정책분석과 기획 (Policy Analysis and Strategic Planning)

한신대학교 공공인재빅데이터융합전공
AI 증강 기획과 데이터 기반 정책분석 교육 자료

📚 과목 소개

이 저장소는 전통적인 기획 방법론과 최신 AI/데이터 분석 기법을 융합한 정책분석 및 전략기획 과목의 강의 자료를 포함합니다. 각 챕터는 이론 강의와 Python 기반 실습을 통해 실무 적용 능력을 함양합니다.

주요 특징

• ✅ AI 증강 기획: LLM과 데이터 분석을 활용한 현대적 기획 방법론
• ✅ 실습 중심: Jupyter Notebook을 통한 인터랙티브 학습
• ✅ 공간정보 분석: 위성영상, GIS 데이터를 활용한 정책 분석 사례
• ✅ 정량적 의사결정: 몬테카를로 시뮬레이션, 베이지안 분석 등 통계적 기법

---

📂 저장소 구조

planing/
├── ch01/          # 기획의 정의와 프로세스
├── ch02/          # AI 증강 기획
├── ch03/          # 구조적 사고 (MECE, 로직 트리)
├── ch04/          # 이슈 정의와 프레이밍
├── ch05/          # 인과추론 기초
├── ch06/          # 시스템 다이내믹스
├── ch07-1/        # AI 기반 환경 스캐닝
├── ch07-2/        # 이해관계자 분석과 네트워크
├── ch08/          # 베이지안 실험설계와 정책 평가
├── ch09/          # 베이지안 의사결정
├── ch10/          # 시나리오 플래닝
├── ch11/          # 몬테카를로 시뮬레이션
├── ch12/          # 다기준 의사결정
├── ch13/          # 실물옵션 분석
├── ch14/          # 실행 계획과 리스크 관리
├── ch15/          # 모니터링과 적응적 기획
├── ch16/          # AI 에이전트와 기획 워크플로우
└── tools/         # 참고 자료

각 챕터 폴더는 다음 구조를 따릅니다:

ch**/
├── ch**.ipynb           # 강의 노트북 (3시간 분량)
├── code/                # Python 실습 코드
│   ├── *-*.py          # 개별 실습 스크립트
│   └── requirements.txt # 필요 패키지 목록
└── data/                # 실습 데이터 (해당 챕터만)

---

📖 커리큘럼

Part 1: 기획의 기초 (1-4장)

Part 2: 인과 분석과 시스템 사고 (5-6장)

Part 3: 환경 분석과 이해관계자 (7장)

Part 4: 정책 평가와 의사결정 (8-9장)

Part 5: 미래 탐색과 불확실성 (10-11장)

Part 6: 의사결정과 옵션 (12-13장)

Part 7: 실행과 모니터링 (14-16장)

---

🚀 시작하기

1단계: Python 설치

이미 Python 3.10 이상이 설치되어 있다면 2단계로 건너뛰세요.

1. https://www.python.org/downloads/ 에서 Python 3.12 이상 다운로드
2. 설치 프로그램 실행
3. ⚠️ 첫 화면에서 반드시 "Add python.exe to PATH" 체크 ← 가장 중요!
4. "Install Now" 클릭

설치 확인:

python --version

macOS/Linux에서 python이 없다면 다음으로 확인하세요:

python3 --version

Python 3.x.x가 출력되면 성공입니다. 만약 'python' is not recognized... 오류가 나면 PATH 등록이 안 된 것이므로 Python을 제거 후 3번을 확인하며 재설치하세요.

2단계: 저장소 클론

git clone https://github.com/LeeSeogMin/planing.git
cd planing

3단계: 환경 자동 설정

python setup_env.py     # Windows
python3 setup_env.py    # macOS/Linux

이 스크립트가 자동으로 처리하는 항목:

• .venv 가상환경 생성
• 필요한 패키지 일괄 설치
• Jupyter 커널 등록

4단계: VSCode에서 노트북 실행

1. VSCode에서 .ipynb 파일을 엽니다 (예: ch01/ch01.ipynb)
2. 우측 상단 "커널 선택" 클릭
3. "AI 기획 강의 (Python 3)" 선택
4. 첫 번째 코드 셀부터 순차 실행 (▶)

---

📦 주요 의존성

기본 라이브러리

• Python 3.10+
• numpy, pandas - 데이터 분석
• matplotlib, plotly - 시각화
• scipy - 통계 분석
• networkx - 네트워크 분석

공간정보 분석 (ch02, ch07-1, ch07-2, ch12, ch13)

• geopandas - 공간 데이터 처리
• rasterio, earthengine-api - 위성영상 분석
• pystac-client - STAC API 검색
• leafmap, localtileserver - 지도 시각화

AI/머신러닝 (ch07-1, ch07-2, ch16)

• openai, anthropic - LLM API
• langchain - AI 에이전트 프레임워크
• chromadb - 벡터 데이터베이스 (RAG)
• ultralytics - YOLO 객체 탐지
• segment-anything - SAM 모델

통계/시뮬레이션 (ch08, ch09, ch11, ch13)

• pymc - 베이지안 추론
• dowhy - 인과추론
• scikit-learn - 머신러닝

네트워크/시스템 (ch06, ch07-2)

• networkx - 네트워크 분석
• simpy - 이산사건 시뮬레이션

---

💡 학습 방법

각 챕터의 학습 흐름 (3시간)

Part 1 (0:00-0:40)  이론 학습 + 조사 과제
Part 2 (0:40-1:15)  심화 이론 + 조사 과제
휴식    (1:15-1:30)  15분 휴식
Part 3 (1:30-2:00)  응용 이론 + 조사 과제
Part 4 (2:00-2:30)  코드 실습 1
Part 5 (2:30-3:00)  코드 실습 2 (종합 실습)

실습 파일 활용

• Jupyter Notebook (ch**.ipynb): 강의 전체 내용 (이론 + 실습)
• Python 스크립트 (code/*.py): 독립 실행 가능한 실습 코드
• 데이터 (data/): 실습용 샘플 데이터

---

🎯 핵심 실습 프로젝트

---

🌍 공간정보 활용 사례

본 과정은 정책분석에서 공간정보의 중요성을 강조하며, 다음과 같은 실제 사례를 다룹니다:

위성영상 분석

• Sentinel-2 활용: NDVI 시계열 분석, 토지피복 분류, 재해 탐지
• HLS(Harmonized Landsat Sentinel-2): 고빈도 시계열 데이터
• Google Earth Engine: 대규모 지리공간 데이터 처리

공간 분석 기법

• 버퍼 분석, 공간 조인, 좌표 변환
• 공간 자기상관 (Moran's I, LISA)
• 래스터 연산 (밴드 연산, 마스킹, 타일링)

AI 기반 객체 탐지/분할

• YOLO: 위성영상/항공사진에서 객체 탐지
• SAM (Segment Anything Model): 자동 분할
• U-NET: 토지피복 시맨틱 세그멘테이션

---

📚 참고 자료

강의 관련 도구

• GitHub Copilot 가이드

추천 도서

• Strategic Thinking (Rich Horwath)
• The McKinsey Way (Ethan Rasiel)
• Scenario Planning (Woody Wade)
• Real Options Analysis (Tom Copeland)
• Thinking in Systems (Donella Meadows)

온라인 리소스

• Google Earth Engine
• STAC (SpatioTemporal Asset Catalog)
• Microsoft Planetary Computer
• LangChain Documentation

---

🤝 기여 및 문의

교수자

• 한신대학교 공공인재빅데이터융합전공

문의사항

• GitHub Issues를 통해 버그 리포트 및 개선 제안
• 실습 데이터 또는 코드 관련 질문은 각 챕터의 code/ 폴더 내 코드 주석 참고

---

📄 라이선스

본 교육 자료는 학습 목적으로 제공됩니다. 상업적 사용 시 저작권자의 사전 동의가 필요합니다.

---

🔄 업데이트 이력

• 2026-03-03: 초기 저장소 구성
  • 폴더명 변경: chapter* → ch*
  • 노트북 파일명 정리: ch*_lecture.ipynb → ch*.ipynb
  • GitHub 저장소 연동

---

© 2026 한신대학교 공공인재빅데이터융합전공. All rights reserved.