🏠︎COMPAS LH 공모전 - 지식산업센터 공실률 최소화

분석보고서 표지

🏗️ 시작하는 배경지식

평소 부동산에 관심이 많았던 저는, 지식산업센터에 대해 어느 정도 알고 있다고 생각했어요. 그런데 막상 분석을 시작해보니, 생각보다 훨씬 복잡하고 깊은 문제들이 얽혀 있더라고요.

요즘 사회적으로도 자주 언급되는 주제 중 하나가 바로 지식산업센터의 공실 문제입니다. 저도 관련 기사를 찾아보면서 이슈의 배경을 파악해봤습니다.

예를 들어 경기 평택 고덕신도시에선 삼성이 들어온다는 소식에 투자자들이 몰렸고, 이에 따라 지식산업센터 공급도 많아졌어요. 하지만 정작 입주 수요는 생각보다 따라주지 않았습니다.

---

📉 수요자 입장 – 중소기업들

지식산업센터는 원래 중소기업이나 1인 기업가들이 사무실이나 소규모 공장처럼 사용할 수 있는 공간이에요. 그런데 최근 금리 인상과 경기 침체로 인해 중소기업들이 전체적으로 힘든 상황에 놓여 있습니다. 여기에 지식산업센터 자체가 생각보다 가격이 비싸다 보니, 입주를 꺼리는 기업들도 많아졌고요.

즉, 수요가 줄어든 상황인 거죠.

---

💸 투자자 입장 – 수익형 부동산의 함정

반면 투자자들은 "지식산업센터 투자로 큰 수익을 얻었다"는 성공 사례들을 보고, 앞다퉈 지식산업센터에 투자하기 시작했어요. 특히 주택 규제가 심했던 시기에는 대체 투자처로 주목받기도 했고요.

문제는 대부분 대출을 통해 투자했기 때문에, 금리가 오르면서 이자 부담이 커졌다는 겁니다. 그런데 수요는 줄어들고, 공실이 늘어나면서 예상했던 수익을 내기 힘든 상황이 되어버렸죠. 결과적으로 수요는 없고 공급만 늘어난, 총체적 난국이 되어버린 셈이에요.

---

🏛️ 정부의 대응 – 규제 완화

이러한 상황을 인식한 정부는 규제 완화에 나섰습니다. 기존에는 공장법이 적용되어 입주 가능한 업종이 제한적이었는데, 최근에는 업종 제한을 풀고 조금 더 유연하게 운영할 수 있도록 정책을 바꾸고 있어요. 더 많은 기업들이 입주할 수 있도록 문턱을 낮추는 방향으로 가고 있는 거죠.

---

이런 배경지식을 바탕으로, 저는 지식산업센터의 공실률 문제를 정량적으로 분석해보기로 했습니다. 과연 어떤 지역이 공실률이 높고, 왜 그런 차이가 생겼는지 데이터로 파헤쳐보려 합니다.

---

1. 프로젝트를 시작하게 된 계기

부동산에 꾸준히 관심이 있었던 저는 어느 날 기사에서 충격적인 수치를 발견했습니다.
성남시 지식산업센터의 공실률이 무려 80%에 달한다는 것이었죠.

처음엔 “요즘 경기 안 좋은 건 알지만, 이 정도라고?”라는 생각이 들었고,
실제로 데이터를 기반으로 문제의 원인을 파악하고 싶어졌습니다.

게다가 앞으로 개발될 3기 신도시의 지식산업센터에도 이 문제가 반복될 수 있다는 우려가 제기되면서,
‘어떻게 하면 더 나은 정책이나 입지전략을 제안할 수 있을까?’라는 질문에서 분석을 시작하게 되었습니다.

 

---

2. 분석 목표 (Task)

이번 분석의 저희 팀의 목표는 다음과 같습니다.

• 지식산업센터 공실률에 영향을 미치는 요인을 가격, 교통 접근성, 상권 밀도 세 가지 측면에서 정량적으로 분석
• 공실률이 낮은 지역(군포, 의왕, 부천)과 높은 지역(성남)을 비교하여 차이점 도출
• 분석을 바탕으로 향후 3기 신도시 설계 시 반영 가능한 정책 및 입지 전략 제안

---

3. 분석 방법 (Action)

💰 가격 요인 분석

• 실거래가, 월세, 보증금 등 가격 정보를 수집
• Python 크롤링 + 경기데이터드림 활용하여 군포/의왕/부천/성남 데이터를 수집 후 비교

크롤링했던 네이버 부동산

• EDA 및 상관분석을 통해 가격과 공실률 간의 관계 파악

군포,의왕시,성남시의 변수의 상관관계맵

📍 공간/입지 분석 (QGIS)

• 각 센터 기준 300m 버퍼 설정 → 주변 상권 밀도 계산
• 주변 상권 데이터 시각화하여 공실률과 상권과의 연관성 시각화

상권 데이터 매핑 및 추출

🚉 교통 인프라 요인 분석

• 산업 클러스터 및 교통 노선 밀집도 비교
• 실제 접근성(예: 도심까지 이동 시간) 등의 정성적 요인도 함께 고려

---

4. 분석 결과 (Result)

✅ 성남시의 공실률이 높은 주요 원인

• 공급 과잉: 신축 중심으로 무분별한 공급
• 산업 클러스터/상권/교통 인프라 부족
• 과도한 초기 비용 (높은 보증금 및 임대료)

✅ 공실률이 낮은 지역의 특징

• 산업 클러스터 연계 (예: 군포·의왕의 첨단산업지구 인근)
• 교통 인프라 우수 (철도, 고속도로 접근성)
• 적절한 가격대와 체계적 공간 설계

---

5. 정책 제안

“공실률을 줄이고 싶은가요? 입지부터 다시 설계하세요.”

• 산업 클러스터와 연계된 전략적 입지 선정
• 도심 접근 30분 이내의 교통 중심 배치
• 중소형 공간 분할 및 유연한 설계
• 초기 기업 유입을 위한 임대료/보증금 유연화
• 상권 복합 개발 및 창업 인프라 확대

---

6. 발표 및 회고 

💡 질의응답 중 주요 피드백 & 대응

1. 모델링이 부족한 점
   • “데이터가 수백 개로 한정되어 머신러닝의 효과가 크지 않을 것이라 판단. 추후엔 Logistic Regression 등 경량 모델을 활용해 변수 중요도라도 도출하자.”
2. 결론의 구체성 부족
   • “향후 분석에선 조건형 전략 예시(예: 도심 접근 30분 이내일 때 공실률 20% 미만)를 제시하자.”
3. 전략 적용의 추상성
   • “다음 프로젝트에선 고양 창릉, 하남 교산 등 특정 신도시를 타깃으로 설정하여 적용 시뮬레이션을 구현해보자.”

---

7.  나의 기여 및 기술 스택

• Python으로 실거래가 크롤링 및 정제, 가격 비교 분석
• QGIS를 활용한 300m 반경 상권 시각화 및 데이터 정제
• MECE 방식 설계로 가격/교통/상권 세 축의 독립 분석 문제 정의
• 정책까지 연결된 데이터 기반 의사결정 분석 설계 경험

---

마치며

"데이터를 기반으로 전략을 설계할 수 있다"는 자신감을 준 경험이었습니다.

비록 모델링이 부족했고 구체적 결론 설계에 아쉬움이 있었지만,
다음 프로젝트에선 더 나은 정책 도출과 실행 가능한 인사이트 제공을 목표로 성장해가려 합니다.

 

https://compas.lh.or.kr/subj/past/info?subjNo=SBJ_2501_001 - 공모전 사이트

https://github.com/junhyeok0703/industrial-center-vacancy-3rd-new-town - 프로젝트 깃허브 주소