The weather has influenced not only on daily life but on all over the industries very closely and the previous researches had tried to prove the relationship. Especially, food service industry is influenced by the weather directly or indirectly and re... The weather has influenced not only on daily life but on all over the industries very closely and the previous researches had tried to prove the relationship. Especially, food service industry is influenced by the weather directly or indirectly and reacted sensibly by the consumers so lot of researches has been going on. In our country, food delivery service is one of the special culture in the field of the food service industry. Since later of 1990’s, the food delivery service has been growing up and the sum of market reached on about 12trillion Korean currency in 2015. But the related researches are not quite enough. Accordingly, in this study, we tried to specify the relationship between the weather effect and food delivery service. For analysis, we used the research data provided by SKT Big Data Hub and additionally daily weather data from the Weather Center. There are temperature, humidity, rainfalls, wind velocity, cloud and daylight time, etc. for the examination of weather influence in the previous researches. But in this study, we try to add parameters that the consumers are feeling about the weather. Accordingly, we used the weather variation such as wind chill temperature, heat index and the temperature-humidity index, etc. Finally, we investigated that the explanation adding the above index is much better than not. Furthermore, we examined the detailed weather impact in each season and reached to the results. According to the previous researches, the season is defined with 3months duration such as Spring is from March to May, Summer from June to August, Autumn from September to November and Winter from December to February. Eventually, we examined the weather condition impacted on food delivery service are different and the variation to the food kinds. Also we find out not only statistical significance but economical significance for the fluctuation of food delivery order. Finally, in this research, we try to predict the number of the food delivery order based on the weather data in 2015. So we utilized data mining technique such as artificial neural network, boosting and random forest for building prediction model. Also for the proof of predictive ability of the model, we tested the evaluation process once more with the data in 2016. 12. 26. At the result, we can see that the boosting predictive ability is most excellent among data mining technique. Eventually, we proved the demand fluctuation of the food delivery order depend upon the weather condition by the seasons. Moreover there are lot of meaning that we are able to suggest reasonable marketing strategy to small sized food delivery industry by building up actual prediction model.
날씨는 예로부터 일상생활 뿐만 아니라 산업 전반에 걸쳐 밀접하게 영향을 주고 있으며, 수많은 선행연구에서는 이러한 영향관계를 규명하고자 하였다. 특히 외식산업은 날씨의 직, 간접적... 날씨는 예로부터 일상생활 뿐만 아니라 산업 전반에 걸쳐 밀접하게 영향을 주고 있으며, 수많은 선행연구에서는 이러한 영향관계를 규명하고자 하였다. 특히 외식산업은 날씨의 직, 간접적인 영향을 받고있으며 소비자들이 민감하게 반응하는 산업으로써 학문적으로 활발한 연구가 진행되어 오고 있다. 우리나라의 외식산업의 특징 중에는 배달음식 문화가 자리잡고 있다. 1990년대 후반부터 성장하기 시작하여 2015년 기준 약 12조 원에 이르는 시장 규모를 자랑한다. 그러나 이러한 배달요식업의 성장 속도에 비해 관련한 학술적 연구는 매우 부족한 실정이다. 따라서 본 연구에서는 외식산업 중에서도 배달요식업을 중심으로 기상요인과의 영향관계를 중점적으로 규명하고자 하였다. 분석을 위해 SKT 빅데이터 허브()에서 제공하는 데이터 (개인정보 미 포함)를 연구 자료로 활용하였다. 여기에 기상청()에서 제공하는 일별 날씨 데이터를 융합하여 최종 데이터 셋을 구축해 분석을 수행하였다. 기존 선행연구에서 날씨의 영향력을 규명하기 위해 사용해 온 기상요인으로는 대표적으로 온도, 습도, 강수, 풍속, 전운량, 일조시간 등이 있었다. 그러나 본 연구에서는 위와 같은 물리적인 날씨의 수치가 아닌 실제 소비자들이 느끼는 상대적인 날씨를 수치화 한 변수를 추가적으로 사용하고자 하였다. 따라서 날씨 변수들의 적절한 조합으로 파생된 체감온도, 열지수, 불쾌지수 등을 연구에 적용하였다. 그 결과 기존에 물리적인 날씨 수치만을 사용했을 때 보다 체감온도, 열지수, 불쾌지수 등을 추가했을 때 설명력이 더 우수함을 입증하였다. 더 나아가 기상요인의 영향력을 세분화하여 분석하기 위해 계절별로 결과를 도출하였다. 선행연구에 의하면 계절은 3달의 고정적 기간으로 간주해왔는데, 본 연구에서도 선행연구와 동일하게 정의하였으며 봄은 3~5월, 여름은 6~8월, 가을은 9~11월, 겨울은 12~2월로 하였다. 결과적으로 계절별로 배달음식 주문 수요에 영향을 주는 기상요인이 달랐으며, 업종 별로도 차이가 있음을 확인하였다. 뿐만 아니라 통계적으로 유의미한 결과를 도출한 것에서 더 나아가 실제로 주문 수요가 얼마나 변동되는지를 수치적으로 변환하여 살펴보았다. 마지막으로 본 연구에서는 2015년 기상데이터에 기반하여 실제로 배달음식 주문 건수를 예측해 보고자 하였다. 따라서 예측 모형 구축을 위해 인공신경망, 부스팅, 랜덤포레스트 등의 데이터마이닝 기법을 사용하였다. 또한 예측 모형의 예측력을 검증하기 위해 2016년의 데이터를 이용해 평가하는 과정을 한 번 더 거쳤다. 그 결과 예측 모형 및 평가 모형에서 모두 부스팅의 예측력이 가장 우수함을 보였다. 이에 본 연구에서는 기상요인에 따른 배달음식 주문 수요 변화를 계절별로 세분화하여 입증하였으며, 실제 예측 모형을 구축해봄으로써 배달요식업에 종사하는 소상공인들에게 과학적이고 합리적인 마케팅 전략을 제언할 수 있다는 점에서 의의를 갖는다. ，韩语论文，韩语论文题目 |
