서론
git, 파이썬, 데이터 분석, 시각화 데이터 교육 과정을 거치고 이를 종합적으로 활용하고자 팀 프로젝트를 하게 됐다. 팀원은 나를 포함해 둘이서 하게 됐고 이에 대한 회고를 작성하기 위해. 이전에 작성했던 회고록보다 먼저 쓰게 됐다. 강의 회고는 기록, 코드를 다시 읽어가며 이해하는 복습이라면 프로젝트는 방금 마무리 했을 때 바로 기억해야 피드백을 포함해 비교적 온전히 남기 때문이다.
팀 프로젝트 같이 진행한 팀원에 대한 감사를 간결히 남기고 본론에 들어가기로 한다.
프로젝트 개요
프로젝트 명은 강원도신재생에너지 데이터 분석
부제 강원도RE100 및 그린뉴딜 정책기반 신재생에너지 산업 분석
기간: 25년 12월 15일(월) - 26년 1월 12일(월)
추진 배경 및 목적
배경: 기후 재난 위기로 인한 사회문제를 대응하고자 기후 협약과 함께 글로벌 RE100의 확산, 국가의 그린뉴딜 정책 등이 부상
목적
- 국제 정세 흐름에 따라 한국의 RE100 실행 지표와 한국판 그린뉴딜 정책 시행 성과 분석
- 그린뉴딜과 RE100의 무대로 선정된 신재생에너지 발전 지역인 ‘강원도’는 얼마나 변화했는지.
- 산업의 현황과 미래발전 가능성을 데이터 토대로 시사점을 알리고, 제언함으로써 추후 정책 의사결정에 도움
- 프로젝트 과정에서 에너지 측정, 분석 역량 강화와 함께 값을 토대로 근거 제시, 주장까지 실무 프로젝트 경험을 쌓고자 했다.
프로젝트 담당 역할 (notion 참고)
C (me) - 정책 자료 정리, 분석 설계, 결과 해석, 최종 발표
K - 데이터 수집 자동화, 시각화(히트맵, 막대그래프,선 그래프, 지도) , PPT 작업
공통 - 데이터 전처리(기상과 신재생에너지 구분), 데이터 통합 상관관계 분석 시도
분석 과정
정책 시행이 유의미한지 분석, 정책 제언의 목적을 가지고 있기 때문에 정책(Policy)/ 에너지(Energy) 두 방향성을 잡고 조사
정책 : 국내외의 그린뉴딜, RE100... 등
에너지 : 강원도 지형 환경과 기상 데이터, 에너지 발전량, 에너지 자립도... 등
참고 자료
데이터 출처: 기상청, 한국에너지공단, K - RE100, 강원특별자치도 , 그 외 논문
분석 도구
Python / IDE(통합 개발 환경) VScode / Pandas, NumPy, Selenium , BeautifulSoup, Matplotlib, Seaborn, Foilium
통계 기법 : Pearson 상관분석, 유의성 검정
정책, 실제 사례 조사를 위해 플랫폼에서 제공하는 정보를 selenium 활용한 동적 데이터 크롤링
공공기관에서 얻은 기상데이터 전처리
- 원본 자료의 시트 명, 셀 정리 (서론을 포함한 문자열 필터)
- 필요 없는 행,열을 df.iloc, df.reset_index로 제거
- 결측값 처리하기 위한 함수를 만들어 def 함수로 여러 종류의 기상 데이터를 목적에 맞게 처리
- 통합 DF > 시트 통합하여 테이블화 시도: 컬럼 정리, 구역 통일화.
pip install pyarrow 설치하여 parquet로 통합 D.F를 저장했다. (과정은 더보기란)
상관관계에 사용할 분석 데이터 과정
- parquet 파일 활용해 수집한 에너지 분야별 데이터와 대응, 상관 관계를 분석
- 해당 파일을 사용한 건 경로를 지정해 불러올 시, 추후 경로 변동 마다 수정하는 작업을 최대한 줄이기 위함.
- 기상데이터는 관측 지점, 에너지 발전량은 행정 구역을 기준으로 하고 있으며 대응되도록 명시적 테이블화
기상 데이터와 에너지 발전량의 데이터 기준을 맞추기 위한 단위 변환.
분석 결과
- Policy
시각화 자료로 가공한 결과 일부
- 국내 RE100의 특징은 20년도 이후로 기업의 가입은 매년 상승세
- 낮은 이행률은 타 국가보다 비교적 늦은 참여, 대기업 제조업 중심 확산으로 인해 에너지 집약적 산업 구조 (느린 전환), 기존 PPA 가 아닌 REC와 녹색 요금제 등의 제한된 수단 의존.
시각화 자료로 가공한 결과 일부
- 한국의 그린뉴딜은 디지털 뉴딜과 결합하여 중장기 기후대응 전략에 초점을 두고, 정책 아이디어 플랫폼 성격으로 바뀜.
- 각국의 경제 상황과 사회적 요구에 따라 차별화된 전략을 추진
- 경제 불황 대응 수단으로 시작한 미국과 한국은 높은 경기 부양 효율
- 사회적 형평성과 같은 공정한 전환에 있어 동아시아권은 중앙정부 중심으로 하향식 의사결정으로 이뤄진 태생적인 한계에 의해 비교적 낮은 것으로 보여짐.
- Energy
시각화 자료로 가공한 자료 일부
- 분석 방법으로 pearson 상관 분석( 유의 수준 = 0.05)
- 기후요인에 영향받는 에너지로 태양광, 수력, 풍력, 바이오를 기준으로 지역별 발전 효율성 분석
- 비교적 균형된 분포 발전, 수력, 바이오 중심의 기존 발전에 태양광, 풍력이 추가되면서 다변화
- 바이오, 태양광은 강한 상관관계를 보였으며, 풍력은 약한 양의 상관관계, 수력은 상관 관계가 없었음.
- 바이오와 태양광의 발전 원리를 토대로 나타났고, 풍력은 이론적 관계가 존재하나 설비 부족으로 인한 관계성 악화.
- 수력은 기후 요인보다 그 외의 요인이 복합적으로 나타났고, 수력 발전이 있는 지역은 수력 발전소가 공통적으로 존재함.
- 결론
- 강원도의 풍력과 수력은 복합 변수가 필요하나 나머지 에너지원에서 예측 가능한 분석 (지역 특화 발전 가능성)
- 국가가 시행한 그린뉴딜 정책은 통계적으로 유의미
- 이를 토대로 이후 신재생에너지 정책에 강원도를 어떻게 발전시킬 수 있을 지 구상할 수 있다.
분석 한계점
- 일부 지역은 특정 에너지원만 있는 등 시설 부재가 존재
- 기후 요인과 발전량은 시설 유무와 같은 인위적인 요인을 제외했기에 신뢰성 떨어지는 부분이 존재
- 에너지 발전량은 연간 집계 데이터, 기상 정보는 월별 집계 데이터 등 계절성 분석에 용이하지 못함
회고
기간 내에 프로젝트를 완성하고 최종 발표까지 끝낸 후, 조별 각자 다른 팀을 평가했고, 리더님이 이를 계산해 결과 발표한 후 피드백과 프로젝트 관련 예상 질문을 건네주셨다. 이에 관해 주관적인 내용을 적고자 한다.
프로젝트 평가 (한계점, 개선제안, 예상 질문 포함)
강점
- 정책 맥락 정리 능력이 우수하다고 평가함.
RE100, 그린뉴딜, 해외 비교까지 구조적으로 정리
- 기술 스택 활용 범위가 넓다.
Selenium, Folium, 시각화 등 교육 과정에서 배웠던 기술을 많이 활용하고자 함.
- 데이터를 통해 정책 해석 연결 시도.이는 현재 교육 과정 취지에 정확하게 부합된다 함.단점
- 데이터 분석 비중이 정책 설명에 비해 약함
그래프는 많으나 정략적 인사이트가 한 문장으로 정리되지 못함.
- 상관 관계 분석 결과와 매끄럽게 이어지지 못함.
- RE100 기업 데이터는 현황 나열에 가까웠다.
받았던 개선 제안
- 분석 질문을 하나로 압축한다. (ex 강원도는 어떤 에너지 조합이 RE100 대응에 가장 현실적인가?
- 최소 1개는 **정책 제안이 아니라 ‘지표 기반 선택’을 보여줄 것 (ex 태양광 vs 풍력 vs 수력 중 단위면적·변동성 기준 최적은?
예상 질문 일부 말한다면
- RE100 기업 데이터가 ‘분석’에 기여한 지점은 정확히 어디인가?
- 상관관계 히트맵에서 가장 의미 없는 지표 하나만 고른다면? 이유는?
- 강원도에 한정했을 때, 태양광·풍력·수력 중 데이터 기준으로 가장 비효율적인 건 무엇인가?
나의 결론 : 데이터 분석가의 정체성이 부족하다.
진행 과정 중 주제에 맞는 데이터가 실제로 적었다...! 공공기관에 없거나, 제공하는 사이트는 유료 자료인 등 접근성이 높지 않았기에 우회하는 일이 있었고, 데이터 검증을 하기에 신뢰도가 떨어진다고 판단해 새로 찾기도 했다. 시각 데이터 여럿을 만들었으나 선별 과정이 길어진 탓에 후반에 밀도가 부족한 게 보여서 아쉬웠다. 시간 부족이라고 보는 게 맞다.
본인의 기술 부족을 실감했다. 배웠던 지식대로 하는 과정에서 어떻게 접근할 지 찾고, 적용하고, 피드백 받아서 진행할 때 내가 배운 것보다 더 많은 것이 필요했고 고민이 더해져 투자대비 결과가 많지 않음을 인지 했다. 자료를 모으고, 이를 연결 지어서 결론을 내기까지는 어렵지 않았으나 필요한 기술 활용에서 막막함을 느끼고, 코딩 숙련에 많이 기여 못한 게 컸다.
프로젝트 진행하면서 얻었던 긍정적인 부분과 향후 개선 방향
긍정 (이어갔으면 하는 부분)
- 팀원이 노션과 슬랙을 통한 협업 환경을 만들어줬고 이용하면서 남은 기록들 덕분에 프로젝트 계획서, 과정, 피드백이 고스란히 남아 추후 포트폴리오와 실무에 직간접적으로 도움이 됐다. 그리고 작업에 몰입하면 컨디션이 나빠질 수도 있는데 이에 대한 브레이크를 걸어줘 일정한 컨디션으로 작업 할 수 있었다.
- 주제 선정, 목적이 확실했기에 데이터 수집을 최대한 모을 수 있었다.
- ai 도구 활용. IT 분야에서 ai는 뗄 수 없는 영역이고, 다들 활용한다고 하는데 보조 도구를 활용해 작업 효율을 높이는 목적으로 사용한다고 생각하면 그것은 괜찮은 도구라고 생각했다. 코드에 관한 설명도 친절해서 이해에 도움이 됐다.
개선 방향
- 데이터 분석에 있어 원본 자료를 가지고 어떤 의도로 가공할지를 판단, 계획 필요.
- 인사이트에 대한 이해, 어떤 해석과 인사이트를 내리는 지에 따라 달라진다.
- 그러기 위해서는 분석 방법, 방향성을 검토하고 때에 따라 바꾸는 등 유도리 있게 접근
마지막
교육도, 분야도 모든 게 처음인 나로서 광범위한 구역에 돌아다닌 기분이 들었다. 기술을 익혀도 분야, 직업에 대한 이해도가 있어야 활용할 수 있다는 걸 인지했다. 어떤 바탕 없이 뛰어들어 막막함이 컸지만 다음은 나아지지 않을까. 그런 기대도 생겼다. 값진 경험과 함께 흥미가 꽤 생겼다고 봐야겠다.
'IT' 카테고리의 다른 글
| [코딩온] 신재생에너지 IoT 개발자 입문_ 파이썬13 (0) | 2026.02.03 |
|---|---|
| [코딩온] 신재생에너지 IoT 개발자 입문_ 파이썬12 (1) | 2026.01.22 |
| [코딩온] 신재생에너지 IoT 개발자 입문_ 파이썬11 (0) | 2025.12.15 |
| [코딩온] 신재생에너지 IoT 개발자 입문_ 파이썬10 (1) | 2025.12.09 |
| [코딩온] 신재생에너지 IoT 개발자 입문_ 파이썬9 (0) | 2025.12.07 |