🌏 관광-환율 연관 분석 대시보드

한국관광공사의 관광 통계와 한국수출입은행 환율 정보를 기반으로
관광객 수와 환율 간의 상관관계를 분석하고 시각화한 Streamlit 대시보드 프로젝트입니다.

---

📌 프로젝트 설명

본 프로젝트는 관광(방한/출국) 데이터와 환율 데이터의 상관관계를 분석하고,
이를 Streamlit 기반 대시보드로 시각화하여 누구나 쉽게 확인할 수 있도록 만드는 것을 목표로 합니다.

---

🎯 프로젝트 주제

**관광객 수(출국∙방한)**와 주요 국가 환율(USD, JPY, EUR, CNY) 간의
상관관계를 분석하고 대시보드 형태로 시각화

---

💡 주제 선택 이유

• 환율 변동은 해외여행 및 방한 관광에 직접적인 영향을 미치는 핵심 요인
• 팬데믹 이후 여행 수요 회복 흐름을 환율과 함께 분석하면 의미 있는 결과 도출 가능
• 실무형 데이터 분석 과정 전체를 경험하기 위한 적합한 주제
  • 데이터 수집 → 정제 & ETL → EDA → 분석 모델링 → 시각화
• 팀 단위 협업 프로젝트로 역할 분담 및 Git 기반 협업 경험 확보

---

📊 데이터 분석 내용

1) 데이터 수집

• 한국관광데이터랩 월별 관광객 통계 (xls)

  https://datalab.visitkorea.or.kr/site/portal/ex/bbs/View.do?cbIdx=1127&bcIdx=309616&pageIndex=1&cateCont=spt04

• 관광지식정보시스템 국적별 입국 월별 통계 (xls)

  https://know.tour.go.kr/stat/entryTourStatDis19Re.do

• SMB 서울외환중개 월평균 매매기준율 (xls)

  http://www.smbs.biz/ExRate/MonAvgStdExRate.jsp

2) 데이터 정제 & ETL

ETL 파이프라인을 구축하여 다음 작업 자동화:

• 결측치 처리
• 날짜 포맷 통일
• 국가명 정규화 (영문 매핑)
• 중복 컬럼 제거
• 월별 기준 리샘플링
• CSV → Parquet 변환

🔧 디렉토리 구조

root/
├── app.py                  # Streamlit 메인 애플리케이션
├── utils.py                # 데이터 로더 및 공통 유틸리티
├── data/ ## 📂 Data Directory 설명
        자세한 내용은 아래 문서를 참고하세요:

➡ ️ data/README.md

└── views/                  # 대시보드 페이지별 뷰 모듈
    ├── dashboard.py        # 메인 현황판
    ├── inbound.py          # 입국 분석
    ├── outbound.py         # 출국 분석
    ├── exchange.py         # 환율 분석
    └── correlation.py      # 상관관계 분석

3) 주요 분석 기능

🏠 메인 대시보드

• 최신 출입국 관광객 수 KPI
• USD / JPY / EUR / CNY 환율 표시
• 월별 출입국자 흐름 그래프

📈 환율–관광객 상관분석

• Pearson Correlation 계산
• 국가별 상관도 비교
• 관광객 수(막대) + 환율(선) 이중축 그래프

🛫 출국지별 분석

• 인천/김해/제주 등 공항/항만별 출국자 분석

🌏 방한 관광(인바운드) 분석

---

🎬 시연 동영상

📺 YouTube 시연 영상 보러가기

---

🌐 Streamlit 대시보드 URL

👉 http://223.194.169.161:8501

---

👥 팀원 소개

팀원	역할	담당
한준탁	팀장	데이터 수집, 대시보드 구성, GitHub 작성
신동수	팀원	데이터 분석, 전체 코드 정리
임성은	팀원	자료 조사, README 정리
유건희	팀원	자료 조사, 대시보드 구성 보조

---

🧰 기술 스택

• Python: Pandas, NumPy
• Visualization: Plotly, Matplotlib
• Framework: Streamlit
• API: 한국수출입은행 환율 API (사용X)
• Deployment: Streamlit Cloud
• Version Control: Git / GitHub

---

🚀 프로젝트 실행 방법

**설치 및 실행 방법**

이 프로젝트는 Python 가상 환경(.venv)을 사용하며, 아래 3단계만 그대로 실행하면 누구나 바로 구동할 수 있습니다.

---

1️⃣ 가상 환경 설정 및 라이브러리 설치

■ 1) 프로젝트 폴더 이동

cd Bigdata_HW

■ 2) 가상환경 생성 (필요한 경우)

python -m venv .venv

■ 3) 가상환경 활성화

Windows: .venv\Scripts\activate

macOS / Linux: source .venv/bin/activate

■ 4) 패키지 설치

pip install -r requirements.txt

---

2️⃣ 데이터 파이프라인 실행 (ETL)

원본 CSV/XLS 데이터를 자동으로 정제하여
cleaned_data/*.parquet 파일을 생성합니다.

python data/main.py

이 명령어 1번으로 다음이 모두 자동 수행됩니다:

• Inbound/Outbound/Exchange 모듈 실행
• 컬럼명 정규화
• 월별로 환율 resample
• Parquet 파일 최종 저장

---

3️⃣ Streamlit 대시보드 실행

ETL이 완료되면 아래 명령어로 웹 대시보드를 실행합니다:

streamlit run app.py

브라우저 자동 실행 주소: http://localhost:8501

---

📌 전체 실행 흐름 요약

(1) 가상환경 활성화
(2) pip install -r requirements.txt
(3) python data/main.py ← ETL 자동 처리
(4) streamlit run app.py ← 대시보드 실행