창업스팟파인더 🏬

창업스팟파인더 - 서울시 상권 분석 및 추천 서비스

서울시의 상권을 분석하고 추천하는 서비스로, 창업을 희망하는 사람들에게 최적의 창업 장소를 추천해주는 것을 목표로 합니다.
개발기간: 2023.03 ~ 2023.06 (15주)

🚀 프로젝트 소개

창업스팟파인더는 창업을 희망하는 사람들을 위해 서울시의 상권을 분석하고 추천하는 서비스입니다. 이 서비스는 다양한 상권 데이터를 기반으로 상권의 특성과 트렌드를 분석하여 최적의 창업 장소를 추천합니다. 사용자가 직접 원하는 우선순위를 선택할 수 있으며, 창업 입지에 가중치를 부여하여 가중치 기반으로 추천합니다. 주요 기능으로는 상권 분석, 가중치 기반 추천, 사용자 리뷰 관리 등이 포함됩니다.

창업 입지 선정은 창업의 성패를 좌우하는 중요한 요소 중 하나입니다. 그러나 많은 창업자들이 정보 부족과 분석의 어려움으로 인해 최적의 입지를 선택하는 데 어려움을 겪고 있습니다. 창업스팟파인더는 이러한 문제를 해결하고자 서울시 상권 데이터를 분석 및 가공하여 창업자들에게 실질적인 도움을 제공하는 것을 목표로 합니다.

창업스팟파인더는 사용자 친화적인 인터페이스를 통해 창업자들이 쉽게 상권 정보를 탐색하고 이해할 수 있도록 도와줍니다. 또한 사용자가 중요하게 생각하는 입지 조건을 바탕으로 맞춤형 창업 장소를 추천합니다. 이를 통해 본인들이 우선으로 생각하는 조건에 기반한 의사 결정을 내릴 수 있으며, 창업 성공 가능성을 높일 수 있습니다.

🏆 수상

• 🥇 장려상 - 2023 서울시 열린데이터 경진대회
  • 서울특별시가 주최하는 열린데이터 경진대회에서 장려상을 수상했습니다.
• 🥇 장려상 - 2023 제15회 세종대학교 창의설계경진대회 장려상
  • 세종대학교에서 주최하는 창의설계경진대회에서 장려상을 수상했습니다.

🛠️ 기술 스택

Environment

Config

Development

DevOps

Communication

👥 팀 소개

팀원

조현수	배승진	이재혁	신주희
@hyunsoo	@Seung-jin	@Jae-hyeok	@Ju-hee
백엔드 개발	프론트엔드 개발	프론트엔드 개발	백엔드 개발

🙋‍♂️ 백엔드 개발자 역할 및 기여도

이름	역할 및 기여도
조현수	- 🚀 백엔드 개발 리드로서 프로젝트 아키텍처 설계 및 개발 총괄 - 🎨 Spring Boot를 활용한 RESTful API 구현 및 문서화 - ⚙️ Spring Batch를 활용한 데이터 수집 및 분석 배치 작업 구현 - 💾 데이터베이스 성능 최적화 및 인덱싱 작업 수행 - 🌐 배포 및 운영 환경 구축 및 관리
신주희	- 🤝 유튜브 트렌드 관련 서버 개발 담당 - 🌿 Spring Data JPA, QueryDSL을 활용한 데이터 액세스 로직 개발 - 📊 상권 데이터 분석 알고리즘 설계 및 구현 - 🧪 API 성능 테스트 및 최적화 작업 수행 - 🎨 코드 리팩토링을 통한 유지보수성 개선

📊 ERD (Entity-Relationship Diagram)

프로젝트의 데이터베이스는 위와 같은 ERD를 기반으로 설계되었습니다.

• User 테이블: 사용자 정보를 저장하는 테이블입니다. 사용자의 기본 정보와 함께 선호하는 창업 아이템, 예산 등의 정보를 관리합니다.
• Region 테이블: 서울시의 각 구역 정보를 저장하는 테이블입니다. 구역별 상권 현황과 트렌드 정보를 포함합니다.
• Store 테이블: 각 구역 내 점포 정보를 저장하는 테이블입니다. 점포의 업종, 매출, 개업/폐업 정보 등을 관리합니다.
• SalesData 테이블: 각 점포의 매출 데이터를 저장하는 테이블입니다. 시계열 데이터로 구성되어 있으며, 상권 분석에 활용됩니다.
• Recommendation 테이블: 사용자에게 추천된 창업 장소 정보를 저장하는 테이블입니다. 사용자의 선호도와 상권 분석 결과를 바탕으로 생성됩니다.

📅 개발 기간

• 2023.03 ~ 2023.06 (15주)

🎯 주요 기능

상권 데이터 분석

• 서울시 열린데이터 광장에서 제공하는 상권 데이터를 수집하여 데이터베이스에 저장합니다.
• 수집된 데이터를 바탕으로 각 구역의 상권 현황과 트렌드를 분석합니다.
• 업종별, 시기별 매출 추이를 시각화하여 차트로 사용자에게 제공합니다.

창업 지역 추천

• 사용자로부터 창업 아이템, 예산, 선호 조건 등을 입력받습니다.
• 입력된 정보를 바탕으로 상권 분석 결과와 매칭하여 최적의 창업 장소를 추천합니다.
• 추천 결과는 지도에 표시되며, 각 추천 장소의 상세 정보를 제공합니다.

사용자 리뷰 관리

• 사용자는 추천받은 창업 장소에 대한 리뷰를 작성할 수 있습니다.
• 리뷰는 다른 사용자들과 공유되어 창업 의사 결정에 도움을 줍니다.

📺 화면 구성

메인 페이지	상권 분석
사용자는 메인 페이지에서 서울시 지도를 통해 각 구역의 상권 현황을 한 눈에 파악할 수 있습니다. 간단한 검색을 통해 원하는 지역의 정보를 빠르게 확인할 수 있습니다.	상권 분석 페이지에서는 선택한 구역의 상권 트렌드와 점포 현황 등을 시각화된 자료로 제공합니다. 사용자는 업종별, 시기별 매출 추이를 그래프로 확인하고, 상권의 특징을 파악할 수 있습니다.

유튜브 트렌드 분석
유튜브 트렌드 분석 페이지에서는 선택한 구역의 유튜브 트렌드를 파악할 수 있습니다. 인기 있는 유튜브 채널과 동영상을 확인하고, 해당 지역의 관심사를 분석할 수 있습니다.

🎉 프로젝트 결과 및 성과

• 🏬 서울시의 방대한 상권 데이터를 배치 프로세싱 자동화 구축을 통해 효과적으로 분석 및 가공하여 창업자들에게 실질적인 인사이트를 제공하였습니다.
• 📊 사용자 친화적인 인터페이스와 직관적인 시각화를 통해 창업자들이 상권 정보를 쉽게 이해하고 활용할 수 있도록 하였습니다.
• 🎯 사용자의 요구사항을 반영하여 가중치 기반 맞춤형 창업 장소 추천으로 창업자들의 만족도를 높였습니다.
• 🌐 Spring Boot와 JPA, QueryDSL을 활용하여 안정적이고 효율적인 RESTful API 서버를 구축하였습니다.
• JPA를 도입하여 객체-관계 매핑(ORM)을 통해 데이터베이스 작업을 편리하게 수행하였습니다.
• QueryDSL을 활용하여 동적 쿼리를 생성하고 실행함으로써 복잡한 검색 조건을 유연하게 처리하였습니다.
• 🗄️ 대량의 데이터를 효과적으로 관리하기 위해 데이터베이스 인덱싱과 쿼리 최적화를 진행하여 검색 및 조회 속도를 개선하였습니다.
• ⏰ Spring Batch와 Quartz를 활용해 상권 데이터 수집 및 분석 배치 작업을 자동화하여 운영 효율성을 높였습니다.
• ✅ JUnit5를 활용한 단위 테스트를 지속적으로 작성하고 수행하여 서비스의 안정성을 확보하였습니다.

🔧 개선 사항 및 추후 계획

• 🙌 사용자들의 피드백을 적극 수렴하여 서비스 사용성과 편의성을 지속적으로 개선해 나갈 예정입니다.
• 예) 사용자의 창업 아이템 및 예산 등 추가 정보를 고려하여 더욱 정교한 추천 서비스 제공
• 🔍 상권 데이터 외에도 더 다양한 데이터(유동 인구 통계, 소비 트렌드 등)를 활용하여 분석의 질을 높이고자 합니다.
• 📈 서비스 모니터링 및 로깅 체계를 강화하여 잠재적인 문제를 사전에 감지하고 신속하게 대응할 수 있도록 할 예정입니다.
• 🚀 배치 작업의 성능을 향상시키기 위해 분산 처리 프레임워크(예: Apache Spark)를 도입하는 방안을 검토하고 있습니다.

🚨 트러블슈팅 가이드

데이터 수집 배치 작업 실패

• 증상: 외부 API를 통해 상권 데이터를 수집하는 배치 작업이 간헐적으로 실패하는 문제가 발생하였습니다.
• 원인: 외부 API의 응답 지연 또는 일시적인 네트워크 불안정으로 인해 데이터 수집 작업이 실패하는 것으로 파악되었습니다.
• 해결: Spring Batch의 재시도 기능을 활용하여 실패한 작업을 일정 간격으로 자동 재시도하도록 설정하였습니다. 또한, 외부 API 호출 시 적절한 타임아웃을 설정하고, 예외 처리를 강화하여 안정성을 높였습니다.

대용량 데이터 처리 시 성능 저하

• 증상: 상권 분석 작업 시 대용량 데이터를 처리할 때 성능 저하 및 응답 지연이 발생하였습니다.
• 원인: 데이터베이스에서 대량의 데이터를 한 번에 로딩하고 처리하는 과정에서 자바 메모리 용량이 제한에 도달해 발생했습니다.
• 해결: 페이징(Paging) 방식을 적용하여 데이터를 작은 단위로 나누어 처리하였습니다. 또한, JPA의 지연 로딩(Lazy Loading) 전략을 사용하여 필요한 데이터만 로딩하도록 최적화하였습니다. 이를 통해 메모리 사용량을 줄이고 성능을 개선할 수 있었습니다.

Querydsl 동적 쿼리 생성 시 에러 발생

• 증상: Querydsl을 사용하여 동적으로 쿼리를 생성하는 과정에서 컴파일 에러가 발생하는 문제가 있었습니다.
• 원인: Q-class 생성이 제대로 이루어지지 않아 Querydsl에서 필요로 하는 클래스와 메서드를 찾을 수 없었기 때문이었습니다.
• 해결: 프로젝트의 빌드 설정을 확인하고, APT(Annotation Processing Tool) 프로세서를 올바르게 설정하여 Q-class가 자동으로 생성되도록 하였습니다. 또한, Querydsl 버전과 호환되는 의존성을 사용하고 있는지 확인하고 필요한 경우 버전을 맞추어 주었습니다.

이러한 트러블슈팅 경험을 바탕으로 서비스의 안정성과 성능을 지속적으로 개선해 나갈 수 있었습니다. 앞으로도 모니터링과 피드백을 통해 발생할 수 있는 문제를 사전에 방지하고, 창업스팟파인더가 창업자들에게 더욱 유용한 서비스로 자리매김할 수 있도록 노력하겠습니다.