공간데이터사이언스

데이터사이언스는 주어진 데이터를 바탕으로 질문에 대한 해답을 찾고, 그 과정을 재현 가능한 방식으로 투명하게 공개하는 학문이다. 결과 제시를 넘어 데이터 공유와 해답 도출 전 과정을 포함하며, 데이터의 한계와 표본 추출에 따른 결과의 변화를 수용한다.



공간데이터의 기본 개념부터 포인트, 라인, 폴리곤, 래스터, 데이터 큐브, 참조계까지 설명하고, 속성과 지오메트리의 연결과 분석에 미치는 영향을 다룬다. 특히 서포트 개념을 중심으로 공간적 연속성과 이산성, 다양한 데이터 유형에 적용되는 분석 구조를 체계적으로 설명한다.



로저 비반드와 에드저 페베스마는 R 기반 오픈소스 생태계에서 공간데이터분석의 표준을 구축한 핵심 연구자다. 역자 이상일은 서울대학교에서 관련 분야를 연구·교육해 온 학자로, 데이터사이언스와 공간사이언스의 융합과 재현성의 가치를 강조한다. 공간데이터 분석을 실천적으로 이해하려는 데이터 과학자를 위한 입문서다.



공간데이터사이언스의 이해와 활용



데이터사이언스는 주어진 데이터를 바탕으로 질문에 대한 해답을 찾고, 그 과정을 타인과 효과적으로 소통하는 학문이다. 여기서 소통은 단순히 결과를 제시하는 것을 넘어, 사용된 데이터를 공유하고 해답 도출의 전 과정을 포괄적이며 재현 가능한 방식으로 투명하게 공개하는 것을 포함한다. 또한 데이터사이언스는 주어진 데이터가 질문에 답하기에 충분하지 않을 수 있음을 인정하며, 설령 해답이 도출되었다 하더라도 데이터 수집 또는 표본 추출 방식에 따라 그 결과가 달라질 수 있음을 수용한다.

공간데이터의 기본 개념을 소개하고 설명하는 이 책은 포인트, 라인, 폴리곤, 래스터, 커버리지, 지오메트리 속성, 데이터 큐브, 참조계와 같은 기초 개념부터, 속성과 지오메트리가 어떻게 연결되고 이러한 연결이 분석에 어떤 영향을 미치는지에 관한 고차원 개념까지를 다룬다. 속성과 지오메트리 간의 관계를 서포트(support)라 하며, 서포트가 달라지면 속성의 특성도 변할 수 있다. 일부 데이터는 공간적 연속성에 기반해 생성되어 모든 지점에서 관찰이 가능하지만, 다른 데이터는 공간적 이산성에 기반해 특정한 구획 체계를 통해서만 관찰된다. 현대 공간데이터 분석에서는 이러한 구획 체계 개념이 포인트 데이터, 지구통계학적 데이터, 에어리어 데이터를 포함한 다양한 데이터 유형에 폭넓게 적용된다. 공간적 재현의 중요성을 뒷받침하는 핵심 개념이 바로 서포트이며, 서포트에 대한 이해는 필수적이다.

저자 로저 비반드는 오픈공간데이터사이언스의 형성과 확산에 결정적인 기여를 해 온 학자이다. 공간통계학, 공간데이터분석, 공간계량경제학의 이론을 R이라는 오픈소스 생태계 위에 구현함으로써, 공간분석을 소수 전문가의 영역에서 벗어나 누구나 접근하고 재현할 수 있는 지식으로 전환시키는 데 중심적인 역할을 했다. 특히 spdep를 비롯한 일련의 패키지와 문서, 교육 자료는 공간데이터분석의 표준적 도구와 언어를 형성하며, 연구의 투명성과 재현성이라는 오픈사이언스의 가치를 공간사이언스 영역에 깊이 뿌리내리게 했다.

저자 에드저 페베스마(Edzer Pebesma)의 기여 역시 오픈공간데이터사이언스의 발전을 논함에 있어 빼놓을 수 없다. 그는 sf, stars와 같은 핵심 패키지를 통해 공간데이터를 다루는 방식 자체를 근본적으로 재정의하며, 공간데이터분석을 현대 데이터사이언스의 문법 속으로 자연스럽게 통합시켰다. 단순성, 일관성, 상호운용성을 중시하는 그의 설계 철학은 공간데이터를 특수한 데이터가 아니라 일반적인 데이터 분석 흐름 속에서 다룰 수 있도록 만들었고, 이는 오픈소스 기반 공간사이언스의 저변을 비약적으로 확장시키는 데 결정적인 역할을 했다. 더 나아가 그는 현재 R, Python, Julia 등 여러 프로그래밍 언어를 아우르는 ‘언어초월 공간데이터사이언스’의 비전을 선도적으로 제시하며, 그 실현을 향한 연구와 개발을 이끌고 있다.

역자 이상일은 공간데이터분석으로 박사학위를 받았으며, 현재 서울대학교 지리교육과에서 지도학, GIS, 공간통계분석, 원격탐사, 인구지리학을 공간데이터사이언스의 관점에서 강의하고 있다. 30년 가까이 공간데이터사이언스를 연구하며 함께 진화하고 있다. 그는 진정으로 독보적인 생성형 AI의 탄생이 이제 기술 혁신으로서의 진화보다는 더 넓은 지적, 사회적 맥락 속에서 이해할 필요가 있다고 말한다. 이미 오래전부터 공간사이언스는 데이터사이언스의 탁월한 실천 사례들을 통해 그 잠재력을 입증해 왔다. 이 책은 공간데이터를 분석에 활용하고자 하는 데이터 과학자를 주요 독자로 한다. 이 책 전반에 걸쳐 공간데이터 분석의 절차와 방법을 설명하며, 예시에는 프로그래밍 언어 R을 사용한다. 생성형 AI의 탄생을 이끈, 데이터사이언스, 오픈사이언스, 그리고 공간사이언스의 융합은 앞으로의 진화 경로 또한 규정할 것이다.