KOIIAAI Ready Data 처음으로

홈›데이터 찾기›한국산업단지공단_공장등록현황통계_시도별 공장규모 현황

한국산업단지공단_공장등록현황통계_시도별 공장규모 현황

읽기 쉬운 제목(검토 전) 공장등록현황통계 · 시도별 공장규모 현황

한국산업단지공단 · 입지지원팀 · 공공데이터포털 원본 ↗

데이터 ID 15085504 · 버전 1.0.0 · 최초 등록 2021-08-05 · 2026-03-17 갱신 · 월간

준비 단계품질 진단을 하였으나 기준에 미달하였습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?

공장등록현황통계의 시도별 공장규모현황 csv 파일로, 한국의 17개 시도에 대한 공장면적현황을 데이터 기준일자로 제공하고 있습니다.

기관이 작성한 데이터 설명 전체
공장등록현황통계의 시도별 공장규모현황 csv 파일로, 한국의 17개 시도에 대한 공장면적현황을 데이터 기준일자로 제공하고 있습니다.
공장등록규모는 소기업, 중기업, 대기업, 중견기업로 나뉘어져 있으며, 공장설립 민원 데이터를 토대로 작성하였습니다.
17시도의 경우 광역시도에 대한 기준으로 서울, 인천, 경기, 강원, 충북, 충남, 대전, 전남, 전북, 광주, 경북, 대구, 경남, 부산, 울산, 제주, 세종 등으로 구분되어 있습니다.
해당 데이터는 공장설립온라인지원시스템(www.factoryon.go.kr)을 통해 전국 지자체 및 관리기관에서 등록한 민원 데이터를 토대로 작성하였습니다.

공공행정 - 일반행정공장등록현황시도별공장규모공장통계공장규모전국공장규모

활용 적합성 요약 팩에서 계산한 값 · 판정 아님

규모

5행 × 원본 19열 (+정제 2열)

CSV 1 KB · Parquet 6 KB

기간

2026

년월 기준 · 99% 범위

공간 단위

해당 없음

결측

69.2%

항목 평균 · 충북 69%

연결 기준

1종 · 121개 데이터

시도

정제 범위

2/19 항목 · 정제값이 있는 셀 100.0%

원본 열은 그대로 보존

데이터 내용

년월시도별 공장 등록 규모 현황을 집계한 기준 일자유형 날짜형분류 날짜결측 69%정제 정제 100.0%

시도별 공장 등록 규모 현황을 집계한 기준 일자

정제 열 정제_년월

예: 2026-02-28

등록현황공장을 기업 규모(소기업·중기업·중견기업·대기업)로 나눈 집계 항목의 명칭유형 문자형분류 코드 · 분류결측 69%정제 정제 100.0%

공장을 기업 규모(소기업·중기업·중견기업·대기업)로 나눈 집계 항목의 명칭

정제 열 정제_등록현황

예: 규모(소기업) 규모(중기업) 규모(대기업)

서울표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 11 ~ 10,798 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 11 ~ 10,798 범위의 정수 수치

예: 18 422 10798

부산표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 12 ~ 10,688 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 12 ~ 10,688 범위의 정수 수치

예: 35 633 10688

대구표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 11 ~ 8,467 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 11 ~ 8,467 범위의 정수 수치

예: 36 520 8467

인천표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 19 ~ 13,307 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「인천」에 해당하는 값 · 셀은 19 ~ 13,307 범위의 정수 수치

예: 57 658 13307

광주표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 3 ~ 4,673 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 3 ~ 4,673 범위의 정수 수치

예: 22 238 4673

대전표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 7 ~ 3,865 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 7 ~ 3,865 범위의 정수 수치

예: 29 217 3865

울산표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 21 ~ 2,733 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「울산」에 해당하는 값 · 셀은 21 ~ 2,733 범위의 정수 수치

예: 83 410 2733

세종표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 4 ~ 802 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「세종」에 해당하는 값 · 셀은 4 ~ 802 범위의 정수 수치

예: 11 90 802

경기표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 84 ~ 74,375 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「경기」에 해당하는 값 · 셀은 84 ~ 74,375 범위의 정수 수치

예: 245 3594 74375

강원표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 30 ~ 9,338 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「강원」에 해당하는 값 · 셀은 30 ~ 9,338 범위의 정수 수치

예: 122 926 9338

충북표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 44 ~ 11,032 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「충북」에 해당하는 값 · 셀은 44 ~ 11,032 범위의 정수 수치

예: 126 1198 11032

충남표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 18 ~ 7,825 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「충남」에 해당하는 값 · 셀은 18 ~ 7,825 범위의 정수 수치

예: 63 402 7825

전북표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 26 ~ 15,314 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「전북」에 해당하는 값 · 셀은 26 ~ 15,314 범위의 정수 수치

예: 126 1071 15314

전남표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 47 ~ 19,359 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「전남」에 해당하는 값 · 셀은 47 ~ 19,359 범위의 정수 수치

예: 102 1339 19359

경북표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 2 ~ 756 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「경북」에 해당하는 값 · 셀은 2 ~ 756 범위의 정수 수치

예: 4 16 756

경남표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 7 ~ 4,079 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「경남」에 해당하는 값 · 셀은 7 ~ 4,079 범위의 정수 수치

예: 14 218 4079

제주표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 16 ~ 7,497 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 69%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「제주」에 해당하는 값 · 셀은 16 ~ 7,497 범위의 정수 수치

예: 63 512 7497

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

서울부산대구인천광주대전울산세종경기강원등록현황정제_등록현황년월정제_년월행 식별값
1835365722298311245122규모(소기업)소기업2026-02-282026-02-280_6258a1e5
422633520658238217410903594926규모(중기업)중기업2026-02-282026-02-281_621ed6de
1079810688846713307467338652733802743759338규모(대기업)대기업2026-02-282026-02-282_3d29cb61
11121119372148430규모(중견기업)중견기업2026-02-282026-02-283_4f7f6b02
4_a8fb4853
프로그램 · AI에서 활용 개발자용 코드 예시

필요한 패키지: pandas · pyarrow

import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15085504/data/dataset-15085504.parquet")

에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15085504)

{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }
데이터 팩 내려받기 · 18 KBCSV