홈›데이터 찾기›산업통상부_엔지니어링사업자현황_지역별 신고유형별 현황
산업통상부_엔지니어링사업자현황_지역별 신고유형별 현황
읽기 쉬운 제목(검토 전) 엔지니어링사업자현황 · 지역별 신고유형별 현황
산업통상부 · 엔지니어링디자인과 · 공공데이터포털 원본 ↗
준비 단계품질 진단 기준을 충족한 AI Ready 데이터입니다. 품질 판정서 보기 · 준비 단계란?
본 데이터는 엔지니어링사업자의 지역별 ·신고유형별 사업자 현황을 연도별로 집계한 통계 자료이다.
기관이 작성한 데이터 설명 전체
본 데이터는 엔지니어링사업자의 지역별 ·신고유형별 사업자 현황을 연도별로 집계한 통계 자료이다. 신고유형(대기업, 중소기업, 기타)은 「엔지니어링산업진흥법 시행령」에 따라 사업자가 직접 선택하여 신고한 유형이다. 지역 구분은 사업자의 소재지를 기준으로 하며, 전국 17개 시·도(서울, 부산, 인천, 대구, 광주, 대전, 울산, 세종, 경기, 강원, 충북, 충남, 전북, 전남, 경북, 경남, 제주)로 따라 구분하였다. 이 자료는 우리나라 엔지니어링산업의 현재 위치를 객관적으로 보여주며, 정부 정책 수립 및 연구를 위한 기초 통계자료로 활용될 수 있다. 또한 산업 경쟁력 평가, 인력수급계획 수립, 기술 분야별 지원 사업 기획 등 다양한 분야에서 폭넓게 활용 가능 하다.
산업고용 - 산업·중소기업일반엔지니어링엔지니어링 사업자엔지니어링 통계연도별지역별신고유형사업자현황
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
33행 × 원본 19열 (+정제 2열)
CSV 3 KB · Parquet 7 KB
기간
2014 – 2024
연도 기준 · 99% 범위
공간 단위
해당 없음
결측
0.0%
항목 평균
정제 범위
2/19 항목 · 정제값이 있는 셀 83.3%
원본 열은 그대로 보존
데이터 내용
신고유형엔지니어링사업자가 신고 시 직접 선택한 기업 규모 구분유형 문자형분류 코드 · 분류결측 0%정제 정제 66.7%
엔지니어링사업자가 신고 시 직접 선택한 기업 규모 구분
정제 열 정제_신고유형
예: 대기업 중소기업 기타
연도엔지니어링사업자 수가 지역별·신고유형별로 집계된 해유형 숫자형분류 —결측 0%정제 정제 100.0%
엔지니어링사업자 수가 지역별·신고유형별로 집계된 해
정제 열 정제_연도
예: 2014 2015 2016
서울표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 10 ~ 1,705 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 10 ~ 1,705 범위의 정수 수치
예: 109 100 1561
부산표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 2 ~ 356 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 2 ~ 356 범위의 정수 수치
예: 8 18 7
인천표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 0 ~ 249 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 0 ~ 249 범위의 정수 수치
예: 4 3 5
대구표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 code 형태의 값유형 문자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 code 형태의 값
예: 1(11) · 5(5) · 80(2) · …
광주표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 code 형태의 값유형 문자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 code 형태의 값
예: 0(12) · 2(7) · 1(2) · 3…
대전표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 2 ~ 269 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 2 ~ 269 범위의 정수 수치
예: 4 16 15
울산표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 0 ~ 129 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 0 ~ 129 범위의 정수 수치
예: 5 4 6
세종표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 code 형태의 값유형 문자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 code 형태의 값
예: 0(12) · 3(5) · 4(3) · 4…
경기표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 12 ~ 1,965 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 12 ~ 1,965 범위의 정수 수치
예: 64 49 48
강원표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 1 ~ 396 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 1 ~ 396 범위의 정수 수치
예: 2 22 21
충북표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 1 ~ 303 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 1 ~ 303 범위의 정수 수치
예: 2 3 24
충남표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 2 ~ 401 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 2 ~ 401 범위의 정수 수치
예: 3 2 17
전북표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 1 ~ 306 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 1 ~ 306 범위의 정수 수치
예: 1 11 10
전남표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 4 ~ 514 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 4 ~ 514 범위의 정수 수치
예: 5 32 7
경북표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 8 ~ 614 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 8 ~ 614 범위의 정수 수치
예: 12 10 38
경남표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 4 ~ 503 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 4 ~ 503 범위의 정수 수치
예: 7 25 6
제주표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 code 형태의 값유형 문자형분류 코드 · 분류결측 0%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 code 형태의 값
예: 0(12) · 3(4) · 4(4) · 2…
찾는 항목이 없습니다.
상위 5행 · 19열 중 12열 · 나머지는 데이터 팩에 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 서울 | 부산 | 인천 | 대구 | 광주 | 대전 | 울산 | 세종 | 경기 | 강원 | 신고유형 | 정제_신고유형 | 연도 | 정제_연도 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 100 | 2 | 3 | 1 | 0 | 5 | 1 | 0 | 38 | 1 | 대기업 | 대기업 | 2014 | 2014 | 0_17ec1471 |
| 118 | 7 | 4 | 1 | 0 | 3 | 3 | 0 | 49 | 2 | 대기업 | 대기업 | 2015 | 2015 | 1_6ee282c6 |
| 116 | 7 | 6 | 1 | 0 | 3 | 3 | 0 | 49 | 2 | 대기업 | 대기업 | 2016 | 2016 | 2_6688ad9b |
| 106 | 8 | 4 | 1 | 0 | 4 | 4 | 0 | 48 | 2 | 대기업 | 대기업 | 2017 | 2017 | 3_3b631a11 |
| 109 | 8 | 4 | 1 | 0 | 5 | 4 | 0 | 48 | 2 | 대기업 | 대기업 | 2018 | 2018 | 4_25a52ecd |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15065285/data/dataset-15065285.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15065285)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }
연결 기준이 같은 데이터
121종 중 공유하는 기준이 많은 순 · 기준(항목 종류)이 동일하다는 의미이며, 실제 값의 일치 여부는 확인하지 않았습니다(값 미확인)