data/README.md

데이터 디렉토리 가이드

데이터 준비 방법

1. 필요한 파일

data/raw/ 폴더에 다음 3개의 CSV 파일을 넣기:

① big_data_set1_f.csv - 매장 기본 정보

필수 컬럼:

• ENCODED_MCT: 매장 ID(고유 식별자)
• MCT_ME_D: 폐업 날짜(폐업 시에만 값 존재, 타겟 변수)
• HPSN_MCT_BZN_CD_NM: 업종명(카페, 음식점 등)
• MCT_SIGUNGU_NM: 지역명

② ds2_monthly_usage.csv - 월별 이용 데이터

필수 컬럼:

• ENCODED_MCT: 매장 ID
• TA_YM: 년월(예: 202401)
• RC_M1_SAA: 월 매출액 구간(1_0-25%, 2_25-50% 등)
• MCT_OPE_MS_CN: 영업 개월 수 구간
• RC_M1_AV_NP_AT: 평균 이용 금액 구간

선택 컬럼:

• APV_CE_RAT: 승인 취소율
• DLV_SAA_RAT: 배달 매출 비율

③ ds3_monthly_customers.csv - 월별 고객 데이터

필수 컬럼:

• ENCODED_MCT: 매장 ID
• TA_YM: 년월
• MCT_UE_CLN_REU_RAT: 재이용 고객 비율 (%)

선택 컬럼:

• MCT_UE_CLN_NEW_RAT: 신규 고객 비율
• M12_MAL_1020_RAT, M12_MAL_30_RAT 등: 연령대별 남성 고객 비율
• M12_FME_1020_RAT, M12_FME_30_RAT 등: 연령대별 여성 고객 비율

---

데이터 형식 참고

매출/운영 구간 코드

# 매출 구간 (RC_M1_SAA)
'1_0-25%'      → 하위 25 % (매우 낮음)
'2_25-50%'     → 25 - 50 % (낮음)
'3_25-50%'     → 25 - 50 % (낮음)
'4_50-75%'     → 50 - 75 % (보통)
'5_75-100%'    → 75 - 100 % (높음)
'6_100%+'      → 상위권(매우 높음)

# 영업 개월 수 구간 (MCT_OPE_MS_CN)
'1_0-25%'      → 신생(0 - 6개월)
'2_25-50%'     → 초기(6 - 12개월)
'3_25-50%'     → 초기(6 - 12개월)
'4_50-75%'     → 중기(12 - 24개월)
'5_75-100%'    → 장기(24 - 36개월)
'6_100%+'      → 오래된 매장(36개월 +)

특수값 처리

# 결측값 표시
-999999.9      → 데이터 없음(NaN으로 처리됨)
NaN            → 데이터 없음

---

다음 단계

데이터 준비가 완료되면:

1. Jupyter 노트북으로 학습:

   jupyter notebook notebooks/train_model.ipynb
   

2. 또는 스크립트로 학습:

   python src/train.py
   

3. 모델 확인:

   ls models/
   # xgboost_model.pkl, lightgbm_model.pkl, config.json 등 확인
   

---

자주 묻는 질문

Q1. 파일 인코딩 오류가 발생합니다.

A: CSV 파일의 인코딩을 확인하고 encoding='cp949' 또는 encoding='utf-8'로 변경하세요.

Q2. 월별 데이터가 2개월밖에 없는데 괜찮나요?

A: 최소 3개월 이상의 데이터가 필요합니다. 추세 분석을 위해 6개월 이상 권장합니다.

Q3. 폐업 매장이 너무 적은데 괜찮나요?

A: 전체의 1-5% 정도면 충분합니다. SMOTE로 클래스 불균형을 해결합니다.

Q4. 필수 컬럼이 없으면 어떻게 하나요?

A: feature_engineering.py에서 해당 특징 생성 부분을 수정하거나 기본값을 사용하도록 설정하세요.

---

지원

문제가 발생하면 GitHub Issues에 데이터 구조와 오류 메시지를 포함하여 등록해주세요.