를 추가하려는 이유와 데이터 선택 기준을 설명합니다. 점포·건물·동네의 정보를 구분하고, 예측 당시 알 수 있었던 자료만 고르는 과정을 다룹니다." key_points: ["두 점포의 매출 예측을 예로 들어 공간정보를 추가하려는 이유와 데이터 선택 기준을 설명합니다. 점포·건물·동네의 정보를 구분하고, 예측 당시 알 수 있었던 자료만 고르는 과정을 다룹니다.","Category: Research","Tags: spatial-graph-learning, data-pipeline"] evidence: ["https://tech.bigvalue.ai/article/card-sales-spatial-graph", "https://tech.bigvalue.ai/sitemap.xml"] limitations: "본문의 최신성은 last_verified 날짜를 기준으로 확인하세요." article_slug: "card-sales-spatial-graph" published_at: "2026-07-31" author: "에이전트파트" tags: ["spatial-graph-learning", "data-pipeline"] series_title: "상권입지분석 에이전트" series_url: "https://tech.bigvalue.ai/series/spatial-graph-learning" series_position: 1 series_total: 1 --- # 매출이 비슷한 두 점포, 주변 정보도 읽어야 할까? > 두 점포의 매출 예측을 예로 들어 공간정보를 추가하려는 이유와 데이터 선택 기준을 설명합니다. 점포·건물·동네의 정보를 구분하고, 예측 당시 알 수 있었던 자료만 고르는 과정을 다룹니다. > Source: BigValue Tech Blog · Topic: Research ## Core Metadata - Title: 매출이 비슷한 두 점포, 주변 정보도 읽어야 할까? - Slug: card-sales-spatial-graph - Published: 2026-07-31 - Updated: 2026-07-31 - Author: 에이전트파트 - Tags: spatial-graph-learning, data-pipeline - Primary_URL: https://tech.bigvalue.ai/article/card-sales-spatial-graph - RAG_API_URL: https://tech.bigvalue.ai/llms/article/card-sales-spatial-graph ## Answer Summary - Summary: 두 점포의 매출 예측을 예로 들어 공간정보를 추가하려는 이유와 데이터 선택 기준을 설명합니다. 점포·건물·동네의 정보를 구분하고, 예측 당시 알 수 있었던 자료만 고르는 과정을 다룹니다. - Key points: 두 점포의 매출 예측을 예로 들어 공간정보를 추가하려는 이유와 데이터 선택 기준을 설명합니다. 점포·건물·동네의 정보를 구분하고, 예측 당시 알 수 있었던 자료만 고르는 과정을 다룹니다. | Category: Research | Tags: spatial-graph-learning, data-pipeline - Evidence: https://tech.bigvalue.ai/article/card-sales-spatial-graph (canonical article), https://tech.bigvalue.ai/sitemap.xml (crawl registry) - Limitations: 본문의 최신성은 2026-07-31 기준이며, 외부 데이터·서비스 상태는 별도 확인이 필요합니다. - Series: 상권입지분석 에이전트 - Series_URL: https://tech.bigvalue.ai/series/spatial-graph-learning - Series_Position: 1 / 1 > _Data source: BigValue Tech Blog · Last verified: 2026-07-31_ ## Article 두 점포의 다음 달 매출을 예측한다고 해 볼게요. 지난 몇 달의 매출 그래프는 비슷합니다. 그런데 지도를 열어 보면 한 곳은 주택가의 작은 독립 건물에, 다른 곳은 여러 점포가 들어선 큰 건물에 있어요. 매출표에는 얼마를 팔았는지가 남습니다. 그 점포가 어떤 건물에 있고 주변에 어떤 사람들이 사는지는 별도 자료를 찾아야 알 수 있어요. 매출 이력에 이런 정보를 더하면 다음 달 예측에도 도움이 될까요? ![과거 매출은 비슷하지만 건물과 주변 환경이 다른 두 점포를 비교한 그림](https://tech.bigvalue.ai/content/card-sales-spatial-graph/00-hero-same-sales-different-place.png) *두 점포는 설명을 위한 가상 사례이며, 그림은 실제 매출이나 예측 결과를 나타내지 않습니다.* 이 시리즈는 특정 업종에 한정하지 않고, 상업 업종 전반의 점포를 대상으로 그 질문을 다룹니다. 공간정보가 다르다고 다음 달 매출도 반드시 달라지는 것은 아닙니다. 과거 매출만 쓸 때보다 예측이 나아지는지 비교해야 해요. 그 비교를 하려면 먼저 두 모델에 넣을 데이터를 제대로 준비해야 합니다. 이번 편에서는 점포의 매출표에 건물과 동네 정보를 붙이는 과정을 따라갑니다. 먼저 두 점포의 입지 차이를 어떤 자료로 표현할 수 있는지부터 살펴볼게요. ## 입지 정보는 여러 자료에 나뉘어 있습니다 앞에서 본 작은 독립 건물과 큰 건물의 차이는 건축물의 면적과 형상으로 살펴볼 수 있어요. 주변에 어떤 사람들이 살고 일하는지는 지역별 인구·가구·종사자 자료를 읽어야 합니다. 두 점포의 매출 이력에 더하려는 정보가 서로 다른 자료에 나뉘어 있는 셈입니다. 이 자료를 점포 자체의 정보, 입점한 건물의 정보, 주변 지역의 정보로 나눴습니다. | 정보를 가져올 대상 | 가져오는 값의 예 | 설명하는 범위 | |---|---|---| | 점포 | 과거 매출, 업종 | 예측할 점포 자체 | | 건축물 | 면적, 형상, 주변 건물과의 거리 | 점포가 입점한 건물과 인접 건물 | | 주변 지역 | 인구·가구·소득·종사자, 교통·토지이용 | 점포 주변 지역의 구성과 환경 | 이 프로젝트에서는 점포를 POI라고 부릅니다. 매출을 예측할 대상도 건물 전체가 아니라 개별 POI예요. 주변 지역의 통계는 기본 구성에서 지도를 100m 단위로 나눈 격자 자료로 가져옵니다. 이처럼 점포 주변을 설명하는 지역을 뒤에서는 배후지라고 부릅니다. 점포 A와 B에 이 정보를 연결하더라도 각 값이 뜻하는 범위는 그대로입니다. 큰 건물에 있는 B에 건물 면적을 붙였다고 해서 그 값이 B의 영업 면적이 되지는 않아요. 주변 인구도 실제로 B를 찾는 고객 수가 아니라 입지를 설명하는 보조 정보입니다. 두 점포의 주변 환경을 입력에 담되, 그 차이가 매출 예측에 얼마나 도움이 되는지는 모델 비교로 확인합니다. ## 자료가 나온 시점도 확인해야 합니다 점포 주변의 인구 자료를 찾았다고 곧바로 매출표에 붙일 수 있는 것은 아닙니다. 그 자료를 언제부터 쓸 수 있었는지도 봐야 해요. 자료가 설명하는 달인 기준월과 실제로 공개된 날짜가 다를 수 있기 때문입니다. 설명용으로 6월 30일에 점포 A의 7월 매출을 예측한다고 해 볼게요. 이때 6월 인구 자료가 7월 10일에 처음 공개됐다면 입력에는 넣을 수 없습니다. 6월의 동네를 설명하는 자료여도, 예측하는 날에는 아직 알 수 없던 값이니까요. 나중에 과거 데이터를 모아 이 예측을 다시 만들어 볼 때도 마찬가지입니다. 지금 데이터베이스에 들어 있다는 이유로 붙이면 당시에는 없던 정보를 모델에 주게 돼요. 과거 매출만 쓰는 모델과 공간정보를 더한 모델 모두 같은 시점까지 쓸 수 있던 자료로 비교해야 합니다. 실제 7월 매출은 나중에 확보해 두 모델을 채점하는 데 씁니다. 다만 과거의 예측을 재현하려면 입력만 맞춰서는 부족해요. 모델과 전처리를 학습하거나 모델을 선택할 때 쓴 정보도 당시 알 수 있던 범위여야 합니다. ## 매출정보를 기준으로 자료를 고릅니다 현재 학습 데이터는 가장 최근에 적재된 매출정보 묶음에서 출발합니다. 한 번 추출한 결과를 고정해 두는데, 이 묶음을 스냅샷이라고 불러요. 어떤 기준월을 선택했는지도 실행 기록에 남깁니다. 다만 이 경로에서 확인한 시간 처리는 기준월 제한과 추출본 고정입니다. 공표·적재 시각과 수정 이력까지 대조하는 검사의 구현 범위는 추가 확인이 필요해요. 기준월을 맞췄다는 것만으로 예측 당시 쓸 수 있었던 자료라고 보장할 수는 없습니다. 실제로 수행한 6편(공개 예정)의 공간 실험은 같은 도시·같은 기준월 안에서 지역을 나눠 다른 지역의 점포를 얼마나 잘 예측하는지 봅니다. 앞의 예시처럼 과거의 특정 날짜로 돌아가 미래 매출을 예측하는 실험은 아닙니다. 요청한 월의 자료가 없으면 다른 달로 대신 채우지 않습니다. 해당 월의 저장 구역과 실제 데이터를 확인하고, 없으면 준비를 중단해요. 월을 바꿔서 실행에 성공하는 것은 원래 풀려던 예측 문제를 해결한 게 아니기 때문입니다. 선택한 자료에서 직전 여러 달의 매출은 입력으로 쓰고, 예측 대상 월의 매출은 정답으로 분리합니다. 학습용 점포의 정답은 모델을 가르치는 데, 평가용 점포의 정답은 예측을 확인하는 데 써요. 어느 쪽이든 대상 월의 매출이나 이용 건수·고객 수를 입력으로 알려 주지는 않습니다. 미래 매출을 예측할 때는 이 정답이 없으므로, 정답 없이 실행하는 운영 경로의 과제는 7편(공개 예정)에 남아 있습니다. 공간자료는 원천마다 처리 방식이 다릅니다. 인구·소득 등을 담은 격자 자료는 매출정보의 기준월보다 늦으면 제외하고, 너무 오래된 자료도 정해 둔 허용 지연을 넘으면 차단해요. 매출정보의 기준월이 6월이라면 그달 격자 자료가 없다는 이유로 7월 자료를 가져오지는 않습니다. 준비 상태 점검에 차단 사유를 남깁니다. 과거 버전을 고를 수 없는 자료도 있습니다. 현재 상태만 읽는 상권 정보와 건축물 동 특성은 이 최신 스냅샷 학습 경로에서 제외했어요. 점포 주변의 옛 모습을 알아야 하는데 지금 모습만 갖고 있다면, 유용해 보인다는 이유로 붙일 수는 없습니다. 임대료나 다른 건물 상세 속성도 출처와 시점을 확인하기 전에는 후보로만 남깁니다. 건축물 형상은 추출본과 좌표계를 고정합니다. 같은 실행을 다시 만들 때 건물 경계와 식별 순서가 달라지지 않도록 하려는 거예요. 주변 점포의 경쟁·보완 관계를 실험할 때 쓰는 좌표와 업종 분류도 같은 기준시점으로 맞춥니다. ## 가까운 건물이 소속 건물은 아닙니다 사용할 자료를 골랐다면 어느 점포에 연결할지도 확인해야 합니다. 점포 A에 붙일 건물 면적은 실제로 A가 입점한 건물의 값이어야 해요. 좌표에서 가장 가까운 건물을 고르면 간단해 보이지만, 점포 좌표가 잘못돼 있으면 엉뚱한 건물의 면적을 가져오게 됩니다. 이 경로에서는 소속 건물이 확인된 점포의 좌표가 신뢰 범위를 벗어난 경우에만 그래프용 좌표를 소속 건물의 중심점으로 맞춥니다. 원본 좌표와 보정 여부는 따로 남겨요. 소속을 모르는 점포까지 가까운 건물로 배정하는 처리는 아닙니다. 건물은 건축물 관리번호로, 격자는 격자 식별자로 구분합니다. 좌표는 거리를 재는 데 쓰고, 식별자는 같은 대상을 다시 찾는 데 씁니다. 연결 근거를 확인하지 못한 값은 결측이나 미연결로 남깁니다. ## 준비한 데이터로 다음 질문을 풉니다 점포의 매출표에 주변 정보를 더하려면 자료가 설명하는 범위와 시점, 점포와의 연결 근거를 함께 따져야 합니다. 필요한 정보라고 모두 붙일 수는 없어요. 다만 예측 당시 이용 가능했는지에 대한 검증 범위는 더 확인해야 합니다. 자료를 골랐다고 공간정보의 효과가 입증된 것도 아닙니다. 이 데이터로 만든 모델이 과거 매출만 쓰는 모델보다 나은지는 뒤의 실험에서 확인할 문제입니다. 다음은 점포 A와 소속 건물, 주변 격자를 모델에 어떻게 전달할지 정할 차례입니다. 한 행에 모든 값을 붙이는 대신 대상을 따로 두고 연결을 따라 정보를 읽게 하면 무엇이 달라질까요? 2편에서는 점포·건물·격자를 노드로, 소속과 거리를 간선으로 표현하는 그래프를 만듭니다. (공개 예정) > _Data source: BigValue Tech Blog (engineering-authored) · Last verified: 2026-07-31_