퀸스타운 렌트비 추이에 따른 비즈니스 오너 및 투자자의 사업 전략 제시 (2026년)

퀸스타운은 뉴질랜드를 대표하는 관광도시로, 관광업에 종사하는 사람들의 영향을 많이 받는다. 2020년부터 2025년까지 퀸스타운 렌트비 추이를 알아보고, 이 데이터 분석을 바탕으로 현 비즈니스 오너 및 예비 투자자에게 그에 맞는 사업 전략을 제시하고자 한다.

[Summary & Key Insights]

• Topic: 2020-2025 Queenstown Rental Market Analysis & Business Strategy
• Data Source: NZ Tenancy Services (Monthly & Quarterly Bonds Data)
• Core Finding: Rent for 1-bedroom units rose 30%, while 4-bedroom houses jumped 54%
• Business Strategy: For business owners, renting a 4-bedroom house for staff accommodation saves $900/week compared to renting four individual 1-bedroom units.
• Investment Strategy: Frankton and Shotover (4-bedroom) show the highest growth. Yield is maximized by renting out individual rooms (Flatting) rather than the whole house.
• Technical Stack: Python (Google Colab), Power BI (DAX), AI-assisted data modeling

뉴질랜드 퀸스타운 렌트비 데이터 분석

나는 퀸스타운 QRC에서 데이터 펀드멘탈 코스를 최근에 수료했다. 내가 배운 데이터 분석 과정을 활용하여 아래와 같이 퀸스타운 렌트비 데이터 분석 방향을 정해봤다.

• 문제 정의 (Business Question)
• 데이터 살펴보기
• 데이터 클리닝
• 데이터 로드 및 Power BI에서 추가적 클리닝
• 대시보드 생성 및 인사이트 제공

1. 문제 정의 (Business Question)

퀸스타운은 사람들이 들어왔다가 나가는 인구 구조를 가지고 있다. 즉, 일을 하러 퀸스타운에 왔다가 어느 기간이 지나면 다시 돌아가는 구조란 말이다.

그렇기도 비즈니스 오너 입장에서는 그 인력을 구하는 것이 관건이다. 그리고 이것은 필연적으로 그들이 거주할 숙소(집)과 렌트비와 관련이 있다. 이 입장에서 아래와 같은 질문을 던져 보았다.

• 지난 5년간 퀸스타운의 렌트비 추이 및 계약 건수는 어떠한가?
• 렌트비가 올라가면, 실제로 사람 구하기가 어려운가?
• 방 1와 집 전체의 현실적인 렌트비는 얼마 정도인가?
• 지난 5년간 방 1와 집 전체의 렌트비 상승률은 얼마나 차이가 나는가?
• 비즈니스 오너는 비즈니스 유지를 위한 직원 숙소 제공 방법?
• 반대로, 퀸스타운 부동산 투자자는 어디에 투자해야 수익 극대화를 이루는 가?

2. 데이터 살펴보기 (Data Scan)

1) 데이터 소스

내가 사용한 데이터 소스는 Tenancy Services 웹사이트에서 가져왔다. 뉴질랜드는 임대인이 임차인으로 받은 보증금을 온라인으로 영업일 기준 23일 내에 Tenancy Services에 등록을 하게 되어 있다.

웹사이트에서는 1993년부터 2025년까지 월별, 분기별 CSV 파일을 제공하고 있다. 하지만, 처음에는 월별 데이터만을 사용하고자 했으나, 세부적인 자료(방의 개수 등)의 자료는 분기별 자료에 더 있었기에 2개의 데이터 파일을 다 사용하기로 했다.

데이터 분석에 사용한 기간은 지난 최근 5년간으로 정하고 분석을 시작하기로 정했다. 아무래도 최근 년도의 퀸스타운 렌트비 추세가 향후에도 이어질 가능성이 높았기 때문이다.

법적으로 등록을 하게 되어 있으나, 임대인이 하지 않을 경우에는 그 계약 내용을 알 수가 없다. 따라서 위의 데이터 소스는 모든 계약 내용을 가지고 있지 않다는 점을 알고 시작했다.

2) 월별 데이터 파일 스캔

일단, 가장 눈에 띈 것은 1993년부터 월별로 뉴질랜드 각 지역별로 정리한 데이터였다. 그리고 생각한 것은 컬럼명이 무엇을 의미하는 지 도무지 이해가 가지 않았다.

나는 데이터 소스를 볼 때 컬럼을 이해하는 것이 아주 중요하다고 생각한다. 왜냐하면 컬럼을 이해하지 못하면 그 데이터가 무엇을 말하는 지 정확히 이해할 수 없고, 이것을 다른 사람에게 이해시킬 수도 없기 때문이다.

• TimeFrame : 1993년 2월 1일과 같은 형식으로 매월 추가
• Location ID : 뉴질랜드 지역을 ID 넘버로 표시
• Location : 뉴질랜드 지역을 텍스트로 표시
• Lodged Bond : 그 월에 신규로 계약된 렌트 건수
• Active Bonds : 그 월에 렌트로 유지되고 총 건수 (렌트 시장 규모)
• Close Bonds : 그 월에 계약이 만료된 렌트 건수
• Median Rent : 전체 렌트비를 줄을 세웠을 때, 중간에 있는 값(중위값)
• Geometric Mean Rent : 기하 평균 렌트 (고가 렌트 왜곡을 줄임)
• Upper Quartile Rent : 상위 25%를 결정짓는 렌트비 (이 값 이상이면 상위 25% 속함)
• Lower Quartile Rent : 하위 25%를 결정짓는 렌트비 (이 값 이상이면 하위 25% 속함)
• Log Std Dev Weekly Rent : 렌트비 분산 분포도, 이 값이 높을수록 양극화 심함

3) 분기별 데이터 파일 스캔

월별 데이터 소스에는 Location ID가 70으로 Queenstown이 있었다. 그런데, 분기별에는 Location 컬럼이 없고 Location ID가 더 세분화되어 숫자로 되어 있었다.

그래서는 나는 퀸스타운 70에 포함하는 분기별 Location ID가 필요했다. 나는 AI를 이용해서 분기별 Location ID를 아래와 같이 구했다

분기별 데이터 소스의 컬럼은 월별과 거의 동일하였고, 단 하나 다른 것은 Total Bonds라는 이름으로 그 분기에 체결된 신규 렌트 건수의 합의 의미하는 컬럼이 있었다.

나는 트렌드에 쓰일 월별과 디테일이 담긴 분기별 데이터를 가지고 있지만, 이 둘을 연결할 데이터 소스(Bridge) 역할을 하나 더 만들었다. Location Id를 가지고 연결했고, Location Id(detail) 및 Area name 컬럼을 추가로 만들어 완성했다

3. 데이터 클리닝

1) Google Colab

일단, Google Colab에서 Python을 이용해서 월별 CSV 파일을 불러왔어

월별 CSV 데이터의 경우 1993년부터 시작하기에 분석에 필요 없는 데이터는 삭제하기로 하고, 2020년 1월 이후에 데이터만 남기기로 결정 했어

그리고 뉴질랜드 전체 지역의 데이터 이기 때문에 내가 분석을 할 퀸스타운 데이터만 추출하였다.

그리고 나서는 향후 Power BI에 로드할 파일로 저장했다.

분기별 CSV 파일의 경우 Location Id가 348100, 348200, 348400, 347801, 348700, 348801, 348901, 347901, 347401, 348300, 348600, 348000, 347700, 347300, 346000, 347501인 것만 추출했다.

왜냐하면 그 Id만 퀸스타운(Id 70)에 속하기 때문이다.

2) Power BI cleaning

Colab에서 큰 덩어리를 다듬은 후 세심한 부분은 Power BI에서 추가 정제 작업을 하기로 했다. Colab에서 정리한 CSV 파일을 Power BI에서 Load에서 보았다.

분기별 파일을 볼 때, Number of Beds 컬럼 데이터 값에서 ALL이 눈에 띄었다. ALL은 그 집의 모든 방 개수를 의미하는 것이 아니라, 그 집 형태별로 방이 총 몇 개인지를 나타내는 것이다.

이는 사실 각각의 Number of Beds를 다시 한번 카운트 한 것으로 이중 중복이 됩니다. 따라서 ALL 부분은 필터 해제로 처리했다.

방이 개수가 아예 기재되어 있지 않은 것 또한, 정확한 분석을 위해 필터 해제로 처리했다.

Number of Beds 컬럼에서 방 9개가 나왔는데, 이는 5+에 포함시키는 것이 방 갯수 분류에 도움이 된다고 판단하여 9를 5+로 데이터 값을 변경시켜 처리했다.

문제는 정렬을 위해 데이터 타입을 숫자로 변경하려 했는데, 5+의 존재가 이를 막았다. 그래서 단순히 정렬을 위한 것으로 새로운 컬럼(Sort beds)을 하나 더 만들고 데이터 타입을 숫자로 지정했다.

분기별 데이터와 Matching 데이터를 연결하기 위해 Location Id(detail) 컬럼명을 맞췄다.

마지막으로 월별 데이터에서 신규 렌탈 계약 건수에서 계약 만료된 건 수를 뺀 월별 증가를 나타내는 새 컬럼(rent monthly growth)를 만들었다. 이를 통해 그 월에 실제로 얼마나 렌트를 통한 사람이 유입되었는 지 가늠할 수 있게 되었다.

4. 데이터 모델링

분기별 테이블에서 같은 세분화된 지역에 있지만, 집의 타입과 방의 개수가 다른 경우가 있을 수 있다. 여러 경우가 있겠지만, 이는 결국 하나의 세분화된 지역에 귀속된다. 그래서 관계를 Matching과 Quarterly 테이블의 관계를 1 : many로 규정지었다.

Monthly 테이블은 퀸스타운 렌트비 추이 및 렌탈 시장 유동성을 보여주는 데이터로만 사용하기 때문에 굳이 브릿지와 연결할 필요를 느끼지 못해 독립적인 테이블로 뒀다.

6. 데이터 시각화

1) 지난 5년간 퀸스타운의 렌트비 추이 및 계약 건수는 어떠한가?

지난 5년간 퀸스타운 렌트비는 계속 상승했다. 하지만 주목해야 할 점은 2023년부터 2025년 까지 아주 적은 상승을 보여주고 있다. 거의 수평이다. 즉, 퀸스타운 렌트비 임계점에 도달했다고 볼 수 있다. 사람들은 퀸스타운 렌트비가 너무 높아졌다고 생각하는 것이다.

신규로 체결된 렌트 계약 건수는 코로나 때(2021년 -> 2022년) 급격히 감소했다. 코로나 시기 뉴질랜드 정부의 셧다운 정책으로 많은 비즈니스 사업체들이 그들의 비즈니스를 열지 못했고 이것은 퀸스타운에 있었거나, 들어올 사람들이 퀸스타운에 거주할 이유를 없앤 것으로 이해된다.

코로나가 끝이 나면서, 퀸스타운에 오지 못했던 사람들이 다시 퀸스타운으로 모이면서 2023년에서 2024년 사이의 신규 렌트 계약 체결이 폭발적으로 늘었다. 하지만, 2025년으로 가면서 다시 신규 렌트 계약이 줄어드는 추세를 보이고 있다.

비즈니스 오너들은 현 렌트비 추세가 계속된다면, 더 이상 신규 유입이 어렵다는 것을 직시해야 할 시기에 도래했다.

2) 렌트비가 올라가면, 실제로 사람 구하기가 어려운가?

2020년부터 2025년까지 실제로 퀸스타운 렌트비는 상승하는 추이에 있다. 그럼 렌트비가 실제로 올라가면 과연 사람을 구하기가 어려울까 하는 질문에 대해서 알아보자

퀸스타운의 경우 관광업이 주 산업이기 때문에 호스피텔리티 산업에 종사하는 사람이 많고, 대게 그 사람들은 외부(국내외 타지역)에서 부터 유입이 된다. 그리고 실제로 비즈니스에서 일하는 사람들은 방 1개(Flat)를 렌트해서 거주하고 있을 확률이 높다.

그리고 꺽은 선 차트는 지난 5년간 방 1개 렌트 계약한 건수(신규-만료)를 나타내는 지표다. 렌트비가 올라가는 만큼 방 1개 렌트 계약 건수는 줄어들고 있다. 그 말은 렌트비가 올라가면, 일할 수 있는 사람 구하기가 쉽지 않다는 얘기이다.

3) 방 1개와 집 전체(방 4개)의 현실적인 렌트비는 얼마 정도인가?

집 전체를 방 4개로 잡았다. 방 5+의 경우 이상치에 가까울 가능성 및 데이터 수치가 적어 가장 현실적인 방 4개를 집 전체로 잡았다. 2025년 기준 방 1개 중위값 렌트비는 $510, 방 4개는 $1,140을 보여주고 있다.

4) 지난 5년간 방 1개와 집 전체의 렌트비 상승률은 얼마나 차이가 나는가?

2020년부터 2025년까지 방 1개와 집 전체(방 4개) 렌트비 상승률을 알고 싶었다. 이를 위해 차트보다는 더 직관적인 Card를 사용하기로 했다.

카드를 사용하기로 했으면, New Measure를 만들어 Dax Code를 입력해야 한다.

방법은 우선 방 1개의 2020년과 2025년의 중위값 렌트비를 각각 구한다. 그리고 나서, 2025년에서 2020년 중위값 렌트비를 뺀 값에서 2020년 중위값 렌트비로 나눈 다음 곱하기 100을 하면 된다.

아래는 내가 사용한 Dax 코드이며, 이는 AI에게 내용을 설명한 후 받은 코드이다. 방 4개도 같은 방법으로 구하면 된다.

[방 1개 중위값 렌트비 & 최종 상승률]

Rent_2020_1Bed =
CALCULATE(
MEDIAN(‘quarterly'[Median Rent]),
YEAR(‘quarterly'[TimeFrame]) = 2020,
‘quarterly'[Number Of Beds] = “1”
)

Growth_Rate_1Bed = DIVIDE([Rent_2025_1Bed] – [Rent_2020_1Bed], [Rent_2020_1Bed], 0)

5) 비즈니스 오너는 비즈니스 유지를 위한 직원 숙소 제공 방법?

위에서 렌트비가 상승하면서, 실질적으로 일할 사람(방 1개의 거주하는 사람)의 렌트 건수가 줄어들고 있다는 것을 확인하였다. 일할 사람 구하기가 힘들다는 뜻이다.

일단 직원들이 너무 큰 부담을 가지지 않을 정도의 숙소가 마련되는 것이 중요하다. 지난 5년간 방 1개의 렌트비 상승률은 약 30%, 방 4개는 약54%였다. 그렇다면, 상승률이 적었던 방 1개를 여러 개 대신 임차해서 직원들에게 제공하는 것은 어떨까?

예를 들어, 직원 4명의 숙소를 방 1개로 각각, 아니면 집 전체(방 4개)를 렌트 해서 각 방을 렌트하는 것 중 어느 것이 비즈니스 오너 입장에서 유리할까?

위의 긴 막대는 $2,040으로 방 1개 짜리를 4개 렌트 할 때 발생하는 비용이다. 2025년 말 기준 방 1개 렌트비가 주당 $510인 점을 이용했다. 그렇다면 집 전체를 렌트 했을 때 발생하는 비용은 얼마일까. 바로 주당 $1,140 비용이 발생한다.

비즈니스 오너 입장에서 직원 4명에게 집을 제공할 때, 집 전체(방 4개)를 임차하여 제공하는 것이 4개의 다른 집에서 방 1개씩 렌트 해서 직원들에게 제공하는 것 보다 주당 $900을 더 아낄 수 있다는 결론에 도달할 수 있다.

그리고 이런 방법으로 숙소를 해결한 직원들은 아무런 지원이 없는 비즈니스 사업체보다 훨씬 오래 이 사업체에서 일할 확률이 높고, 이는 결국 비즈니스가 지속적으로 잘 돌아갈 수 있는 원동력이 된다.

위의 차트를 만들기 위해 나는 New measure를 생성해 Dax 코드를 넣었다.

Total_Cost_Individual = [Rent_2025_1Bed] * 4

Total_Cost_Staff_Housing = [Rent_2025_4Bed]

위의 2개의 Dax 코드는 가로 막대 차트에 사용하기 위해 만들었고, 두 비용의 차이를 강조하고 싶어서, 카드 형식에는 아래 Dax 코드를 사용했다.

Weekly_Savings = [Total_Cost_Individual] – [Total_Cost_Staff_Housing]

6) 퀸스타운 부동산 투자자는 어디에 투자해야 수익 극대화를 이루는 가?

투자자에게 내가 보여주고 싶었던 부분은 지난 5년간 가장 빠른 성장율과 가장 높은 렌트비를 받을 수 있는 지역과 방 개수를 보여주고 싶었다.

이를 위해 가로 X축에는 Rent_Growth_Rate를 Y축에는 Rent_Current_2025에 대한 New measure를 만들어 차트 표현에 이용했다.

Rent_Growth_Rate =

VAR Rent2020 = CALCULATE(MEDIAN(‘quarterly'[Median Rent]), YEAR(‘quarterly'[TimeFrame]) = 2020)

VAR Rent2025 = CALCULATE(MEDIAN(‘quarterly'[Median Rent]), YEAR(‘quarterly'[TimeFrame]) = 2025)

RETURN

DIVIDE(Rent2025 – Rent2020, Rent2020, 0)

Rent_Current_2025 =
CALCULATE(
    MEDIAN(‘quarterly'[Median Rent]),
    YEAR(‘quarterly'[TimeFrame]) = 2025
)

차트에서 오른쪽 상단에 있는 점들이 지난 5년간 가장 높은 렌트비 성장률을 보이고, 현재 렌트비도 가장 높은 지역군에 들어있다. 그 지역들은 Frankton과 Shotover 지역으로 방 4개가 많았다.

이는 이미 검증된 지역과 방 개수로 퀸스타운 부동산에 투자할 생각이 있는 투자자에게는 지역은 Frankton과 Shotover과 방 4개 주택을 추천한다.

그리고 수익 극대화를 위해서는 방 4개를 한 명의 임차인에게 렌트해 주지 말고, 방 1개씩 나눠서 여러 명의 렌트를 하는 것이 낫다. 왜냐하면, 현재 퀸스타운 방 1개를 나눠서 렌트하는 것의 합계가 방 4개를 한꺼번에 렌트해 주는 것에 비해 더 많은 수익을 가져다 주기 때문이다.

사실 비즈니스 오너들은 직원들을 위해서 집 전체(방 4개)를 렌트해야 하는데, 반대로 투자자 입장에서는 방 1개씩 렌트를 줘야 수익 극대화를 이룬다는 것은 분명히 수요와 공급에서 엄청난 갭이 있을 것으로 보인다.

마무리

오늘은 뉴질랜드 퀸스타운 렌트비 데이터 분석을 하면서, 비즈니스 오너와 투자자 각각의 입장에 대한 사업 전략을 제시해 보았다. 이번에 처음으로 직접 데이터 소스를 발견하고 가지고 와서 이 시장에 대한 질문들도 생각해 보았다.

그리고 내가 배운 Colab과 Power BI를 통해서 데이터 정제 작업도 해 보았다. 그러면서, 나의 질문에 대한 결론을 만들어 보기도 했다. 하면서 느낀 점을 공유해 보고자 한다

[기술적으로 어려웠던 점]

나는 학교에서 Google Colab을 사용하기 이전에 이미 Python 프로그래밍을 공부했었다. 수정을 하거나, 제거를 한 Daseframe를 새롭게 저장하고 CSV 파일로 다시 내보내기(저장)을 하였었여야 하는데, 기존의 파일 내용이 계속 Power BI에 나타나게 되어 혼란스러웠다.

Power BI에서는 내가 필요한 것을 차트로 만들기 위해 Dax 코드를 만들어야 했고 이를 AI에게 요청해서 작업했다. 하지만 AI가 만든 것은 정확하지 않아 다시 코드에서 잘못된 컬럼 지정은 내가 직접 수정을 해야 했다.

월별 데이터와 분기별 데이터를 다룰 때 한 가지 다른 점이 있었다. 월별 데이터는 그대로 활용한 것에 비해, 분기별 데이터는 그 속에 Missing value, ALL, 방 개수 5+ 등 일부 필터를 해야하는 부분이 있어서 그것이 차트로 나타날 때 다르게 나타날 수 있다는 점을 간과했다는 점이다.

그것 때문에 왜 이렇게 차트의 형태가 다르지 하면서 계속 고민하면서 시간을 보냈던 것이 가장 힘들었던 시간 이었다.

[나의 느낀 점]

나는 위에서 데이터 분석에 대한 순서를 확립하면, 그 순서대로만 계속 따라가면 된다고 생각했다.

그런데, 데이터 정제를 하면서도, 계속 데이터 파일을 보면서 컬럼의 뜻을 다시 보게 되었고 대시보드를 만들면서도 놓쳤던 정제 작업과 내가 원하는 것을 구현하기 위한 Dax 작업들을 계속 해야 한다는 것을 느꼈다.

내가 완벽하다고 생각했던 데이터 단계와 정제는 한 없이 수정되곤 했다.

AI와 함께 분석을 하면서, AI가 그의 논리를 입증하기 위해 말도 안되는 것을 시도할 때마다 그를 막기 위해 나는 나의 논리로 맞섰다. 나의 논리를 맞서기 위해서 처음 내가 제기했던 질문의 단계로 돌아가서 몇 번이고 다시 읽어 보았다.

데이터 분석은 한번에 되는 것이 아니다. 계획한 대로 흘러가지도 않는다. 그럴 때 마다 수많은 데이터 속에서 길을 잃지 않는 것이 중요하다고 생각했다. 그러려면, 나만의 원칙, 왜 이 분석을 하고 있고, 데이터는 무슨 얘기를 하고 있는 지에 대한 고민이 필요했다.

또한 가끔 분석 결과가 불편하게 느껴지기도 했다. 예를 들어, 비즈니스 오너에게는 집 전체를 렌트하라고 하고, 투자자에게는 방 1개씩 렌트를 하도록 권유해야 한다는 것이다.

하나의 결과가 나왔지만, 각기 다른 입장을 가진 사람들에게는 다르게 표현해야 하구나 하는 생각이 이번 데이터 분석을 하면서 느낀 점이다.