"사회초년생을 위한 데이터 기반 전세 사기 예방 및 맞춤형 매물 추천 서비스"

• Streamlit App: 👉 배포된 웹사이트 링크 클릭
• GitHub Repository: 👉 깃허브 리포지토리 바로가기
• 시현영상 👉 유튜브 시현영상 바로가기

• 프로젝트 기간: 2026.01.22 ~ 2026.01.23
• 팀명: 알고(Algo)리집
• 한 줄 소개: 금융이 낯선 사회초년생을 위한 데이터 기반 전세 대출 가이드

서지혜	심효진	이남길	우민하
@Jihye0623	@hyojin-shj	@SouthGiri	@minha222
• AI: OpenAI API • Analysis: Plotly • DB & Database: MySQL & Pandas	• DB: MySQL • Logic: Filtering & Mapping • Chart: Folium	• DB: MySQL • Logic: Loan Condition, Monthly Payment • Chart: Plotly Strip	• UI/UX: Main Page Layout • Form: User Input

전세 대출 상품과 금리에 익숙하지 않은 사회초년생이 본인의 경제 상황에 맞게 전세 대출 상품을 한눈에 비교할 수 있도록하여 의사결정을 지원하고자 합니다.

• 서울시 부동산 전월세가 정보: 실제 전월세 거래 가격과 위치 정보를 담아, 시세 분석의 기준이 됨.
• 주택도시기금(HUG) 대출 상품 데이터: '청년 버팀목 전세자금대출'의 정확한 금리와 한도 산출을 위해 선정.
• 은행연합회 전세자금대출 상품 데이터: 시중 은행의 전세 자금 대출 상품의 금리와 월 부담금 정보 제공.

• 분석 기준:
  • 표준화 지표 도입: 실제 사용자가 가장 민감하게 인지하는 전세 보증금(deposit) 값을 기준으로 수행함.
  • 데이터 정제: 주소 기반 지오코딩 정확도를 확보하기 위해 본번·부번 정보가 누락된 주소 데이터는 분석 대상에서 제외하고,실제 위치 매핑이 가능한 매물만 활용함.
• 인사이트 (Insights):
  • 📈 분석 결과:
    • 지역별 가격 편차: 보증금 기준으로 매물을 시각화한 결과, 고가 매물이 밀집된 지역과 상대적으로 저렴한 매물이 분포한 지역이 지도 상에서 확인 가능.
    • 후보 매물의 비교: 필터링을 통해 선택된 매물들에 대해 보증금 분포, 요약 통계를 제공하여 개별 매물의 수준 판단 가능.
  • 💡 솔루션:
    • AI 기반 맞춤 매물 추천: 지도 및 매트릭스 분석을 통해 압축된 후보 매물 중에서 사용자의 선호 조건을 입력받아 OpenAI API 기반 분석으로 적합한 매물 추천.
    • 지역별 시세 탐색: 평수 대비 보증금의 상관관계를 나타내는 추세선을 제공하여, 평균 시세보다 낮은 가격대가 형성된 지역을 시각적으로 파악하고 우선 순위 발품 후보지 선정을 위한 의사결정 지원.
    • 의사결정 지원: 월별 평단가 그래프가 우상향일 경우 '빠른 계약'을, 우하향일 경우 '관망'을 제안하는 데이터 기반 타이밍 가이드 제공.

구분	기술	활용 내용
Frontend		Python 기반의 빠른 웹 대시보드 구현 및 인터랙티브 UI 구성
Backend		데이터 전처리(Pandas), 대출 한도 계산 로직 구현
Database		마포구 부동산 실거래가 데이터 적재 및 쿼리
AI / ML		사용자 취향 분석 및 매물 비교 리포트 생성 (Prompt Engineering)
Visualization		동적 지도 시각화, 전세가율 위험도 그래프, 매물 가격 비교 차트
Collaboration		형상 관리 및 모듈화 협업 (Page 단위 분리 개발)

• 좌표 기반 실거래가 지도:
  주소 데이터를 위경도(lat, lon)로 변환하여 DB에 저장하고,
  Folium 지도 위에 실제 위치 기준 버블 매물로 시각화합니다.
• 조건 기반 매물 필터링:
  사용자가 설정한 보증금 한도, 면적, 거래 유형(전세) 조건을 만족하는 매물만 선별하는
  필터링 알고리즘을 구현하여 불필요한 매물 노출을 차단했습니다.
• 버블 지도 시각화:
  필터링을 통과한 매물만 지도에 버블 형태로 표시하여
  사용자가 가격·입지 분포를 직관적으로 탐색할 수 있도록 설계했습니다.

• 맞춤형 매물 추천: 사용자가 선호하는 분위기(예: "조용한 숲세권")를 입력하면 OpenAI API가 매물의 특징을 분석해 적합도를 판단합니다.
• 스마트 비교 리포트: 선택한 두 매물의 가격, 위치, 장단점을 1:1로 비교하여 Markdown 형식의 깔끔한 리포트를 제공합니다.

• 은행별 대출 한도 분석: 사용자의 보유 예산과 희망하는 전세 보증금을 입력하면, 주요 시중 은행별로 제공 가능한 대출 한도와 금리 정보를 제공합니다.
• Strip plot 시각화: 은행별 대출 상품의 월 부담금 분포를 Strip plot으로 시각화하여, 은행의 월 부담금을 한눈에 비교할 수 있습니다.

• 시세 트렌드: 월별 평균 평단가 추이를 Line Chart로 시각화하고, 상승/하락 흐름에 대한 해석 가이드를 제공합니다.
• 동네별 가성비 비교: 선택한 동네들의 평단가 분포를 Box Plot으로 비교해 가격 분산(바가지 위험)과 가성비를 판단할 수 있습니다.
• 숨은 꿀매물 탐색: 평수-보증금 Scatter Plot에 평균 시세선을 추가하여, 시세선 하단의 상대적으로 저렴한 매물을 직관적으로 확인할 수 있습니다.

📂 FISA-realEstate 
 ┣ 📂 figure/              
 ┃ ┣ 🖼️ mapo.png
 ┃ ┗ 🖼️ woorifisa.png
 ┣ 📂 pages/              
 ┃ ┣ 📜 1_전세_지도_&_AI_컨설턴트.py
 ┃ ┗ 📜 2_대출_한도_계산하기.py
 ┃ ┗ 📜 3-전세_시장_심층_분석.py
 ┣ 📜 Home.py               
 ┣ 📜 sidebar.py           
 ┗ 📜 requirements.txt     

서비스를 개발하며 겪은 주요 기술적 문제와 해결 과정입니다.

• 문제 상황: 50만 건 이상의 서울시 실거래가 CSV 데이터를 로드하고 MySQL에 적재하는 과정에서 메모리 부족 및 타임아웃 발생.
• 원인 분석: 불필요한 행정 코드 컬럼까지 모두 로드되었으며, 한 번에 Insert를 시도하여 부하 발생.
• 해결 방법:
  • 데이터 경량화: 프로젝트 타겟인 '마포구' 데이터만 필터링하고 분석에 불필요한 '지번코드', '접수년도' 등 21개 컬럼 중 13개를 제거하여, 메모리 사용량을 343.66MB에서 4.52MB로 약 98.7% 감소시켜 리소스 효율성 극대화.
  • 적재 효율화: 기존에 실패하던 DB 적재 작업을 15.94초 만에 완료하며 데이터 파이프라인 안정성 확보.

• 문제 상황:
  • 판다스로 카카오 API를 연동해 주소를 위경도로 변형하여 DB에 적재하려 하였으나 계속되는 통신 에러로 실패.
  • 차선책으로 스프레드시트 Geocoder 툴을(위경도변환 지원) 사용하려 했으나 무료 변환 한도 초과로 작업 실패.
  • 데이터셋 중 주소지 본번/부번 데이터 결측치로 에러 발생
• 원인 분석
  • 무료 툴의 일일 쿼리 제한 및 유료 API의 인증 복잡성으로 인해 시간내 해결 불가능.
  • 데이터셋에 bonbun(본번)이나 bubun(부번)이 NaN인 행이 있어 정수 변환 시 에러 발생.
• 해결 방법:
  • 기술 스택 변경: 오픈소스 라이브러리인 Geopy (Nominatim) 채택.
  • pd.isna()를 사용하여 결측치가 있는 주소는 0으로 건너뛰도록 예외 처리 구현.