노원구 COVID-19 분석 — 25분 walkthrough

서울 노원구의 안심병원 위치, 동별 인구, 환자 이동 동선 데이터를 D.Hub에 올려 컬렉션 → 데이터셋 → 파이프라인 → 대시보드를 한 번에 완성하는 예제입니다. CSV 9개(총 12.5 KB)와 D.Hub 계정만 있으면 따라 할 수 있습니다.

사전 준비

• D.Hub 계정 (관리자에게 발급받은 사용자명·비밀번호 또는 SSO)
• 웹 브라우저(데스크톱 권장)
• CSV 9개를 받아 압축 해제할 폴더 (다음 단계에서 다운로드)

시나리오와 데이터

2020년 서울 노원구의 COVID-19 hotspot 분석 시나리오를 재구성한 예제입니다. 9개 파일은 크게 네 가지 역할로 나뉩니다.

분류	파일	행수	역할
차원·필터	sido_filter.csv · sigungu_filter.csv	3 · 6	시도·시군구 후보 목록
마스터	clinics.csv	20	안심병원·선별진료소 (위·경도 포함)
인구	residents_population.csv · floating_population.csv	9 · 9	동별 주민 인구, 유동 인구
인구 (조인본)	region_dong.csv · region_dong_info.csv	33 · 8	인구 조인 결과 + 필터 변형
팩트	patient.csv · hotspot_result.csv	13 · 23	환자 위치·감염일, 접촉 hotspot

walkthrough에서 본격적으로 쓰는 데이터는 clinics(Step 6 지도), patient(Step 7 라인 차트), residents_population + floating_population(Step 4 조인) 세 그룹입니다. 나머지 CSV 6개는 데이터셋으로만 import 해 두고, 본격 분석은 마지막 다음 단계에서 안내합니다.

데이터 다운로드

받기	크기	비고
한 번에 받기 (covid19.zip)	~10 KB	Step 1에서 사용
clinics.csv	3.6 KB	안심병원·선별진료소 (lat/long)
patient.csv	0.9 KB	환자 위치·감염일
hotspot_result.csv	4.9 KB	환자 접촉 hotspot (POINT geom)
residents_population.csv	0.4 KB	동별 주민 인구
floating_population.csv	0.4 KB	동별 유동 인구
region_dong.csv	1.6 KB	인구 조인본
region_dong_info.csv	0.4 KB	인구 조인본 필터 변형
sido_filter.csv	0.05 KB	시도 필터 후보
sigungu_filter.csv	0.2 KB	시군구 필터 후보

---

Step 1. 자산 받기 · D.Hub 로그인 (2분)

1. 위 표의 한 번에 받기 (covid19.zip) 링크를 클릭해 zip을 내려받습니다.
2. zip을 임의의 폴더에 압축 해제합니다. CSV 파일 9개가 평탄하게(covid19/ 하위 폴더 없이) 풀려야 합니다.
3. 브라우저에서 D.Hub 포털 URL에 접속합니다.
4. 사용자명·비밀번호를 입력하고 로그인을 클릭합니다. SSO 환경이면 SSO 로그인 버튼으로 진행합니다.

여기까지 완료하면

• 로컬 폴더에 CSV 파일 9개가 평탄하게 풀려 있습니다.
• 브라우저가 D.Hub 홈 화면(/home)에 도착해 있습니다.

---

Step 2. 컬렉션 노원구 COVID-19 분석 생성 (1분)

1. 좌측 사이드바에서 컬렉션으로 이동한 뒤 컬렉션 만들기를 클릭하면 생성 마법사가 열립니다.
2. 기본 정보 단계에서 컬렉션 이름에 covid_test를, 별칭으로 노원구 COVID-19 분석을 입력합니다.
3. 설명 칸에 2020년 노원구 안심병원·환자·인구 데이터를 입력합니다(선택).
4. 다음으로 항목 선택·검토 단계를 지난 뒤 마지막 단계에서 컬렉션 만들기를 클릭합니다.

여기까지 완료하면

• 좌측 사이드바 컬렉션 아래에 노원구 COVID-19 분석 컬렉션이 보입니다.
• 페이지가 자동으로 컬렉션 상세로 이동했습니다 (URL에 컬렉션 ID 포함).

---

Step 3. 9개 CSV 빠른 추가 업로드 (3분)

1. 컬렉션 상세 페이지 헤더에서 항목 추가 → 빠른 추가… 메뉴를 선택합니다.
2. 업로드 다이얼로그에 Step 1에서 압축 해제한 CSV 파일 9개를 모두 드래그 앤 드롭 하거나, 파일 선택 다이얼로그에서 멀티 선택합니다.
3. 9개 항목이 모두 목록에 보이는지 확인한 뒤 업로드 버튼을 클릭합니다.
4. 업로드가 끝나면 데이터셋 목록에 새 항목 9개가 자동 생성됩니다.

여기까지 완료하면

• 컬렉션의 포함 항목 목록에 다음 9개 데이터셋이 보입니다: clinics, floating_population, hotspot_result, patient, region_dong, region_dong_info, residents_population, sido_filter, sigungu_filter.
• 각 데이터셋의 행수가 위 §시나리오와 데이터 표의 값과 일치해야 합니다 (clinics 20행, patient 13행 등).
• 행수가 맞지 않으면 CSV 인코딩(UTF-8)이나 헤더 라인을 다시 확인하세요.

---

Step 4. 인구 조인 파이프라인 만들기 (7분)

residents_population(동별 주민 수)과 floating_population(동별 유동 인구 수)을 동(sido·sigungu·dong) 키로 조인해 동별 종합 인구 통계를 만듭니다. D.Hub 파이프라인에는 전용 조인 노드가 없어 조인·집계 같은 변환은 SQL(또는 Python) 코드 노드 안에서 처리합니다. 구조는 소스 데이터셋 노드 → 코드 노드 → 출력 데이터셋 노드 순으로 구성합니다.

1. 컬렉션 상세에서 항목 추가 → 파이프라인을 선택하면 워크플로우 편집기가 바로 열립니다. (파이프라인 이름은 마지막 저장 단계에서 지정합니다.)

2. 좌측 컴포넌트 라이브러리의 컬렉션 섹션에서 residents_population과 floating_population 데이터셋을 캔버스로 각각 드래그합니다(소스 데이터셋 2개). 이미 컬렉션에 import한 데이터셋을 그대로 재사용하는 방식입니다.

3. 컴포넌트 라이브러리의 빠른 추가 → 코드에서 SQL 노드를 캔버스에 추가합니다.

4. 두 데이터셋 노드의 오른쪽(출력) 핸들을 SQL 코드 노드의 왼쪽(입력) 핸들에 각각 연결합니다. 연결한 데이터셋은 코드 안에서 데이터셋 이름과 같은 테이블로 참조됩니다.

5. SQL 코드 노드를 선택하고 코드 탭에서 다음 조인 쿼리를 작성합니다.

   SELECT
     r.sido, r.sigungu, r.dong,
     r.residents_population,
     f.float_population
   FROM residents_population AS r
   INNER JOIN floating_population AS f
     ON r.sido = f.sido
    AND r.sigungu = f.sigungu
    AND r.dong = f.dong

   입력 테이블 이름

   연결한 입력 테이블 이름은 코드 노드의 옵션 탭에서 확인합니다(기본값은 데이터셋 이름). 쿼리의 FROM/JOIN 대상이 이 이름과 일치해야 합니다.

6. SQL 코드 노드를 우클릭하고 결과 데이터셋 추가를 선택하면 출력 데이터셋 노드가 자동으로 생성·연결됩니다. 생성된 출력 데이터셋의 이름을 joined_population으로 지정합니다.

7. 우상단 저장을 클릭하고 파이프라인 이름에 인구 통계 조인을 입력해 저장합니다.

여기까지 완료하면

• 워크플로우 편집기 캔버스에 노드 4개(데이터셋 소스 2 + SQL 코드 + 출력 데이터셋)가 연결된 그래프가 보입니다.
• 파이프라인 목록으로 돌아가면 인구 통계 조인 항목이 보입니다.
• 아직 실행하지는 않았습니다 — 다음 step에서 실행합니다.

---

Step 5. 파이프라인 실행 · 배치 결과 확인 (2분)

1. 워크플로우 편집기 상단의 지금 실행 버튼을 클릭합니다.
2. 우측에 새 배치가 생성되며 상태가 실행 중 → 성공으로 바뀝니다.
3. 배치 카드를 클릭하면 실행 트레이스(각 노드의 처리 행수, 소요 시간)를 볼 수 있습니다.
4. 좌측 컬렉션의 데이터셋 목록을 새로고침하면 joined_population이 새로 생성되어 있습니다.

여기까지 완료하면

• 배치 상태가 성공(녹색)이어야 합니다.
• 새 데이터셋 joined_population의 행수는 11개(양쪽 공통 동 수)이며 컬럼은 sido, sigungu, dong, residents_population, float_population 5개입니다.
• 실패(빨강) 상태라면 트레이스에서 어느 노드가 어떤 오류로 실패했는지 확인합니다 (디버깅 가이드).

---

Step 6. 대시보드 + 안심병원 지도 위젯 (4분)

clinics 데이터셋의 위·경도 컬럼을 지도 위젯에 매핑합니다.

1. 좌측 사이드바에서 대시보드를 클릭한 뒤 대시보드 만들기 버튼을 누르면 편집 화면(빌더)이 바로 열립니다.
2. 편집 화면 상단의 제목을 클릭해 대시보드 이름 노원구 COVID-19 현황을 입력합니다.
3. 좌측 위젯 라이브러리 열기 → 시각화 → 지도(Map) 위젯을 캔버스로 드래그합니다.
4. 위젯이 선택된 상태에서 우측 구성 패널의 데이터 소스 섹션에서 데이터를 연결합니다. 새로 추가한 위젯은 컬렉션을 먼저 선택해야 데이터셋 목록이 활성화됩니다.
   • 컬렉션: 노원구 COVID-19 분석 선택 — 고르기 전에는 데이터셋 칸에 먼저 컬렉션을 선택하세요 가 표시됩니다.
   • 데이터 소스: clinics 선택
5. 데이터셋을 선택하면 그 아래에 데이터 모드 섹션이 나타납니다. 간단 모드를 선택하면 같은 섹션에 위치 필드 입력칸이 표시됩니다.
   • 위도 필드: latitude
   • 경도 필드: longitude
   • 레이블 필드: clinic_name — 마커 팝업에 표시될 이름
6. 변경 적용을 클릭하면 지도가 노원구 좌표 주변으로 자동 줌인됩니다.

여기까지 완료하면

• 대시보드 캔버스 위에 노원구 영역을 보여주는 지도와 마커 20개(병원·선별진료소)가 보입니다.
• 마커를 클릭하면 레이블 필드로 지정한 clinic_name(안심병원 이름)이 팝업으로 떠야 합니다.

---

Step 7. 환자 일자별 누적 추이 라인 차트 (3분)

patient 데이터셋의 infection_date를 X축, 누적 감염자 수를 Y축으로 두는 라인 차트를 추가합니다.

1. 빌더에서 위젯 라이브러리 열기 → 시각화 → 라인 차트를 캔버스로 드래그해 지도 옆에 배치합니다.
2. 위젯의 구성 패널 데이터 소스 섹션에서 컬렉션 노원구 COVID-19 분석 → 데이터 소스 patient를 선택합니다 (Step 6과 마찬가지로 컬렉션을 먼저 골라야 데이터셋이 활성화됩니다).
3. 데이터셋을 선택하면 나타나는 데이터 모드 섹션에서 SQL을 선택합니다 (간단 모드로도 되지만, 누적 합산이 필요해 SQL이 더 명료합니다).

   • 쿼리 영역에 다음을 입력합니다.

     SELECT
       infection_date,
       COUNT(*) AS daily_count,
       SUM(COUNT(*)) OVER (ORDER BY infection_date) AS cumulative_count
     FROM patient
     GROUP BY infection_date
     ORDER BY infection_date

   • 쿼리를 적용한 뒤 아래 컬럼 매핑 섹션에서 X축: infection_date, Y축: cumulative_count 를 지정합니다.

4. 변경 적용 → 차트가 렌더링되면 우상단 저장으로 대시보드를 저장합니다.

여기까지 완료하면

• 대시보드에 지도와 라인 차트 두 위젯이 나란히 보입니다.
• 라인 차트는 2020년 8월–10월 구간의 누적 감염자 추이를 단조 증가 곡선으로 그립니다.
• 대시보드 목록(/dashboard)에 노원구 COVID-19 현황 항목이 보여야 합니다.

---

Step 8. 마무리 · 다음 단계 (3분)

축하합니다 — D.Hub의 Collection → Dataset → Pipeline → Dashboard canonical flow를 모두 한 번씩 직접 거쳤습니다. 25분 안에 끝낸 작업을 정리하면 다음과 같습니다.

• ✅ 컬렉션 1개 (노원구 COVID-19 분석)
• ✅ 데이터셋 9개 (빠른 추가) + 1개 (파이프라인 산출물 region_population_joined)
• ✅ 파이프라인 1개 (인구 통계 조인) · 배치 1회 실행
• ✅ 대시보드 1개 + 위젯 2개 (지도 · 라인 차트)

다음 단계

더 깊이 가려면	가이드
환자 동선 hotspot 시각화 (hotspot_result 의 POINT geom)	지도 데이터 설정
patient ↔ clinics ↔ region_dong 을 온톨로지로 모델링	covid19 온톨로지 튜토리얼
같은 흐름을 API/cURL로 자동화	개발자 가이드 - API 튜토리얼
컬렉션을 다른 사용자/그룹에 공유	공유 및 권한
파이프라인을 정기 실행하도록 스케줄	스케줄링

문제 해결

증상	점검
빠른 추가 시 데이터셋 행수가 표와 다름	CSV 인코딩이 UTF-8인지, 헤더 라인이 첫 줄에 있는지 확인
Step 4의 조인 결과 행수가 0	두 소스의 sido/sigungu/dong 문자열이 정확히 일치하는지 확인 (공백·전각·반각 주의)
Step 5의 배치 상태가 실패	배치 트레이스에서 실패 노드의 오류 메시지를 확인 (디버깅 가이드)
Step 6의 지도가 빈 화면	clinics 데이터셋의 latitude/longitude 컬럼 타입이 숫자인지 확인 (문자열이면 데이터셋 스키마를 수정)
Step 7의 라인 차트가 비어 있음	SQL 모드에서 데이터셋 이름이 정확한지 (예제 데이터셋명 patient) 확인