[ 기초 프로젝트 ] 결론 도출 및 회고

오늘은 기초 프로젝트 마지막 날이자 발표회가 있는 날이었다.

일주일 동안 팀원들과 분석한 자료를 모아 작성한 결과 보고서를 토대로 데이터 분석 결과를 요약해 보았다. 그리고 결론 도출 및 프로젝트 전반에 대한 회고를 작성했다. 

 

📊 데이터 분석 결과 요약 

1.  연도별 연비·배출량 트렌드

• 연비 증가 원인(2010~2014년): 2012년 미국 CAFE 규제 도입 - 자동차 제조사가 생산하는 차량들의 평균 연비를 일정 수준 이상으로 유지하도록 규제
• 연비 하락 원인 (2014년): 제조사의 연비 수치 허위 제출 → 정부의 조사·제재
• 결론: 데이터 편향이 아닌 정책 및 규제 변화가 주요 요인

 

2. 연비와 CO₂ 배출량 관계

 

• 연비 ↑ → CO₂ 배출 ↓ (음의 상관관계)
• 결론: 연비는 친환경성 판단 기준으로 적절함

 

 

3. 도심 vs 고속도로 연비

 

 

• 상관계수: 약 0.92 → 강한 양의 상관관계
• 결론: 고속도로 연비가 항상 도심보다 높음

 

 

4.  국가 및 제조사별 분석

 

• 평균 연비 높은 국가: 한국, 일본 독일 등
• 차종 크기 커질수록 → 연비 ↓, 배출량 ↑

 

5. 엔진 크기 및 실린더 수에 따른 연비 

• 엔진 크기 ↑ → 연비 ↓, 배출량 ↑
• 실린더 수 ↑ → 연비 ↓, 배출량 ↑

 

6.  연료 종류별 연비/배출량 비교 

 

 

• 연비 순위: 디젤 > 가솔린 > 에탄올/천연가스
• 배출량 순위: 천연가스 > 고급 가솔린 > 디젤 > 일반 가솔린 > 에탄올 혼합 

 

7.  구동 방식 및 변속기 유형

 

• AV 계열 차량: 연비 ↑, CO₂ 배출 ↓, 변동 적음 → 가장 친환경적
• 연비 편차 큰 이유: 다양한 차량 타입에서 사용되기 때문이라고 추측

 

✅ 최종 결론

 

친환경 차량의 특성

• 높은 연비
• 낮은 CO₂ 배출량
• 소형 엔진/실린더, 경량화 설계
• AV 계열 변속기 사용
• 전기/하이브리드 등 청정 에너지원 사용 

➡️ "내연기관 데이터를 활용해 연비와 배출량의 관계를 분석하고 이를 시각화해 친환경 차량 개발을 위한 효율적인 인사이트 도출" 이라는 프로젝트 목표에 부합

 

 

 

---

 

🧑‍🏫 튜터님 피드백 

 

좋았던 점 

- 주제와 목표에 맞게 단계별로 잘 수행을 한 것 같다.

- 특정 연도에서 왜 그랬는지 아티클까지 찾아본 점이 좋았다

- 데이터 뿐만 아니라 도메인 지식까지 찾아본 점이 좋았다. 

- 다양한 그래프를 그려본 점이 좋았음

 

아쉬운 점

- 전체적으로 시각화 자료 가시성 부분을 더 신경 쓰면 좋을 것 같다. 

- 숫자, 라벨 값 크게 하는 것이 더 잘 보일 것 같다. 

- 발표용으로는 파스텔보다는 좀 더 진한 색상 사용 추천 

 

---

 

💬 프로젝트 회고

잘 한 점 & 아쉬운 점

역할 분담이 잘 이뤄져 분석과 시각화 작업이 계획대로 원활하게 진행된 점이 좋았다. 팀원들이 각자 다른 변수를 맡아 연비와 배출량에 어떤 영향을 미치는지 분석한 덕분에, 다양한 시각화 자료를 만들 수 있었고 전체 데이터를 폭넓게 살펴볼 수 있었다. 다만 변수 간 관계나 상호작용까지는 충분히 고려하지 못해, 분석의 깊이보다는 넓은 범위의 파악에 집중된 점은 아쉬웠다. 변수 간의 영향을 함께 보는 분석이 추가됐다면 더 완성도 높은 결과가 나왔을 것 같다. 발표회를 들어보니 다른 팀에 비해 도메인 공부가 부족했던 것 같다. 다음 프로젝트에서는 데이터 분석을 하기 전 도메인 지식에 대한 공부를 충분히 해서 좀 더 심도 깊은 분석을 할 수 있도록 해야겠다.  

 

느낀 점 

많은 양의 데이터를 다루다 보니 처음에는 어디부터 시작해야 할지, 어떤 시각화 툴을 사용해야 할지 등 막막했는데 튜터님께 질문하면서 이것저것 해보다 보니 그럴듯한 결론이 나온 것 같다. 데이터를 다양한 방식으로 시각화하고 직접 인사이트를 도출해 보는 과정을 통해, 단순한 수치나 표로는 보이지 않던 패턴이나 관계를 발견할 수 있다는 점이 흥미로웠다. 어떻게 역할분담을 해야 효율적으로, 체계적으로 진행할 수 있는지도 고민해볼 수 있었던 팀플이었다. 협업과 의사소통의 중요성도 몸소 느낄 수 있었다. 아직 EDA(탐색적 데이터분석)만 배운 상태라  분석 깊이에 한계가 있다는 점이 아쉬웠고, 나중에 머신러닝이나 통계적 방법을 배워서 프로젝트를 하게 된다면 더 깊이 있는 분석이 가능할 것으로 기대된다.