① 어떤 상황에서 AI를 활용했나요?

대전에는 2025년 3월 2만 석 규모의 새 야구장(대전 한화생명 볼파크)이 문을 열었습니다. 야구장을 지을 때마다 근거로 나오는 말이 "지역경제 활성화"입니다. 그런데 홈경기가 주변 동네에 실제로 사람을 얼마나 더 데려오는지는 숫자로 나온 적이 거의 없었습니다. 찾아본 자료는 대부분 건설 전에 추정한 값이거나 개장 후 전체 총액이었습니다. 그러다 보니 경기일 셔틀 증차 같은 정책도, 주변 가게의 재료 준비나 아르바이트 배치도 경험과 감에 기대고 있었습니다.

제가 알고 싶었던 건 하나였습니다. "홈경기가 있는 날, 야구장 동네에 사람이 정말 더 오는가? 온다면 몇 명인가?" 고등학생 혼자 여러 곳의 공공데이터를 합치고 통계 분석까지 하기는 어려워서, 생성형 AI를 분석 파트너로 활용했습니다.

② 어떤 AI를 어떻게 활용했나요?

[사용한 공공데이터]
- 한국관광 데이터랩: 행정동별 하루 방문자 수(외지인·현지인)
- 기상청 기상자료개방포털: 대전 관측소 일평균 기온·강수량
- KBO 공식 기록실: 경기 일정, 관중 수, 상대팀, 경기 시작 시각

[AI와 함께 한 과정]
1단계 데이터 합치기: 세 자료는 날짜 형식과 단위가 제각각이었습니다. AI에게 날짜와 행정동을 기준으로 하나의 표로 합치는 코드를 받아 실행했고, 2025년 8월 대전 중구 3개 동 × 31일, 93행 16열에 빈 칸이 하나도 없는 데이터셋을 만들었습니다.
2단계 비교 방법 정하기: 경기 날과 안 한 날만 비교하면, 그 차이가 요일이나 날씨 때문인지 구분할 수 없습니다. 그래서 야구장이 있는 부사동, 바로 옆 대사동, 떨어진 태평1동을 함께 비교하는 이중차분 방식을 썼습니다.
3단계 회귀분석: 요일, 기온, 강수량을 함께 넣은 회귀분석 코드를 AI로 작성해 홈경기 효과만 따로 떼어 봤습니다.
4단계 예측 정확도 확인: 요일만으로 방문자 수를 예측할 때와 홈경기 여부를 추가했을 때의 오차를 비교했습니다.

③ 활용 결과 어떤 변화가 있었나요?

- 부사동 외지인 방문자는 홈경기일 평균 20,029명, 경기 없는 날 5,719명으로 3.5배 차이가 났습니다.
- 같은 기간 멀리 떨어진 태평1동은 경기일에 오히려 183명 줄었고, 바로 옆 대사동도 480명 느는 데 그쳤습니다.
- 이중차분으로 계산한 순효과는 14,493명, 요일·기온·강수량을 통제한 회귀분석에서는 홈경기 하루당 약 14,800명이었습니다. 서로 다른 두 방법의 결과가 거의 같았습니다.
- 관중 수와 방문자 수의 상관계수는 0.804였습니다.
- 현지인 방문자는 1.2배 늘어나는 데 그쳤습니다. 늘어난 손님은 동네 사람이 아니라 밖에서 들어온 사람이었습니다.
- 요일만으로 예측하면 오차가 평균의 51.6%(6,524명)였는데, 홈경기 여부 하나만 넣어도 9.2%(1,159명)로 줄었습니다. 경기 일정만 알아도 그날 동네에 올 사람 수를 꽤 정확하게 미리 알 수 있다는 뜻입니다.

막연했던 "지역경제 활성화"가 "홈경기 하루에 외지인 약 1만 4천 명"이라는 숫자로 바뀌었습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

AI가 낸 결과를 그대로 결론으로 쓰지 않는 것을 원칙으로 삼았습니다.

1. 한 가지 숫자로 결론 내지 않기: 3.5배라는 첫 결과에서 멈추지 않고, 대조군 비교와 회귀분석이라는 두 가지 방법으로 다시 확인했습니다.
2. 한계를 숨기지 않기: 31일치 표본이라 그대로 일반화하기 어렵고, 관측치에 비해 변수가 많아 과적합 가능성이 있습니다. 또 15경기 중 9경기가 매진(17,000명)이라 관중 규모에 따른 차이는 충분히 볼 수 없었습니다. 이 한계를 결과와 함께 그대로 적었습니다.
3. 데이터 성격에 맞게 해석하기: 방문자 수는 이동통신 표본으로 추정한 값이라, 절대 숫자보다 경기일과 비경기일의 차이와 비율로 해석했습니다.
4. 개인정보와 출처: 개인을 알아볼 수 없는 행정동 단위 집계 공공데이터만 썼고, 모든 데이터의 출처를 밝혔습니다.

⑤ 다른 사람도 따라 할 수 있나요?

네. 세 데이터 모두 누구나 무료로 내려받을 수 있고, 코딩을 몰라도 AI에게 단계별로 요청하면 됩니다. 아래 순서로 물어보면 같은 분석을 할 수 있습니다.

1) "이 CSV 세 개를 날짜와 행정동 기준으로 하나로 합쳐줘. 날짜 형식이 다르면 맞추고, 빈 칸이 있으면 알려줘."
2) "경기장이 있는 동과 없는 동을 비교해서, 경기 효과가 요일이나 날씨 때문이 아닌지 확인할 방법을 알려줘."
3) "요일, 기온, 강수량을 통제한 회귀분석을 하고 결과를 쉽게 설명해줘."
4) "이 분석의 한계를 세 가지 이상 짚어줘."

다른 프로야구 구장이나 프로축구 경기장이 있는 지역이면 어디든 같은 방식으로 할 수 있습니다. 경기 일정으로 동네 수요를 미리 알 수 있으면, 구청은 셔틀·주차·청소 인력을 경기일에 맞춰 배치하고, 주변 가게는 재료와 아르바이트를 경기 일정에 맞춰 준비할 수 있습니다. 다음 단계로 2025년 시즌 전체(3~10월)로 기간을 넓혀 이 관계가 유지되는지, 신축 구장 개장 전후로 무엇이 달라졌는지 확인할 계획입니다.