← 메인 페이지

서울패션위크로 보는 한국 패션계의 흐름

2016시즌부터 2022시즌까지의 서울패션위크를 중심으로

Passion: 정지원, 문채원, 양현욱, 전가은

연구 목적

서울패션위크 서울컬렉션은 서울시가 개최하는 글로벌 패션 이벤트로, 대한민국의 최정상 디자이너들의 패션쇼이다. 서울패션위크는 4대 패션위크인 런던과 파리패션위크의 일부를 자리매김할 정도로, 한국 패션계의 주축을 담당하고 있다. 하지만 서울패션위크에서 진행하는 패션쇼에서는 단편적인 정보만을 얻을 수 있기 때문에, 한국 패션계의 구조 및 내부적인 흐름을 볼 수 없다. 그래서 본 연구는 서울패션위크 서울컬렉션에 참여한 브랜드와 디자이너, 심사위원과 관련된 세부 정보들을 조사하여 한국 패션계의 데이터베이스를 구축하고, 학력, 경력, 인간관계 등의 보이지 않았던 요소를 발견하고자 한다.

연구 대상

16/ss 시즌부터 22f/w 시즌까지(총 14시즌) 서울패션위크 서울컬렉션에 참여한 브랜드, 디자이너, 심사위원

연구 방법

- 16S/S 시즌부터 22F/W 시즌까지 총 14개의 서울패션위크 서울컬렉션 시즌에 참여한 브랜드, 디자이너, 심사위원을 조사하였다.

• 서울패션위크 홈페이지 공지사항에서 제공한 각 시즌별 참여 브랜드, 디자이너, 심사위원 목록을 기반으로 하였다.
• 브랜드와 디자이너의 기본 정보는 서울패션위크에 등록된 브랜드와 디자이너의 정보를 참고하였다.
• 브랜드, 디자이너, 심사위원의 세부 사항은 이름 및 경력을 참고하여 네이버 프로필, 뉴스 기사, 대학 페이지, SNS 등에 공개된 정보를 수집하였다.
• 자료 조사를 통해 브랜드의 특성 및 매출(중소벤처기업부의 중기현황정보시스템 이용), 디자이너 및 심사위원의 출생 연도, 학력, 경력 등을 정리하였다.
• 여성복/남성복 분류는 등록된 사업분야명과 현재 판매중인 제품을 보고 판단하였다.

- 정리된 자료를 토대로 데이터들을 7개의 클래스와 8개의 주 관계, 그리고 4개의 부 관계의 범주로 구분하였다.

• 중심이 되는 정보들은 Designer, Judge, Brand, Company, Major, University, Fashionweek 로, 이들을 7개의 클래스로 지정하였다.
• Brand는 서울패션위크에 참여한 브랜드를 의미하고, Company는 디자이너 및 심사위원이 일했거나 일하는 회사를 의미한다. Company는 디자이너와 심사위원의 경력 관계를 알아보기 위해 Brand와 분리하였다.
• 주 관계는 isMajorOf, graduates, worksAt, isDesignerOf, participatesIn, isJudgeAt, isSameAs, isSubsidiaryOf 이다. 노드 간 주된 관계를 의미한다.
• 부 관계는 getsMarriedWith, isSisterOf, isMotherOf, isFriendWith 이다. 디자이너 간의 개인적인 관계들을 나타낸다.

- 연구 목적과 정리된 데이터 분석을 통해 5가지의 분석점을 찾아내었다.

• 1. 단순 데이터 통계
  • 수집된 데이터를 기반으로 단순한 데이터 통계를 제시하고, 이에 대해 분석한다.
• 2. 대학 및 전공
  • 1) 디자이너와 심사위원의 출신 대학을 정리한다.
  • 2) 디자이너와 심사위원의 전공을 정리하고 분석한다.
  • 3) 디자이너와 심사위원의 취득 학위를 정리하고 분석한다.
• 3. 디자이너-디자이너의 관계
  • 1) 학력과 경력을 통해 디자이너 간의 전반적인 관계를 파악한다.
  • 2) 세부적으로 네트워크 내에서 영향력이 강한 University 노드와 Company 노드 상위 3/2개를 중심으로 디자이너-디자이너 네트워크를 도출한다.
  • 3) 공동 디자이너인 브랜드를 찾고, 해당 디자이너들 간의 관계를 파악한다.
• 4. 디자이너-심사위원의 관계
  • 1) 학력과 경력을 통해 디자이너와 심사위원 간의 전반적인 관계를 파악한다.
  • 2) 디자이너와 심사위원 간의 관계가 패션위크의 참여에 영향을 주는지 파악한다. 이를 위해 관계의 단계별 거리와 패션위크 참여 횟수 사이의 연관성을 분석한다.
• 5. 매출
  • 1) 매출은 패션위크의 브랜드 선정 심사에서 40%를 차지한다. 매출과 패션위크 참여 횟수의 연관성을 분석한다.
  • 2) 매출과 순이익은 디자이너의 브랜드 운영 성과를 보여주는 지표이다. 이중에 패션위크 선정과 관련 있는 매출을 기반으로 브랜드의 성공적 운영은 디자이너와 어떤 상관관계가 있는지 분석한다.

- 최종적으로 수집한 정보들을 neo4j에 입력하고 문제의식과 관련된 쿼리들을 만들어 결과를 분석해보았다.

온톨로지(Ontology)

온톨로지 그래프(OntoGraph)

클래스(Class)

클래스명	한글명	설명
Designer	디자이너	서울패션위크에 참여한 브랜드의 디자이너
Judge	심사위원	서울패션위크에 참여한 심사위원
Brand	브랜드	서울패션위크에 참여한 브랜드
Company	회사	디자이너가 일한 회사
Major	전공	심사위원과 디자이너의 전공
University	학교	심사위원과 디자이너의 출신 학교
Fashionweek	패션위크	서울패션위크의 시즌

릴레이션(Relation)

영문명	한글명	정의역	치역	설명
isMajorOf	의_전공이다	Major	University	학교와 전공의 관계
graduates	를_졸업하다	Designer, Judge	Major	디자이너 및 심사위원의 전공 관계
worksAt	에서_일하다	Designer, Judge	Company, Major	디자이너 및 심사위원과 회사 간의 관계
isDesignerOf	의_디자이너이다	Designer	Brand	브랜드와 디자이너 관계
participatesIn	에_참여하다	Brand	Fashionweek	패션위크와 브랜드 관계
isJudgeAt	에서의_심사위원이다	Judge	Fashionweek	패션위크와 심사위원 관계
isSameAs	와_같다	Brand	Company	브랜드와 회사가 같은 관계
isSubsidiaryOf	의_자회사이다	Company	Company	회사 간의 관계
getsMarriedWith	와_결혼하다	Designer	Designer	디자이너 간의 부부 관계
isSisterOf	의_자매이다	Designer	Designer	디자이너 간의 자매 관계
isMotherOf	의_엄마이다	Designer	Designer	디자이너 간의 모녀/모자 관계
isFriendWith	와_친구이다	Designer	Designer	디자이너 간의 친구 관계

속성(Attribute)

Designer 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명(본명)
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
gender	성별	디자이너의 성별
birthyear	출생 연도	디자이너가 태어난 연도

Judge 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
gender	성별	심사위원의 성별
brithyear	출생 연도	심사위원이 태어난 연도

Brand 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
target	대상	브랜드가 제작하는 옷의 대상 (여성복/남성복/유니섹스)
sales_2019	2019년 매출	브랜드의 2019년 매출
sales_2020	2020년 매출	브랜드의 2020년 매출
sales_2021	2021년 매출	브랜드의 2021년 매출
netprofit_2019	2019년 순이익	브랜드의 2019년 순이익
netprofit_2020	2020년 순이익	브랜드의 2020년 순이익
netprofit_2021	2021년 순이익	브랜드의 2021년 순이익

Major 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
category	범주	전공의 범주 (패션/비패션)

University 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
study	유학 여부	대학교가 위치한 곳 (domestic/abroad)

Company 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명(본명)
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원

Fashionweek 속성

속성명	한글명	설명
gid	식별자	개별 노드의 식별자
class	클래스	개별 노드가 속하는 클래스
name	대표명	개별 노드의 대표명
refurl	참고 웹 자원	개별 노드의 정보에 대해 참고할 수 있는 웹 자원
host status	개최 정보	패션위크의 개최 정보
year	개최 연도	패션위크 시즌의 개최 연도

graduates 속성

속성명	한글명	설명
enrolled_year	입학연도	입학한 연도
graduated_year	졸업연도	졸업한 연도
degree	학위	졸업하여 얻은 학위

worksAt 속성

속성명	한글명	설명
syear	입사연도	일하기 시작한 연도
eyear	퇴사연도	일을 마치고 퇴사한 연도

getsMarriedWith 속성

속성명	한글명	설명
refurl	출처	디자이너 간의 관계에 대한 출처

isSisterOf 속성

속성명	한글명	설명
refurl	출처	디자이너 간의 관계에 대한 출처

isMotherOf 속성

속성명	한글명	설명
refurl	출처	디자이너 간의 관계에 대한 출처

isFriendWith 속성

속성명	한글명	설명
refurl	출처	디자이너 간의 관계에 대한 출처

연구 데이터

【데이터 시트 페이지로 이동】

노드 데이터(총 855건)

• Designer 128건
• Judge 41건
• Brand 117건
• Company 317건
• Major 155건
• University 83건
• Fashionweek 14건

링크 데이터(총 1656건)

• isMajorOf 154건
• graduates 202건
• worksAt 357건
• isDesignerOf 135건
• participatesIn 497건
• isJudgeAt 142건
• isSameAs 128건
• isSubsidiaryOf 26건
• getsMarriedWith 6건
• isSisterOf 3건
• isMotherOf 1건
• isFriendWith 5건

연구 결과

[PART 1] 서울패션위크의 단순 데이터 통계

1. 브랜드 관련 통계

각 패션위크에 참여한 브랜드 수

• 쿼리: match (a:Fashionweek)-[r:participatesIn]-(b:Brand) return a.name as 서울패션위크, count(b) as 참여한_브랜드_수 order by 서울패션위크 desc

각 패션위크에 참여한 브랜드 수

서울패션위크 시즌	참여한 브랜드 수
22S/S 서울패션위크	26
22F/W 서울패션위크	26
21S/S 서울패션위크	40
21F/W 서울패션위크	23
20S/S 서울패션위크	34
20F/W 서울패션위크	35
19S/S 서울패션위크	40
19F/W 서울패션위크	32
18S/S 서울패션위크	40
18F/W 서울패션위크	39
17S/S 서울패션위크	42
17F/W 서울패션위크	40
16S/S 서울패션위크	40
16F/W 서울패션위크	40

각 패션위크별 브랜드의 목표 대상 분포

• 쿼리:

call{  
match(a:Fashionweek)-[r]-(b:Brand) where b.target contains '여성복'
with a.name as name, '여성복' as label, count(b) as count
return name, label, count
union all
match(a:Fashionweek)-[r]-(b:Brand) where b.target contains '남성복'
with a.name as name, '남성복' as label, count(b) as count
return name, label, count
} 
return name, label, count order by name desc

각 패션위크별 브랜드의 목표 대상 분포

서울패션위크 시즌	여성복	남성복	유니섹스
22S/S 서울패션위크	19	6	4
22F/W 서울패션위크	17	9	4
21S/S 서울패션위크	28	14	4
21F/W 서울패션위크	17	8	2
20S/S 서울패션위크	21	13	2
20F/W 서울패션위크	23	11	4
19S/S 서울패션위크	26	13	4
19F/W 서울패션위크	21	9	3
18S/S 서울패션위크	29	13	3
18F/W 서울패션위크	26	14	3
17S/S 서울패션위크	30	16	4
17F/W 서울패션위크	28	14	3
16S/S 서울패션위크	32	11	3
16F/W 서울패션위크	25	17	4

쿼리로 출력한 결과와 표 형태가 다를 수 있음

• 데이터 분석
  • 모든 패션 위크에서, 여성복을 다루는 브랜드가 남성복을 다루는 브랜드보다 대략 2~3배 정도 더 많다.
  • 여성복과 남성복을 둘 다 다루는 유니섹스 브랜드는 매우 적다.

2. 디자이너 관련 통계

각 패션위크별 참여한 디자이너의 성별 분포

• 쿼리:

call{ 
match (a:Fashionweek)-[r1:participatesIn]-(b:Brand)-[r2:isDesignerOf]-(c:Designer) where c.gender='Female'
with a.name as name, '여성' as label, count(c) as count
return name, label, count
union all
match (a:Fashionweek)-[r1:participatesIn]-(b:Brand)-[r2:isDesignerOf]-(c:Designer) where c.gender='Male'
with a.name as name, '남성' as label, count(c) as count
return name, label, count
} 
return name, label, count order by name desc

각 패션위크별 참여한 디자이너의 성별 분포

서울패션위크 시즌	여성	남성
22S/S 서울패션위크	16	14
22F/W 서울패션위크	14	16
21S/S 서울패션위크	22	23
21F/W 서울패션위크	13	15
20S/S 서울패션위크	14	23
20F/W 서울패션위크	13	24
19S/S 서울패션위크	22	25
19F/W 서울패션위크	12	23
18S/S 서울패션위크	20	24
18F/W 서울패션위크	21	22
17S/S 서울패션위크	21	29
17F/W 서울패션위크	21	24
16S/S 서울패션위크	32	11
16F/W 서울패션위크	19	30

• 데이터 분석
  • 20F/W 서울패션위크 시즌까지는 대부분 남성 디자이너가 더 많이 참여하였다.
  • 21년 이후로는 남성과 여성 디자이너가 거의 비슷하게 참여하였다.

[PART 2] 서울패션위크에 참여한 디자이너와 심사위원의 학력 분석

1. 디자이너와 심사위원의 출신 대학교

서울패션위크에 참여한 디자이너와 심사위원들은 어떤 대학을 졸업하였는지에 대해 알아보고자 한다.

디자이너의 출신 대학교

• 쿼리:

match (a:Designer)-[r:graduates]-(b:Major)--(c:University) 
with a, c, count(r) as rcount, collect(b) as M where rcount > 0 
return c.name as University, count(a) as count order by count desc

디자이너의 출신 대학

대학교	졸업한 사람 수
홍익대학교	11
London College of Fashion	9
이화여자대학교	8
Central Saint Martins College of Arts and Design	7
Parsons School of Design	7
삼성디자인교육원	5
Ecole de Studio BerÇot	4
세종대학교	4
한양대학교	4
건국대학교	4
Academy of Art University	4

검색 결과 상위 11개의 대학만 나열하였다.

• 데이터 분석
  • 홍익대학교 출신 디자이너가 가장 많았고, 다음으로 London College of Fashion, 이화여자대학교, Central Saint Martins College of Arts and Design, Parsons School of Design이 그 뒤를 이었다.
  • Central Saint Martins College of Arts and Design 대학과 Parsons School of Design은 세계 3대 패션스쿨에 속하는 만큼, 서울패션위크에 참여한 디자이너들 또한 두 학교를 많이 졸업했음을 보여준다.

국내 대학 또는 해외 대학을 졸업한 디자이너 수

• 쿼리:

call{ 
    match (a:Designer)-[r:graduates]-(b:Major)--(c:University) where c.study = 'domestic'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '국내_대학을_졸업한_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:Designer)-[r:graduates]-(b:Major)--(c:University) where c.study = 'abroad'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '해외_대학을_졸업한_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:University)--(b:Major)--(c:Designer)--(d:Major)--(e:University) where a.study = 'abroad' and e.study = 'domestic'
    with '둘_다' as label, count(a) as count
    return label, count
}
return label, count

국내 대학 또는 해외 대학을 졸업한 디자이너 수

분류	사람 수
국내 대학을 졸업한 디자이너	75
해외 대학을 졸업한 디자이너	47
둘 다	35

• 데이터 분석
  • 해외 대학을 졸업한 디자이너 수가 국내 대학을 졸업한 디자이너 수의 반을 조금 넘는다. 서울패션위크에 참여한 디자이너가 꽤 많이 해외 대학을 졸업했음을 보여준다.
  • 해외 대학을 졸업한 디자이너의 경우, 약 75%의 디자이너가 국내 대학과 해외 대학을 둘 다 졸업한 것으로 보인다.

심사위원의 출신 대학교

• 쿼리:

match (a:Judge)-[r]-(b:Major)--(c:University) 
with a, c, count(r) as rcount, collect(b) as M where rcount > 0 
return c.name as University, count(a) as count order by count desc

디자이너의 출신 대학

대학교	졸업한 사람 수
Parsons School of Design	3
서울대학교	3
London College of Fashion	2
홍익대학교	2
국민대학교	2
삼성디자인교육원	2

검색 결과 상위 6개 대학만 나열하였다.

• 데이터 분석
  • Parsons School of Design과 서울대학교 출신 심사위원이 가장 많았고, 다음으로 4개 대학이 그 뒤를 이었다.
  • 디자이너와 심사위원의 출신 대학 분포가 다름을 보여준다.

국내 대학 또는 해외 대학을 졸업한 심사위원 수

• 쿼리:

call{ 
    match (a:Judge)-[r:graduates]-(b:Major)--(c:University) where c.study = 'domestic'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '국내_대학을_졸업한_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:Judge)-[r:graduates]-(b:Major)--(c:University) where c.study = 'abroad'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '해외_대학을_졸업한_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:University)--(b:Major)-[r1:graduates]-(c:Judge)-[r2:graduates]-(d:Major)--(e:University) where a.study = 'domestic' and e.study = 'abroad'
    with '둘_다' as label, count(a) as count
    return label, count
} 
return label, count

국내 대학 또는 해외 대학을 졸업한 심사위원 수

분류	사람 수
국내 대학을 졸업한 심사위원	9
해외 대학을 졸업한 심사위원	15
둘 다	7

• 데이터 분석
  • 해외 대학을 졸업한 심사위원 수가 국내 대학을 졸업한 심사위원 수보다 많다. 서울패션위크에 참여한 심사위원의 상당수가 해외 대학을 졸업했음을 보여준다.
  • 해외 대학을 졸업한 심사위원의 경우, 약 50%의 심사위원이 국내 대학과 해외 대학을 둘 다 졸업한 것으로 보인다.

2. 디자이너와 심사위원의 전공

서울패션위크에 참여한 디자이너와 심사위원들은 어떤 전공을 전공하였는지에 대해 알아보고자 한다.
각 전공의 교육과정을 참고하여, category 속성에 패션과 관련된 전공이면 '패션'을, 패션과 관련되지 않은 전공(디자인 등)이면 '비패션'으로 구분하였다.

디자이너의 전공 분포

• 쿼리:

call{ 
    match (a:Designer)-[r:graduates]-(b:Major) where b.category = '패션'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '패션_관련을_전공한_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:Designer)-[r:graduates]-(b:Major) where b.category = '비패션'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '패션_관련을_전공하지_않은_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:Major)-[r1:graduates]-(b:Designer)-[r2:graduates]-(c:Major) where a.category = '패션' and c.category = '비패션'
    with '둘_다' as label, count(a) as count
    return label, count
}
return label, count

디자이너의 전공 분포

분류	사람 수
패션 관련 전공을 전공한 디자이너	77
패션 관련 전공을 전공하지 않은 디자이너	35
둘 다	25

• 데이터 분석
  • 패션과 관련된 전공과 패션과 관련되지 않은 전공을 둘 다 전공한 디자이너의 수를 고려하면, 10명을 제외하곤 전부 패션과 관련된 전공을 전공하였다.
  • 서울패션위크에 참여하는 디자이너들이 한국의 최정상 디자이너임을 고려하면, 이 결과는 패션과 관련된 전공을 전공하는 것이 디자이너로서의 성공과 상관관계가 있음을 보여준다.

심사위원의 전공 분포

• 쿼리:

call{
    match (a:Judge)-[r:graduates]-(b:Major) where b.category = '패션'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '패션_관련_전공을_전공한_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:Judge)-[r:graduates]-(b:Major) where b.category = '비패션'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '패션_관련_전공을_전공하지_않은_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:Major)-[r1:graduates]-(b:Judge)-[r2:graduates]-(c:Major) where a.category = '패션' and c.category='비패션'
    with '둘_다' as label, count(a) as count
    return label, count
}
return label, count

심사위원의 전공 분포

분류	사람 수
패션 관련 전공을 전공한 심사위원	11
패션 관련 전공을 전공하지 않은 심사위원	11
둘 다	1

• 데이터 분석
  • 디자이너들과 달리, 심사위원에는 패션과 관련되지 않은 전공을 전공한 심사위원들이 절반을 차지하였다.
  • 앞선 디자이너의 데이터 분석과 다르게 심사위원과 전공은 큰 상관관계가 없어 보인다.

3. 디자이너와 심사위원의 학위

서울패션위크에 참여한 디자이너와 심사위원들은 어떤 학위를 취득하였는지에 대해 알아보고자 한다.

디자이너의 학위 분포

• 쿼리:

call{ 
    match (a:Designer)-[r:graduates]-(b:Major) where r.degree = '학사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '학사_학위를_취득한_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:Designer)-[r:graduates]-(b:Major) where r.degree = '석사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '석사_학위를_취득한_디자이너' as label, count(a) as count
    return label, count
    union all
    match (a:Designer)-[r:graduates]-(b:Major) where r.degree = '박사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '박사_학위를_취득한_디자이너' as label, count(a) as count
    return label, count
} 
return label, count

디자이너의 학위 분포

분류	사람 수
학사 학위를 취득한 디자이너	43
석사 학위를 취득한 디자이너	24
박사 학위를 취득한 디자이너	5

• 데이터 분석
  • 학사 학위를 취득한 디자이너의 절반 정도가 석사 학위 또한 취득함을 알 수 있다.
  • 박사 학위를 취득한 디자이너는 적은 것으로 나타났다.

심사위원의 학위 분포

• 쿼리:

call{ 
    match (a:Judge)-[r:graduates]-(b:Major) where r.degree = '학사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '학사_학위를_취득한_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:Judge)-[r:graduates]-(b:Major) where r.degree = '석사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '석사_학위를_취득한_심사위원' as label, count(a) as count
    return label, count
    union all
    match (a:Judge)-[r:graduates]-(b:Major) where r.degree = '박사'
    with a, count(r) as rcount, collect(b) as M where rcount > 0
    with '박사_학위를_취득한_심사위원' as label, count(a) as count
    return label, count
} 
return label, count

심사위원의 학위 분포

분류	사람 수
학사 학위를 취득한 심사위원	11
석사 학위를 취득한 심사위원	10
박사 학위를 취득한 심사위원	4

• 데이터 분석
  • 대부분의 심사위원이 학사 학위를 취득하면 석사 학위 또한 취득하는 것으로 보인다.
  • 박사 학위를 취득한 심사위원은 적은 것으로 나타났다.

[PART 3] 디자이너-디자이너 소셜네트워크

1. 학력과 경력으로 보는 전반적인 디자이너-디자이너 소셜네트워크 구조

• 문제의식: 패션계를 이해하는 중요한 요소인 디자이너 간의 소셜네트워크 관련 데이터 자료는 존재하지 않는다. 디자이너-디자이너 관계를 파악할 네트워크 데이터를 구축하면 서울 패션계를 이해하는데 도움이 될 것이다.

1-1. 디자이너-디자이너 2단계 연결

match (a:Designer)--(b)--(c:Designer) return a, b, c

• 데이터 분석(예시)
  • 디자이너 A와 디자이너 B가 같은 학교, 같은 학과를 졸업한 경우
    • 조은혜 - graduates - 삼성디자인교육원 패션디자인 - graduates - 이무열
  • 디자이너 A와 디자이너 B가 같은 회사에서 일한 경우
    • 김현정 - worksAt - 삼성물산-Company - worksAt - 이혜미

1-2. 디자이너-디자이너 3단계 연결

match (a:Designer)--(b)--(c)--(d:Designer) return a, b, c, d

• 데이터 분석(예시)
  • 디자이너 A와 가족 및 친구 관계로 연결된 디자이너 C와 디자이너 B가 같은 학교, 학과를 졸업한 경우
    • 이은경 - getsMarriedWith - 이수형 - worksAt - 삼성물산-Company - worksAt - 김현정
  • 디자이너 A와 가족 및 친구 관계로 연결된 디자이너 C와 디자이너 B가 일한 회사가 같은 경우
    • 최진우 - getsMarriedWith - 구연주 - graduates - Central Saint Martins College of Arts and Design 남성복 - graduates - 이청청
  • 디자이너 A가 일한 회사와 디자이너 B가 일한 회사의 모회사가 같은 경우
    • 한상혁 - worksAt - 본-Company - isSubsidiaryOf - 우성I&C-Company - worksAt - 이은경

1-3. 디자이너-디자이너 4단계 연결

match (a:Designer)--(b)--(c)--(d)--(e:Designer) where not b.name contains '패션위크' and not c.name contains '패션위크' and not d.name contains '패션위크' and not b.name contains '임은혁' and not c.name contains '임은혁' and not d.name contains '임은혁' and not b.name contains '서영희' and not c.name contains '서영희' and not d.name contains '서영희' and not b.name contains '홍미정' and not c.name contains '홍미정' and not d.name contains '홍미정' and not b.name contains '김승현' and not c.name contains '김승현' and not d.name contains '김승현' and not b.name contains '고석희' and not c.name contains '고석희' and not d.name contains '고석희' and not b.name contains '심상보' and not c.name contains '심상보' and not d.name contains '심상보' and not b.name contains '홍인수' and not c.name contains '홍인수' and not d.name contains '홍인수' and not b.name contains '최철용' and not c.name contains '최철용' and not d.name contains '최철용' return a, b, c, d, e

• 데이터 분석(예시)
  • 디자이너 A가 일한 회사의 자회사에서 일한 디자이너 C가 디자이너 B와 가족 및 친구 관계인 경우
    • 한상혁 - worksAt - 본-Company - isSubsidiaryOf - 우성I&C-Company - worksAt - 이은경 - getsMarriedWith - 이수형
  • 디자이너 A와 디자이너 B가 같은 학교를 나왔지만, 학과가 다른 경우
    • 조본봄 - graduates - 한양대학교 의류학과 - isMajorOf - 한양대 - isMajorOf - 한양대학교 주얼리패션디자인학과 - 장윤경

2. 해당 디자이너 수가 많은 상위 대학 및 회사 노드를 중심으로 보는 디자이너-디자이너 소셜네트워크

• 문제의식: 패션계 안에 속하는 한 디자이너와 연결된 관계들은 그가 마주칠 수 있는 기회 및 제약과 관련이 있다. 디자이너의 출신 학교 및 회사는 다른 디자이너와 연결되는 매개이며, 연고주의가 강한 한국에서 이러한 매개들은 곧 그가 패션계에서 얻게 될 기회와 관련성이 있을 수 있다.서울 패션계에도 영향력 있는 매개체로 볼 수 있는 학교와 회사가 있을까?

2-1. 디자이너 수 상위 3개 대학 노드와 소셜네트워크

match (a:Designer)-[r:graduates]-(b:Major)--(c:University) with a, c, count(r) as rcount, collect(b) as M where rcount > 0 return c.name as University, count(a) as count order by count desc

대학별 출신 디자이너

대학교	졸업한 사람 수
홍익대학교	11
London College of Fashion	9
이화여자대학교	8
Central Saint Martins College of Arts and Design	7
Parsons School of Design	7
삼성디자인교육원	5

• 데이터 분석
  • 총 83개의 대학 노드 중 가장 많은 디자이너를 배출한 상위 3개 학교는 11명의 홍익대학교(8.6%), 9명의 London College of Fashion(7.0%), 8명의 이화여자대학교(6.3%)이다. 디자이너가 2개 이상의 학교를 졸업한 경우가 있으므로 중복을 제외하면 디자이너 128명 중 위의 3개 학교를 졸업한 디자이너의 수는 27명으로, 약 21.1%의 비율이다.
  • 대략 5명 중 1명은 위의 3개 학교 출신인 점을 고려하면, 홍익대학교, London College of Fashion, 이화여자대학교는 서울 패션계의 디자이너들을 연결하는 영향력 있는 대학 매개 노드 라고 할 수 있다. 학교별로 네트워크가 존재한다면, 해당 학교 출신인 디자이너가 더 많은 기회를 얻을 수 있을 것이다.

match (a:University)--(b)--(c:Designer)--(d:Company) where a.name='홍익대학교' or a.name='London College of Fashion' or a.name='이화여자대학교' return a, b, c, d

• 데이터 분석
  • 네트워크 내에서 3개 학교의 졸업생이 특정 회사에 몰려있는 경우는 없다. 회사에서의 경력이 디자이너 개인에게 하나의 포트폴리오가 될 수 있는 점을 고려했을 때, 특정 학교 출신이라고 해서 특정 회사에 입사할 수 있는 기회가 증가하는 것은 아니라고 볼 수 있다.

2-2. 디자이너 수 상위 2개 회사 노드와 소셜네트워크

match (a:Designer)-[r:worksAt]-(b:Company) with a, b, count(r) as rcount, collect(b) as C where rcount > 0 return b.name as Company, count(a) as count order by count desc

회사별 출신 디자이너

회사	경력이 있는 사람 수
삼성물산	4
한섬	3
쌈지	3
에이벨	3
디그낙	3

• 데이터 분석
  • 총 318개의 회사 노드 중 가장 많은 디자이너가 일한 경력이 있는 상위 2개 회사는 4명의 삼성물산(3.1%), 3명의 한섬 | 쌈지 | 에이벨 | 디그낙 (각 2.3%, 공동 2위의 총 비율 9.4%)이다. 한 디자이너가 여러 곳의 회사에서 일할 수 있으므로, 중복을 제외하면 디자이너 128명 중 위의 5개 회사에서 일한 경력이 있는 디자이너의 수는 12명으로, 약 9,4%의 비율이다.
  • 대략 10명 중 1명은 위의 3개 회사 출신인 점을 고려하면, 삼성물산, 한섬, 쌈지, 에이벨, 디그낙은 서울 패션계의 디자이너들을 연결하는 영향력 있는 회사 매개 노드 라고 할 수 있다. 회사별로 네트워크가 존재한다면, 해당 회사 출신인 디자이너가 더 많은 기회를 얻을 수 있을 것이다.

match (a:Company)--(b:Designer)--(c:Major)--(d:University) where a.name='삼성물산-Company' or a.name='한섬-Company' or a.name='쌈지-Company' or a.name='에이벨-Company' or a.name='디그낙-Company' return a, b, c, d

• 데이터 분석
  • 네트워크 내에서 2개 회사 출신의 디자이너가 특정 학교에서 많이 배출된 경우는 없다. 특정 학교 출신이라고 하여 디자이너가 많이 근무하는 상위 2개 회사에 근무할 수 있는 기회가 증가하는 것은 아니라고 볼 수 있다.

3. 브랜드 공동 디자이너 간의 소셜네트워크

• 문제의식: 서울패션위크에 참여한 브랜드 중에는 디자이너가 2명 이상인 경우가 있다. 이들은 어떠한 관계로 연결되어 함께 패션 브랜드를 설립한 것일까? 서울 패션계 내에서 동업자 관계의 특징은 무엇일까?

3-1. 공동 디자이너 체제인 브랜드

match (a:Designer)-[r1:isDesignerOf]-(b:Brand) with b, count(r1) as R, collect(a) as D where R > 1 return b, R, D

• 데이터 분석
  • 서울패션위크에 참여한 브랜드 117개 중 공동 디자이너 체제를 가진 브랜드는 20개이고, 관련된 디자이너는 38명이다. 약 17%의 적지 않은 비율의 브랜드가 동업자를 갖고 있다.

3-2. 공동 디자이너 간의 소셜네트워크

• 공동 디자이너 간의 소셜네트워크는 크게 가족 및 친구관계, 동문 관계, 회사동료 관계의 3가지로 구분할 수 있다.

1) 가족 및 친구관계인 경우

match (a:Designer)-[r1:isDesignerOf]-(b:Brand)-[r2:isDesignerOf]-(c:Designer)-[r]-(a) return a, r1, b, r2, c, r

• 데이터 분석
  • 공동 디자이너 체제의 브랜드 총 20개 중 15개(75%)에서 디자이너 간 가족 및 친구관계가 확인되며, 구체적으로 친구관계 5개, 자매관계 3개, 부부관계 6개이다.

2) 같은 학교 출신인 경우

match (a:Designer{name:})--(b)--(e:Designer{name:}) return a,b,e (name 안에 공동 디자이너 '이름' 각각 검색)

• 데이터 분석
  • 공동 디자이너 체제의 브랜드 총 20개 중 6개(30%)에서 디자이너 간 동문관계가 확인된다.

3) 같은 회사 출신인 경우

match (a:Designer{name:})--(b)--(e:Designer{name:}) return a,b,e (name 안에 공동 디자이너 '이름' 각각 검색)

• 데이터 분석
  • 공동 디자이너 체제의 브랜드 총 20개 중 1개(5%)에서 디자이너 간 회사동료 관계가 확인된다.

4) 결론

• 공동 디자이너 체제의 브랜드 총 20개 중 15개는 공동 디자이너 간의 연결고리가 있는 것으로 확인되었다. 공동 디자이너 체제의 브랜드 총 20개 중 5개는 공동 디자이너 간의 관계를 확인할 수 없다.
• 브랜드의 공동 디자이너 간의 관계는 대부분 가족 및 친구라는 독특한 관계이다.
• 3가지 경우 중 2개 이상에 해당하는 브랜드는 총 7개이다.
• 서울패션위크에 참여하는 브랜드 중 공동 디자이너를 가진 경우에 이들은 대부분 가족 및 친구관계로 연결되어 동업을 하는 특징이 있다.

[PART 4] 디자이너-심사위원 소셜 네트워크

1. 학력과 경력으로 보는 전반적인 디자이너-심사위원 소셜 네트워크 구조

1-1. 디자이너와 심사위원 2단계 연결된 브랜드 도출

1-1-1. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d:Judge) return a.name as 브랜드

1-1-2. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d:Judge) return a, b, c, d

• 데이터 분석
  • 1) 디자이너가 졸업한 학교의 '학과'와 심사위원이 졸업한 학교의 '학과'/심사위원이 일했던 학교의 '학과'가 동일한 경우
  • 2) 디자이너와 심사위원이 일했던 회사가 동일한 경우

1-2. 디자이너와 심사위원 3단계 연결된 브랜드 도출

1-2-1. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d)--(e:Judge) where not d.name contains '패션위크'return a.name as 브랜드

1-2-2. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d)--(e:Judge) where not d.name contains '패션위크'return a, b, c, d, e

• 데이터 분석
  • 1) 다른 디자이너와 친구 등의 관계로 맺어진 디자이너가 졸업한 학교의 '학과'와 심사위원이 졸업한 학교의 '학과'/심사위원이 일했던 학교의 '학과'가 동일한 경우
  • 2) 디자이너가 일했던 회사의 자회사와 심사위원이 일했던 회사가 동일한 경우
  • 3) 디자이너가 일했던 회사와 심사위원이 일했던 회사의 자회사가 동일한 경우

1-3. 디자이너와 심사위원 4단계 연결된 브랜드 도출

1-3-1. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d)--(e)--(f:Judge) where not d.name contains '패션위크' and not e.name contains '패션위크'return a.name as 브랜드

1-3-2. 쿼리: match (a:Brand)--(b:Designer)--(c)--(d)--(e)--(f:Judge) where not d.name contains '패션위크' and not e.name contains '패션위크'return a, b, c, d, e

• 데이터 분석
  • 1) 디자이너가 일했던 회사에서 일했던 다른 디자이너와 심사위원이 일했던 회사가 동일한 경우
  • 2) 디자이너가 졸업한 '학교'와 심사위원이 졸업한 '학교'/심사위원이 일했던 '학교'가 동일한 경우

2. 디자이너-심사위원 관계와 패션위크 참여 횟수 사이의 연관성

2-1. 쿼리: match (a:Brand)--(b:Fashionweek)return a.name as 브랜드, count(b) as 서울패션위크_참여_횟수 order by 서울패션위크_참여_횟수 desc

2-2. 관계성 단계별 패션위크 참여 횟수 데이터 정리 표

• 데이터 분석
  • 유의미한 상관관계가 발견되지 않았습니다.

[PART 5] 서울패션위크와 참여 브랜드의 매출

1. 매출과 서울패션위크

매출은 서울패션위크 브랜드 선정에 있어 40%를 차지하며 유일한 정량요소인 만큼 중요한 기준이다. 다만 점수의 기준은 공개되어 있지 않다. 서울패션위크에 참가한 브랜드의 매출을 다각도로 분석하면 매출의 기여정도를 파악할 수 있을 것이라고 기대하였다.

1-1. 매출로 살펴본 서울패션위크의 선정 기준 검토

우선, 매출과 관련된 패션위크의 선정 기준이 잘 지켜지고 있는지 살펴보았다. 패션위크는 소기업과 소공인만을 참여 대상으로 한다. 의류 사업 분야의 소기업이라 함은 평균매출액이 120억원 이하라는 조건을 충족함을 의미한다. 소공인이라 함은 상시 근로자 수가 10명 미만이라는 조건을 충족함을 의미한다. 패션위크 서울컬렉션은 5년이상 운영된 브랜드를 대상으로 하므로 평균매출액이라 함은 직전 3개연도의 매출액의 평균을 의미한다.

1) 패션위크에 참여하였고, 평균 매출액이 120억이 넘는 브랜드

• 쿼리 :

match (a:Brand)
where (a.sales_2019+a.sales_2020+a.sales_2021)/3 > 1200
return a.name as 브랜드, (a.sales_2019+a.sales_2020+a.sales_2021)/3 as 평균_매출액

평균 매출액이 120억원이 넘는 브랜드로는 랭앤루, 로우클래식, 미스지콜렉션, 송지오, 앤디앤뎁, 진태옥, 최복호, 팔칠엠엠, 페이우가 있다. 이들의 상시 근로자 수는 순서대로 10명, 35명, 39명, 35명, 55명, 130명, 34명, 26명, 10명으로 7개의 브랜드에 대해 패션위크의 참여기준이 지켜지지 아니함을 의미한다.

1-2. 브랜드의 매출 변화와 서울패션위크의 참여 여부 사이의 연관성

비록 참가기준이 정확히 지켜지지 않음을 확인하였지만, 전체 117개 브랜드 중 7개의 브랜드를 제외한 110개의 브랜드는 기준에 부합한다. 따라서 매출이 패션위크 브랜드 선정에 있어 얼마나 중요한지 연구해보았다. 브랜드의 컨셉, 디자인은 바로 다음년도에는 크게 변하지 않는다고 가정하면 매출의 변화는 다음년도 패션위크 선정 여부에 영향을 주는 유일한 변수이다. 충분한 데이터가 있는 2019년과 2020년의 데이터를 기반으로 적용해 보았다.

1) 2019시즌에 참여하였지만 2020시즌에 참여하지 못한 브랜드의 2019년 매출과 2020년 매출.
(단, 통상적으로 ss시즌은 전년도 가을에, fw시즌은 당해 연도 봄에 이루어지지만 원활한 비교를 위해 각 시즌은 당해 년도에 발생하였다고 가정하였다.)

• 쿼리 :

match (a:Brand)--(f:Fashionweek)
where f.name contains '19' and not f.name contains '20' and a.sales_2019 is not null and a.sales_2020 is not null
return a.name as 브랜드, a.sales_2019 as 매출_2019년, a.sales_2020 as 매출_2020년

2019시즌에는 참여하였지만, 2020시즌에는 참여하지 못한 18개 브랜드 가운데 2019년 매출 대비 2020년 매출이 증가한 경우는 7개, 감소한 경우는 11개이다. 이를 두고 매출의 감소가 브랜드의 선정에 악영향을 끼친다고 해석하는 것은 무리일 수도 있다. 하지만 매출이 증가하였지만 참여하지 못한 브랜드의 경우 전체 브랜드 매출 평균에 미치지 못한다는 사실을 함께 고려하면, 매출의 감소가 브랜드의 선정에 부정적 상관관계를 가진다는 해석은 타당한 것으로 보인다.

1-3. 매출과 서울패션위크로 살펴본 디자이너-심사위원 사이의 관계

이어서, part4에서 진행한 디자이너-심사위원과의 관계를 더 깊게 분석하고자, 패션위크 선정 브랜드의 매출을 결부하여 관계가 있는지 분석해 보았다. 만약 디자이너와 심사위원 사이에 학력과 경력을 통해 유착관계가 형성되어 있어 정성평가에서 높은 점수를 받았다면 그 디자이너의 브랜드는 정량평가에서 낮은 점수를 받았음에도 패션위크에 선정되었을 것이다.

1) 심사위원과 학연(전공) 관계가 있는 디자이너가 운영하는 브랜드의 매출

• 쿼리 :

match (a:Brand)--(b:Designer)--(c:Major)--(d:Judge)
where a.sales_2020 is not null
return a.name as 브랜드, b.name as 디자이너, a.sales_2020 as 매출_2020년

2) 심사위원과 학연(대학) 관계가 있는 디자이너가 운영하는 브랜드의 매출

• 쿼리 :

match (a:Brand)--(b:Designer)--(c:Major)--(d:University)--(e:Major)--(f:Judge)
where a.sales_2020 is not null
return a.name as 브랜드, b.name as 디자이너, a.sales_2020 as 매출_2020년

3) 심사위원과 경력 관계가 있는 디자이너가 운영하는 브랜드의 매출

• 쿼리 :

match (a:Brand)--(b:Designer)--(c:Company)--(d:Judge)
where a.sales_2020 is not null
return a.name as 브랜드, b.name as 디자이너, d.name as 심사위원, a.sales_2020 as 매출_2020년

13개의 운영 디자이너와 심사위원과 관계가 있는 브랜드들의 2020년 매출은 로우클래식과 송지오 단 두 브랜드를 제외하고는 크게 밑돌았다. 2020년에 서울 패션위크에 참여한 총 45개의 브랜드 가운데 11개의 브랜드가 심사위원과 연결된 관계가 있어 전체 브랜드 매출 평균에 크게 못미침에도 선정된 것을 두고 브랜드의 선정이 공정하게 이루어 졌는지 의문을 가지는 것이 가능하다. 이는 앞에서 브랜드가 2019년에는 참여하였지만 2020년에는 참여하지 못한 것에 매출이 요인으로 작용하였을 수 있다는 결과를 고려하면 더욱 그렇다.
이하의 내용은 앞선 파트에서 분석한 결과와 매출을 결부시켜 추가적인 의미를 찾아내고자 진행한 연구의 결과이다.

2. 매출과 디자이너

브랜드의 매출과 디자이너의 경력 및 학력이 유의미한 상관관계가 있는지 분석해보고자 하였다. 패션위크에 참여한 전체 브랜드의 2019년 매출 평균, 약 20억원을 기준으로 하여 경력, 학력, 유학 여부 등을 다각도로 분석하였다.

2-1. 2019, 2020, 2021 매출 중 20억원 이상인 경우가 있는 브랜드의 디자이너의 경력

• 쿼리:

match (a:Brand)--(b:Designer)--(c:Company)
where a.sales_2019 > 2000 or a.sales_2020 > 2000 or a.sales_2021 > 2000
return a, b, c

전체 브랜드 매출 평균보다 높은 매출을 기록한 브랜드들의 디자이너는 많은 회사에서 다양한 경력을 쌓았음이 보인다.

2-2. 2019, 2020, 2021 매출 중 20억원 이상인 경우가 있는 브랜드 디자이너의 졸업 학교의 국내, 해외 여부

• 쿼리:

call{
    match (a:Brand)--(b:Designer)-[r:graduates]-(c:Major)--(d:University)
    where (a.sales_2019 > 2000 or a.sales_2020 > 2000 or a.sales_2021 > 2000) and d.study = 'abroad'
    with '해외' as study, count(b) as count
    return study, count
    union all
    match (a:Brand)--(b:Designer)-[r:graduates]-(c:Major)--(d:University)
    where (a.sales_2019 > 2000 or a.sales_2020 > 2000 or a.sales_2021 > 2000) and d.study = 'domestic'
    with '국내' as study, count(b) as count
    return study, count
}
return study, count 

해외 유학 경험이 있는 디자이너는 9명, 없는 디자이너는 12명이다. 전체 디자이너 가운데 해외 유학 경험이 있는 디자이너는 47명, 없는 디자이너는 42명임을 고려해도, 크게 유의미한 관계는 볼 수 없었다.

2-3. 패션을 전공하지 않은 디자이너의 브랜드의 매출

• 쿼리:

match (a:Brand)--(b:Designer)--(c:Major)
where (a.sales_2019 is not null or a.sales_2020 is not null or a.sales_2021 is not null) and c.category='비패션'
return a.name as 브랜드, b.name as 패션을_전공하지_않은_디자이너, a.sales_2021 as 매출_2021년, a.sales_2020 as 매출_2020년, a.sales_2019 as 매출_2019년

디자이너 최복호와 크레용 리를 제외하면 패션을 전공하지 않은 모든 디자이너들은 전체 브랜드 매출 평균에 못미치는 매출 성과를 보여주고 있음을 알 수 있다. 특히 크레용 리의 경우 패션을 전공한 디자이너 코코제이 리와 키옥을 함께 운영하므로 사실상 패션을 전공하지 않았지만 평균 이상의 매출을 보여주는 디자이너는 최복호 한명 뿐이다. 매출에 있어 충분한 성과를 보여주는 것과 패션을 전공하는 것 사이에는 유의미한 상관관계가 있다고 결론내릴 수 있을 것 같다.

연구 후기

JJW22KU

🐰

처음에 그냥 툭 던진 주제가 실제 발표 주제가 되어 당황했지만, 조원들의 많은 노력 덕분에 이렇게 발표까지 나아갈 수 있었던 것 같습니다🥺🥺 연구를 진행하면서 어려운 부분이 많았지만, 교수님들과 조원들의 도움 덕분에 잘 헤쳐나갈 수 있었던 것 같습니다. 팀플에 이렇게까지 많은 시간을 써본 적은 처음이었는데, 다들 군말 없이 잘 해내주어서 정말 감사했습니다. 막막했던 처음과 다르게 마지막에는 잘 마무리할 수 있어서 다행이고, 발표 준비를 통해 데이터 인문학에 대해 새롭게 배워나갈 수 있어 좋은 시간이 되었던 것 같습니다!

MCW22KU

🍏

처음에는 데이터인문학 프로젝트가 막막하게 느껴졌고, 정말 무엇인가를 완성할 수 있는 것인지 걱정이 되었지만 좋은 조원들과 함께 달려온 결과 드디어 연구가 완성되었습니다.ヾ(≧▽≦*)o 이 연구를 통해 서울 패션계를 이해할 수 있었습니다. 데이터를 직접 수집하는 것부터 연구 결과를 도출하기까지의 긴 과정에 직접 참여해보는 것이 쉽게 오는 기회도 아니고 쉬운 일도 아니지만, 해내서 뿌듯하고 모든 순간이 소중한 경험으로 남을 것 같습니다. 궁금한 점을 물어보면 항상 친절하게 알려주고 부족한 저를 도와준 조원들에게 감사합니다. Passion팀 최고 👍

YHU22KU

🐣

데이터 인문학 강의는 새로운 것을 많이 알고 익히는 유익한 시간이었다. 연구는 좋은 조원들과 함께하여 좋은 결과가 있었고 그렇기에 큰 행운이었다고 생각한다. 초기에는 의욕이 앞서 이것저것 마구잡이로 조사하였었다. 그러다 여러 난관에 봉착하기도 하였고 기대했던 것과는 다른 결과가 나오며 고착상태에 빠진 적도 있었다. 하지만 문제의식의 재검토와 적절한 설게, 충분한 데이터, 그리고 조원들과의 협력으로 의미있는 성과에 이를 수 있었으며 결과적으로 우리의 연구는 성공적이었다고 생각한다. 매출부분에 대한 연구결과를 맡았는데, 유의미한 상관관계를 다수 발견한 것 같아 큰 성취감을 거둘 수 있었다.

JGE22KU

🎁

데이터인문학이라는 것에 대해 처음 배울 때에는 너무 추상적이라고 생각되기도 했고, 연구 주제를 잡는 것부터 어렵게 느껴졌습니다. 그런데 조원들 덕분에 너무 좋은 주제를 잡은 후부터는 방향이 확실해졌던 것 같습니다. 사실 처음에는 서울패션위크가 뭔지도 정확히 알지 못했는데, 연구를 위해 많은 조사를 하고 데이터를 채워넣으면서 심사기준이 있다는 것도 알게 되고 패션계의 네트워크를 알 수 있었습니다. 이렇게 특정 주제를 잡아서 데이터 조사와 정리, 분석을 통해 인문학적 데이터를 만들어낼 수 있다는 것이 정말 특별하고 흥미롭게 다가왔습니다. 이번 기회로 데이터 관련 분야에서 더 많은 경험을 해보고 싶다는 생각이 들었습니다. 항상 누가 시키지 않아도 스스로 먼저 나서서 하려는 우리 조원들 진짜진짜 최고!!! 그리고 언제든지 질문하면 좋은 피드백을 주시고, 귀여운 온톨로지 이미지도 추가해주시는 교수님도 최고! 덕분에 재미있는 연구 과정이 있었던 것 같습니다!🥰

코멘트

죽생사

KWY22KU

🐰

흠잡을 것이 어려울 정도로 좋은 발표와 연구였다고 생각합니다. 기본적으로 이 분야에 대해 많이 연구한 것이 분명히 드러났고, 특별한 관계들에 관심을 두고 더 깊이 연구하는 모습이 멋있다고 생각했습니다. 무엇보다 옷에 대해 문외한이어서 발표가 정말 흥미로웠습니다. 사실 아는 게 많지 않아 기본적인 사항부터 민망하게도 질문이 많았던 발표기도 했습니다. 예를 들어 궁금했던 질문 중 하나로 패션위크의 이름은 열린 때를 기준으로 삼는가, 아니면 패션위크에서 다뤄질 옷의 계절인가?였습니다. 아직 가을/겨울이 안됐는데 어떻게 이미 2022 F/W 패션위크를 열 수 있지?라고 생각했는데 검색해 보니까 미리 그때 있을 유행과 디자인에 대해 이야기하는 자리라는 것을 알 수 있었습니다. 처음에는 디자이너들의 학력이나 경력, 인간관계를 통해 어떤 것을 보고 싶었을까에 대해 궁금증이 일었지만, 중간중간에 '문제의식'을 써줘서 바로바로 가지고 있던 궁금증을 해소할 수 있는 발표였다고 생각합니다.

HSR22KU

🍻

저 또한 패션에 관심이 많아 굉장히 흥미롭던 주제였습니다. 특히 디자이너간의 관계를 분석한 점과 패션 전공의 여부에 따른 매출 분석도 너무 재미있었습니다. 더불어 다양한 결과를 도출해내셔서 정말 배울 점이 많다고 느꼈습니다. 디자이너의 회사 경력과 매출 분석 등은 정말 참신했습니다.패션계에 종사하고 있으신 분들께 정말 많은 도움이 될 것 같은 연구였습니다. 정말 수고하셨습니다.

CES22KU

🐣

문문

PJB22KU

🐰

KMG22KU

😊

패션에 관심이 있는 사람이 보기에도 재밌는 연구일 것 같은데, 특히 패션계에 몸담고 있는 사람에게 도움이 될 연구라고 생각합니다. 디자이너와 학력의 관계, 지인 관계가 어떻게 실제로 업계에 영향을 미치고 있는지를 명확하게 확인할 수 있었고, 이 관계에 대한 연구자의 주관적인 판단을 들을 수 있어서 좋았습니다.

RSW22KU

🐣

서울패션위크와 관련된 인물들에 관한 정보를 중심으로 패션에 대한 데이터를 정리한 것이 참신했습니다. 특히 학력을 중점으로 결과를 도출한 것 같은데 결과가 흥미로웠고 유의미한 결과를 잘 도출해내신 것 같습니다.

CMS22KU

🤟🏻

맛있조

PJH22KU

🐰

패션은 전공을 했고 안했고 차이가 없을줄 알았는데 이렇게 유의미한 차이가 있다는게 흥미로웠습니다.

WDH22KU

😊

디자이너-심사위원 관계와 패션위크 참여 횟수를 세어 둘의 관계성이 없다는 것을 밝혀내신 게 정말 인상깊었습니다! 온톨로지 설계부터 단계별 과정들이 탄탄했던 것 같아서 발표도 흥미롭게 잘 들었습니다:)

KDH22KU

🐣

데이터와 분석결과의 방대한 양을 보고 놀랐습니다. 다방면으로 접근하고, 다양한 결과와 의미를 이끌어내신 점이 감명깊었고, 다양한 정보를 얻을 수 있었습니다. 예술계는 연줄로 이루어져 있을 것이라는 추측만 해왔는데, 이를 서울패션위크의 다양한 플레이어들을 대상으로 실제 데이터를 통해 살펴보니 더욱 흥미롭고 유의미한 내용이었습니다. 특히 저희 조 또한 쉐프들간의 관계성 분석을 시도하려고 계획하고 이행하지 못했는데, 패션조에서 관계성 분석을 깊이 있게 진행해주셔서 더욱 재미있게 들었습니다.

KYB22KU

🤟🏻

서울 패션위크라는 주제 자체가 매우 참신하다고 생각했습니다. 시작부터 엄청 꼼꼼하게 진행되었던 팀이라 기대되었는데 역시 방대한 데이터를 잘 정리하여 인상적이게 느껴졌습니다. 디자이너와 디자이너 간의 관계성까지 분석하였다는 점이 놀라웠습니다. 디자이너와 심사위원의 관계를 본 점도 유의미하다고 생각하였습니다. 우리가 사전에 배웠던 데이터 인문학 사이트들이 떠올라서 더 재미있게 느껴졌습니다.

데이터인빌딩

CWY22KU

🐰

서울의 패선위크라는 것이 있다는 점에 대해 알게 되어 흥미로웠습니다. 부부 등 가족으로 이루어진 디자이너들이 있다는 점이 재미있었습니다. 디자이너들은 대부분 패디과를 나올 것이라고 생각했는데 그렇지 않은 점을 알게 되었습니다.

PSY22KU

😊

모든 발표를 보면서 각 팀의 조사 양에 놀랐는데, 패션팀 가장 방대한 양을 조사, 정리하신 것 같아서 정말 대단하다 느꼈습니다. 보기보다 의미있는 해석을 내는 것이 어려우셨을 것 같은데, 흥미로운 해석들이 많았습니다. 특히 디자이너들 간의 관계들 인상 깊었습니다.

LDM22KU

🐣

패션산업에 관심이 있어서 재미있게 들었습니다! 특히 학력을 조사하신 부분에서 비패션전공분들도 브랜드를 많이 런칭한다는 사실, 그래도 패션관련전공자가 더 유리하다는 사실이 흥미로웠습니다. 연구의 매끄러운 진행이 대단하다고 생각했습니다.

AGM22KU

🤟🏻

매출이 평균에 미치지 못함에도 선정되었음을 밝혀 공정성에 의문을 제기하신 부분이 인상적이었습니다. 한 학기 동안 열심히 연구하시고 발표까지 잘 마치신 점이 대단한 것 같습니다. 흥미로운 발표 감사합니다.

서닷잉

CSY22KU

🐰

역시 에이스 팀,, 착착 진행해나가시는 모습이 멋있었는데 결과물도 알차게 나온 것 같아요! 재밌게 들었습니다!

CDH22KU

😊

서울패션위크의 존재를 처음 알게 되었습니다. 패션계에서는 패션을 전공하는 것이 큰 도움이 된다는 결론이 인상적이었습니다.

SHW22KU

🐣

하나의 주제에 대해 다방면으로 연구하셔서 서울패션위크라는 데이터를 입체적으로 볼 수 있어 좋았습니다. 특히 심사위원과의 학연을 분석한 게 인상적이었고 매출과 패션위크 참여 브랜드, 그리고 매출과 패션 전공 유무를 관련지어 분석한 것도 재밌었습니다. 데이터 인문학에 소질있으신 분이 많은 팀인 것 같아요..!

JSH22KU

🤟🏻

디자이너, 심사위원 간의 관계를 굉장히 다방면에서 조사한 것 같아 흥미로웠고 완성도 높은 연구를 하신 것 같습니다!

참고 자료

• 1. 『서울패션위크』^online, 서울패션위크.
• 2. 곽기영, 『소셜네트워크 분석 제 2판』, 청람, 2017.
• 3. "홀리넘버세븐", BRAND & LOOKBOOK, 『패션코드』^online, 패션코드.
• 4. 패션비즈 취재팀, 「황은나·황은지 엔엔에이 대표」, 『패션비즈』, 2017.7.7., 『패션비즈』^online, 패션비즈.
• 5. 이영희, 「2019F/W 서울패션위크 지상전 (상) - 新·舊 뭉쳐야 ‘세계 5대 패션위크’ 목표 다가선다」, 『한국섬유신문』, 2019.3.22., 『한국섬유신문』^online, 한국섬유신문.
• 6. 노지영, 「“‘서리얼벗나이스’만의 스토리로 해외시장 진출했죠”」, 『패션인사이트』, 2015.6.12., 『패션인사이트』^online, 패션인사이트.
• 7. 유민정, 「인터뷰 - ‘앤디앤뎁’ 김석원, 윤원정 디자이너 듀오」, 『어패럴뉴스』, 2018.12.7., 『어패럴뉴스』^online, 어패럴뉴스.
• 8. "Rocket X Lunch 디자이너 우진원, 김은혜 interview", conTAGyou, 『더블유컨셉코리아』^online, 더블유컨셉코리아.
• 9. 경지유, 「[단독인터뷰 최진우-구연주, 이 부부가 제이쿠 디자이너로 사는 법]」, 『제니스글로벌뉴스』, 2017.8.28., 『제니스글로벌뉴스』^online, 제니스글로벌뉴스.
• 10. 박지은, 「[미니인터뷰 K패션 디자이너 브랜드 ‘강혁’, 내년엔 더 자주 보일겁니다]」, 『아시아투데이』, 2020.12.15., 『아시아투데이』^online, 아시아투데이.
• 11. 이성희, 「[2007 문화계 주목 이사람 <7.끝> 패션 디자이너 송자인]」, 『한국일보』, 2007.1.8., 『한국일보』^online, 한국일보.
• 12. 곽명동, 「'비뮈에트' 서병문·엄지나, "어셔가 스트릿 셔츠 입어 깜짝 놀랐죠"[MD인터뷰]」, 『마이데일리』, 2020.5.25., 『네이트』^online, 네이트.
• 13. 최정윤, 「[트렌드100-46 알쉬미스트(R.SHEMISTE) 원지연·이주호 "K-유스컬처를 말하다]」, 『조선일보』, 2017.9.21., 『조선일보』^online, 조선일보.
• 14. 정은진, 「모델 김원중 친구 박지운과 만든 브랜드 ‘87mm’ 10년 우정 화제」, 『국제신문』, 2019.9.3., 『국제신문』^online, 국제신문.
• 15. 이정은, 「글로벌 시티즌과 함께하는 여정, 투미」, 『더네이버』, 2015.7.23., 『더네이버』^online, 아이매거진코리아닷컴.
• 16. 최선희, 「랭앤루, 박민선·변혜정 공동대표」, 『톱클래스』, 제10월호, 2013.10. 『톱클래스』^online, 톱클래스.
• 17. 이혜린, 「[특집 인터뷰 패션 디자이너 김진영-이수연 ② "16년 인연, 안 싸우냐고요?"]」, 『제니스글로벌뉴스』, 2019.4.18., 『제니스글로벌뉴스』^online, 제니스글로벌뉴스
• 18. 김해림, 「세계 3대 '패션스쿨'은 어디일까?」, 『에듀진』, 2018.12.31., 『에듀진』^online, 에듀진

주석

방문자 코멘트

• 자유롭게 코멘트를 남겨 주세요!