다사다난했던 2020년 사람들에게 가장 많이 사랑받았던 gis 컨텐츠는!?

이제 어느새 2020년은 딱 일주일 정도 남았습니다. 2020년을 되돌아보니…도대체 무엇을 했는가? 라는 생각이 제일 먼저 떠오르더라구요. 매년 갔었던 GTC 중국 출장도 없었고..코엑스에서 매년 구글지도 부스를 이쁘게 꾸며서 참가했던 Google Cloud Summit도 없었고… 오프라인 세미나들의 기억도 없고.. 제 개인적으로 매년 가던 발리도 안갔다오니… 마스크를 사고 마스크를 쓰고.. 걱정 반 두려움 반으로 2020년이 그냥 지나가버렸더라구요. 하지만 오늘 저는 지난 2020년동안 오프라인 행사는 못했지만 대신에 좀 더 SPH를 관심있게 지켜봐주시는 분들을 위해서 노력과 시간을 더 들여 만든 데이터분석 및 gis 관련 컨텐츠들을 쭉 돌이켜보았답니다. 사람들에게 가장 많이 사랑을 받았던 SPH 컨텐츠들 TOP5를 정리해보면서 올해를 마무리해 보려고 합니다. 내년은 좀 더 활발하게 오프라인 세미나도 하고 컨퍼런스나 서밋들도 참여해서 이쁘게 부스만들어서 고객사분들을 더 가까이서 뵙기를 희망하면서요!


[TOP5] 구글맵 마커 클러스터링 하는 방법

지리 정보를 쉽게 사용할 수 있는 형태로 표시하려면 지도를 사용해야 합니다. 그러나 사용자가 더 많은 정보를 탐색하기 위해서는 큰 그림을 빠르게 전달하고 한 눈에 이해할 수 있는 지도가 필요합니다. 수백 개의 데이터 포인트가 모여있으면 정확도가 떨어집니다. 이 포스팅에서는 JavaScript의 마커 클러스터러 라이브러리를 사용하여 모든 마커가 겹치지 않고 동일한 정보를 집계하여 전달하는 방법을 다루었습니다.


[TOP4] 내 연소득으로 살 수 있는 아파트, 어디에 있을까? (+중소기업 신입이 서울에 아파트를 사려면 몇년이 걸릴까?)

이 포스팅은 많은 사람들이 관심을 가질 분야인 부동산에 대해 국내 최고의 GIS분야 연구실인 서울대 GIS/LBS 랩과 함께 협업을 한 포스팅입니다. 전국을 대상으로 내 집(아파트)을 사기 위해 벌어야 하는 최소 연소득을 지역별로 보여주는 지도를 만들어 보았습니다. 이 지도를 통해 각자 자신의 연소득으로 살 수 있는 아파트가 어디에 있는지 찾아볼 수 있습니다. 아무래도 ‘부동산’ 키워드가 2020년의 핫키워드인만큼 많은 사람들이 이 컨텐츠를 관심있게 봐주셨답니다.


[TOP3] 스타벅스 DT 소셜 데이터를 이용한 감성분석

코로나 이후의 시대인 ‘뉴노멀’ 시대에는 접촉을 피하면서 기존 문화를 즐기려고 하는 시대이기 때문에 코로나 영향으로 기존 흐름에 큰 변화가 생겼습니다. 사람들은 차를 타고 근교로 드라이브하거나 접촉을 최대한 피하는 액티비티를 즐기려고 하는 트렌드에 맞춘 새로운 비즈니스 모델이 필요한 상황입니다. 스타벅스DT 이용고객의 리뷰, ‘입소문’ 분석을 통하여 감성분석을 해보았던 컨텐츠입니다. SPH 데이터 컨설팅 팀이 심여를 기울여서 2부로 나눠서 제작한 스타벅스 DT 데이터분석은 링크드인에서도 사람들의 사랑을 가장 많이 받았던 컨텐츠였답니다.


[TOP2] 28년만에 가장 높은 총선 투표율! 21대 국회의원 선거결과 지도로 ‘시각화’하여 보기 !!

이 포스팅을 보면서 아! 2020년에 국회의원 선거투표도 했었구나! 떠오르더라구요.. 마스크끼고 장갑끼고.. 투표했던 기억..이러한 것들을 잘 따르고 무탈하게 투표를 마쳐 28년만에 가장 높은 투표율 66.2% 을 기록하였던 2020년 21대 국회의원 선거.. 기존에 미디어에서 다루고 있는 개표 결과 지도는 어쩌면 2차원적이고 상세하고 방대한 데이터를 한 번에 시각화하기에는 한계가 있다고 생각을 하고 있던 중에 CARTO로 21대 국회의원 선거 결과의 방대한 데이터를 지도에다가 깔끔하게 시각화해본 것을 녹여낸 컨텐츠였답니다.


[TOP1] 확진자 이동경로를 지도에 시각화한 ‘코로나 맵’ 링크들을 모아보았어요.

2020년 가장 많이 사람들이 관심을 보여준 TOP1 컨텐츠는 역시나 ‘코로나’관련 컨텐츠였습니다. 더 놀라운건.. 이때 제가 포스팅을 한게 2월이었는 데 이때 확진자가 16명이었나 보네요.. 지금은 매일 1000명 가까운 확진자들이 나타나고 있어서 사람들에게 공포감과 불안감을 주고있구요. 지금 여기에 소개해드린 ‘코로나맵’은 아직도 활발히 업데이트가 잘되고 있지만 나머지 ‘코로나알리미’와 ‘유바이러스’는 서버가 닫혀있네요.

 

 

이렇게 사람들에게 관심을 많이 받은 컨텐츠들을 정리하면서 하나하나 다시 읽어보니.. 2020년 역시나 다사다난했었군요. ‘코로나 바이러스’로 인해서 뉴노멀, 언택트 등 관련한 것들의 큰 변화가 생겼습니다. 예를들면, 온라인 강의, 재택근무 등과 같이 머나먼 미래에나 전면 시행될 것 같은 것들이 갑자기 일상에 한 부분이 되버리게 되었고.. 어쩌면 소모성보다는 좀 더 가치있는 본질에 집중을 하게되는 업무 환경이 되기도 하였습니다. 또한 코로나뿐만 아니라 이전과는 다른 기후변화때문에 지구온난화, 기후위기, 비건 등에 대한 관심도도 더욱 커졌습니다.
 
저 또한 이번 2020년은 어떻게 생각해보면 너무나 허무(?)하다고 느껴지기도 하지만 코로나로 인한 공포감과 불안감으로 인해 저에게 소소했던 일상의 소중함을 너무나 크게 일깨워주었던 한 해였습니다. 아프지 않고 건강하게 잘 먹고 잘 자고 잘 쉬고 잘 일하고 .. 이러한 것들이 얼마나 소중한 것인 지 다시 한번 깨닫고 생각하면서 이번 포스팅을 마무리해보려 합니다. 


SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

최우수상 받은 데이터 컨설팅팀, 숨은 뒷이야기!

서울시 빅데이터 캠퍼스 공모전 최우수상 수상!

참여부터 수상까지의 숨은 뒷이야기

 

  • 소개
  • 공모전 주제 선정 
  • 공모전 기획  
  • 데이터 수집 및 ETL 
  • 데이터 분석
  • 데이터 분석 결과 – 어린이 보호 구역으로 지정되어야 하는 3곳!  
  • 잠깐! 토막 소식
  • 아쉬운 점 및 챌린지 
  • 수상 결과에 대한 의견 및 소회

 

  • 소개

서울시 빅데이터 컨퍼런스에서 김도환 전임 연구원의 발표 모습

서울시 빅데이터 컨퍼런스에서 김도환 전임 연구원의 발표 모습

안녕하세요! SPH 데이터 컨설팅팀이 이번 2020 서울시 빅데이터 캠퍼스에서 주최한 빅데이터 공모전에서 최우수상을 수상하였습니다. 이번 공모전은 주제 선정에서부터 수상까지 의미있고 재미있었던 부분들이 많았는데요. 공모전 주제 선정에서부터 수상까지 SPH 데이터 컨설팅팀의 전문적인 분석 과정과 노력등을 공유해 드리려고 합니다.      

 

  • 공모전 주제 선정

최종으로 선정된 주제: 新 어린이 보호구역 제안 

서울시 빅데이터 캠퍼스에서 주최한 공모전은 예전부터 관심이 많이 있던 공모전입니다. 다른 주최사와 달리 사용 가능한 데이터, 즉 빅데이터를 기반으로 분석을 자유롭게 할 수 있다는 점에서 꼭 참여하고 싶었습니다. 주제 선정에 있어서는 꽤나 고심을 많이 했는데, 그 이유는 SPH 데이터 컨설팅팀은 사회 전반에 걸쳐 여러 주제에 관심이 많기 때문입니다. 예를 들어, ‘흡연 구역 설정’, ‘최적의 따릉이 구역’처럼 사회적으로 충분히 도움이되는 분석 결과를 내놓는다면 좋겠다라는 생각을 하고 있었습니다. 또한 양질의 데이터의 유무가 중요하다고 생각하는데요. 분석하고자 하는 주제가 굉장히 좋아도 데이터가 충분하지 않다면 분석 결과의 신뢰도에도 영향을 미치기 때문입니다.

저희는 어린이 교통사고에 관한 뉴스들을 다수 접하면서 ‘어린이 보호구역’에 대해 관심을 갖게 되었고 관련 데이터가 서울시 및 여러 기관에서 제공하는 것을 확인한 뒤에 최종으로 이 주제를 선정하게 되었습니다. 또한 현재 어린이 보호구역은 어떠한 특징과 법안이 있는 지 살펴 보았는데, 생각보다 허점이 있다는 것을 알게 되면서 데이터 분석 및 기획을 시작하게 되었습니다. 

 

  • 공모전 기획 

프로젝트 소개부터 결과까지의 과정 

 

빅데이터를 이용한 분석도 중요하지만 데이터 분석가로서 중요한 역량 중 하나인 상호 커뮤니케이션, 즉 설득력있는 기획을 어떻게 진행할 것인지에 대해 고민을 했습니다. 아무리 분석을 잘해도 사람들이 이해하기 쉽지 않다면 분석한 결과의 가치가 많이 떨어지기 때문에 분석에 ‘스토리’를 담아 PPT에 녹여냈습니다. 

이 주제를 선정한 배경, 사회적 상황, 어린이 보호구역의 현재 법률적 효력 등 사회적 이슈와 現 어린이 보호구역 기준의 변화에 대한 긍정적인 결과 순으로 PPT에 담아내려 노력했습니다. 또한 ‘당위성’이 중요한 부분이라 생각하였습니다. 저희가 특정 데이터를 수집 및 이용한 이유, 데이터 분석에서 머신 러닝 모델을 이용한 이유와 결과물에 대한 심도있는 해석까지 포함한 내용이 들어있습니다 (아래 발표영상 링크 참고). 빅데이터 분석으로 끝나는 게 아닌, 적재적소에 이 분석 결과가 사용되길 바라는 마음을 담아내어 기획을 했습니다.  

   

  • 데이터 수집 및 ETL

어린이 교통사고 현황 [출처: TASS 교통사고 분석 시스템] 

어린이 교통사고 데이터는 TASS에서 지난 6년 간의 데이터를 수집할 수 있었기 때문에, 꽤 양질의 데이터를 모을 수 있었습니다. 또한 서울시 빅데이터에서 제공하는 SKT 유동인구 데이터를 통해 10대 유동인구의 이동 동선을 확인할 수 있었으며 초등학교 및 유치원, 그리고 어린이 보호구역 현황은 서울시 열린 데이터 광장(https://data.seoul.go.kr)에서 수집했습니다. 

‘데이터 분석의 꽃은 전처리’라는 말이 있을 정도로 저희 SPH 데이터 컨설팅팀은 데이터 전처리에 많은 노력을 기울였습니다. 어떠한 데이터를 추출하고 필요하지 않는 데이터는 어떻게 보관할 것이며, 중요한 데이터 중 어느 변수를 원 핫 인코딩 처리 할 것인지, 그리고 결측치 처리 및 Outlier 처리에 관련하여 많은 노력을 들였습니다.  

 

 

  • 데이터 분석

데이터 수집부터 분석 결과까지의 과정을 시각화한 차트

지도 학습 및 비지도 학습 등 여러 분석 방법들이 있는데 저희는 ‘어린이 교통사고 건수’라는 Target 값이 있었기 때문에 지도 학습으로 진행하였습니다. 또한 여러 전문적인 머신러닝 회귀 모델들이 많았는 데, 이번 분석에서는 머신러닝의 모델을 이용했습니다. 모델 중 최적 모델 선택에 있어서는 MAE (Mean Absolute Error)을 기준으로 가장 낮은 오류 값을 가진 모델이 성능이 좋은 모델이라 판단하였습니다. 저희의 분석 결과로는 10개의 모델 중 Random Forest Regressor가 가장 최적의 모델로 선정되었습니다.    

Random Forest Regressor는 앙상블 회귀 모델로써 MAE가 0.08의 가장 낮은 오차값을 가지고 있습니다. 이 모델이 선정한 중요 변수와 Pearson Correlation에서 중요 변수로 제시된 변수들은 ‘10대 유동인구’,’주변 유치원 수’, ‘주변 초등학교 수’입니다.  (아래 사진 참고)

 

머신 러닝 모델이 선택한 중요 변수들 및 필터링 과정

 

저희 공모전 주제는 데이터 분석 관점이 두 가지로 나뉩니다. ‘현황 분석’과 ‘예측 분석’. 현황 분석과 예측 분석으로 나뉜 이유는 1.현재 문제점을 조금 더 정밀히 파악하고 어린이 보호구역 기준의 미흡함에 대해 경각심을 주기 위함2.현재는 알 수 없지만 예측을 통해 머신 러닝 분석 결과에 기반하여 미래 사고 위험도를 알려주기 위함이었습니다. 

현황 분석은 데이터 분석을 통해 알게된 중요 변수들을 통해 필터링을 하여 어린이 보호구역으로 설정되진 않았지만 설정되어야 하는 곳들을 나열했습니다. 중요 변수들은 ‘초등학교 수’, ‘유치원 수’, ‘10대 유동인구 수’였는데 이 값들에 특정 기준치 이상일 경우 현재 어린이 보호구역으로 선정되어야 하는 구역을 나열했습니다. 특정 기준치는 ‘10대 유동인구 수’는 상위 10%값, 유치원 수는 1곳 이상, 초등학교 수는 2곳 이상으로 이 모든 기준치에 부합되는 장소인데 어린이 보호구역으로 선정되지 않았으며 사고 수가 5건 이상인 경우인 장소는 로드맵을 통해 실제 어린이 보호구역으로 어느 장소까지 보호되는지 살펴보았습니다. 

예측 분석은 말 그대로 머신러닝 알고리즘이 예측한 사고 건수입니다. 예를 들어 사고가 1건이 일어난 장소들을 Test Set(216건)으로 선정하여 현황 분석때 이용한 머신러닝 모델을 통해 이 장소들이 향 후, 얼마나 사고 건수가 상승하는 지 살펴봤습니다. 그 중 43곳은 사고 발생 건수가 2건 이상이었으며 이 점을 토대로 어린이 교통 사고가 일어날 확률이 높으니 지정이 반드시 필요하다라는 점을 피력했습니다. 

 

  • 데이터 분석 결과 – 어린이 보호구역으로 지정되어야 하는 3곳!

빅데이터 및 AI를 통해 알아낸 어린이 보호 구역 지정으로 시급한 TOP3 지역

데이터 분석 결과 중 현황 분석을 통한 결과를 보여드리자면, 가장 어린이 보호구역으로 지정되어야 되는 시급한 곳은 1. 석촌 호수로 잠실 새내역 사거리 2. 내발산동 강서로 47길 3. 구로구 개봉동 179-46으로 나타났습니다. 어린이 교통사고가 5건 이상 발생되며 초등학교 및 유치원이 주변에 위치하며 10대 유동인구가 상위 10% 이상 존재하는 장소임에도 불구하고 어린이 보호구역으로 지정되지 않은 곳입니다.

어린이 보호 구역 지정으로 시급한 TOP3 지역의 실제 사진 및 사고 현황

석촌 호수로 잠실 새내역 사거리인 경우는 반경 400m 지점까지 어린이 보호구역이 없었으며, 구로구 개봉동 179-46과 내발산동 강서로 47길 3은 어린이 보호구역이 존재하나 그 주변에서 일어나는 어린이 교통사고가 존재하는 것으로 보입니다.  현재 법령으로는 볼 수 없지만 빅데이터 및 AI를 통해서 찾을 수 있는 ‘사각 지대’입니다.  (자세한 분석 내용은 아래 자료 공유를 참고해주세요)

 

  • 잠깐! 토막 소식 

어린이 보호구역 지정에 대한 염원이 서울시에 닿았는지, 최근 잠실 학원 사거리에 기존에 없던 어린이 보호구역 및 30km 속도 제한 과속 카메라가 설치되었습니다. 저희 데이터 분석 결과였던 어린이 보호 필수 구역 1위로 선정된 곳에 CCTV 설치 및 어린이 보호 구역으로 지정이 되어 이 근방의 어린이 교통사고 예방에 긍정적인 변화가 있을 것으로 예상됩니다! 아래 사진은 SPH 조영만 차장님께서 어린이 보호구역 지정에 대한 기쁜 마음을 담아 공유해주신 사진입니다.

최근 잠실 학원 사거리에 설치된 어린이 보호구역 및 과속 카메라 모습

 

  • 아쉬운 점 및 챌린지 

서울시 빅데이터 캠퍼스에 참여하게 되면서 느낀 점 중 아쉬웠던 부분은 데이터의 불균형입니다. 예를 들면 서울시 빅데이터 캠퍼스이지만 사실상 대한민국을 대표하는 빅데이터 캠퍼스이기 때문에 분석 주제가 서울시로 국한되지 않습니다. 하지만 서울시 외의 데이터들은 잘 갖추어있지 않거나 양질의 데이터가 많지 않다보니 자연스럽게 분석 타겟이 서울 시내로 맞춰지는 게 조금 아쉬운 부분이었습니다. 대한민국 내의 행정에 관련된 데이터들이 한 곳에 잘 정리되어 있다면 소외된 지역에 관한 효율적인 빅데이터 분석이 가능하지 않을 까 싶습니다.   

 

  •   수상 결과에 대한 의견 및 소회

2020년 저희 데이터 컨설팅팀이 사회 이슈에 대해 열심히 분석하고 관심을 갖게 된 것에 대한 ‘선물’이라고 생각합니다. 다른 공모전 팀들도 분명히 필요한 뜻깊은 분석을 하였으며 공모전 참여만으로도 다른 팀들의 분석 인사이트를 보면서 배울 점이 많았습니다. 서울시 빅데이터 캠퍼스 사옥에도 방문해보고 공공 데이터가 어떻게 관리되는 지 배우는 시간이었습니다. 또한 저희 뿐만 아니라 많은 참가자들이 빅데이터 분석에 크게 관심을 갖는 것을 볼 때, 미래에는 정말 빅데이터를 통해 과거보다 더 도움이되는 정책들이 나오지 않을 까 기대됩니다. 저희 SPH 데이터 컨설팅팀은 사회적 이슈 및 여러 공공 사안을 비롯하여 흥미로운 주제들로 인사이트있는 분석을 가지고서 다시 찾아뵙겠습니다. 감사합니다.

  

서울시 빅데이터 캠퍼스 최우수상 시상식 

Blog written by 이소린 전임 연구원

 

김도환 전임 연구원 발표 영상 및 분석 자료 다운로드: 


SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

[Google Maps 이야기] AI와 항공 이미지로 나무 그늘 만들기

“나무를 심기 가장 좋은 때는 20년 전이었고, 두 번째로 좋은 때는 바로 지금이다.”라는 속담을 들어보셨을 겁니다. 지구온난화가 큰 문제가 되고 있는 요즘, 전세계의 정책 입안자와 도시는 더 많은 나무를 심으려 노력하고 있습니다.

콘크리트와 인프라가 열섬을 형성하고 있는 도시에서는 극한 기온이 점점 더 빈번해지고 있습니다. 온도가 너무 높아져서 공기가 나빠지고, 탈수 및 기타 공중 보건 문제가 발생하는 것이죠. 나무 심기는 거리 수준의 온도를 낮추는 동시에 삶의 질을 향상시키는 해결책으로 점점 더 주목받고 있습니다. 그러나 많은 도시들은 나무가 어디에 심어져 있는지, 어디에 나무를 추가로 심으면 좋을지를 계획하기 위한 예산이나 자원을 가지고 있지 않습니다.

Tree Canopy Lab을 통해 구글은 AI와 항공 이미지를 결합하여 도시가 현재 나무 커버리지를 보고 향후 나무 심기 프로젝트를 계획할 수 있도록 지원하고 있습니다. 현재는 로스엔젤레스 지역만 지원하고 있으며, 더욱 넓혀나갈 예정입니다.

Tree Canopy Lab은 LA의 나무들을 볼 수 있습니다. 예를 들어 동네의 몇 퍼센트가 나무가 많은 곳이고, 인구 밀도가 높은 지역은 어디이며, 어떤 지역이 극심한 더위에 취약한지 등과 같은 지역적인 차원에서 나무들을 확인할 수 있습니다.

Tree Canopy Lab은 도시들이 탄소 배출과 오염을 측정 및 계획하고 줄일 수 있는 도구인 Environmental Insights Explorer 내에 있습니다. 이 플랫폼은 수백 개의 지방 정부가 기후 변화에 맞서 싸우는 것을 돕기 위해 만들어졌습니다.

누구나 태블릿이나 노트북으로 Tree Canopy Lab애 접속할 수 있습니다

 

도시 입업 계획을 위해 나무 커버리지 매핑하기

봄, 여름, 가을철 수집한 항공사진과 구글 AI, 구글 어스 엔진의 데이터 분석 기능을 통해 도시의 모든 나무를 정확히 찾아내고 그 밀도를 측정할 수 있습니다. 우리가 이러한 계산에 사용하는 이미지에는 하늘에서 도시를 내려다보는 각도의 컬러 사진도 포함됩니다. 도시의 나무 커버리지에 대해 더 자세한 정보를 얻기 위해, 근적외선 사진이 육안으로 볼 수 없는 색상을 감지하고 다양한 각도에서 이미지를 비교하여 하이트 맵을 만듭니다.

 

 

그런 다음 이미지를 자동으로 스캔하고 나무의 존재를 감지한 다음 “나무 캐노피”라고도 불리는 나무 감지 AI를 활용하여 나무의 밀도를 보여줍니다.

이 도구를 사용하면 비싸고 시간이 많이 드는 나무 연구에 의존할 필요가 없습니다.

정책 입안자부터 이웃에 이르기까지, 누구나 Tree Canopy Lab에서 로스앤젤레스를 탐험하고 통찰력을 얻을 수 있습니다. 예를 들어 나무를 심으면 좋을 주거용 블록을 식별하고 낮은 캐노피 커버리지로 인해 폭염에 취약한 동네를 찾는 데 도움을 줄 수 있습니다.

 

 

Tree Canopy Lab을 통해 우리는 안젤레노스 인구의 50% 이상이 나무 커버리지가 10% 미만인 지역에 살고 있고, 44%가 열 위험이 매우 높은 지역에 살고 있다는 것을 발견했습니다. 또한 로스엔젤레스의 열 위험이 가장 낮은 지역은 나무 커버리지가 가장 높다는 상관관계를 볼 수 있습니다. 이 지역들은 안젤레노스에서 가장 인구 밀도가 낮은 곳이기도 했습니다.

 

 

새로운 환경 인사이트로 도시 연결하기

로스엔젤레스는 지속가능성을 목표로 할 뿐아니라, 기후 변화로 점점 기온이 올라감에 따라 주변 지역을 미화하고 대기질을 향상시키기 위해 도시 임업에 꾸준히 투자해 왔습니다.

2021년까지 9만 그루의 나무를 심고 503평방 마일 이상의 도시 전역에 매년 2만 그루 이상의 나무를 심는다는 목표를 달성하기 위해, Tree Canopy Lab은 도시 전역의 사람들을 돕고 있습니다. 이웃과 공동체 단위에서부터 에릭 가르세티 시장, 그리고 도시 최초의 산림 관리인 레이첼 말라리히에 이르기까지, 모두 도시의 나무들이 어디에 있고 더 많은 녹지가 필요한 곳이 어디인지 확인할 수 있습니다.

“우리가 심는 모든 나무들은 기후 위기의 물결을 막는데 도움을 줄 수 있고, 기온 상승과 폭염으로 가장 큰 타격을 받는 지역사회를  더 건강하고, 더 지속 가능하게 만들 수 있습니다. 구글의 기술은 로스앤젤레스 전역의 가족과 가정에 나무의 힘을 가져다 줄 것입니다. 우리의 공공 공간에 녹지를 더하고, 도시에 아름다움을 불어넣고, 이웃들에게 더 낮은 온도를 가져다 줄 것입니다.”

– 에릭 가르세티 로스앤젤레스 시장

 

더 많은 도시를 위한 더 많은 인사이트

Tree Canopy Lab의 인사이트를 올해에는 수백 개의 더 많은 도시에서 이용할 수 있도록 할 것입니다. 로스엔젤레스와 같은 도시들이 나무 심기와 유지 보수 이니셔티브에 착수하기 위해 하고 있는 야심찬 작업을 계속 지원하겠습니다.

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

[영사콜센터 프로젝트] 영사조력 ‘무료전화 앱’이나 ‘카카오톡’으로도 가능해진다

앞으로 해외에서 ‘영사콜센터 무료전화’ 앱이나 ‘카카오톡’을 통해 영사 서비스를 받을 수 있게 됐다.

외교부는 23일 영사콜센터 개소 15주년을 맞아 영사콜센터 무료전화 앱과 카카오톡 상담 시범서비스를 개시하고, GPS를 활용한 ‘위치기반’ 영사조력도 실시한다고 밝혔다.

그동안 해외에서는 유선 전화를 통해서만 영사콜센터에 연락할 수 있었는데, 스마트폰에 ‘영사콜센터 무료전화’ 앱을 설치하면 해외에서 영사콜센터로 무료전화를 걸 수 있게 됐다. 무료전화 앱을 이용할 경우 국제전화비 부담 없이 해외에서 영사콜센터로 통화가 가능하다.

아울러 우리 국민이 가장 많이 사용하는 ‘카카오톡’ 서비스를 통해서도 영사상담을 받을 수 있게 됐다. 카카오톡 채팅방에서 ‘영사콜센터’를 검색해 들어가면 영사콜센터 상담관과 채팅을 통해 필요한 도움을 받을 수 있다.

아울러 상담관은 도움이 필요한 재외국민의 위치를 민원인 동의 하에 무료통화앱과 카카오톡의 GPS를 통해 확인하고, 재외공관과 연락해 필요한 영사조력을 제공한다.

영사콜센터 카카오톡 서비스 화면. 카카오톡 채팅방에서 ‘영사콜센터’를 검색한 뒤 들어가면 상담을 받을 수 있다. (외교부 제공)© 뉴스1

이태호 외교부 2차관은 이날 오후 영사콜센터 개소 15주년 기념식에 참석해 해외 체류 중인 우리국민의 안전을 지키는 일은 외교부의 가장 중요한 책무 중 하나라며, 해외여행객을 포함한 우리 재외국민의 사건·사고 민원을 재외공관과 함께 최일선에서 담당하고 있는 영사콜센터 역할의 중요성을 강조했다.

이 차관은 또한 “내년 1월 재외국민 보호를 위한 영사조력법 시행을 앞두고 ‘무료통화 앱’과 ‘카카오톡’ 상담을 비롯한 위치 기반 영사조력 등 차세대 서비스 개시를 통해 영사콜센터에 대한 접근성과 편의성이 획기적으로 개선될 것으로 기대한다”며 “향후 재외국민이 보다 안전하게 체류할 수 있도록 관련 시스템을 계속 강화해 나갈 예정”이라고 밝혔다.

반기문 전 UN사무총장도 개소 15주년 축하 영상 메시지를 통해 상담관들의 노고를 치하하면서 영사콜센터가 계속 발전해 재외국민보호에 더 큰 역할을 해줄 것을 당부했다.

외교부에 따르면 지난 2005년 4월에 개소한 영사콜센터는 지금까지 대형 재난과 사건·사고 처리를 비롯해 총 330만 건의 영사 민원 상담을 처리하면서 우리국민의 안전한 해외여행을 위한 동반자 역할을 해왔다. 영사콜센터는 지난해에만 총 1억 8천만 건에 이르는 로밍 해외안전문자를 발송한 것으로 집계됐다.

 

출처: https://www.news1.kr/articles/?4127803

 

 

SPH는 이번 영사콜센터 프로젝트에 참여하여 상담관이 영사콜센터 내부에서 사용하는 위치서비스(GIS) 시스템을 구현하였습니다. 위치서비스(GIS) 시스템은 아래와 같은 기능을 제공하고 있습니다.

1) 무료통화앱과 카카오톡의 GPS를 통해 수집된 민원인 위치를 상담관이 확인할 수 있게 구글맵 지도에 표시

2) 민원인에게 특정 위치에 대한 정보를 전달해 줄 수 있는 주소 및 장소 검색, 길찾기 기능 제공

3) 특정 지역에 긴급상황(자연재해, 테러, 대형사고 등) 발생 시 민원인에게 알람 및 문자를 보낼 수 있는 기능을 제공하여 위치 기반 영사조력을 할 수 있도록 지원

[예시화면, 길찾기]

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

[프레시데스크] 고객에게 사과하는 방법

“불편을 끼쳐 드려 죄송합니다.” “문제로 인해 죄송합니다.이 문제를 조사 중입니다.” 고객 서비스 상담원이라면 이러한 답변을 보내는 것이 일상 생활의 필수 부분이 될 것입니다.

대부분의 경우 제품이나 서비스에 어려움을 겪고 있어서 화를 내거나 좌절하는 고객을 만날 가능성이 높습니다. 문제점들은 UI 결함에서 네트워크 중단, 그들을 괴롭히는 기능 버그에 이르기까지 무엇이든 될 수 있습니다. 이러한 상황에서 실수를 인정한 사과는 필수입니다. 그러나 사과의 어조를 정확하게 파악하고 고객에게 자신의 입장을 진정으로 이해하고 문제를 해결하기 위해 적극적으로 노력하고 있음을 보여주는 것도 똑같이 중요합니다.

많은 회사가이 작업을 제대로 수행하지는 않습니다. 공감과 우려가 없는 템플릿 사과 응답은 비즈니스에 이익보다는 해를 끼칠 것입니다. 그러한 고객을 보내야하는 위험에 직면 할뿐만 아니라, 다른 잠재 고객이 공개적으로 의견을 표명 할 경우 다른 잠재 고객에게 어떻게 영향을 미칠 수 있는지도 고려해야합니다. 이 소셜 미디어 시대에는 나쁜 리뷰가 산불처럼 퍼져 나가게 할 수 없습니다.

그렇다면 완벽한 사과는 어떻게 구성합니까? 실수에 대해 사과하고 고객의 좋은 기억에 머물기 위해 따를 수있는 몇 가지 기본 규칙이 있습니까? 먼저 예를 들어 좋은 사과와 나쁜 사과의 차이점을 살펴 보겠습니다.

기업이 웹 사이트에 결제 양식을 삽입 할 수있는 SaaS 회사라고 생각해보십시오. 분명히 백엔드에서 온라인 거래를 처리하는 결제 게이트웨이와 파트너십을 맺게 될 것입니다. 결제 게이트웨이 통합 중 하나가 갑자기 작동을 멈췄다고 가정합니다. 이로 인해 결제 처리를 위해 기다리는 사용자에게 실망감을 줄 것입니다. 결과적으로 그들은 답변과 즉각적인 조치를 구하는 고객 지원 팀에 대한 좌절감을 표출 할 것입니다.

다음은 지원 에이전트가 문제에 대해 사과하지만 잘하지 못하는 응답입니다.

안녕하세요 메튜 님, 불편함을 초래해서 죄송합니다. 결제 시스템인 게이트웨이가 지난 24시간동안 네트워크 문제로 이슈가 발생하고 있습니다. 이것으로 인하여 저희 서비스와 귀하의 결제 양식이 추후 알림이 있을 때까지 작동하지 않고 있습니다. 이슈 상황에 대한 답변을 빠른 시일 내 드리도록 하겠습니다. 기다려주셔서 감사합니다. James 드림

 

이것은 잘못된 응답입니다. 상담원이 다음과 같이 고객의 문제를 해결하는 방법에는 몇 가지 근본적인 문제가 있습니다.

– 지불 게이트웨이 공급자에게 전체 책임을 둠

– 문제가 고객의 기존 워크 플로에 미칠 수 있는 영향을 인정하지 않음

– 고객이 그동안 사용할 수있는 해결 방법 / 다른 게이트웨이를 제안하지 않음

– 문제 해결에 긴급함을 표현하지 않음

– 고객이 솔루션을 기대할 수있는 시기에 ETA를 지정하지 않음

이제 같은 문제에 대한 다른 상담원의 답변을 살펴 보겠습니다.

 

안녕하세요 앤드류 님, 고객님의 지난 24시간동안 겪고 있을 결제 게이트웨이 이슈에 대해서 진심으로 사과를 드립니다. 우리는 귀하의 비즈니스에 이 통합과정이 얼마나 중요한 지 이해하고 있으며 불편함으로 인한 좌절되는 상황을 인지하고 있습니다. 저희는 게이트웨이 제공자와 지속적으로 상황에 대한 대화를 진행하고 있으며 다음 12시간 내에 서비스를 다시 재게할 수 있도록 할 것입니다. 그동안에, 대체적인 방법으로 귀하는 우리의 다른 게이트웨이 결제 서비스를 고려해보실 수 있습니다. 저희는 이 대체 옵션이 귀하가 초기에 셋업하고자했던 것보다 불편한 옵션일 수 있다는 것을 알고 있습니다. 그러나 저희가 이 옵션을 빠르게 셋업해드릴 수 있으며 기존의 이슈가 해결되는 동안 귀하의 비즈니스가 최대한 빠르게 운영될 수 있도록 도와드릴 수 있습니다. 추후에 이러한 이슈가 발생되지 않도록 저희는 최선을 다할 것이며 이번 한 번만 너그러이 이해해주시기 바랍니다.

 

위의 답변이 공감하는 방식으로 불만을 어떻게 해결하는지 명확하게 알 수 있습니다. 또한 고객의 문제가 심각하게 받아 들여지고 있음을 안심시킬 수있는 정확한 사과를 작성하는 데 필요한 요소를 완벽하게 보여줍니다.

위와 같이 더 많은 사과를 작성하기 위해 따를 수있는 6 가지 간단한 규칙이 있습니다. 자세히 살펴 보겠습니다.

규칙 # 1 : 문제에 대한 완전한 맥락 파악

고객이 문제를 설명 할 때 무엇이 ​​잘못되었는지 완전히 이해했는지 확인하십시오. 오류는 보편적인 오류일 수도 있고 고객의 특정 사용 사례와 관련 될 수도 있습니다. 그들로부터 가능한 모든 세부 사항을 수집하고 상황의 심각성을 파악하기 위해 더 많은 질문을 주저하지 마십시오.

다음과 같은 문구와 질문을 사용하십시오.

“제가 문제를 올바르게 이해하고 있습니까?”
“제가 제대로 이해하고 있는지 알려주세요.”
“이 기능을 비즈니스에 사용하는 방법에 대해 더 자세히 설명해 주시겠습니까?”

규칙 # 2 : 실수와 그 영향을 인정하십시오

고객은 다양한 문제에 대해 고객 지원팀에 문의합니다. 도움말 문서의 오타만큼 작거나 제품 기능이 완전히 깨지는만큼 클 수 있습니다. 문제가 무엇이든 고객 지원 상담원은 고객에게 발생한 문제를 인식하는 것이 중요합니다.

매우 중요한 문제인 경우 일상적인 비즈니스 워크 플로우에 발생할 수있는 중단의 정도를 완전히 인식하고 있음을 고객에게 알리는 것도 중요합니다. 이렇게 하면 고객이 문제가 가볍게 고려되지 않는다는 것을 이해하는 데 도움이됩니다.

사용할 수있는 몇 가지 일반적인 문구는 다음과 같습니다.

“저희 제품에서 겪으신 문제에 대해 대단히 죄송합니다. 오늘이 문제를 처리하도록하겠습니다.”
“이 문제가 기존 워크 플로우에 얼마나 영향을 미칠지 이해합니다.”
“기업으로서 우리는 이 문제가 얼마나 실망스러운지 확실히 알 수 있습니다.”

규칙 # 3 : 공감하고 고객의 입장에 서기

귀하의 고객은 귀하의 잘못이 아니지만 힘든 하루를 보냈을 수 있습니다. 이것은 그 / 그녀가 화를 내거나 불쾌한 기분으로 이어질 수 있습니다. 상담원은 이러한 상황에서 당황하지 않고 고객의 관점에서 문제를 시각화하는 것이 중요합니다. 그들의 문제를 참을성있게 듣고 그들이 당신과 대화를 마치고 응답을 기대할 때만 말하십시오.

당신의 고객도 솔직하게 감사하고 대화를 얼마나 침착하게 처리했는지 존중할 것입니다. 이것은 초기 적대감을 해소하고 고객 신뢰를 구축하는 데 도움이 될 것입니다.

공감을 나타내는 몇 가지 샘플 문구는 다음과 같습니다.

“제가 고객님의 상황에 있었다면 저도 좌절 할 것입니다.”
“용납 할 수 없는 일이며 저희가 고객님을 실망 시켰다는 것을 알고 있습니다.”
“오래 기다리게해서 정말 죄송합니다.”

규칙 # 4 : 템플릿 답글 사용 금지

많은 경우 고객 지원에서 상담원은 개인화된 답변을 입력하는 시간을 절약하기 위해 기존 사과 템플릿을 재사용하는 경향이 있습니다. 이것은 때때로 심하게 역효과를 낼 수 있습니다. 고객이 귀하의 제품 / 서비스에 눈에 띄는 불만을 표시 할 때 질문에 직접 답변하지 않는 진부한 답변을 받으면 분노가 더 커질 것입니다.

그들은 고객 지원에 연락 할 때 세부 사항에 대해 어느 정도의 관심이나 관심을 기대하며 고객 지원팀을 존중하고 우려와 인식을 가지고 고객에게 응답하는 것이 중요합니다. 고객의 질문에 직접 답변하는 사과를 작성하고 제품의 기능에 대해 솔직하게 말하여 올바른 기대치를 설정하십시오.

다음과 같은 진부한 템플릿으로 답장을 시작하지 마십시오.

“불편을 드려 죄송합니다.”
“문제에 대해 사과드립니다. 저희 팀에서 조사 중입니다.”
“나쁜 경험에 대해 죄송합니다. 지원 담당자와 통화하려면 이 번호로 전화하십시오. ”

규칙 # 5 : 해결 및 문제 해결에 대한 올바른 기대치 설정

고객이 문제에 대한 빠른 해결을 기대하는 것은 당연하며 이로 인해 ETA에 대한 특정 질문이 발생할 수 있습니다. 고객지원 상담직원은 고객의 이익을 우선시하면서 이러한 질문을 현명하게 처리해야합니다.

우선, 항상 시간 프레임을 지정하거나 고객이 해결책을 기대할 수있는 시기에 대한 기대치를 설정해야합니다. 그러나 과도하게 약속하지 않거나 혹은 게재하지 않는 것도 중요합니다. 내부 팀으로부터 특정 문제를 해결하는 데 걸리는 시간을 확인하고 그에 따라 고객에게 ETA를 약속하십시오. 곧 해결할 수없는 문제인 경우 고객에게 이 사실을 분명히 알려야합니다. 이러한 경우 정확한 ETA를 지정하는 대신 문제가 해결 될 수있는 날짜 범위를 제공하십시오.

기능 요청이거나 제품에서 처리 할 수없는 경우 지원되는 기능에 대해 고객에게 솔직하게 말하세요. 다음은 위에 나열된 모든 우수 사례를 통합하는 예입니다.

안녕하세요 고객님, 저희 제품을 사용하시면서 직면한 문제에 대해서 진심으로 사과를 드립니다. 저희 기술 팀에게 이 문제를 전달하였으며 현재 문제사항을 해결하는 중입니다. 2~3일정도 후에 이 버그가 완전히 수정될 수 있을 것 같으며 어떠한 결함없이 기능들을 정상적으로 작동할 수 있을 것입니다. 고객 경험은 저희에게 가장 우선적으로 중요한 부분이며 작은 오류 없이 테스트를 통해 추후 기능 업데이트들도 잘 진행될 수 있도록 하겠습니다. 고객님의 다른 요청사항 중에 저희 제품에서 현재 할 수 있는 범위를 넘어선 기능에 대해서는 지금으로써는 어려울 것으로 보입니다. 그러나 고객님이 원하는 결과를 비슷하게 도출할 수 있는 workaround 기능을 사용해보시길 권장해드립니다. 고객님이 이 기능을 원활이 적용할 수 있도록 필요하시다면 원격 스크린 쉐어를 통한 도움을 드릴 수 있습니다. 내장 지원기능만큼 이 부분이 편하지 않다는 것을 이해합니다. 저희 제품 로드맵에 이 기능 관련한 계획이 포함되어 있는 지 저희 제품 관리 팀에 요청하여 업데이트 드릴 수 있도록 하겠습니다. 도움이 필요하시다면 언제든지 편하게 연락을 주시기 바랍니다. 감사합니다. Chris 드림

 

규칙 # 6 : 근본 원인 분석 후 고객에 대한 후속 조치

화난 고객을 처리했습니다. 당신은 그들의 문제를 해결했고 사과했고 그들을 계속해서 제품을 사용할 수 있도록 도움을 주었습니다. 그러나 그 주기는 거기서 끝나지 않습니다. 또한 모든 관련 내부 팀과 함께 문제의 근본 원인을 철저히 분석하고 문제가 다시 발생하지 않도록하는 것도 중요합니다.

또한 고객과 정기적으로 후속 조치를 취하여 그러한 문제가 해결되었는지, 고객이 자신에게 적합한 최적의 경험을 얻고 있는지 확인해야합니다. 이런 식으로 한때 실망한 고객을 제품의 충성도 높은 사용자로 바꿀 수 있습니다.

마무리

모든 비즈니스가 실수를 한다는 것은 사실입니다. 그러나 이러한 실수를 처리하고 고객을 위해 신속하게 해결하는 방법은 비즈니스를 차별화 할 것입니다. 모든 사과 이메일과 대화에서 다음 팁과 요령들을 실전에서 시도해보고 그들이 마술을 발휘하는 것을 지켜보세요~

 

지진 구조 정보 시스템

지진이 가지고 있는 돌발성이나 파괴성을 고려했을 때, 지진 구조 정보 및 서비스는 고효율, 유연성, 편리성, 이동성을 필수적으로 갖추어야 합니다. 중국 원촨현과 위슈시의 지진 구조 경험은 지진의 정보 수집이 구조 과정에서 얼마나 중요한 역할을 하는지를 보여줍니다.

 

 

1. 구축 내용

지진 구조 정보 시스템은 지진 사회 서비스 구축 프로젝트 중 하나였습니다. 이 시스템은 GIS, GPS, RS 기술, 무선 라디오, 위성 통신, 컴퓨터, 모바일 기술 등을 결합하여 아래와 같이 4개의 하위 시스템을 구축했습니다.

 1) 구조 정보 관리 시스템 (백엔드 관리 시스템, 휴대전화 단말기 포함)

2) 구조대 위치 지정 및 정보 서비스 단말기 (PDA)

3) 지진 디지털 시스템 (타블렛)

4) 수색 및 구조 계획 최적화 시스템

 

이 시스템의 주요 기능은 지도 위치 확인, 전문 분석, 위치 모니터링, 문자 서비스, 모바일 웹 사이트, 동영상 수집, 자료 검색, 시스템 관리 등입니다. 구조요원은 휴대전화를 통해 지진정보를 습득하고 현장 소재와 현재 위치를 전송할 수 있습니다.

 

2. 아키텍쳐

이 시스템에는 소프트웨어/하드웨어, 데이터 계층, 서비스 계층, 애플리케이션 계층, 사용자 계층의 환경 계층인 5개의 계층이 있습니다. 환경 계층에는 서버, 네트워크 장비, 현장 단말기(PDA, iPhone, Android 휴대폰), OS, 데이터베이스, SuperMap GIS 제품이 포함됩니다.

데이터 계층은 기본 지리 데이터, 복구 데이터, 현장 재해 데이터, 사회 통계 데이터, 시스템 관리 데이터 및 메가 데이터를 포함한 데이터 지원을 제공합니다.

서비스 계층은 모바일 GIS 서비스, 온라인 GIS 서비스, 위치 추적 서비스, 정보 푸시 서비스, 데이터 통신 서비스 및 비즈니스 서비스 정보 조회, 강도 분석, 프로세스 추적, 계획 최적화, 재해 브리핑, 현장 플로팅, 재해 업로드, 사진 다운로드 등의 상위 계층에 대한 서비스를 제공합니다.

애플리케이션 계층은 구조대 위치 지정 및 정보 서비스 단말, 구조 정보 관리 시스템, 현장 검색 및 솔루션 결정 최적화 시스템, 지진 디지털 시스템 등 사용자에게 다양한 기능을 제공합니다.

 

 

3. 프레임워크

사용자 계층은 시스템의 사용자에 해당하며, 여러 시스템에 의해 기능을 구현합니다.

 

 

4. 시스템 배포

시스템에는 3개의 배포 노드가 있습니다.

현장 복구: 재난 정보 업로드를 위한 다양한 모바일 단말기입니다. 모바일 단말기에는 Android/iOS, PDA(Android)가 포함됩니다.

지휘실: 고효율 노트북을 사용하여 업로드된 다양한 재난 정보를 수신하고 분석함으로써 구조 상황을 알리고 구조 임무를 주선할 뿐만 아니라, 재난 데이터를 구조 센터에 보냅니다.

구조 센터: 지휘 센터로부터 현장 재난 데이터를 수신하고 정보 서비스를 제공하기 위해 애플리케이션 서버 2대와 데이터베이스 서버 2대를 포함한 필요한 지원을 제공합니다.

 

 

 

5. 결론

이 시스템은 구조 정보 관리, 구조 위치 파악 및 정보 서비스 터미널, 지진 시스템, 전문 평가 모델 및 지진 데이터 분석 기반의 폐허 수색 및 구조 계획 최적화 시스템 등의 하위 시스템을 구축하였습니다. 재해 공간 위치, 재해 지리적 환경, 재해 인구 등의 정보를 취득할 수 있어, 의사결정, 지진 구조 및 지휘의 통합 실현, 재해 정보 수집 및 재해 서비스의 통합 등을 지원합니다. 이 시스템은 구조 프로세스의 효율성을 크게 향상시켰습니다.

 

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.