주제와 가설 정하기
먼저 영화 박스오피스 데이터로 다 같이 몸을 풀고, 그다음 각자 관심 주제 하나를 "숫자로 확인할 수 있는 질문" 한 줄로 좁힙니다.
몸풀기 — 한국 영화가 외국 영화보다 더 흥행할까? (다 같이 10분)
받아 둔 연습 데이터로 질문 하나를 같이 풀어 봅니다. 공동 제작 영화는 대표 국적(대표국적) 한 곳 기준으로 셉니다.
"kobis_boxoffice_top500.csv에서 대표국적별 평균 관객 수를 만 명 단위로 구해 높은 순으로 보여줘. 국적별 영화 편수도 같이 보여줘."
| 순위 | 대표국적 | 평균 관객 | 편수 |
|---|---|---|---|
| 1 | 한국 | 474.0만 명 | 280 |
| 2 | 미국 | 420.1만 명 | 209 |
| 3 | 일본 | 395.6만 명 | 7 |
| … | … | … | … |
| 6 | 프랑스 | 234.4만 명 | 2 |
🙋 손을 들어 답해 보세요 — 한국 영화가 미국 영화보다 평균 54만 명 더 봤습니다. 한국 영화가 더 흥행한다고 말해도 될까요? 그렇다 / 아니다
1회차에서 배운 대로 한 번 의심해 봅니다. 500편 중 관객 1,000만 명을 넘긴 천만 영화는 한국이 25편, 미국이 9편입니다. 천만 영화 한 편이 평균을 혼자 끌어올린다는 것을 1회차 2014년 사례에서 봤습니다.
"같은 계산을 관객 1,000만 명 이상인 천만 영화를 빼고 다시 해줘. 한국과 미국의 평균 차이가 어떻게 바뀌는지, 순위도 바뀌는지 보여줘."
| 기준 | 한국 평균 | 미국 평균 | 차이 | 1위 |
|---|---|---|---|---|
| 전체 | 474.0만 명 | 420.1만 명 | 54만 명 | 한국 |
| 천만 영화 제외 | 394.7만 명 | 385.5만 명 | 9만 명 | 일본(395.6만 명) |
54만 명 차이가 9만 명으로 줄어 사실상 같아집니다. 1회차의 "2014년이 더 흥행했다"와 같은 함정입니다. 그리고 1위가 일본으로 바뀌는데, 일본 영화는 7편뿐입니다. 편수가 적은 그룹은 한두 편에 따라 순위가 크게 흔들립니다. 오늘 내 주제에서도 이런 순간이 한 번은 나옵니다.
내 주제 고르기 — 세 가지 기준
데이터가 오늘 안에 구해진다: 파일로 바로 받을 수 있거나 이미 가진 데이터가 있다.
숫자로 답이 나온다: "좋을까?"보다 "얼마나 많을까·높을까?"처럼 셀 수 있는 질문이다.
결과를 내가 판단할 수 있다: 잘 아는 분야라서 이상한 숫자가 나오면 알아챌 수 있다.
주제가 안 떠오르면 아래 예시에서 골라도 됩니다.
| 관심사 | 질문 예시 | 데이터가 있는 곳 |
|---|---|---|
| 동네 부동산 | 우리 구 아파트는 지하철역에서 멀수록 거래가가 낮을까? | 국토교통부 실거래가 공개시스템 |
| 상권 | 우리 동네 카페는 어느 동에 몰려 있을까? | 공공데이터포털 — 소상공인시장진흥공단 상가(상권)정보 |
| 교통 | 비 오는 날 따릉이 이용은 얼마나 줄까? | 서울 열린데이터광장 따릉이 이용 정보 + 기상청 기상자료개방포털 |
| 영화 | 흥행작은 개봉 몇 주차에 관객이 몰릴까? | 영화관입장권통합전산망(KOBIS) |
| 운동 | 내 달리기 기록은 기온에 따라 달라질까? | 운동 앱 기록 내보내기(CSV) + 기상자료개방포털 |
| 업무 | 우리 팀 문의는 어느 요일·시간대에 몰릴까? | 내가 가진 업무 엑셀 |
가설 한 줄 + 의심 약속 하나
가설은 한 줄이면 됩니다. 틀려도 괜찮습니다. 틀린 걸 확인하는 것도 분석입니다. 대신 "이건 꼭 의심해 보겠다"는 약속을 하나 같이 적습니다.
가설: (대상)은 (조건)일수록 (지표)가 (높을/낮을) 것이다.
의심 약속: (단위 / 교란변수 / 기간 / 표본 크기) 중 하나| 예시 | |
|---|---|
| 가설 | 영화는 스크린 수가 많을수록 관객 수가 많을 것이다. |
| 의심 약속 | 2020~2021년은 코로나로 500편 안에 든 영화가 12편뿐이니, 그 두 해를 빼고도 같은지 확인한다(기간). |
"나는 (관심 주제)에 대해 (궁금한 점)이 궁금해. 이걸 숫자로 확인할 수 있는 가설 한 줄로 다듬어 주고, 필요한 데이터와 구할 수 있는 곳 후보 3개, 그리고 이 분석에서 특히 의심해야 할 점 하나를 알려줘."
스킬로 하기 — 1-hypothesis를 부르면 목표를 몇 가지 되물은 뒤, 가설·확인할 지표·"이 정도면 맞다"는 판정 기준을 hypothesis.md에 정리해 줍니다. 질문에 답하다 보면 의심 약속도 같이 잡힙니다.
"/datapopcorn-analysis:1-hypothesis 나는 (관심 주제)에 대해 (궁금한 점)이 궁금해. 오늘 안에 구할 수 있는 데이터로 확인할 수 있게 가설을 잡아줘."
💡 주제가 끝내 안 정해지면: 박스오피스 데이터로 계속 가도 됩니다. 예: "배급사마다 평균 관객이 다를까?", "관객 1명당 매출은 해마다 얼마나 올랐을까?" 같은 질문도 오늘의 네 단계를 그대로 연습할 수 있습니다.
가설은 처음부터 완벽할 필요가 없습니다. 숫자로 확인할 수 있는 한 줄이면 충분하고, 다듬는 건 EDA가 해 줍니다.