전년보다 늘어난 창업 업종 vs 줄어든 업종 — 데이터

창업 업종을 고를 때 흔히 “지금 뜨는 게 뭐냐”를 묻습니다. 하지만 한 시점의 인기보다 중요한 것이 흐름입니다. 사업자 수가 늘고 있는 업종인지, 줄고 있는 업종인지에 따라 몇 년 뒤 상권의 모습이 달라지기 때문입니다. 이 글에서는 공공데이터로 확인되는 1년 사이 늘어난 업종과 줄어든 업종을 살펴보고, 이 흐름을 내 창업 판단에 어떻게 쓸지까지 정리했습니다. 수치는 국세청 사업자현황과 중소벤처기업부 창업기업동향을 근거로 했습니다.

전체 창업은 줄고, 기술창업은 는다

먼저 큰 그림입니다. 중소벤처기업부 창업기업동향에 따르면 2025년 연간 창업기업은 113만 5,561개로 2024년보다 4.0% 줄어, 6년 연속 감소세를 보였습니다. 경기와 인구 구조가 맞물린 결과입니다.

그런데 그 안에서 방향이 갈립니다. 기술기반 창업은 22만 1,063개로 전년 대비 2.9% 늘었고, 전체 창업에서 차지하는 비중은 19.5%로 통계 작성 이래 역대 최대치를 찍었습니다. AI를 활용하는 정보통신·전문과학기술서비스업이 이 증가를 이끌었습니다. 업종별로도 금융보험업(+25.9%)·정보통신업(+17.5%) 은 크게 늘었고, 전기가스증기업(-29.2%)·숙박음식점업(-11.8%)·부동산업(-9.1%) 은 대폭 줄었습니다. 흥미로운 건 숙박업(+19.1%)이 늘어난 반면 음식점·주점업(-14.2%)은 줄어, 같은 ‘먹고 자는’ 업종 안에서도 흐름이 엇갈렸다는 점입니다.

우리 데이터로 본 — 1년 사이 늘어난 업종

큰 그림을 개별 업종으로 좁혀 보겠습니다. 아래는 국세청 사업자현황을 바탕으로 우리가 집계한, 전년 동월 대비 사업자 수가 늘어난 업종입니다(기준: 2026년 4월).

눈에 띄는 건 통신판매업입니다. 이미 69만 개가 넘는 거대한 시장인데도 여전히 6% 넘게 늘고 있습니다. 온라인 창업이 계속 확대되고 있다는 신호입니다. 펜션·게스트하우스의 증가는 앞서 본 숙박업 증가 흐름과 맞물립니다. 반면 공인노무사·가전제품수리점처럼 전문·수리 서비스가 꾸준히 느는 것도 주목할 부분입니다.

줄어드는 업종 — 술집·독서실·PC방

반대로 사업자 수가 줄고 있는 업종입니다(국세청 사업자현황, 2026년 4월 기준).

술집(간이주점·호프주점) 의 동반 감소가 두드러집니다. 회식 문화 변화와 음주 소비 감소가 겹친 결과로 볼 수 있습니다. 독서실·PC방의 감소는 스터디카페·모바일 게임 같은 대체재로 수요가 옮겨간 흐름과 무관하지 않습니다. 화장품가게·신발가게 같은 오프라인 소매의 감소는, 앞서 통신판매업이 느는 것과 정확히 반대편에 있는 그림입니다. 온라인으로 수요가 넘어가면서 오프라인 점포가 줄어드는 것입니다.

왜 이렇게 갈리나 — 흐름 읽기

늘고 주는 업종을 관통하는 흐름은 몇 가지로 정리됩니다.

온라인으로의 이동. 통신판매업이 늘고 화장품·신발 같은 오프라인 소매가 주는 건 같은 원인의 양면입니다. 소비가 온라인으로 옮겨가면서 오프라인 점포 수요가 줄어듭니다.

소비·생활 방식 변화. 술집이 줄고, 독서실이 스터디카페에 자리를 내주는 것은 세대의 생활 방식이 바뀌고 있다는 신호입니다. 업종의 성패가 ‘내 노력’보다 ‘수요의 방향’에 크게 좌우된다는 점을 보여줍니다.

기술·전문화. 전체 창업이 줄어도 기술기반·전문 서비스 창업이 늘어난다는 건, 진입장벽이 있는 영역일수록 흐름이 안정적이라는 의미로 읽을 수 있습니다.

이 데이터를 창업에 어떻게 쓰나

흐름은 참고 자료이지 정답이 아닙니다. 실제 판단에 쓸 때는 두 가지를 함께 봐야 합니다.

• 증감 + 포화도를 겹쳐 본다. 늘어나는 업종이라도 이미 포화라면 들어갈 자리가 없습니다. 소상공인시장진흥공단 조사에서 폐업 사유 3위가 ‘업종 포화’ 였다는 점을 기억해야 합니다. 업종 흐름(증감)과 내 지역의 밀도(포화도)를 함께 봐야 합니다.
• 전국 흐름과 내 동네를 구분한다. 위 수치는 전국 기준입니다. 같은 업종이라도 내 상권에서는 다르게 움직일 수 있으니, 최종 판단은 내 지역의 인구·경쟁 상황으로 좁혀서 해야 합니다.

즉 “늘어나는 업종이니 안전하다”가 아니라, “이 업종의 전국 흐름은 이렇고, 내 동네의 밀도는 저렇다” 를 겹쳐 보는 것이 데이터를 제대로 쓰는 방법입니다.