가정 1 : 포스트 코로나 이후 라이프 스타일이 이전으로 돌아오는 것이 아닌, 포스트 코로나의 영향이 반영된 변화가 있을 것이다.
가정 2 : 라이프 스타일은 개개인의 물리적 이동 범위를 대폭 축소 시킬 것이며, 해외 여행이 국내 여행으로 직접 멀리 놀러가던 것이 동네로 한정되는 등의 변화가 있을 것이다.
ex)홈족
가정 3 : 라이프 스타일의 변화는 산업 전반에 걸쳐 거대한 변화를 만들 것이며, 트랜드 변화에 있어서도 특정 분야의 성장을 대두시키거나(ex.배달업체, 온라인 주문, 방송 등) 몰락시킬 것이다(ex. 항공, 여행사 등).
가정 4 : 변화는 개개인의 분야별 신용카드 금액 변동과 차지하는 비율 등으로 가시적으로 확인이 가능할 것이며, 포스트 코로나 이후 각 변화하는 양상을 통해 각 산업을 그루핑하여 4~5개의 그룹 정도로 나누는 것이 가능해질 것이다.
가정 5 : 그루핑한 산업 중 가장 대두되는 그룹 이외에도 회복세를 보이거나, 하락폭을 줄여가는 그룹에서도 내부 카테고리 안에서 차지하는 비중의 변화 등에 따라 트랜드의 변화 감지가 가능해질 것으로 판단된다.
가정 6 : 트랜드의 변화는 의식주 분야에서 가장 대두될 것이며, 다시금 새로운 라이프 스타일 양상을 반영하는 과정에서 보다 가시적인 모습을 보일 것이다.
STEP1. 데이터 분석
#API #한국은행경제통계시스템
- 한국은행 경제통계 시스템(http://ecos.bok.or.kr/jsp/openapi/OpenApiController.jsp?t=main)에서 API 발급을 통해 분야별 신용카드 사용액을 받아오는 것이 가능.
STEP 2. 사전 시각화
#POWERBI #CRAWLING #BUSINESSDATA #VISUALIZATION
- 발급받은 API KEY로 POWER BI를 통해 사용자 함수 등을 이용해 10년치 데이터를 크롤링한 후, 시각화
데이터 분석 1. 코로나로 인해 전체적인 소비 위축은 존재한다.
데이터 분석 2. 그러나 해당 과정에서 산업별로 성장, 위축, 위축 후 회복 등 여러 패턴을 보이는 경향이 구분되어 나타난다.
데이터 분석 3. 본래의 예상과 부합하는 형태로서, 여행 및 항공, 대중교통 등의 산업은 큰폭의 하락세를 맞이하는 반면 개인 자동차 및 관련 부품, 가구/가전, 개인 및 전문 서비스, 전자 상거래와 같은 분야는 소비 비중에 있어 큰폭의 성장을 보여주었다.
=> 이러한 데이터는 라이프 스타일에 있어 개개인의 소비자들의 실질적인 활동 반경이 좁아졌음을 의미하는 것으로 보여진다.