전북 식품사막화 - 고령층 식품 접근성 데이터 분석
CJ·한경·FIRB 리모트 인턴십에서 전북특별자치도의 식품사막화 현상을 65세 이상 고령층 중심으로 분석하는 7인 팀 프로젝트를 수행했습니다. Excel을 활용하여 데이터 전처리와 통계분석을 진행했습니다.
당시 전북은 전국 17개 시도 중 식품사막화 비율이 83.6%로 가장 높은 지역이었습니다.
식품사막을 단순히 식료품점이 부족한 문제가 아니라 다음 요소가 함께 작용하는 생활 접근성 문제로 정의했습니다.
- 식료품점 수
- 교통 접근성
- 식료품점까지 이동시간
- 고령자의 온라인 접근성
데이터 수집
전북통계시스템, 전북빅데이터허브, 공공데이터포털, 통계청, 인터넷이용실태조사 등에서 공공데이터를 수집했습니다.
주요 데이터:
- 시군별 대형마트·시장 수
- 버스정류장
- 지역 면적
- 65세 이상 인구
- 식료품점까지 평균 이동시간
- 인터넷 이용자
- 온라인 주문 관련 데이터
지역별 대형마트·시장·버스정류장 데이터에 결측치가 존재해 네이버 지도를 이용해 교차 확인하고 보완했습니다.
이상치 처리
분석 단위가 전북 14개 시군뿐이기 때문에 이상치를 단순 제거하면 정보 손실이 크다고 판단했습니다.
박스플롯으로 변수의 분포를 확인한 결과 전주가 여러 항목에서 이상치로 나타났지만, 지역 자체를 제거하는 대신 로그 변환을 통해 이상치의 영향력을 낮추는 방법을 선택했습니다.
식품사막화지수 설계
각 시군의 접근성을 비교하기 위해 식료품점 수, 65세 이상 인구와 지역 면적을 이용한 프로젝트 자체 식품사막화지수를 구성했습니다.
지수가 낮을수록 식료품 접근성이 낮다고 정의했습니다.
분석 결과:
- 진안
- 임실
- 무주
순으로 지수가 낮게 나타났으며 진안을 가장 취약한 지역으로 해석했습니다.
다중공선성 문제
상관분석에서 대형마트 수와 식품사막화지수, 대형마트 수와 교통 접근성, 교통 접근성과 식품사막화지수 사이에 약 0.98~0.99 수준의 높은 상관이 나타났습니다.
특히 대형마트 수와 교통 접근성 사이의 높은 관계 때문에 두 변수를 동시에 회귀모형에 투입할 경우 다중공선성 문제가 발생할 수 있다고 판단했습니다.
다중공선성을 확인한 결과 두 변수 사이에 문제가 확인돼 대형마트와 교통 접근성을 동시에 사용하지 않고 하나씩 제외한 축소모형을 비교했습니다.
1차 — 전체모형
전체 변수를 사용한 회귀분석에서는 대형마트 수만 유의하게 나타났습니다.
2차 — 축소모형
대형마트를 제외하면 교통 접근성이, 교통 접근성을 제외하면 대형마트 수가 유의하게 나타났습니다.
이 결과를 통해 두 변수 관계와 이상치의 영향을 추가 검토했습니다.
3차 — 로그변환 모형
전체 데이터 규모가 작아 이상치를 삭제하지 않고 영향을 완화하기 위해 변수에 로그 변환을 적용한 뒤 다시 회귀분석을 진행했습니다.
최종적으로 다음 변수가 프로젝트 데이터와 모형에서 유의하게 나타났습니다.
- 대형마트(슈퍼) 수
- 65세 이상 인터넷 사용자 수
인사이트 도출
농촌 인구가 감소하고 있는 상황에서 신규 식료품점이나 대중교통을 무조건 늘리는 방식은 비용과 지속가능성 측면에서 한계가 있다고 판단했습니다.
그래서 기존 식료품점 + 배달 + 디지털 교육을 결합한 해결방안을 제안했습니다.
‘봇따리’ — 고령자를 위한 지역 식품 배달 서비스
지자체가 지역 식료품점과 배달원을 연결하고 고령자가 쉽게 사용할 수 있는 봇따리 서비스 UI와 운영 방안을 제안했습니다.
고령자의 사용성을 고려해 다음 Universal Design 원칙을 반영했습니다.
- 14pt 이상의 글자
- 쉬운 용어
- 간단한 주문 절차
- 음성 기반 주문·결제
시니어 교육
온라인 접근성이 분석에서 중요한 변수로 나타났기 때문에 앱만 제공해서는 실제 고령층이 서비스를 사용하기 어렵다고 판단했습니다.
이에 대학생 디지털 서포터즈가 경로당·사회복지관에서 진행하는 4주·총 8시간의 시니어 스마트 교육과정을 함께 설계했습니다.
교육 내용:
- 1주차 — 스마트폰 기본 활용
- 2주차 — 봇따리 앱을 활용한 장보기
- 3주차 — 모바일 금융
- 4주차 — 스마트 헬스케어
한계점
전북 14개 시군이라는 작은 표본을 사용했고, 지역별 교통·식료품점 데이터가 충분하지 않았습니다.
또한 당시 사용할 수 있는 분석 환경의 제약으로 GIS 공간 분석을 수행하지 못했습니다.
따라서 결과를 강한 인과관계로 해석하지 않고, 제한된 데이터에서 식품 접근성에 영향을 줄 가능성이 높은 요인을 탐색하고 해결 방향을 제안한 분석으로 정리했습니다.
성과
약 600명 중 10인에 선발되어 CJ올리브네트웍스 DT Academy 인턴십으로 연계됐습니다.
배운 점
데이터가 작거나 완벽하지 않더라도 문제를 구조화하고 분석 과정에서 발생하는 이상치·다중공선성·모형 불안정성을 하나씩 검토하는 것이 중요하다는 점을 배웠습니다.
특히 통계적으로 유의한 변수를 찾는 데서 끝나지 않고 지역의 인구감소와 고령층의 디지털 격차라는 실제 운영 조건을 함께 고려해 실행안으로 연결했습니다.
이를 통해 공공데이터 수집 → EDA → 통계적 문제 확인 → 모형 수정 → 인사이트 도출 → 서비스 실행안으로 이어지는 데이터 기반 문제 해결 과정을 경험했습니다.