mk book

  • 신간도서
  • 구분선
  • MK평점
  • 구분선
  • 북 뉴스
  • 구분선
  • 이벤트
  • 구분선
  • My book list
  • 구분선
  • Ranking list
  • 매경출판
  • 구분선
  • 독서클럽
  • 구분선
  • 북다이제스트
도서 상세
분야별신간 이미지

빅데이터로 예측하는 대한민국 부동산의 미래

조영광 지음미지biz

19,800원

책 소개
변곡점에 선 부동산시장, 데이터는 알고 있다
2018년 대한민국 부동산시장은 변곡점에 서 있다. 지난 4년간의 호황은 평균적인 주택 사이클에 비해 길었고, 주택 가격의 상승폭 역시 연 2~3%의 경제성장률에 비하면 꽤 매력적이었다. 하지만 2018년, 대한민국 부동산시장은 불확실성의 시대를 지나고 있다. 44만 호라는 역대 최다 입주 물량이 기다리고 있고, 금리 인상도 시작되었다. 지방은 이미 2016년부터 둔화 혹은 하락세로 접어들고 있다.
주택 경기가 2008년 금융 위기 직후의 대세적 하락기 혹은 2015년의 대세적 상승기라면 데이터로 주택시장을 분석하는 일은 의미가 없을지도 모른다. 굳이 데이터라는 현미경으로 보지 않더라도 직관의 눈만으로도 확연히 구분되기 때문이다. 그러나 시장의 시그널이 뚜렷한 방향성을 보여주지 않을 때는 장기적 관점에서의 객관적인 위치 파악이 중요하다. 수많은 사례로 검증된 객관적인 기준이 필요하다. 이것을 데이터가 해줄 수 있다.
데이터는 흔적을 남긴다. 과거의 시장 흐름과 현재의 흐름을 명료하게 보여준다. [빅데이터로 예측하는 대한민국 부동산의 미래]에서 소개하는 ‘입주 물량×주택 순환주기’ 그래프는 바로 이러한 시장의 모습을 적나라하게 보여줌으로써 주택시장의 현재와 미래에 대한 ‘객관적 통찰’을 제공한다.
또한 [빅데이터로 예측하는 대한민국 부동산의 미래]는 공급량과 주택 순환주기 같은 주택시장의 핵심 데이터뿐 아니라 주택시장의 미래를 잘 설명해주는 경제, 정치, 인구, 교통, 심리 등 주택시장을 둘러싼 다양한 분야의 지표도 소개한다. ‘저자의 경험에 따르면…’ 같은 검증을 생략한 소개 대신 직접 해당 지표와 주택 지표와의 상관성을 일일이 검증함으로써 데이터를 다루는 책의 기본을 잃지 않는다.
데이터를 전달하는 방법 또한 기본적인 그래프뿐 아니라 최고의 케미를 보여주는 두 가지 데이터를 함께 표현한 ‘2×2 매트릭스’를 활용해 한눈에 부동산시장의 흐름을 볼 수 있도록 구성했다.
대한민국 주택시장의 현재 그리고 미래를 알려주는 검증된 데이터를 통해 [빅데이터로 예측하는 대한민국 부동산의 미래]를 읽는 독자들은 2018년 변곡점에 선 주택시장을 스스로 진단할 수 있는 ‘눈’을 갖게 될 것이다.

이 책의 구성
이 책은 총 4개의 파트와 [책 속의 책]으로 구성되어 있다. PART 1에서는 우리나라 주택시장의 거시적인 흐름을 전망하기 위한 데이터를 소개한다. 해당 데이터들은 지은이가 지난 8년간 대형 건설사에 근무하며 주택시장을 예측하면서 전국 평균의 흐름을 잘 설명해주는 데이터들로 선별한 것이다. 선별된 데이터들은 ‘가격, 수급’ 같은 전통적인 주택시장 데이터뿐만 아니라 ‘인구, 교통 개발, 경제 동향 그리고 경제정책 같은 거시 데이터를 망라한다. 물론 해당 데이터가 우리나라 주택시장의 중장기 흐름을 얼마나 잘 설명하는지는 검증 과정을 거칠 것이며, 그 최근 동향을 살펴봄으로써 우리나라 주택시장의 미래 흐름을 진단한다.
PART 2에서는 전국의 시도 단위뿐 아니라 시·군·구 단위까지 ‘쪼개서’ 하위 시장의 수급 분석과 주택 가격의 적정 수준을 진단하고 향후 추세를 전망한다. 또한 시도별로 상위 주택시장을 대표하는 시·군·구와 독립적인 흐름을 가진 시·군·구에 대해 정리한다. 이를 통해 ‘00시의 흐름을 보려면 00구의 주택시장을 보면 된다’, ‘00구는 00시와 달리 독립적인(상관성이 없는) 주택시장이므로 별개로 봐야 한다’ 같은 통찰력을 얻을 수 있을 것이다. 지은이의 개인적인 실전 시장 예측 스토리도 들어 있는 PART 2에서는 지은이가 2013년 당시 저점을 통과하던 경기도 지역과 리스크가 큰 지방 소도시의 시장성을 예측하여 분양에 성공한 사례도 소개한다. 누구나 알 수 있는 ‘부동산 입지’가 아닌 ‘보이지 않는 시장의 흐름’을 읽어낸 사례를 통해 실전용 주택 데이터에 대해 알게 된다.
PART 3는 데이터를 바탕으로 쓴 주택시장 에세이라고 할 수 있다. 지은이가 8년간 주택시장을 분석하면서 많은 사람들이 당연한 듯 믿어왔던 주택시장의 고정관념을 뒤바꾼 사례들을 모아놓았다. [1장 강남에서 제주까지]는 수도권과 지방 주택시장을 바라보는 차별화된 ‘눈’에 대해, [2장 데이터는 말한다]는 데이터로 바라본 주택시장의 ‘심리’에 대해 이야기한다. [3장 우리가 사는 세상]은 우리가 평소 주택시장에서 자주 부딪히고, 궁금해하는 ‘이슈’들을 다루었다. 순서에 상관없이 관심 키워드 중심으로 읽어가다보면 어느새 대한민국 주택시장의 이슈에 바짝 다가서 있는 자신을 발견하게 될 것이다.
PART 4는 빅데이터로 보는 ‘수익형 부동산시장’이다. 국내 최초로 오피스텔과 상가 시장을 빅데이터로 다루었다. 오피스텔 시장 전망을 위해 시장 흐름을 예측할 수 있는 선행지표를 제시하고, 오피스텔 수요가 강한 지역을 시·군·구 단위로 살펴본다. 더불어 오피스텔과 함께 투자처로 각광받았던 상가 시장에 대해서도 한국감정원 데이터를 활용한 공실률×임대가 매트릭스를 통해 지역별 상권을 진단한다. 서울, 경기·인천, 5대 광역시, 기타 지방의 하부 상권을 세부적으로 다루면서 상권의 활발, 둔화, 불황, 회복의 원인과 핵심 모멘텀의 분석을 통해 주요 상권의 미래 흐름을 읽을 수 있을 것이다. 데이터가 말해주는 주요 도시의 오피스텔 수요와 상권 흐름은 수익형 부동산에 관심 있는 독자들에게 신선한 통찰을 안겨줄 것이다.
이 책의 외전 격인 [책 속의 책]에는 본문에서 깊게 다루지 못했으나 따로 모아서 보면 유용한 통찰을 가져다줄 알짜배기 정보들을 모아놓았다. 독자들은 [책 속의 책]을 통해 대한민국 부동산 트렌드를 압축해놓은 짧지만 강렬한 번외 여행을 경험할 수 있을 것이다.

문제는 인구 고령화가 아닌 주택 고령화!
우리나라 주택시장에서 적어도 향후 5년간은 인구 고령화보다 ‘주택 고령화’가 더욱 중요한 키워드가 될 것이다. 인구 고령화에 따른 주택 수요 감소는 비록 틀린 말은 아니지만 그것이 수면 위로 드러날 시점은 향후 몇십 년 후의 일이기 때문이다.
우리나라 재고주택 가운데 완공된 지 10년이 넘은, 즉 ‘입주 10년’ 초과의 고령주택 비중은 2006년에는 50%였지만, 이후 계속 증가하여 2017년 현재 전체 주택의 76%가 고령주택인 상황이다. 그에 반해 입주 5년 이하의 젊은주택 비중은 2017년 현재 13% 수준으로 아파트 10채 가운데 1채 정도만이 새 아파트이다. 우리나라 주택 재고의 48%가 수도권에 있다는 사실을 감안하면 수도권 대부분의 주택이 노후화되었다고 할 수 있다.

주택 고령화의 심화는 젊은주택의 희소가치를 만들어내며, 젊은주택의 가격이 전체 주택의 가격 상승을 견인하는 흐름을 만들어냈다. 2001년 평당 30만 원의 차이를 보이던 젊은주택과 고령주택의 가격은 주택 고령화의 심화로 2017년에는 평당 360만 원의 차이를 보인다. 34평 아파트 기준으로 환산하면 젊은주택이 1억 2,000만 원 정도 더 비싼 것이다.
주택은 비가역적 성격이 강하다. 즉 한 번 지으면 30년 정도는 그 자리에 있을 가능성이 높다. 신규 주택을 짓고 싶어도 노후 주택이 들어선 자리는 수십 년 이상 기다려야 한다. 우리나라는 국토의 70%가 산지 지형이라 주택의 원재료가 되는 토지의 제약이 주택 고령화를 심화시키는 요인으로 작용한다. 이런 상황들이 젊은주택이 공급될 여지를 제한하여 향후 5년간 주택 고령화에 따른 젊은주택의 희소가치는 주택 가격 상승의 강력한 모멘텀이 될 것이다.

주택시장의 호황 사이클은 끝났다?
평균 사이클보다 긴 호황을 누리고 있는 주택시장에 대해 2018년 현재, 사람들은 호황의 끝을 경계하고 있을까? 적어도 데이터는 ‘아니오’라고 말한다. 사람들은 부동산을 여전히 안전자산의 하나로 여기고 있고, 한국은행의 주택가격전망 CSI(소비자동향지수) 또한 기준치(100)보다 높은 수준이다(2018년 3월 기준 107). 여전히 주택시장에 대해 긍정적인 기대를 가지고 있는 것이다. 이처럼 현재까지는 여러 요인에도 불구하고 주택시장의 상승 모멘텀이 더 강하게 작용하고 있다. 하지만 주택 가격의 하락 모멘텀인 가격부채(단기), 정부 정책(장기)의 영향력에 따라 향후 주택시장이 급변할 가능성도 있다는 점은 유념해두어야 한다.

부동산시장의 폭락 가능성은?
주택 순환주기 흐름을 살펴보면, 전국의 주택 경기는 2013년 3분기 저점 이후 4년 내내 상승세에 있었다. 어느 정도 호황기 말미에 와 있다는 이야기다. 특히 2018년에는 역대 최다인 44만 호의 입주 물량도 예정되어 있어 서울을 제외하면 이전과 같은 주택 가격의 상승을 기대하기가 힘들다. 그렇다면 2008년과 같은 주택 가격의 폭락 가능성도 있을까?
결론부터 말하면 ‘아니오’다. 과거 3년간의 입주 물량 공백기(2011~2013년 역대 최저 수준의 공급)를 고려해야 한다. 2008년 금융 위기 직전에는 무려 7년 연속 30만 호 이상의 입주 물량 공급이 있었다. 하지만 2009~2016년 8년간 단 한 번도 30만 호를 초과한 적이 없다는 점을 감안하면 둔화 가능성은 있지만 급격한 충격 가능성은 낮다.
또 다른 이유로는 70%에 달하는 전세가율을 들 수 있다(금융 위기 이전의 전국 평균 전세가율은 40~50%에 불과했다). 전세가율은 전세에서 매매로의 실수요 전환 압력을 의미한다. 전세가율이 높다는 것은 기본적으로 그 지역에 살고 싶은 수요가 많다는 것을 의미하고, 어느 지역의 전세가율이 상승하여 매매가와 전세가가 별 차이가 없으면 차라리 매수하겠다는 심리가 강해진다. 그런 점에서 전세가율의 상승은 매매가 상승의 선행 시그널이 된다.
매수자의 자금 부담 또한 금융 위기 이전보다 현저히 낮다. 금리는 금융 위기 직전의 절반 수준(7%→3.5%)이고, 금리가 상승하고 있지만 이전과는 자금 부담의 절대적인 수준이 다르다. 2011~2013년의 입주 물량 공백, 낮은 수준의 이자 부담은 주택 시장의 급진적 하락을 막아주는 완충장치가 될 것이다.

분양시장과 재고주택시장의 양극화 심화
2010~2013년의 주택시장 암흑기만 해도 재고주택 가격이 하락하면 여지없이 분양시장도 얼어붙어 미분양이 증가했다. 그러나 최근의 경향을 면밀히 살펴보면 주택 가격이 하락해도 분양이 잘되는 지역이 점차 증가하는 것을 볼 수 있다. 분양시장과 재고주택시장의 양극화가 본격화되고 있는 것이다. 지은이가 고안해낸 ‘매매가×청약률 매트릭스’를 활용하면 매매가 상승률과 청약률이 동반 강세를 보이는 호황 지역, 매매가 상승률과 청약률이 동반 약세를 보이는 불황 지역, 그리고 지은이가 특히 주목하는 매매가 하락에도 청약률이 강세를 보이는 ‘양극화 지역’(분양시장만 강세)을 직관적으로 선별해낼 수 있다.

중장기 흐름을 알고 싶다면 인구 증감률보다 인구밀도를 보라
지난 3년간의 데이터를 보면 인구 감소율이 가장 높은 서울과 부산의 가격 상승률이 단연 압도적이다. 인구 유출에도 인구밀도가 1, 2위이고, 따라서 가격 상승이 가장 가팔랐다.
인구밀도가 높은 지역은 가용 토지가 제한되어 있기 때문에 도시 팽창 여력이 낮다. 따라서 구도심에 대한 선호도가 유지될 수밖에 없고, 노후 주택이더라도 구도심에 있으면 젊은주택보다 가격이 높은 경우도 있다. 서울이 대표적 예다.
주택시장이 어느 하나의 변수로 설명할 수 없는 복잡한 시장임을 감안할 때, 인구밀도는 전국 시도의 주택 가격 흐름을 비교적 잘 설명해준다. 또한 토지에 기반한 인구밀도는 좀처럼 변하기 힘든 데이터이다. 지역별 중장기 주택시장 예측에서 중요한 변수인 것이다.

경기를 반영하는 청년층(20~29세)의 취업 동향에 주목하라
사실 이 연령층은 주택 경기와 거의 상관없는 연령대이다. 생애 주기나 소득수준을 고려할 때 주택 구매의 주 수요층도 아니다. 그런데 왜 이 연령대를 주목해야 하는가? 이들이 집을 살 나이는 아니지만 그들을 고용하는 것은 기업이라는 점을 생각하라. 청년층 취업자 수의 증가는 신규 고용 인원이 늘고 있다는 의미로, 실제 경기 흐름을 가장 민감하게 비춰주는 지표이다. 신규 고용 증가는 기업의 호실적을 의미하고, 이로 인한 취업자의 가계 소득 증가를 기대할 수 있기 때문이다.

교통 개발과 인프라를 보라
교통 개발은 인구밀도와 마찬가지로 그 지역의 중장기 주택 가격 상승에 중요한 요인으로 작용한다. 특히 지방 도시의 주택 가격에 큰 영향을 미친다. 그에 비해 기본적인 교통 인프라가 잘 갖추어져 있는 수도권의 경우에는 그 영향이 지방 도시에 비해 제한적이다. 지방 도시와 달리 인구, 학군, 생활 편의 시설 등 교통 개발 외의 다양한 가격 상승 요인이 존재하기 때문이다.

부동산 데이터 분석가가 사용하는 주요 지표들
매매가 변동률: 현재 매매가가 장기 추세 대비 상회하는지, 하회하는지를 확인할 수 있다면, 주택 시장의 흐름이 어떤지를 알 수 있다. 주택시장의 흐름을 알 수 있는 데이터로 거래량, 구매 심리 등 여러 지표가 있지만 결국에는 매매가가 그 지역의 주택 경기를 최종적으로 반영한다.
주택 경기도 순환한다. 그렇기에 주택 사이클의 확인을 통해 장기적 관점에서 주택시장을 전망할 수 있다. 우리가 어디로 가고 있는지는 알 수 없어도 우리가 지금 어디에 있는지는 잘 알고 있어야 한다.

입주 물량: 주택 순환주기의 원인을 설명해준다. 입주 물량이 증가하면 주택 경기가 하락하고, 입주 물량이 감소하면 수급 개선으로 주택 경기의 회복 시그널이 된다. 입주 물량은 향후 2년 치 물량이 확정되어 있기 때문에 적어도 2년 후의 주택 경기를 전망할 때 유용한 지표로 사용할 수 있다.

대출 유형별 가계대출 증가율: 부자 선발대와 이를 뒤따르는 중산층 후발대로 요약된다. 부자 선발대는 은행 대출과 주택담보대출의 도움을 받아 상승 국면을 향해 달려가는 ‘부동산 열차’에 올라탔다(2014~2015년 LTV는 70% 수준). 2016년 주택 경기가 완연한 상승 국면에 진입하자 이번에는 중산층 후발대가 비은행 대출, 기타 대출(신용대출 등)을 이용하여 정점을 향해 달려가는 부동산 열차 후미에 올라탔다. 인심을 베풀던 은행이 주택시장 호황으로 대출액이 증가하자 중산층 후발대에 대해서는 야박하게 굴었기 때문이다. 결국 가계부채의 핵심은 중산층 가계부채에 있다. 가계대출이 주택시장의 시험대에 오를 시점은 금리 상승이 본격화되는 2018~2019년이 될 것으로 보인다. 이 시기를 잘 넘기면 더 이상 가계대출이 주택시장의 리스크로 부각되기 어려울 것이다.

준공 후 미분양: 입주 리스크를 진단하는 대표적인 시그널. 주택시장이 호경기일 때는 너도나도 분양을 받으려 하기 때문에 분양 물량이 증가한다. 2015년 51만 호의 역대급 분양이 좋은 예다. 이 때문에 분양 물량은 주택시장의 결과를 말해주는 지표로 기능한다. 그에 비해 입주 물량은 유통, 제조업에서 흔히 말하는 ‘재고’ 같은 의미이다. 재고 리스크를 주택시장에 적용하면 ‘입주 리스크’가 된다. 호경기 때 분양을 받았던 사람들이 2~3년 후 막상 주변 지역에 입주 물량이 증가하고 주택 가격이 떨어지는 조짐을 보이면 쌓이는 재고에 놀라 계약을 포기한다. 손실을 보더라도 분양권을 던지는 사태가 발생하는데, 이러한 심리가 확산되어 입주 리스크가 발생한다. 입주 리스크는 주택시장이 가정할 수 있는 최악의 시나리오로, 수분양자 입장에서는 몇천만 원의 손실, 공급자 입장에서는 몇억짜리 재고가 무더기로 쌓이는 심각한 재무 손실을 야기한다.
2018년 2월 현재 준공 후 미분양은 1만 1,712호로 2007년 이래 역사적 저점 수준이며 절대 안정 상태를 유지하고 있다. 또한 2018년 대규모 입주 물량에도 준공 후 미분양의 급증 가능성은 매우 낮으며, 지역별로는 전세가율이 높은 지역일수록 입주 리스크가 발생할 가능성이 낮다.

중년주택 가격: 입주 6~10년의 중년주택 가격이 젊은주택(입주 5년 이하) 가격에 근접할수록, 신규 분양가에 대한 저항감이 감소해 분양시장에 긍정적인 가치 흐름을 만들어낸다. 중년주택 가격은 재고주택 가격과도 정(+)의 상관관계를 보인다.
저자소개
조영광
성균관대학교를 졸업하고 동 대학원에서 산업공학 석사 학위를 받았다. 졸업 후 국내 굴지의 전자, IT, 자동차 회사에 최종 합격했음에도 건설업에 뜻을 품고 국내 메이저 건설사인 대우건설에 입사했다. 마케팅팀에 배속된 뒤로 지난 8년간 부동산시장에 빅데이터를 접목시킨 하우스노미스트(House+nomist)가 되어 쏟아지는 부동산 데이터와 대한민국 주택시장의 바로미터인 분양 현장을 넘나들며 대우건설이 ‘주택 공급 7년 연속 1위’를 차지하는 데 기여했다.
입사 3년차 때 자신이 개발한 ‘전국 시·군·구 대상 유망 사업지 예측 시스템’을 활용해 주택시장 분석과 예 측 업무를 담당하고 있으며, 신규 분양 단지의 청약률 예측과 초기 분양률 예측까지 도맡아하면서 분양시장에서 ‘진짜 봐야 하는 데이터’가 무엇인지 답할 수 있게 되었다.
최근에는 경제, 심리, 소셜미디어의 빅데이터를 활용해 대한민국 부동산을 다각도로 파헤치고 있으며, 아직 미지의 영역인 상업용 부동산 데이터로까지 분석 영역을 넓혀가며 대한민국의 모든 부동산을 꿰뚫는 실전용 데이터 발굴에 매진하고 있다.
목차
머리말 변곡점에 선 부동산시장, 데이터는 알고 있다
이 책의 활용법

PART 1 데이터로 전망하는 대한민국 주택시장
1장 대한민국 주택시장의 핵심 모멘텀
주택 가격의 상승 모멘텀|주택 가격의 하락 모멘텀|주택 가격의 상승 모멘텀 VS 하락 모멘텀
2장 주택시장 전망: 주택의 순환주기와 입주 물량
매매가 변동률은 ‘동행 혹은 후행지표’, 예측을 위해서는 매매가의 장기 추세를 보라!
3장 신규 분양시장 전망: 적정 미분양 분석
‘재고주택시장’과 ‘분양시장’의 양극화|신규 분양시장은 ‘미분양 통계’로 봐야 한다|전국 미분양의 적정 수준: 분양시장의 온도 체크하기|2018년 전국 미분양 심층 분석
4장 인구구조로 보는 주택시장 전망: 인구밀도와 주택 가격
인구 증감률과 주택 가격 변동률의 상관관계|인구밀도와 주택시장
5장 경제지표와 경제정책으로 보는 주택시장 전망: 청년 취업자 수와 경제정책 불확실성 지수
청년 취업자(20~29세) 수의 증가와 주택시장의 관계|경제정책 불확실성 지수로 본 주택시장
6장 교통 개발로 보는 주택시장 전망
7장 주택시장 2대 리스크 점검: 중산층의 가계부채와 입주 리스크
중산층의 가계부채|입주 리스크

PART 2 데이터로 쪼개 보는 전국 ‘시도별, 시·군·구’ 주택시장
1장 전국 시도별 주택시장 분석
시도별 공급량 입체 분석: 시도별 ‘입주·분양’ 예정 물량|수도권의 공급 여건 정밀 진단: 2018년 서울과 경기권 시·군·구의 순공급 규모|시도별 밸류에이션 분석: 중년주택의 가치 흐름
2장 전국 시·군·구 주택시장 분석
시·군·구 주택시장의 6대 선행지표|반전 분양 스토리: 시장의 선행지표 적용 사례|상위 지역을 대표하는 시·군·구와 독립적인 시·군·구|지역 기반산업의 흥망성쇠를 활용한 주택시장 전망|시·군·구 주택시장 전망에 대한 고찰

PART 3 알아두면 쓸모 있는 건설사 직원의 주택시장 데이터 에세이
1장 강남에서 제주까지
수도권과 지방은 다른 눈으로 봐야 한다|서울 인구 1,000만 명 붕괴와 서울 주택시장|강남의 주택시장: 미국 주택시장, 코스피, 똘똘한 한 채|서울 인근 경기도 아파트의 밸류에이션 분석|어촌을 주목하라|효리네 민박은 안녕할까?
2장 데이터는 말한다
지금 당신의 주택 구매(투자) 심리는|전문가의 예측과 닻 내림 효과
3장 우리가 사는 세상
신규 분양 대박 현장 예측하기|주택 자산의 양극화, 그것이 알고 싶다|금리와 주택시장|택지의 생애 주기

PART 4 빅데이터로 읽는 오피스텔과 상권의 흐름
1장 오피스텔 시장의 3대 선행지표
오피스텔 시장의 결과지표: 오피스텔 스프레드 수익률|첫 번째 선행지표: 소형 아파트의 전세가 변동률|두 번째 선행지표: 단기유동성 흐름|세 번째 선행지표: 오피스텔 입주 물량
2장 ‘도시 인프라 지수’로 본 오피스텔 수요 매력도
첫 번째 도시 인프라 지수: 주간인구지수|두 번째 도시 인프라 지수: 종사자 1,000명 이상 사업체 수|세 번째 도시 인프라 지수: 지하철 승하차 인원
3장 인구통계로 본 오피스텔의 핵심 수요층
오피스텔의 핵심 수요층|주요 도시 오피스텔의 핵심 수요 분석
4장 월세 거래량으로 본 도시별 오피스텔 동향
전국 주요 도시 오피스텔 시장의 동향 분석
5장 전국 142개 주요 상권 국면 진단
공실률과 임대가 추이로 지역 상권 진단하기

책 속의 책
미래를 보다
집단 지성을 활용하다
남이 모르는 정보를 찾다

맺음말을 대신하며 ‘부동산 데이터 미신’에 빠지지 않기 위한 셀프 문답
감사의 말