다음에 올 것을 만들어가는 기술에 대한 심층 기사.

ZIP 코드 경계: ZCTA vs USPS, 언제 무엇을 써야 할까

USPS가 공식 ZIP 경계 데이터를 판매하지만 ZIP은 원래 폴리곤이 아닙니다. ZCTA와 USPS 경계, 지오코딩 파이프라인별 선택법을 정리했습니다.

구불구불한 배송 경로 위에 어긋난 색상 영역이 겹쳐진 양식화된 지도 일러스트
배송 경로는 선이고 경계는 면입니다. 둘 사이의 어긋남이 이야기의 전부입니다.

지오코딩 파이프라인에 조용한 버그가 하나 있습니다. 새로 지은 단지의 주소는 잘 지오코딩되는데, 두 ZCTA 폴리곤 사이 틈에 떨어져서 지역이 null로 돌아옵니다. 그러면 하류의 배송 비용 모델이 그 값을 조용히 엉뚱한 시장에 평균내 버리죠. ZIP 코드 경계를 다룰 때 흔히 겪는 현실입니다. 이 개념은 최근까지만 해도 공식적으로 존재하지 않았거든요. USPS가 PostalPro 포털을 통해 공식 ZIP 코드 경계 폴리곤을 판매하기 시작했고, 데이터 엔지니어링 커뮤니티는 반기는 쪽과 가격에 놀란 쪽으로 갈렸습니다. 실제로 무엇이 바뀌었는지, 그리고 여러분의 파이프라인에 어떤 경계 데이터를 넣어야 할지 정리해 보겠습니다.

미국 주소 데이터 위에서 매칭과 보강 파이프라인을 여러 해 만들어 왔고, 제 생각은 분명합니다. 대부분의 팀은 ZIP을 지리 정보로 취급하는데, 그건 정확해서가 아니라 인구조사국(Census Bureau)이 그렇게 쓰기 쉽게 만들어 줬기 때문입니다. 새로 나온 USPS 제품이 모든 팀의 계산을 바꾸지는 않습니다. 다만 수십 년 동안 이어져 온 논쟁에 드디어 결론을 내려 준 건 맞습니다.

ZIP 코드는 원래도 폴리곤이 아니었고, 지금도 아닙니다

모두의 직관을 깨뜨리는 기본 사실이 있습니다. ZIP 코드는 땅의 한 구역이 아니라 배송 경로의 속성입니다. USPS는 1963년에 올바른 우편물을 올바른 트럭에 싣기 위해 ZIP을 만들었습니다. ZIP은 우체국, 분류 시설, 때로는 건물 하나 같은 배송 거점에 묶인 집배 경로들의 묶음입니다. 정부기관이나 대학 같은 대형 수취인은 주소 하나만 담당하는 전용 ZIP을 받기도 합니다. 사서함 전용 ZIP은 건물 안에 있는 사서함 벽을 담당할 뿐, 땅은 한 평도 차지하지 않습니다.

이 사실은 폴리곤 중심 사고로는 감당하기 어려운 결과를 낳습니다. 두 도시 사이 빈 땅에 누군가 새 동네를 짓는다고 해 봅시다. ZIP이 폴리곤이라면, 그 땅이 어느 폴리곤에 속하는지 찾아 그게 ZIP이라고 하면 됩니다. 하지만 현실에서 USPS는 물류상 말이 되는 경로에 주소를 배정합니다. 그 경로는 두 도시 중 한쪽일 수도 있고, 두 곳에 걸친 새 ZIP일 수도 있습니다. 경로가 생기기 전까지는 경계도 존재하지 않습니다. USPS 공식 문서가 새 경계 제품에 시간적 변동(temporal fluctuation)이 있다고 적어 둔 것도 같은 이유입니다. 배송 분포가 바뀌면 경계도 바뀐다는 뜻인데, 번역하면 “경로는 항상 바뀐다”는 얘기입니다.

  • 사서함 전용 및 단일 수취인 ZIP에는 의미 있는 면적이 아예 없습니다. 땅이 아니라 건물을 나타냅니다.
  • 비연속 서비스 구역은 하나의 배송 거점이 떨어져 있는 여러 주소 묶음을 담당할 때 생깁니다.
  • 농촌 공백 지역은 USPS가 아예 배송하지 않는 곳입니다. 그곳의 주소는 일관되지 않게 배정되고, 데이터베이스마다 서로 다른 여러 ZIP 후보에 붙기도 합니다.
  • 잦은 변동: 신규 건설, 경로 통합, 우체국 폐쇄가 기반 경로를 분기마다 다시 그립니다.
  • ZIP+4는 블록 면 단위까지 좁혀 주지만, 거의 아무도 수집하거나 저장하지 않아서 실무에서는 도움이 되는 경우가 드뭅니다.

영국과 비교해 보죠. 영국 우편번호(postcode)는 완전한 형태일 때 주소 열 개 안팎을 특정합니다. 처음부터 소규모 배송 지점 묶음을 가리키도록 설계되었고, 모든 곳에서 수집되고 널리 쓰입니다. 미국의 5자리 ZIP은 분류를 위해 설계되었습니다. 그런데 미국은 전국의 모든 주소에 인쇄되는 유일한 지리 식별자였기 때문에, 우리는 50년 동안 그것을 지리 정보로 용도 변경해서 써 왔습니다.

ZCTA vs USPS 경계: 두 데이터셋의 실제 정체

ZCTA: ZIP 옷을 입은 통계 구역

ZIP Code Tabulation Area(ZCTA)는 폴리곤 문제에 대한 인구조사국의 답입니다. 10년마다 실시하는 인구주택총조사 때마다 인구조사국은 모든 센서스 블록을 보고, 그 블록 안 주소들 중 가장 많은 ZIP을 찾아 블록들을 그 우세한 ZIP 이름의 ZCTA로 묶습니다. 결과물은 무료로 내려받을 수 있는 셰이프파일로, 빈틈이나 겹침 없이 국토 전체를 타일처럼 덮습니다.

이 설계에는 실무에서 매우 중요한 두 가지 특성이 있습니다. 첫째, ZCTA는 통계 구역입니다. 인구조사 데이터를 일관되게 집계하도록 만들어졌고, 인구조사가 ZIP 단위로 발표하는 인구 통계표는 사실 전부 ZCTA 단위입니다. 둘째, 정보 손실이 있습니다. ‘가장 많은 ZIP이 이긴다’는 규칙 때문에 블록 안의 소수 주소는 편지에 실제로 적히는 ZIP과 맞지 않는 ZCTA에 배정됩니다. 인구 밀도가 높은 도심에서는 반올림 오차 수준이지만, 센서스 블록이 거대하고 경로가 드문 농촌에서는 ZCTA가 특정 주소가 실제로 우편물을 받는 곳에서 수 킬로미터씩 벗어날 수 있습니다.

새 USPS 폴리곤: 현장 기준 데이터, 대가는 있음

USPS 제품은 반대 방향에서 만들어집니다. 트럭을 움직이는 것과 같은 정보인 실제 배송 주소 및 위치 데이터를 사용합니다. 그래서 “USPS는 이 ZIP이 어디까지를 담당한다고 보는가?”라는 질문에 가장 가까운 현장 기준 데이터입니다. 분기별로 업데이트되어, ZCTA가 몇 년씩 뒤처지는 경로 변동을 따라갑니다. USPS는 이를 세 가지 등급으로 판매합니다. 내부용(Internal), 자회사와 파트너에게 제한적으로 배포되는 엔터프라이즈(Enterprise), 파생 지도를 발행할 수 있는 제한된 권리의 출판용(Publication)입니다.

커뮤니티의 반발이 컸습니다. 가장 낮은 등급이 약 1만 달러부터 시작한다고 알려졌기 때문입니다. FCC 커버리지 지도, 연방 토지 경계, 인구조사 지리 정보가 모두 무료인 상황에서 우편 지리 정보에 수만 달러를 요구하는 건 후퇴처럼 느껴질 수밖에 없습니다. 구조적인 이유는 USPS가 의회 예산이 아니라 우편 요금 수입으로 대부분 운영되는 자체 재원 기관이라서, 데이터 상품도 상품으로 취급한다는 점입니다. 이것이 좋은 정책인지는 공정한 논쟁거리입니다. 하지만 라이선스 현실을 중심으로 파이프라인을 설계해야 하는지는 논쟁거리가 아닙니다.

두 개의 반투명 지도 레이어가 어긋나 있고, 핀이 서로 다른 구역에 떨어지는 모습
ZCTA와 USPS 경계는 대부분의 지역에서 일치합니다. 실제 장애는 둘이 어긋나는 틈에서 발생합니다.

흐릿한 경계를 위한 지오코딩 파이프라인 설계

이 파이프라인을 두 번 이상 다시 만들면서 정착한 패턴이 있습니다. ZIP 할당을 단일 점-in-폴리곤 조회가 아니라, 명시적인 모호성 예산을 가진 2단계 조인으로 다루는 것입니다. 첫 번째 단계는 엄격한 포함 검사이고, 두 번째 단계는 상한이 있는 최근접 이웃 대체 처리이며 이 단계는 스스로 로그를 남깁니다. 그래야 데이터가 지리와 얼마나 어긋나는지 측정할 수 있습니다. 이는 geohash vs spatial index 비교에서 다룬 공간 인덱싱 기법과 자연스럽게 이어집니다. 대체 처리 단계야말로 제대로 된 R-tree가 저렴하게 만들어 주는 작업이죠.

import geopandas as gpd
# ZCTA boundaries from the Census TIGER/Line shapefiles (free)
zcta = gpd.read_file("tl_2024_us_zcta520.shp")
# Project to a meter-based CRS so distances are meaningful
zcta = zcta.to_crs("EPSG:5070")[["ZCTA5CE20", "geometry"]]
points = gpd.GeoDataFrame(
addresses,
geometry=gpd.points_from_xy(addresses.lon, addresses.lat),
crs="EPSG:4326",
).to_crs("EPSG:5070")
# Pass 1: strict point-in-polygon
matched = gpd.sjoin(points, zcta, how="left", predicate="within")
# Pass 2: unmatched points get the nearest ZCTA, capped at 5 km,
# flagged so downstream consumers know this was an inference
unmatched = matched[matched["ZCTA5CE20"].isna()]
if len(unmatched):
nearest = gpd.sjoin_nearest(
unmatched.drop(columns=["ZCTA5CE20", "index_right"]),
zcta,
how="left",
max_distance=5_000,  # meters, because we projected first
distance_col="fallback_dist_m",
)
matched.loc[nearest.index, "ZCTA5CE20"] = nearest["ZCTA5CE20"]
matched.loc[nearest.index, "zip_inferred"] = True
matched["zip_inferred"] = matched["zip_inferred"].fillna(False)

코드 조각에 담긴 세 가지 세부 사항이 실제 운영에서 겪을 고통을 막아 줍니다. sjoin_nearest를 호출하기 전에 미터 단위 CRS로 투영하세요. max_distance를 도(degree) 단위로 넘기는 것은 위도에 따라 거리가 다르게 해석되어 조용히 틀리는 고전적인 버그입니다. 대체 거리에는 상한을 두세요. 가장 가까운 ZCTA 경계에서 40km 떨어진 주소는 그 ZCTA ‘안’에 있는 게 아니라 데이터 공백에 있는 것이고, 확신에 찬 거짓말 대신 플래그와 함께 null을 남기는 편이 낫습니다. 그리고 zip_inferred 플래그를 웨어하우스에 저장하세요. 이해관계자가 몬태나의 3분기 배송 예측이 왜 흔들렸는지 물을 때, 이 플래그가 10분짜리 답변과 2주짜리 고고학 발굴의 차이를 만듭니다.

운영 위생은 조인 로직보다 더 중요합니다. 파이프라인 설정에 경계 레이어 버전을 고정하고, 출력 행의 컬럼으로 기록하세요. ZCTA 빈티지를 바꾸거나 USPS 레이어를 도입할 때, 과거 각 레코드가 어떤 경계로 만들어졌는지 알아야 합니다. 소스의 업데이트 주기에 맞춰 재수집 일정을 잡으세요(ZCTA는 대략 연간, USPS는 분기별). 그리고 버전 사이의 행 수와 총 면적 차이를 비교하는 검증 단계를 추가하세요. 경계 파일은 생각보다 자주 데이터 품질 문제를 안고 옵니다. 이런 대규모 공간 데이터 작업이 흥미롭다면, 국가 전체를 복셀로 바꾸는 이야기도 훨씬 큰 규모에서 같은 교훈을 다룹니다.

플래그가 붙은 null이 확신에 찬 거짓말보다 낫습니다. 데이터베이스에서 가장 나쁜 ZIP 코드는 맞아 보이지만 틀린 값입니다.

각 ZIP 경계 소스가 유리한 경우

질문의 종류별로 나눠 보면 비교가 어렵지 않습니다. “이 주소는 어느 ZIP으로 우편을 받는가?”와 “이 지점은 어느 통계 구역에 속하는가?”는 비슷해 보이지만 전혀 다른 질문입니다.

  • 분석 및 인구통계 조인에서는 ZCTA가 유리합니다. 인구조사 데이터(중위소득, 인구 밀도, 주택 통계 등)로 레코드를 보강한다면, ZCTA는 단순히 무료 선택지가 아니라 올바른 선택입니다. 조인하려는 인구조사 표가 ZCTA 단위로 발표되기 때문입니다.
  • 시각화에서는 ZCTA가 유리합니다. 단계구분도(choropleth), 시장 지도, 대시보드에는 국토 전체를 빈틈없이 타일링한 경계가 필요합니다. 우편이 전혀 배달되지 않는 곳에 구멍이 있는 경계 레이어는 정확하더라도 이해관계자에게는 깨진 것처럼 보입니다.
  • 물류와 배송에서는 USPS 폴리곤이 유리합니다. 운송사 요금 구역, 마지막 구간 라우팅, 서비스 지역 적격성 등 비즈니스 질문이 말 그대로 “USPS가 이 주소를 어떻게 처리할 것인가?”인 경우에는 실제 배송 기록으로 만든 데이터가 맞습니다.
  • 신규 건설이 중요하다면 USPS 폴리곤이 유리합니다. 분기별 업데이트는 ZCTA가 몇 년씩 뒤처지게 만드는 경로 변동을 따라갑니다. 고객이 빠르게 성장하는 교외에서 사업한다면 이것만으로도 라이선스 비용이 정당화될 수 있습니다.
  • 좌표가 있다면 둘 다 유리하지 않습니다. 비즈니스 질문이 “이 지점 근처에 무엇이 있는가”라면 ZIP은 아예 건너뛰고 위도/경도로 실제 지리 공간 쿼리를 하세요. ZIP 기반 근접성은 새는 추상화입니다.

세 번째 진영도 언급할 가치가 있습니다. 상업 경계 벤더들은 몇 년 동안 큐레이션된 ZIP 폴리곤을 팔아 왔고, 시계열 이력이나 다른 지리 단위로의 크로스워크를 함께 묶어 제공하는 경우가 많습니다. USPS 제품은 ‘현장 기준’이라는 주장은 약화시키지만, 편의성까지 약화시키지는 않습니다. 이미 한 곳의 라이선스를 가지고 있다면, 판단 기준은 USPS의 배송 기록 계보가 마이그레이션할 가치가 있느냐입니다. 대부분의 분석 워크로드에서는 그렇지 않습니다.

어두운 우편 분류 시설의 컨베이어 벨트 위 소포들과 머리 위로 희미하게 빛나는 격자
ZIP 코드는 이런 건물을 통해 소포를 옮기기 위해 존재합니다. 지리는 언제나 부산물이었습니다.

라이선스 문제는 막다른 길입니다. 설계로 우회하세요

정보공개법(FOIA) 요청으로 이 데이터를 풀어낼 수 있는지, 또는 크라우드펀딩으로 라이선스 하나를 사서 폴리곤을 공개할 수 있는지 묻는 똑똑한 사람들이 많았습니다. 둘 다 성공하지 못할 것에 걸겠습니다. 라이선스 등급은 재배포를 통제하기 위해 존재하고, ‘한 번 사서 무료로 공개’하는 방식은 출판용 등급의 존재 이유와 정면으로 충돌합니다. 설령 된다 해도, 가치 제안이 분기별 최신성인 데이터셋의 스냅샷만 얻게 됩니다. 경로가 바뀌면 정적인 유출본은 금세 부채가 됩니다.

실용적인 방법은 경계 레이어를 교체 가능하게 설계하는 것입니다. 조인 로직, 대체 처리 방식, 버전 메타데이터는 고정하고, 폴리곤 소스는 설정값으로 다루세요. 그러면 ZCTA에서 USPS로 업그레이드하는 일이 마이그레이션 프로젝트가 아니라 제품 라인별 예산 결정이 됩니다. 저는 테이블 이름, 조인 키, 대시보드 필터까지 ZCTA 가정을 깊이 하드코딩해서, 소스를 바꾸는 비용이 피하려던 라이선스 비용보다 커지는 팀을 여러 번 봤습니다.

제 권장안: 기본은 ZCTA, USPS는 값을 하는 곳에만 구매

오늘 어떤 팀에게든 건넬 결정 규칙은 이렇습니다. 기본은 ZCTA입니다. 무료이고, 국토를 타일처럼 덮고, 여러분이 조인할 모든 인구조사 표와 맞으며, 분석에서는 타협안이 아니라 정석적인 선택입니다. 그 위에 거리 상한이 있고 스스로 로그를 남기는 대체 처리를 갖춘 2단계 조인을 얹으세요. 그래야 경계의 틈이 조용히 숨지 않고 드러납니다.

USPS 폴리곤은 비즈니스 질문이 우편 배송 자체에 관한 것일 때만 구매하세요. 배송비 모델링, 운송사 라우팅, 서비스 지역 적격성 같은 경우입니다. 그리고 가치를 먼저 수치로 따져 보세요. 주소 중 얼마나 많은 비율이 ZCTA와 USPS가 불일치하는 구역에 떨어지는지 측정하세요(제 경험상 전국적으로는 한두 자릿수 퍼센트 초반이지만, 오류 비용이 가장 큰 빠르게 성장하는 지역과 농촌에 몰려 있습니다). 그 일부가 의미 있는 매출이나 리스크를 좌우한다면 라이선스 비용은 본전을 뽑습니다. 그렇지 않다면 제품이 체감하지 못하는 정밀도를 사는 셈입니다.

무엇을 고르든, ZIP을 지리라고 우기는 것은 그만두세요. ZIP은 폴리곤 옷을 입은 배송 경로이고, 새 공식 경계도 그 사실을 바꾸지 않습니다. 옷이 더 잘 맞게 되었을 뿐입니다. 경계의 틈을 견딜 수 있도록 파이프라인을 만들고, 지도와 우편물이 어긋나는 곳을 기록하세요. 그러면 여전히 단순 점-in-폴리곤 조회를 하면서 null이 어디서 나오는지 궁금해하는 업계 대부분보다 앞서 나가게 됩니다.