통합데이터지도 로고

본 분석은 종업원 현황 데이터(경기지역경제포털, 2015년 11월~2022년 05월), 이용하여 분석하였다. 지역별 산업별로 세분화하여 위기의 패턴을 분석하였으며 특징적인 산업인 제조업에 대해 더 자세한 분석을 시행하였다.

활용한 데이터 셋은 다음과 같다.

본 분석은 고용위기 현황을 지역별 산업별로 세분화하여 보고자 했다.
따라서 산업별 세분화는 기준년월, 업종대분류, 업종중분류 컬럼을 이용해 그룹핑 하였으며, 지역별 세분화는 기준년월, 시도명, 시군구명 컬럼을 이용해 그룹핑 하였다.

분석 배경① - 전 세대의 관심사, 일자리

아래는 문화체육관광부에서 자체 조사한 ‘세대별 관심 카테고리 언급량 순위 비교’를 재구성한 자료이다.

2030 세대의 일자리 분야 언급량은 전체의 35.9%에 달하고 있으며, 30대부터 60대까지 전 세대에 걸쳐서 일자리 및 고용 카테고리가 상위 랭크에 자리잡고 있는 것을 확인할 수 있다.

최근에는 코로나19로 인한 글로벌 금융위기 이후, 일자리 창출에 대한 국민들의 관심은 높아졌을 것으로 예상된다.

하지만 이러한 상황 속에서, 국내에 지역/산업별 고용 현황을 한 눈에 보기 좋게 제공하는 서비스가 부재하다.

분석 배경② - 고용위기에 대한 세분화된 분석의 필요성

아래 그림은 2019년 1월부터 2020년 9월까지의 숙박/음식업의 국민연금 가입자 수 및 퇴직율을 보여주고 있다.

2020년 2월, 3월에 가장 높은 퇴직율을 기록하였으며, 그 이후부터 계속 낮은 가입자 수를 보여준다.

즉, 코로나19로 인해 ‘숙박/음식업종’과 ‘항공 운송업’이 큰 타격을 입었으며, 이는 업종별 세분화된 분석의 필요성을 시사하고 있다.

분석 배경③ - 심각한 일자리 미스매칭

아래 그림은 2018년부터 2022년까지의 미충원 및 취업에 관한 지표를 보여주고 있다.

미충원율이 높아지면서 취업율은 낮아지는 기이한 현상이 발생하고 있지만, 이에 관련한 세분화된 분석 및 모니터링 서비스가 부재한 실정이다.

본 분석 및 서비스 개발의 목적과 도식화

[Part1] 위기패턴 분석을 통한 극복방안 제시

본 분석에서는 고용위기의 패턴 분석을 통해 극복방안을 제시해보고자 한다.
고용위기 지표는 아래와 같이 정의한다.

고용위기지표(R_INDEX) = (퇴사자 수 – 입사자 수) / 종업원 수

위 지표는 한국고용정보원 연구보고서를 기반으로 구성했다.
즉, 고용위기지표가 높을수록 고용현황이 좋지 않다는 것을 의미한다.
본 분석에서는 2015년 11월부터 2022년 5월의 기간동안 고용위기지표 > 0인 지역 및 산업을 ‘고용위기지역’, ‘고용위기산업’으로 판단하였다.
고용위기지역 및 고용위기산업만을 모수로 선정하여 추세 군집화 알고리즘인 DTW K-means를 통해 비슷한 추세를 띄는 고용위기지역 및 고용위기산업을 군집화 하였다.

DTW K-means란, 시계열 데이터 간 거리를 계산하는 방법이다.
일반 k-means 알고리즘에 따르면 아래 그림은 다른 군집으로 분류가 되는데, 그 이유는 다른 적절한 인덱스가 매칭되지 않았기 때문이다.

하지만 DTW K-means 알고리즘은 Euclidean 거리가 최소가 되는 포인트를 매칭하여 군집화를 진행하기 때문에, 위 그림의 두 추세는 같은 군집으로 분류된다.

산업별 고용위기지표 군집화 결과

아래 그림은 산업별 고용위기지표의 군집화 결과이다.

지역별 고용위기지표 군집화 결과

아래 그림은 지역별 고용위기지표의 군집화 결과이다.

산업별 군집화에서 제조업(조선업 포함)이 중요한 영향을 끼쳤고, 지역별 군집화에서도 제조업, 조선업이 연관되어 있음을 확인하였다.
즉, 특징적인 산업인 제조업을 모수로 하여 추가적인 분석을 실행해보았다.

제조업을 모수로 한 추가적인 분석

제조업은 Elbow Criterion 기법을 사용하여 최적의 군집 개수(k)를 결정한 후 군집화를 진행하였다. Elbow Criterion 기법은 전체 분산과 군집 간 분산의 비율로 나타내며, 최적의 k(군집의 수)를 찾는데 사용한다.

Elbow Criterion 기법은 전체 분산과 군집 간 분산의 비율로 나타내며, 최적의 k(군집의 수)를 찾는데 사용한다.
Elbow Criterion의 ratio는 다음과 같이 표현한다.

𝑟𝑎𝑡𝑖𝑜=𝐵𝑆𝑆/𝑇𝑆𝑆=(𝑇𝑆𝑆−𝑊𝑆𝑆)/𝑇𝑆𝑆

Elbow Criterion을 통해 최적의 군집 수 k=4를 선정하였다.(아래 그림 참고)

군집화 결과

아래 그림은 0번 군집의 가장 높은 비율을 차지하는 산업인 ‘식료품 제조산업’의 위기지표 추세 그래프이다.

아래 그림은 1번 군집의 가장 높은 비율을 차지하는 산업인 ‘섬유제품 제조산업’의 위기지표 추세 그래프이다.

아래 그림은 2번 군집의 가장 높은 비율을 차지하는 산업인 ‘자동차 및 트레일러 제조산업’의 위기지표 추세 그래프이다.

아래 그림은 3번 군집의 가장 높은 비율을 차지하는 산업인 ‘화학제품 제조산업’의 위기지표 추세 그래프이다.

위 4개의 위기 패턴에 따른 전략 수립을 위해 비제조업의 특징적인 두 가지 패턴의 지표를 분석해보았다.
아래는 비금속광물 광업(왼쪽)과 음식점 및 주점업(오른쪽)의 위기지표 추세 그래프이다.

비금속광물 광업은 코로나로 인해 건설현장이 문을 닫으며 시멘트 산업 위기가 시작되었으며, 음식점 및 주점업은 코로나의 영향을 크게 받은 대표적인 산업이다.
두 패턴 모두 s자 패턴을 가지고 있으며,
현 시점(2022년)은 어떤 전략을 수립하는지에 따라 고용위기를 벗어날지, 혹은 W자 패턴을 그리며 고용위기가 다시 시작될지 결정되는 중요한 시기라 볼 수 있다.

각 패턴에 따른 전략 수립

위 분석을 통해 4가지 패턴을 정의했으며, 각 패턴에 따른 전략은 ‘지역산업위기 유형분석과 위기대응방안 및 산업전환전략’ 연구보고서를 참고하여 수립하였다.

[Part2] 고용현황 모니터링 서비스 개발

고용현황 모니터링 서비스에 추가적으로 사용한 지표는 두 가지이며, 아래와 같다.

입지계수 지수는 산업 특화도 표현에 사용하였으며, 다양성지수는 지역산업구조 다양성을 표현하기 위해 사용하였다.

[Part3] 일자리 미스매칭 현황분석 및 모니터링 서비스 개발

기대효과