영수증 2만 장을 다시 열어봤다 — 없는 줄 알았던 컬럼과, 9시간 틀린 그래프

커피콩에는 카페 영수증을 찍으면 원두를 주는 기능이 있다. 결제액의 10%, 최대 500원두, 하루 한 장. 원두 10개가 1원이니까 한 장에 최대 50원이다.

기능을 만들 때 우리가 한 일은 딱 거기까지였다. 영수증을 받고, 금액을 읽고, 원두를 주고, 끝. 그렇게 3개월 반이 지났고 2만 장이 쌓였다. 이걸로 뭘 할 수 있나 싶어서 열어봤는데, 세 가지가 나왔다. 하나는 반가웠고, 하나는 뜨끔했고, 하나는 하마터면 거짓말을 할 뻔했다.

1. 매장명은 컬럼에 없었다. 그런데 살아있었다.

테이블을 열자마자 실망했다. brand는 있는데 store가 없다. 브랜드는 스타벅스·커피빈·메가커피·이디야·기타 다섯 값짜리 고정 목록이라, 동네 카페는 전부 기타로 뭉개진다. 실제로 승인된 17,504건 중 10,331건, 59%가 기타다.

절반 넘는 데이터가 "어딘가의 카페"라는 뜻이다. 지도에 못 올리고, 가격 비교도 못 하고, 아무것도 못 한다.

그러다 ocrRaw 컬럼을 봤다. 이름만 보고 원본 텍스트겠거니 했는데, 열어보니 이랬다.

[
  {
    "brand": "기타",
    "store": "봄비 Roasters",
    "total": 13500,
    "paidAmount": 13500,
    "discountAmount": 0,
    "hasDiscount": false,
    "paidAt": "2026-08-05 11:48",
    "approvalNo": "14502792",
    "isPaymentReceipt": true,
    "imageQuality": "clear",
    "confidence": 0.95
  }
]

OCR에 쓴 LLM의 JSON 응답을 통째로 넣어둔 거였다. 그리고 거기 store가 있었다. 우리가 컬럼으로 안 뽑았을 뿐, 3개월 내내 저장되고 있었다.

전체 ocrRaw 보유:     20,814건
store 키 존재:        20,814건 (100%)
정규식 파싱 성공:      20,037건 (96.3%)

봄비 Roasters, 우지커피 시흥정왕점, 빌리엔젤 압구정역점, 카페 깜장콩, DDC 돌담커피 용산점, 고려대 SK미래관 1847카페… 비전 API를 다시 부를 필요도 없다. UPDATE ... SET store = substring(...) 한 방이면 된다.

교훈이라기엔 민망하지만: 파싱 결과를 버릴 때 원본 응답은 남겨둬라. 우리가 잘해서가 아니라 그냥 디버깅용으로 넣어둔 컬럼이 3개월치 데이터를 살렸다.

2. 사람들은 새벽 3시에 커피를 마시지 않는다

매장명을 건졌으니 다음은 시간대였다. 언제 커피를 사는지 보려고 한 줄 짰다.

SELECT extract(hour from "ocrPaidAt") h, count(*)
FROM coffeecong_cafe_receipt GROUP BY h ORDER BY h;

결과가 이상했다.

 3시 │ ████████████████████ 2,176   ← 피크
 4시 │ █████████████████ 1,926
 5시 │ ██████████████ 1,619
 ...
14시 │ 28
17시 │ 4

새벽 3시가 피크고 오후 5시가 4건. 커피를 새벽에 마시고 오후엔 안 마시는 나라는 없다.

ocrPaidAt의 타입은 timestamp without time zone이다. 타임존 정보가 없다. 그래서 처음엔 "저장이 깨졌구나" 싶었는데, 확인해보니 아니었다.

제출 지연(createdAt - ocrPaidAt)을 재봤다. p10이 4분이었다. 결제하고 4분 만에 찍어 올린 사람들이다. 두 컬럼이 같은 기준이 아니면 나올 수 없는 값이고, Prisma는 timestamp without time zone을 UTC로 저장한다. 즉 저장은 멀쩡했다.

틀린 건 읽는 쪽이었다. UTC 3시는 KST 정오다. +9를 하면 이렇게 된다.

KST 12시 │ ████████████████████ 2,176   ← 점심 먹고 커피
KST 13시 │ █████████████████ 1,926
KST 09시 │ █████████████ 1,454          ← 출근길
KST 08시 │ ██████████ 1,151
KST 03시 │ ▏19

점심 직후가 최대 피크, 오전 8~9시에 출근길 봉우리, 새벽엔 사실상 0. 누구나 아는 한국인의 커피 패턴이 그제야 나왔다.

timestamp without time zone은 틀린 값을 주지 않는다. 틀릴 자유를 줄 뿐이다. 컬럼 이름에도, 타입에도 "이건 UTC야"라고 쓰여 있지 않으니 다음 사람도 똑같이 당한다. 우리 코드베이스엔 이미 같은 계열의 버그가 한 번 있었다 — 브랜드 혜택의 요일 비트마스크를 KST 기준으로 계산해야 하는데 UTC로 계산해서 9시간 밀렸던 적이 있고, 그 주석이 아직 남아 있다. 같은 함정을 두 번 밟은 셈이다.

3. "전국 카페 12,780곳" — 쓸 뻔했다

store를 파싱했더니 고유값이 12,780개 나왔다. 전국 카페 12,780곳의 실제 결제 데이터. 네이버에도 카카오에도 없는 데이터다. 여기까지 쓰고 발행할 뻔했다.

상위 매장을 눈으로 보다가 멈췄다.

구의DT점. 마산회원DT점. 사이렌오더.

DT는 드라이브스루고, 사이렌오더는 스타벅스 주문 시스템 이름이다. 중앙값도 11,000~12,000원대로 스타벅스 가격대다. 전부 스타벅스인데 OCR이 브랜드 접두어를 못 잡아서 따로 세어진 거다. 스타벅스 김포이마트점처럼 제대로 잡힌 것도 있으니, 같은 매장이 여러 이름으로 흩어져 있다.

그러니까 12,780은 매장 수가 아니라 정규화 전 문자열 종류 수, 즉 상한선이다. 진짜 매장 수는 이보다 한참 적다. 하마터면 우리 도메인에 틀린 숫자를 박아놓을 뻔했다.

그래서 데이터가 뭘 말하나

위 세 개를 정리하고 나서 남은, 믿을 만한 숫자들이다. 2026년 5월 2일부터 8월 13일까지, 승인된 영수증 17,504장, 기기 약 1,500대 기준이다.

브랜드별 결제액과 할인 사용률

가장 눈에 띄는 건 할인 사용률 격차다. 스타벅스 손님은 절반 이상이 할인을 받고 나오는데, 메가커피는 셋 중 한 명도 안 된다. 이디야는 여덟 명 중 한 명 꼴이다.

역설적이다. 저가 브랜드에 가는 사람일수록 가격에 민감할 것 같은데, 할인은 덜 쓴다. 그럴 만도 한 게, 스타벅스는 별·사이렌오더·기프티콘처럼 할인 경로가 앱 안에 다 들어와 있고, 메가커피의 통신사 할인은 계산대에서 먼저 말을 꺼내야 한다. 마찰의 차이지 의지의 차이가 아닌 것 같다.

메가커피 평균 할인액이 ₩2,553인데 중앙 결제액이 ₩3,900이다. 할인을 쓴 사람과 안 쓴 사람이 같은 걸 사고 거의 두 배 차이 나는 돈을 내고 있다는 뜻이다.

언제 사는가 (KST)

08시 │ ██████████ 1,151
09시 │ █████████████ 1,454
10시 │ ███████████ 1,228
11시 │ ███████████ 1,263
12시 │ ████████████████████ 2,176
13시 │ █████████████████ 1,926
14시 │ ██████████████ 1,619
15시 │ ████████████ 1,377
16시 │ ██████████ 1,147
17시 │ ███████ 845

점심 직후 12~14시에 전체의 32%가 몰린다. 출근길(8~9시)이 두 번째 봉우리다. 저녁 이후로는 완만하게 떨어지고, 새벽 1~6시는 다 합쳐 100건이 안 된다.

영수증을 언제 찍는가

이건 우리 기능에 대한 데이터다. 결제부터 제출까지 중앙값 6.6시간, 상위 10%는 4분 안에 찍고, 하위 10%는 6일이 지나서 올린다.

하루 한 장 제한 때문에 사람들이 영수증을 모아뒀다가 나눠 올리는 것으로 보인다. 제한이 행동을 만들고 있다는 뜻인데, 이건 나쁘게 볼 일만은 아니라 좀 더 봐야겠다.

이 숫자를 읽을 때 주의할 것

발행하면서 스스로에게 건 제약들이다. 이거 빼고 인용되면 곤란하다.

1. 중앙값은 객단가지 한 잔 값이 아니다. 스타벅스 ₩9,195는 아메리카노 가격이 아니라 한 번 결제에 쓴 돈이고, 두 잔 이상일 가능성이 높다. 우리 OCR은 품목을 읽지 않는다. 그래서 "아메리카노 얼마"는 이 데이터로 말할 수 없다.
2. 날짜의 6%가 OCR 오독이다. 2026년이 19,156건인데 2020년이 848건, 2016년이 34건, 심지어 2028년(미래)이 30건 있다. 위 집계는 2026년만 쓴 게 아니라 전체 기준이라 이 노이즈가 섞여 있다.
3. 표본이 편향돼 있다. 원두를 받으려고 영수증을 찍는 사람들이다. 커피에 돈을 쓰고 그걸 아까워하는 인구의 표본이지, 전 국민 표본이 아니다.
4. 매장 수는 말하지 않는다. 위에 쓴 이유로 정규화 전이다.

다음

• ocrRaw → store 백필. 한 번이면 되고 비전 API 비용은 0원이다.
• 매장명 정규화. 사이렌오더·○○DT점을 스타벅스로 접는 규칙부터.
• OCR 프롬프트에 items[] 추가. 과거는 못 살리지만 앞으로는 품목별 가격이 쌓인다. 그게 되면 "아메리카노 실거래가"를 처음으로 말할 수 있다.
• ocrPaidAt을 쓰는 모든 집계에 KST 변환을 강제하는 헬퍼 하나. 세 번째로 밟기 전에.

가장 크게 배운 건 따로 있다. 우리는 이 데이터를 3개월 동안 원두 주는 근거로만 썼다. 한 장에 50원짜리로 취급했는데, 열어보니 그 안에 전국 카페의 실제 결제 기록이 들어 있었다.

데이터는 쌓는 순간이 아니라 열어보는 순간에 생긴다.