SlideShare a Scribd company logo
1 of 35
Download to read offline
0
최적화 모델을 통한
카페 위치 선정 제안
시스템종합설계 김 관호 교수님
산업경영공학과 201301222 김유림
산업경영공학과 201301239 이지선
산업경영공학과 201301256 한혜련
1
INDEX.
일정 계획
2
주제 선정 및 이유
1
진행 상황
3
결론
4
2
최적화 모델을 통한 카페 위치 선정 제안
LINGO MODELING을 통한 LSCP, 역거리 가중치 법을 사용
시각화를 하기 위해서 ArcGIS PROGRAM와 EXCEL을 이용[ ]
3
주제 선정 및 이유
‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유
1
스타벅스
27.45
19.07 14.81 11.14 9.01 4.62 4.62 4.08 2.25 1.09
이디야 엔젤리너스 카페베네 개인카페 커피빈 투썸플레이스 할리스 파스쿠치 기타
1위
2위 3위 5위4위 6위 7위 8위 9위 10위
여성이 가장
선호하는
커피
브랜드는?
4
주제 선정 및 이유
‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유
1
386
480
632
765
971
341
409
539
682
883
0
200
400
600
800
1000
1200
2010년 11 12 13 14
임대료 인건비
스타벅스코리아 치솟는 임대료와 추락하는 수익성
(단위 : 억원)
5
주제 선정 및 이유
‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유
1
스타벅스코리아 치솟는 임대료와 추락하는 수익성
2421
2982
3910
4822
6171
224 225 248 321 402
0
1000
2000
3000
4000
5000
6000
7000
2010년 11 12 13 14
매출 영업이익
9.3 % 7.6 % 6.3 % 6.7 % 6.5 %
(단위 : 억원)
6
주제 선정 및 이유
하필 왜 동작구로 선택했을까?
1
SEOUL
서울특별시 동작구
1. 다양한 자료를 손쉽게 구할 수 있음 EX) 유동인구 자료, 거주 인구 등
2. 서울에서 열 번째로 유동인구가 많은 지역
7
주제 선정 및 이유
하필 왜 동작구로 선택했을까?
1
중구와 서초구 제외 WHY??
8
주제선정 3/8~3/14
모델 연구
모델 구축 검증
및 피드백
결과분석 및 수정, 결론
PPT 작성 및 발표준비
자료조사 3/15~3/29
3/30~4/26
4/27~5/17
5/18~5/31
6/1~6/6
일정 계획
전체적인 계획 절차
2
9
진행상황 – 자료조사
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
3
- Gis 기법을 이용한 카페 최적입지
- 휴리스틱 P-Median 알고리즘을 이용한 자전거주차장 최적입지선정
- 서초구 공공자전거의 연계성 향상을 위한 추가 스테이션 설립 방안 제안
출처 : https://thenounproject.com/
10
진행상황 - 모델연구
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- 진행 방향3
1. 2014년 서울 유동인구 조사 보고서 – 수요추정을 위함
2. LINGO PROGRAM을 이용한 LSCP, 역거리 가중치 구하기
11
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- 후보지 설정3진행상황 - 모델연구
파란색 : 기존 카페
빨간색 : 새로운 카페
12
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- 수요 추정 결과3진행상황 - 모델연구
해당 지역 유동인구 중 카페를 이용할 확률
13
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- 수요추정 결과3진행상황 - 모델연구
연평균 유동인구 X 이용 확률
가수요를 추정
14
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
총 63개 (기존 후보지 : 34, 새로운 후보지 : 29 )의 카페들 중에서
서비스 범위(350m)를 고려하여 서로의 수요를 커버 할 수 있는
최소의 입지 개수를 결정
LSCP(Location set covering problem)
시설 간의 최대 허용 거리를 커버할 수 있는
최소의 입지 수를 결정하는 의사결정 기법
15
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
LINGO PROGRAM을 이용한 LSCP(Location set covering problem)
*서비스 범위 : 350m
𝑀𝑖𝑛𝑍 = ෍
𝑗=1
𝑛
𝑋𝑗
S.T
෍
𝑗=1
𝑛
𝑎𝑖𝑗 𝑋𝑗 ≥ 1 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖)
𝑋𝑗 𝜖1,0 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖)
16
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
<결과>
선택 : 63-16 = 47개
최적 카페의 수를 의미
(기존 카페 포함)
17
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
LINGO PROGRAM을 이용하여 역거리 가중치 도출
𝑊∗
𝑥0 = ෍
𝑖=1
𝑛
𝜆𝑖 𝐻 𝑥𝑖 𝜆𝑖 =
(
1
𝑑 𝑖
) 𝑎
σ 𝑗=1
𝑚
(
1
𝑑 𝑗
) 𝑎,
𝑑𝑖 ∶ 예측점 𝑥0와 자료점 𝑥1 사이의 거리
A : 거리가중계수, 일반적으로 2.0을 사용
H(𝑥𝑖) ∶ I 지점의 관측지, 일반적으로 수요를 사용
S.T
𝑀𝑎𝑥 𝑋𝑖 ෍ ෍ 𝐻𝑗 𝑊𝑖𝑗
෍
𝑗=1
𝑛
𝑎𝑖𝑗 𝑋𝑗 ≥ 1 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖)
෍
𝑖=1
𝑛
𝑋𝑖 = 𝑃 ∀𝑗
𝑋𝑖 ∈ 0,1 ∀𝑗
18
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
LINGO PROGRAM을 이용하여 역거리 가중치 도출
19
프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명
- LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구
<결과>
총 수요량 : 15,937,650
기존 수요량 : 11,127,322
기존 수요량 대비 증가함을 의미
(기존 카페 수요량 포함)
20
모방했던 기존 연구와 우리 연구의 차이점 및 문제점
3중간결과 - 현재 모델의 문제
기존의 연구 우리의 연구
- 기존에 설치되어 있는 station을
고정시키고 후보지 선정.
- 카페를 고정할 필요가 없음.
- 유동인구가 측정된 지역 모두를 후보지에 포함시켜야 함.
- 서비스 범위 = 350m 가정. - 서비스 범위에 대한 지정 이유 설명 필요.
(기존 연구의 경우, 다른 논문을 근거로 함)
- 실제 서초구 공공자전거 시설 개수
를 반영함.
- 실제 카페의 개수를 반영하지 못함.
- ‘유동인구 수’ 만을 기준으로 함.
- 카페 수를 어떻게 적용시킬 것인가가 관건.
21
동작구 카페 조사 위도 경도
할리스
신대방 삼거리역점 서울시 동작구 대방동 405-11 37.499441 126.9191222
노량진역점 서울시 동작구 노량진동 67-9 37.5139221 126.9345646
이수로데오점 서울시 동작구 사당동 134-3 37.4876884 126.9730702
총신대입구역점 서울시 동작구 사당동 144-10 이수텐빌딩1층 37.4852393 126.9718076
숭실대점 서울시 동작구 상도동 505-1 37.494913 126.9486901
이수역점 서울시 동작구 사당동 1007-41 헤라피스 1층, 지하1층 37.4840034 126.9727878
탐앤탐스 중앙대점 서울시 동작구 흑석로 109-2(흑석동,1층) 37.508392 126.9524071
달콤커피 이수점 서울시 동작구 사당동 147-29 이수자이 1층110호 37.4844137 126.971673
디초콜릿커피 신상도초교점 서울 동작구 상도동 222-1 37.4976922 126.9344326
커피스미스 장승배기역점 서울 동작구 상도동 370-12 37.5052647 126.9314327
더착한커피
남성역점 서울 동작구 사당동 708-366 37.4837888 126.9646474
해군회관점 서울 동작구 대방동 385-24 37.5042328 126.9134971
• 반영한 실제 카페의 수는 총 73곳.
- 이렇게 반영하게 되면 총 기존지는 12곳, 후보지는 22곳
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 실제 카페를 반영하기 위해 자료 조사3모델수정 - 자료조사
22
검은색 : 기존 데이터
주황색 : 실제 카페
3모델수정 - 자료조사
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 실제 카페를 반영하기 위해 자료 조사 후 ArcGIS Maps 이용해 지도 표시
23
3모델수정 - 자료조사
위치 별 위/경도 자료
유동인구 지점 경도 위도 최종가수요
1 보금당 126.9435 37.49822 684.272
2 제일의원 126.944 37.49856 859.4022
3 거산갈비 126.9357 37.50283 740.3919
4 태진종합상사 126.9375 37.50396 251.2942
5 인정보시스템 126.9406 37.50177 236.0481
6 온누리 약국 126.9408 37.50525 795.676
7 유한양행 126.9339 37.51304 525.4577
8 대일공인중개사 길건너맞은편 126.9307 37.51312 246.5465
9 동방빌딩 입구 126.9739 37.47612 684.272
10 미싱인테리어 126.9736 37.47628 436.1206
11 한길서적 126.9727 37.48374 882.2046
12 쇼부선술집 126.9739 37.48289 408.2361
13 대상오피스텔 126.9603 37.49512 352.1998
14 중앙식품 126.9571 37.5065 234.8444
15 KB 국민은행 126.9527 37.49699 587.3786
16 콜드스톤 126.9589 37.50685 1174.055
17 상도 삼호 아파트 입구 126.9566 37.49306 355.0083
18 절대창조미술학원 126.9395 37.51368 304.9902
19 신라명과 126.9059 37.48777 383.1602
20 나이키 126.9072 37.48962 614.5274
21 씨티은행 126.9117 37.49432 522.1811
22 의정부 부대찌개 126.9157 37.49635 621.5487
23 LG Telecom 126.9434 37.51354 6559.512
연평균 유동인구 X 이용 횟수
최종가수요를 추정
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 동작구 유동인구 자료 수정 및 가수요 추정
24
3모델수정 - 자료조사
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 동작구 유동인구 자료 조사
가로 183 세로 183
대각선만 1로 두고 나머지는 0
가로 184~212
세로 184~212
500m 안에 있는 것을 확
인하여 1로 둘 것.
가로 183
세로 184~212
500m 안에 있는 것을 확인하여 1로 둘 것.
가로 184~212
세로 184~212
500m 안에 있는 것을
확인하여 1로 둘 것.
<A> 표
25
3모델수정 - 자료조사
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 동작구 유동인구 자료 조사
<실제 엑셀 예시>
26
3모델수정 - 자료조사
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 동작구 유동인구 자료 조사
<DIST> 표 : 각 위치의 경위도를 이용하여 위치 간의 거리를 구해주었음.
27
3모델수정 - 자료조사
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 동작구 유동인구 자료 조사
<H> 표 : 각 위치의 경위도와 유동인구 자료를 통해서 수요를 추정함.
cf.
임의의 가중치 부여
(1+유동인구비율)(1-카페수비율)
28
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- LINGO Program을 이용한 LSCP 기법3모델수정 – LINGO PROGRAM 실행
LINGO PROGRAM을 이용한 LSCP(Location set covering problem)
최적 스테이션의 개수 : 129개
(기존지 : 127개, 후보지 : 2개)
29
3모델수정 – 결과
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 가장 높은 최종 가수요 위치 분석 및 지도 표시
역거리 가중치 필요 X
링고 결과를 통해서 엑셀에서
분석하여 답을 얻음
30
3모델수정 - 결과
1위. LG Telecom
수요 추정 : 453,600,000
2위. 황금어장 회센터
수요 추정 : 157,198,927
3위. 옵틱스안경
수요 추정 : 53,481,205
1위
2위
기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명
- 가장 높은 최종 가수요 위치 분석 및 지도 표시
3위
31
경제성 분석과 수요 추정을 통한 최종 결론.
4결론
비용 = 초기비용 + 운영비
매출 = 이용 확률 * 연평균 유동인구 * 6000원
<경제성 분석>
1위 LG Telcom 2위 황금 회센터 3위 옵틱스 안경
비용 232,800,000 232,800,000 232,800,000
매출 686,400,000 389,998,927 286,281,205
이익 453,600,000 157,198,927 53,481,205
32
모델이 가지는 한계점.
4한계점
1. 유동인구가 과연 각기 다른 사람, 한 번씩만 수를 센 것인가?
2. 비용 분석 시 카페 크기, 땅 값 등을 고려하지 않음.
3. LINGO 사용시 기준 카페 위치를 고정시킬 필요가 없었음.
- 그러나 그렇게 하지 않으면 프로그램이 실행되지 않음.
4. 임의로 정한 식의 타당성을 확신할 수 없음.
5. 데이터의 손실.
6. 데이터 분석 시 정량적인 방법이 아닌 정성적인 방법 사용.
33
출처
1. <골목 사장 분투기> 저자 : 김 도현
2. 서초구 공공자전거의 연계성 향상을 위한 추가 스테이션 설립 방안 제안
3. https://thenounproject.com
4. http://opengov.seoul.go.kr/analysis/6040827
5. http://stat.seoul.go.kr/jsp3/index.jsp
6. http://news.joins.com/article/17359474
7. http://www.lindo.com/index.php?option=com_content&view
=article&id=2&Itemid=10
8. http://getintopc.com/softwares/maps-creation/arcgis-10-
free-download/
9. https://www.google.co.kr/maps
34
감사합니다.

More Related Content

What's hot

제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축BOAZ Bigdata
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
 
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델BOAZ Bigdata
 
[창업&예비창업가] 소상공인 마케팅 전략
[창업&예비창업가] 소상공인 마케팅 전략[창업&예비창업가] 소상공인 마케팅 전략
[창업&예비창업가] 소상공인 마케팅 전략더게임체인저스
 
서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기승화 양
 
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강Minji Kang
 
데이터는 차트가 아니라 돈이 되어야 한다.
데이터는 차트가 아니라 돈이 되어야 한다.데이터는 차트가 아니라 돈이 되어야 한다.
데이터는 차트가 아니라 돈이 되어야 한다.Yongho Ha
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
 
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측BOAZ Bigdata
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템BOAZ Bigdata
 
PT_삼성전자_서비스마케팅_1502_sharing.pdf
PT_삼성전자_서비스마케팅_1502_sharing.pdfPT_삼성전자_서비스마케팅_1502_sharing.pdf
PT_삼성전자_서비스마케팅_1502_sharing.pdfNamhee Choi
 
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdf
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdfPT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdf
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdfNamhee Choi
 
UX 디자인에서 사용자를 정의하는 3가지방법
UX 디자인에서 사용자를 정의하는 3가지방법 UX 디자인에서 사용자를 정의하는 3가지방법
UX 디자인에서 사용자를 정의하는 3가지방법 Dongsik Yang
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링BOAZ Bigdata
 
STEPS 금융 UX개선 공모전_수상작
STEPS 금융 UX개선 공모전_수상작STEPS 금융 UX개선 공모전_수상작
STEPS 금융 UX개선 공모전_수상작Sangwook Park
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
 
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)Dylan Ko
 
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification StandardBOAZ Bigdata
 
[COMPAS] 고양시 공공자전거 분석과제(장려상)
[COMPAS] 고양시 공공자전거 분석과제(장려상)[COMPAS] 고양시 공공자전거 분석과제(장려상)
[COMPAS] 고양시 공공자전거 분석과제(장려상)Joonho Lee
 

What's hot (20)

제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Hands-on 팀] : 수어 번역을 통한 위험 상황 속 의사소통 시스템 구축
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
 
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
 
[창업&예비창업가] 소상공인 마케팅 전략
[창업&예비창업가] 소상공인 마케팅 전략[창업&예비창업가] 소상공인 마케팅 전략
[창업&예비창업가] 소상공인 마케팅 전략
 
서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기
 
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강
딥러닝을 이용한 사용자 선호도 기반 의상 추천 알고리즘 Ppt 선수강
 
데이터는 차트가 아니라 돈이 되어야 한다.
데이터는 차트가 아니라 돈이 되어야 한다.데이터는 차트가 아니라 돈이 되어야 한다.
데이터는 차트가 아니라 돈이 되어야 한다.
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
 
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측
[분석+시각화] 위기탈출 경전철! - 신설 경전철 노선의 역별 수송수요 예측
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템
 
PT_삼성전자_서비스마케팅_1502_sharing.pdf
PT_삼성전자_서비스마케팅_1502_sharing.pdfPT_삼성전자_서비스마케팅_1502_sharing.pdf
PT_삼성전자_서비스마케팅_1502_sharing.pdf
 
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdf
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdfPT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdf
PT_D사_미래에셋대우증권_비대면계좌개설_1804_sharing.pdf
 
UX 디자인에서 사용자를 정의하는 3가지방법
UX 디자인에서 사용자를 정의하는 3가지방법 UX 디자인에서 사용자를 정의하는 3가지방법
UX 디자인에서 사용자를 정의하는 3가지방법
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링
 
STEPS 금융 UX개선 공모전_수상작
STEPS 금융 UX개선 공모전_수상작STEPS 금융 UX개선 공모전_수상작
STEPS 금융 UX개선 공모전_수상작
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색
 
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
 
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BICS팀] : Boaz Industry Classification Standard
 
[COMPAS] 고양시 공공자전거 분석과제(장려상)
[COMPAS] 고양시 공공자전거 분석과제(장려상)[COMPAS] 고양시 공공자전거 분석과제(장려상)
[COMPAS] 고양시 공공자전거 분석과제(장려상)
 

Viewers also liked

커피시장내용
커피시장내용커피시장내용
커피시장내용Q&COMPANY
 
카페 하라 마케팅 Ppt2.pdf최종
 카페 하라 마케팅  Ppt2.pdf최종 카페 하라 마케팅  Ppt2.pdf최종
카페 하라 마케팅 Ppt2.pdf최종dksgmltn5186
 
탐탐마케팅ㄲPpt
탐탐마케팅ㄲPpt탐탐마케팅ㄲPpt
탐탐마케팅ㄲPpt건호 김
 
서비스디자인2
서비스디자인2서비스디자인2
서비스디자인2Ye Eun Park
 
사업계획서 빈스홀릭
사업계획서 빈스홀릭사업계획서 빈스홀릭
사업계획서 빈스홀릭Seong-su Park
 
카페 이로운 공간디자인 제안PT
카페 이로운 공간디자인 제안PT카페 이로운 공간디자인 제안PT
카페 이로운 공간디자인 제안PT재영 최
 
나만의사업을디자인하기위한17단계프로세스(최종)
나만의사업을디자인하기위한17단계프로세스(최종)나만의사업을디자인하기위한17단계프로세스(최종)
나만의사업을디자인하기위한17단계프로세스(최종)Q&COMPANY
 
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진BQ&COMPANY
 
커피에 대한 대부분 지식 정리
 커피에 대한 대부분 지식 정리 커피에 대한 대부분 지식 정리
커피에 대한 대부분 지식 정리Seongwon Kim
 
프리젠테이션스킬
프리젠테이션스킬프리젠테이션스킬
프리젠테이션스킬Q&COMPANY
 
브랜드시스템디자인
브랜드시스템디자인브랜드시스템디자인
브랜드시스템디자인Q&COMPANY
 
참고 스타벅스
참고 스타벅스참고 스타벅스
참고 스타벅스Gunyoung Pak
 
[2013-2] 롯데마트 온라인 프로모션 제안
[2013-2] 롯데마트 온라인 프로모션 제안[2013-2] 롯데마트 온라인 프로모션 제안
[2013-2] 롯데마트 온라인 프로모션 제안Eun Jeong Kang
 
백화점현실
백화점현실백화점현실
백화점현실수복 진
 
Coffee-project by Codename: nakseo
Coffee-project by Codename: nakseoCoffee-project by Codename: nakseo
Coffee-project by Codename: nakseoJiyun Kim
 
Arya pppt
Arya ppptArya pppt
Arya ppptM K
 

Viewers also liked (20)

커피시장내용
커피시장내용커피시장내용
커피시장내용
 
카페 하라 마케팅 Ppt2.pdf최종
 카페 하라 마케팅  Ppt2.pdf최종 카페 하라 마케팅  Ppt2.pdf최종
카페 하라 마케팅 Ppt2.pdf최종
 
탐탐마케팅ㄲPpt
탐탐마케팅ㄲPpt탐탐마케팅ㄲPpt
탐탐마케팅ㄲPpt
 
서비스디자인2
서비스디자인2서비스디자인2
서비스디자인2
 
테라로사 Slideshare
테라로사 Slideshare테라로사 Slideshare
테라로사 Slideshare
 
사업계획서 빈스홀릭
사업계획서 빈스홀릭사업계획서 빈스홀릭
사업계획서 빈스홀릭
 
카페 이로운 공간디자인 제안PT
카페 이로운 공간디자인 제안PT카페 이로운 공간디자인 제안PT
카페 이로운 공간디자인 제안PT
 
나만의사업을디자인하기위한17단계프로세스(최종)
나만의사업을디자인하기위한17단계프로세스(최종)나만의사업을디자인하기위한17단계프로세스(최종)
나만의사업을디자인하기위한17단계프로세스(최종)
 
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B
[Q&COMAPNY] 헤겔의 변증법으로 바라본 매거진B
 
커피에 대한 대부분 지식 정리
 커피에 대한 대부분 지식 정리 커피에 대한 대부분 지식 정리
커피에 대한 대부분 지식 정리
 
프리젠테이션스킬
프리젠테이션스킬프리젠테이션스킬
프리젠테이션스킬
 
브랜드시스템디자인
브랜드시스템디자인브랜드시스템디자인
브랜드시스템디자인
 
참고 스타벅스
참고 스타벅스참고 스타벅스
참고 스타벅스
 
[2013-2] 롯데마트 온라인 프로모션 제안
[2013-2] 롯데마트 온라인 프로모션 제안[2013-2] 롯데마트 온라인 프로모션 제안
[2013-2] 롯데마트 온라인 프로모션 제안
 
[week6]R_Wrangling
[week6]R_Wrangling[week6]R_Wrangling
[week6]R_Wrangling
 
[week7]R_Wrangling(2)
[week7]R_Wrangling(2)[week7]R_Wrangling(2)
[week7]R_Wrangling(2)
 
Seoul 연구원
Seoul 연구원 Seoul 연구원
Seoul 연구원
 
백화점현실
백화점현실백화점현실
백화점현실
 
Coffee-project by Codename: nakseo
Coffee-project by Codename: nakseoCoffee-project by Codename: nakseo
Coffee-project by Codename: nakseo
 
Arya pppt
Arya ppptArya pppt
Arya pppt
 

Similar to 최적화 모델을 이용한 카페 위치 선정 제안

실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트김인규
 
Improved techniques for grid mapping with rao blackwellized particle filters 번역
Improved techniques for grid mapping with rao blackwellized particle filters 번역Improved techniques for grid mapping with rao blackwellized particle filters 번역
Improved techniques for grid mapping with rao blackwellized particle filters 번역jdo
 
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)olivia19
 
최종 3조 황색봉투_수거차량_최적화
최종 3조 황색봉투_수거차량_최적화 최종 3조 황색봉투_수거차량_최적화
최종 3조 황색봉투_수거차량_최적화 seunghwankim52
 
현장실습 캡스톤디자인 11
현장실습 캡스톤디자인 11현장실습 캡스톤디자인 11
현장실습 캡스톤디자인 11YoonSoo Park
 

Similar to 최적화 모델을 이용한 카페 위치 선정 제안 (7)

실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
 
Improved techniques for grid mapping with rao blackwellized particle filters 번역
Improved techniques for grid mapping with rao blackwellized particle filters 번역Improved techniques for grid mapping with rao blackwellized particle filters 번역
Improved techniques for grid mapping with rao blackwellized particle filters 번역
 
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)
20100114 발표5번 지하철승차대기라인변경 영진천새마을운동(수정)
 
최종 3조 황색봉투_수거차량_최적화
최종 3조 황색봉투_수거차량_최적화 최종 3조 황색봉투_수거차량_최적화
최종 3조 황색봉투_수거차량_최적화
 
Konjac jelly
Konjac jellyKonjac jelly
Konjac jelly
 
Konjac jelly
Konjac jellyKonjac jelly
Konjac jelly
 
현장실습 캡스톤디자인 11
현장실습 캡스톤디자인 11현장실습 캡스톤디자인 11
현장실습 캡스톤디자인 11
 

Recently uploaded

JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP Korea
 
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석JMP Korea
 
데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법JMP Korea
 
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP Korea
 
공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화JMP Korea
 
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?Jay Park
 
JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP Korea
 
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP Korea
 

Recently uploaded (8)

JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례
 
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
 
데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법
 
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
 
공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화
 
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
 
JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!
 
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
 

최적화 모델을 이용한 카페 위치 선정 제안

  • 1. 0 최적화 모델을 통한 카페 위치 선정 제안 시스템종합설계 김 관호 교수님 산업경영공학과 201301222 김유림 산업경영공학과 201301239 이지선 산업경영공학과 201301256 한혜련
  • 2. 1 INDEX. 일정 계획 2 주제 선정 및 이유 1 진행 상황 3 결론 4
  • 3. 2 최적화 모델을 통한 카페 위치 선정 제안 LINGO MODELING을 통한 LSCP, 역거리 가중치 법을 사용 시각화를 하기 위해서 ArcGIS PROGRAM와 EXCEL을 이용[ ]
  • 4. 3 주제 선정 및 이유 ‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유 1 스타벅스 27.45 19.07 14.81 11.14 9.01 4.62 4.62 4.08 2.25 1.09 이디야 엔젤리너스 카페베네 개인카페 커피빈 투썸플레이스 할리스 파스쿠치 기타 1위 2위 3위 5위4위 6위 7위 8위 9위 10위 여성이 가장 선호하는 커피 브랜드는?
  • 5. 4 주제 선정 및 이유 ‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유 1 386 480 632 765 971 341 409 539 682 883 0 200 400 600 800 1000 1200 2010년 11 12 13 14 임대료 인건비 스타벅스코리아 치솟는 임대료와 추락하는 수익성 (단위 : 억원)
  • 6. 5 주제 선정 및 이유 ‘최적화 모델을 통한 카페 입지 최적화’를 주제로 선정한 이유 1 스타벅스코리아 치솟는 임대료와 추락하는 수익성 2421 2982 3910 4822 6171 224 225 248 321 402 0 1000 2000 3000 4000 5000 6000 7000 2010년 11 12 13 14 매출 영업이익 9.3 % 7.6 % 6.3 % 6.7 % 6.5 % (단위 : 억원)
  • 7. 6 주제 선정 및 이유 하필 왜 동작구로 선택했을까? 1 SEOUL 서울특별시 동작구 1. 다양한 자료를 손쉽게 구할 수 있음 EX) 유동인구 자료, 거주 인구 등 2. 서울에서 열 번째로 유동인구가 많은 지역
  • 8. 7 주제 선정 및 이유 하필 왜 동작구로 선택했을까? 1 중구와 서초구 제외 WHY??
  • 9. 8 주제선정 3/8~3/14 모델 연구 모델 구축 검증 및 피드백 결과분석 및 수정, 결론 PPT 작성 및 발표준비 자료조사 3/15~3/29 3/30~4/26 4/27~5/17 5/18~5/31 6/1~6/6 일정 계획 전체적인 계획 절차 2
  • 10. 9 진행상황 – 자료조사 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 3 - Gis 기법을 이용한 카페 최적입지 - 휴리스틱 P-Median 알고리즘을 이용한 자전거주차장 최적입지선정 - 서초구 공공자전거의 연계성 향상을 위한 추가 스테이션 설립 방안 제안 출처 : https://thenounproject.com/
  • 11. 10 진행상황 - 모델연구 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - 진행 방향3 1. 2014년 서울 유동인구 조사 보고서 – 수요추정을 위함 2. LINGO PROGRAM을 이용한 LSCP, 역거리 가중치 구하기
  • 12. 11 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - 후보지 설정3진행상황 - 모델연구 파란색 : 기존 카페 빨간색 : 새로운 카페
  • 13. 12 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - 수요 추정 결과3진행상황 - 모델연구 해당 지역 유동인구 중 카페를 이용할 확률
  • 14. 13 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - 수요추정 결과3진행상황 - 모델연구 연평균 유동인구 X 이용 확률 가수요를 추정
  • 15. 14 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 총 63개 (기존 후보지 : 34, 새로운 후보지 : 29 )의 카페들 중에서 서비스 범위(350m)를 고려하여 서로의 수요를 커버 할 수 있는 최소의 입지 개수를 결정 LSCP(Location set covering problem) 시설 간의 최대 허용 거리를 커버할 수 있는 최소의 입지 수를 결정하는 의사결정 기법
  • 16. 15 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 LINGO PROGRAM을 이용한 LSCP(Location set covering problem) *서비스 범위 : 350m 𝑀𝑖𝑛𝑍 = ෍ 𝑗=1 𝑛 𝑋𝑗 S.T ෍ 𝑗=1 𝑛 𝑎𝑖𝑗 𝑋𝑗 ≥ 1 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖) 𝑋𝑗 𝜖1,0 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖)
  • 17. 16 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 <결과> 선택 : 63-16 = 47개 최적 카페의 수를 의미 (기존 카페 포함)
  • 18. 17 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 LINGO PROGRAM을 이용하여 역거리 가중치 도출 𝑊∗ 𝑥0 = ෍ 𝑖=1 𝑛 𝜆𝑖 𝐻 𝑥𝑖 𝜆𝑖 = ( 1 𝑑 𝑖 ) 𝑎 σ 𝑗=1 𝑚 ( 1 𝑑 𝑗 ) 𝑎, 𝑑𝑖 ∶ 예측점 𝑥0와 자료점 𝑥1 사이의 거리 A : 거리가중계수, 일반적으로 2.0을 사용 H(𝑥𝑖) ∶ I 지점의 관측지, 일반적으로 수요를 사용 S.T 𝑀𝑎𝑥 𝑋𝑖 ෍ ෍ 𝐻𝑗 𝑊𝑖𝑗 ෍ 𝑗=1 𝑛 𝑎𝑖𝑗 𝑋𝑗 ≥ 1 (𝑓𝑜𝑟 𝑎𝑙𝑙 𝑖) ෍ 𝑖=1 𝑛 𝑋𝑖 = 𝑃 ∀𝑗 𝑋𝑖 ∈ 0,1 ∀𝑗
  • 19. 18 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 LINGO PROGRAM을 이용하여 역거리 가중치 도출
  • 20. 19 프로젝트 진행상황. 자료조사부터 모델 구축 단계까지의 설명 - LINGO Program을 이용한 LSCP 기법3진행상황 - 모델연구 <결과> 총 수요량 : 15,937,650 기존 수요량 : 11,127,322 기존 수요량 대비 증가함을 의미 (기존 카페 수요량 포함)
  • 21. 20 모방했던 기존 연구와 우리 연구의 차이점 및 문제점 3중간결과 - 현재 모델의 문제 기존의 연구 우리의 연구 - 기존에 설치되어 있는 station을 고정시키고 후보지 선정. - 카페를 고정할 필요가 없음. - 유동인구가 측정된 지역 모두를 후보지에 포함시켜야 함. - 서비스 범위 = 350m 가정. - 서비스 범위에 대한 지정 이유 설명 필요. (기존 연구의 경우, 다른 논문을 근거로 함) - 실제 서초구 공공자전거 시설 개수 를 반영함. - 실제 카페의 개수를 반영하지 못함. - ‘유동인구 수’ 만을 기준으로 함. - 카페 수를 어떻게 적용시킬 것인가가 관건.
  • 22. 21 동작구 카페 조사 위도 경도 할리스 신대방 삼거리역점 서울시 동작구 대방동 405-11 37.499441 126.9191222 노량진역점 서울시 동작구 노량진동 67-9 37.5139221 126.9345646 이수로데오점 서울시 동작구 사당동 134-3 37.4876884 126.9730702 총신대입구역점 서울시 동작구 사당동 144-10 이수텐빌딩1층 37.4852393 126.9718076 숭실대점 서울시 동작구 상도동 505-1 37.494913 126.9486901 이수역점 서울시 동작구 사당동 1007-41 헤라피스 1층, 지하1층 37.4840034 126.9727878 탐앤탐스 중앙대점 서울시 동작구 흑석로 109-2(흑석동,1층) 37.508392 126.9524071 달콤커피 이수점 서울시 동작구 사당동 147-29 이수자이 1층110호 37.4844137 126.971673 디초콜릿커피 신상도초교점 서울 동작구 상도동 222-1 37.4976922 126.9344326 커피스미스 장승배기역점 서울 동작구 상도동 370-12 37.5052647 126.9314327 더착한커피 남성역점 서울 동작구 사당동 708-366 37.4837888 126.9646474 해군회관점 서울 동작구 대방동 385-24 37.5042328 126.9134971 • 반영한 실제 카페의 수는 총 73곳. - 이렇게 반영하게 되면 총 기존지는 12곳, 후보지는 22곳 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 실제 카페를 반영하기 위해 자료 조사3모델수정 - 자료조사
  • 23. 22 검은색 : 기존 데이터 주황색 : 실제 카페 3모델수정 - 자료조사 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 실제 카페를 반영하기 위해 자료 조사 후 ArcGIS Maps 이용해 지도 표시
  • 24. 23 3모델수정 - 자료조사 위치 별 위/경도 자료 유동인구 지점 경도 위도 최종가수요 1 보금당 126.9435 37.49822 684.272 2 제일의원 126.944 37.49856 859.4022 3 거산갈비 126.9357 37.50283 740.3919 4 태진종합상사 126.9375 37.50396 251.2942 5 인정보시스템 126.9406 37.50177 236.0481 6 온누리 약국 126.9408 37.50525 795.676 7 유한양행 126.9339 37.51304 525.4577 8 대일공인중개사 길건너맞은편 126.9307 37.51312 246.5465 9 동방빌딩 입구 126.9739 37.47612 684.272 10 미싱인테리어 126.9736 37.47628 436.1206 11 한길서적 126.9727 37.48374 882.2046 12 쇼부선술집 126.9739 37.48289 408.2361 13 대상오피스텔 126.9603 37.49512 352.1998 14 중앙식품 126.9571 37.5065 234.8444 15 KB 국민은행 126.9527 37.49699 587.3786 16 콜드스톤 126.9589 37.50685 1174.055 17 상도 삼호 아파트 입구 126.9566 37.49306 355.0083 18 절대창조미술학원 126.9395 37.51368 304.9902 19 신라명과 126.9059 37.48777 383.1602 20 나이키 126.9072 37.48962 614.5274 21 씨티은행 126.9117 37.49432 522.1811 22 의정부 부대찌개 126.9157 37.49635 621.5487 23 LG Telecom 126.9434 37.51354 6559.512 연평균 유동인구 X 이용 횟수 최종가수요를 추정 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 동작구 유동인구 자료 수정 및 가수요 추정
  • 25. 24 3모델수정 - 자료조사 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 동작구 유동인구 자료 조사 가로 183 세로 183 대각선만 1로 두고 나머지는 0 가로 184~212 세로 184~212 500m 안에 있는 것을 확 인하여 1로 둘 것. 가로 183 세로 184~212 500m 안에 있는 것을 확인하여 1로 둘 것. 가로 184~212 세로 184~212 500m 안에 있는 것을 확인하여 1로 둘 것. <A> 표
  • 26. 25 3모델수정 - 자료조사 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 동작구 유동인구 자료 조사 <실제 엑셀 예시>
  • 27. 26 3모델수정 - 자료조사 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 동작구 유동인구 자료 조사 <DIST> 표 : 각 위치의 경위도를 이용하여 위치 간의 거리를 구해주었음.
  • 28. 27 3모델수정 - 자료조사 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 동작구 유동인구 자료 조사 <H> 표 : 각 위치의 경위도와 유동인구 자료를 통해서 수요를 추정함. cf. 임의의 가중치 부여 (1+유동인구비율)(1-카페수비율)
  • 29. 28 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - LINGO Program을 이용한 LSCP 기법3모델수정 – LINGO PROGRAM 실행 LINGO PROGRAM을 이용한 LSCP(Location set covering problem) 최적 스테이션의 개수 : 129개 (기존지 : 127개, 후보지 : 2개)
  • 30. 29 3모델수정 – 결과 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 가장 높은 최종 가수요 위치 분석 및 지도 표시 역거리 가중치 필요 X 링고 결과를 통해서 엑셀에서 분석하여 답을 얻음
  • 31. 30 3모델수정 - 결과 1위. LG Telecom 수요 추정 : 453,600,000 2위. 황금어장 회센터 수요 추정 : 157,198,927 3위. 옵틱스안경 수요 추정 : 53,481,205 1위 2위 기존의 모델이 갖고 있는 오류 수정. 수정 단계의 설명 - 가장 높은 최종 가수요 위치 분석 및 지도 표시 3위
  • 32. 31 경제성 분석과 수요 추정을 통한 최종 결론. 4결론 비용 = 초기비용 + 운영비 매출 = 이용 확률 * 연평균 유동인구 * 6000원 <경제성 분석> 1위 LG Telcom 2위 황금 회센터 3위 옵틱스 안경 비용 232,800,000 232,800,000 232,800,000 매출 686,400,000 389,998,927 286,281,205 이익 453,600,000 157,198,927 53,481,205
  • 33. 32 모델이 가지는 한계점. 4한계점 1. 유동인구가 과연 각기 다른 사람, 한 번씩만 수를 센 것인가? 2. 비용 분석 시 카페 크기, 땅 값 등을 고려하지 않음. 3. LINGO 사용시 기준 카페 위치를 고정시킬 필요가 없었음. - 그러나 그렇게 하지 않으면 프로그램이 실행되지 않음. 4. 임의로 정한 식의 타당성을 확신할 수 없음. 5. 데이터의 손실. 6. 데이터 분석 시 정량적인 방법이 아닌 정성적인 방법 사용.
  • 34. 33 출처 1. <골목 사장 분투기> 저자 : 김 도현 2. 서초구 공공자전거의 연계성 향상을 위한 추가 스테이션 설립 방안 제안 3. https://thenounproject.com 4. http://opengov.seoul.go.kr/analysis/6040827 5. http://stat.seoul.go.kr/jsp3/index.jsp 6. http://news.joins.com/article/17359474 7. http://www.lindo.com/index.php?option=com_content&view =article&id=2&Itemid=10 8. http://getintopc.com/softwares/maps-creation/arcgis-10- free-download/ 9. https://www.google.co.kr/maps

Editor's Notes

  1. 1위 스타벅스를 선호한다고 꼽은 응답자들에게 그 이유에 대해 질문하자 ‘커피맛’(48.02%)이라는 응답이 가장 많았고스타벅스 특유의 분위기를 선호하기 때문이라는 응답은 17.33%였으며, ‘인터넷 및 콘센트 사용의 편리함’(5.45%).‘ 특별한 이유 없음’(0.69%)의 순으로 나타났습니다.
  2. 1. 1주일 평균 보행량 상위 지점들은 대부분 중구에 위치한 상업지역에 속해서 이미 너무 많은 수요가 발생함. 따라서 서초구와 중구는 제외, 10위에 속하는 동작구를 선택. 2. 서울시의 경우에는 공개된 데이터가 많고 정확하여 연구를 하는데 적합하다고 생각. 추가사항? -> 또한 동작구에는 중앙대, 숭실대, 총신대 총 3개의 주요 대학이 존재하며, 노량진은 고시공부하는 사람들이 많음 ->이처럼 학생과 취준생이 많은 지역으로 우리 나이 또래를 대상으로 생각할 수 있다고 생각하여 선택.
  3. 1. 1주일 평균 보행량 상위 지점들은 대부분 중구에 위치한 상업지역에 속해서 이미 너무 많은 수요가 발생함. 따라서 서초구와 중구는 제외, 10위에 속하는 동작구를 선택. 2. 서울시의 경우에는 공개된 데이터가 많고 정확하여 연구를 하는데 적합하다고 생각. 추가사항? -> 또한 동작구에는 중앙대, 숭실대, 총신대 총 3개의 주요 대학이 존재하며, 노량진은 고시공부하는 사람들이 많음 ->이처럼 학생과 취준생이 많은 지역으로 우리 나이 또래를 대상으로 생각할 수 있다고 생각하여 선택.
  4. 이거는 참고해도 될 것 같아서 일부러 안 지웠어.
  5. 대략적인 큰 틀에서 방향을 설명할것.
  6. 대략적인 큰 틀에서 방향을 설명할것.
  7. 대략적인 큰 틀에서 방향을 설명할것.
  8. 대략적인 큰 틀에서 방향을 설명할것.
  9. 대략적인 큰 틀에서 방향을 설명할것.
  10. 대략적인 큰 틀에서 방향을 설명할것.