집값 오르는 동네에 먼저 살아보기

📝 한줄 요약

정부가 공개한 부동산 데이터를 모아 집값이 오르는 지역을 찾고, 매수 전에 월세로 먼저 살아볼 동네를 탐색하는 대시보드를 만들었습니다. 개발을 다 배운 뒤 시작한 것이 아니라, 필요한 도구를 AI와 먼저 만들며 배웠습니다.

바쁘시면 이것만 읽어도 돼요:

• 공공 실거래·KB부동산 데이터와 전국 255개 시군구 경계를 활용했습니다.

• 서울 25개 구의 가격 흐름과 노원구 실거래를 지도·시계열로 보는 대시보드를 만들었습니다.

• 단순 투자가 아니라, 매수 전에 관심 지역에 월세로 살아보는 의사결정을 돕는 것이 목표였습니다.

• 가장 어려운 부분은 차트가 아니라 DB 연결, 로컬 서버 같은 낯선 개발환경이었습니다.

• 기술용어보다 “어떤 결정을 쉽게 내리고 싶은지”를 먼저 설명하는 것이 핵심입니다.

• 다음 단계는 교통·편의시설·출퇴근 시간을 더해 실제 거주 적합도를 평가하는 것입니다.

🎯 이런 분들께 도움돼요

• 만들고 싶은 도구는 있지만 개발부터 배워야 한다는 부담으로 시작하지 못한 분

• 정부·공공기관의 데이터를 실제 생활의 결정에 활용하고 싶은 분

• 부동산 사이트가 보여주는 화면을 넘어 자신만의 기준으로 지역을 비교하고 싶은 분

😫 문제 상황 (Before)

이사할 지역을 찾을 때 보통 매물 사이트를 열고 보증금과 월세를 비교합니다. 하지만 현재 매물만 봐서는 그 동네의 가격이 오르고 있는지, 장기적으로 관심을 둘 지역인지 파악하기 어렵습니다.

저의 목적은 단순히 싼 집을 찾는 것이 아니었습니다. 실제 부동산 데이터로 집값이 상승하는 지역을 찾고, 바로 매수하기보다는 빌라 월세로 먼저 살아보며 교통·생활환경·동네의 분위기를 직접 검증하고 싶었습니다.

한국에는 이런 판단에 활용할 수 있는 공공데이터가 충분합니다. 문제는 API, DB, 코드 같은 낯선 장벽 때문에 많은 사람이 그 데이터를 직접 사용하지 못한다는 점이었습니다.

🛠️ 사용한 도구

• Codex CLI: 데이터 검증, 공간 데이터 구축, 대시보드 개발과 테스트

• Claude Code: 프로젝트와 데이터 분석 환경 초기 구성

• DuckDB: 부동산 실거래와 KB 통계를 보관하는 로컬 DB

• Streamlit·Plotly: 지도와 시계열을 탐색하는 대시보드

• GeoJSON: 전국 시군구 경계 표시

• 모델: 세션 기록에서 정확한 모델명은 확인하지 못했습니다.

🔧 작업 과정

데이터는 있었지만, 숫자만으로는 동네가 보이지 않았다

먼저 공공 실거래, KB 매매·전세가격지수와 전세가율을 DuckDB에 모았습니다. 약 15만 행의 데이터가 생겼지만, DB 안의 표와 숫자만 봐서는 지역별 차이와 시간에 따른 변화를 직관적으로 이해하기 어려웠습니다.

시군구 경계의 GeoJson 구할 수 있어?

AI는 데이터의 기준일과 행정구역 개편 시점을 비교해 2026년 4월 1일 기준 경계를 선택했습니다. 전국 255개 시군구를 지도에 표시할 수 있는 형태로 바꾸고, 코드 중복과 누락, 경계 도형의 오류까지 확인했습니다.

서울 25개 구의 가격 흐름을 지도에 올리다

새로 만든 경계 데이터와 KB부동산 지수를 연결해 서울의 지역별 가격 흐름을 보고 싶었습니다.

우리는 KB부동산 지수 시각화 대시보드를 만든다.

- 매매·전세가격 전년동월대비 증감률
- 전세가율과 아파트 매매 거래량
- 선택 지역의 시계열 비교
- 전체 지역의 시계열 히트맵

AI는 서울 25개 자치구의 매매가격, 전세가격, 전세가율을 한눈에 비교하는 지도와 시계열 대시보드를 만들었습니다. 선택한 월과 지역을 바꾸며 가격 흐름을 탐색할 수 있었습니다.

여기서 중요한 점은 실거래 데이터가 노원구에만 있었다는 사실입니다. AI는 나머지 24개 구의 거래량을 0으로 채우지 않고 ‘데이터 없음’으로 표시했습니다. 0건과 미수집은 전혀 다른 의미이기 때문입니다.

코딩 없이 필터가 있는 대시보드를 만들다

지역 흐름을 봤다면 다음은 실제 거래를 자세히 탐색할 차례였습니다.

우리는 아파트 가격·거래량 대시보드를 만든다.

- 개별 실거래가와 월별 중위가를 함께 표시
- 가격과 거래량을 같은 시간축으로 비교
- 매매·전세·평형대·기간을 필터로 탐색

완성된 화면에서는 지역, 단지, 평형대, 기간을 바꾸며 개별 거래가와 월별 중위가, 거래량을 비교할 수 있었습니다. 직거래 포함 여부도 선택할 수 있었고, 취소 거래는 항상 제외했습니다.

가장 놀라운 점은 대시보드 개발 경험이 없어도 원하는 화면과 필터를 말로 설명하자 실제로 작동하는 도구가 만들어졌다는 것입니다. 정적인 차트 한 장이 아니라 조건을 바꾸며 질문할 수 있는 도구였습니다.

가장 필요한 은평구·서대문구 빌라 월세로 범위를 바꾸다

대시보드를 만들고 나니 제게 진짜 필요한 질문이 더 명확해졌습니다.

사실 내가 필요한 건 노원구의 전월세보다
은평구·서대문구의 비아파트 월세야.
최근 두 달간 거래를 가져와서 구현해줄 수 있을까?

오피스텔은 제외하고 은평구·서대문구의 연립·다세대와 단독·다가구 월세를 대상으로 잡았습니다. 하지만 사용 중인 공공데이터 키에 해당 API 권한이 없어 수집을 완료하지 못했습니다.

AI는 임의의 월세 데이터를 만들지 않았고, 기존 DB도 수정하지 않았습니다. 대신 API 활용 신청이 끝나면 바로 재실행할 수 있는 스크립트를 준비했습니다. 이 실패로 “데이터가 없는 것”과 “데이터에 접근할 권한이 없는 것”은 구분해야 한다는 점도 배웠습니다.

가장 낯선 것은 코드가 아니라 로컬 개발환경이었다

작업 중 가장 어려웠던 부분은 데이터 계산이 아니었습니다. DuckDB 연결을 어떻게 닫는지, SQL은 어디서 실행하는지, 로컬 서버 주소는 어디에 열어야 하는지가 더 낯설었습니다.

DB이거 DuckDB disconnect 어떻게 해?

DB 확장 프로그램이 파일을 잠그면 AI도 데이터를 읽지 못했습니다. 연결을 닫고 다시 검증하는 과정을 거쳐야 했습니다. 다만 이런 상황에서도 원인을 정확히 몰라도 현재 보이는 문제를 AI에게 그대로 설명하며 한 단계씩 해결할 수 있었습니다.

✅ 결과 (After)

Before vs After

결과물

• 서울 25개 구 KB 가격지수·전세가율 지도 대시보드

• 노원구 아파트 개별 실거래·중위가·거래량 대시보드

• 전국 255개 시군구 경계 GeoJSON

• 은평구·서대문구 비아파트 월세 재수집 스크립트

• 데이터 누락·중복·지역 매칭·계산 값 검증 규칙

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

1. 기술보다 내가 내리고 싶은 결정을 먼저 설명하기

   • “Streamlit을 써줘”보다 “집값이 오르는 지역을 찾고 월세로 먼저 살아보고 싶다”가 더 좋은 출발점이었습니다.

2. 데이터 없음과 0을 구분하기

   • 미수집 지역을 0건으로 표시하면 잘못된 판단을 할 수 있습니다. 없는 데이터를 새로 만들지 말라고 명확히 요청했습니다.

3. 막힌 현상을 그대로 말하기

   • 개발 용어를 몰라도 “DB가 안 열린다”, “연결은 어떻게 닫는가”처럼 현재 상황을 설명하면 다음 단계를 찾을 수 있었습니다.

4. 화면 숫자를 다시 계산하게 하기

   • 지도와 차트가 멋져 보이는 것보다 원본 DB의 값과 일치하는지가 더 중요했습니다.

이렇게 하면 안 돼요

1. 도구 이름부터 정하려고 하기

   • 기술 선택은 AI와 함께 할 수 있습니다. 먼저 해결하고 싶은 생활의 문제를 설명하는 편이 좋습니다.

2. 가짜 데이터로 빈 자리를 채우기

   • API 권한이 없거나 지역 데이터가 미수집인 경우는 실패 원인을 그대로 남겨야 합니다.

3. 예쁜 차트만 보고 완성이라고 판단하기

   • 기간, 지역, 표본 수와 계산식을 원본과 대조해야 합니다.

🌍 다른 업무에 적용한다면?

우리나라에는 주거 외에도 교통, 인구, 상권, 환경, 복지, 교육 등 다양한 공공데이터가 있습니다. 이를 AI와 연결하면 다음과 같은 도구를 만들 수 있습니다.

• 출퇴근 시간과 월세를 함께 비교하는 이사 후보지 추천

• 어린이집·학교·병원 접근성을 반영한 가족 거주지 비교

• 유동인구와 임대료를 연결한 소상공인 상권 탐색

• 지역 통계 변화를 주기적으로 요약하는 자동 보고서

중요한 것은 오늘부터 개발 공부를 시작하는 것이 아니라, 내가 쉽게 내리고 싶은 결정을 한 문장으로 정의해보는 것입니다.

🚀 앞으로의 계획

가장 먼저 하고 싶은 작업은 부동산 가격 외에 교통, 편의시설, 출퇴근 시간을 결합하는 것입니다.

은평구·서대문구 비아파트 월세 API 승인이 준비되면 실제 거래 데이터를 추가할 계획입니다. 그런 다음 집값 흐름, 보증금·월세, 출퇴근 시간과 생활 인프라를 함께 비교해 ‘직접 살아볼 동네’를 고르는 거주 적합도 도구로 발전시키고 싶습니다.