선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 현실적인 요구를 기반으로, 본 연구는 다양한 IT 기업들의 R&D 투자 효율성을 분석함으로써 효율적인 투자 의사 결정에 도움이 되는 결론을 도출하는 것을 목표로 한다.
- 이에 본 연구에서는 국내 IT 산업군에 속한 기업들을 투자 효율성과 운영 효율성으로 나누어 IT 제조업과 서비스업의 효율성 차이를 분석하여 IT 산업의 투자 및 운영의 효율성 개선을 위한 정책적, 실무적 시사점을 도출하는 데 그 목적이 있다.
- 하지만 기업 간의 효율성 연구는 정부의 IT 지원 및 투자 정책 수립이 기업별로 수행되는 것이 아니라는 점에서 정책적 및 실무적 시사점을 갖기는 어렵다. 이에 산업별로 기업을 분류하여 산업군 간의 효율성 차이를 분석하는 것은 개별 기업의 문제점을 분석하는 것에서 나아가 산업군의 효율성 개선 방안을 도출할 수 있다는 점에서 본 연구의 의의가 있다. 본 연구와의 비교를 위해 기존에 IT 산업의 효율성 분석을 시도한 다 양한 연구들의 투입 요소와 산출 요소를 아래와 같이 정리하였다.
제안 방법
- 본 연구에서는 IT 산업을 IT서비스업, 인터넷 포털 서비스업, 유무선 통신 서비스업과 하드웨어 제조업, 소프트웨어 제조업으로 분류하고, 각 산업군 별로 대표적인 기업 2개 이상을 의사 결정 단위로 선정하여 2-Stage DEA를 이용하여 각각의 투자 효율성과 운영 효율성을 분석한 후 MannWhitney U Test를 이용하여 서비스업과 제조업의 차이를 비교하였다.
- 본 연구에서는 앞서 언급한 IT 산업을 분류한 선행 연구 조사를 재구성하고, KRG(Knowledge Research Group)에서 발표한 국내 기업 중 상장 기업 13개를 DMU로 선정하였으며 산업 분류는 아래 [Table 2]와 같다.
- 우선, 선행연구를 통해 IT 기업을 제조기반 업체와 서비스기반 업체로 분류하여 두 집단에서의 R&D 투자 효율성 및 운영 효율성이 어떠한 차이를 보이는지 관찰하였다.
- 국내외에서는 IT 산업을 분류하기 위해서 세 가지 분류 체계로 한국표준산업분류(KSIC), Gartner 분류, IT서비스학계의 분류 등이 가장 많이 사용되고 있다. 이 중 본 연구에서는 Gartner의 기준에 따라 IT 제조 산업을 하드웨어 제조업과 소프트웨어 제조업으로 나누고, KRG(Knowledge Research Group)에서 발표한 국내 IT 기업 중 상장 기업 13개를 각각의 산업군에 따라 IT서비스, 인터넷 포털, 유무선 통신 등의 서비스 업종과 하드웨어 및 소프트웨어를 생산하는 제조 업종으로 재분류하여 효율성을 측정하기로 한다.
- 이를 보완하기 위하여 Sarkis(2007)에서 제시한 방법대로 각 변수의 평균으로 해당 변수 값을 다시 나눈 값으로 치환하여 데이터의 표준 편차를 줄이고, 음수 값을 0.0001과 같이 0에 가까운 작은 값으로 치환한 데이터를 최종적으로 사용하였다. 본 연구에서 사용된 데이터의 일반적 표본 특성은 [Table 3]과 같다.
- 이를 통해 IT 산업군에 속한 각 기업이 가진 총 자산과 이를 투자한 R&D 투자 금액을 활용하여 얼마나 높은 수익을 얻었는가에 대한 투자 효율성 (Investment Efficiency)을 계산하고, 이를 통해 얼마만큼의 영업 이익 및 EPS를 산출하였는지를 계산하여 운영 효율성(Operational Efficiency)을 계산한다.
- 첫째, 본 연구에서는 기존에 활발하게 이루어진 정보통신산업의 효율성 분석 뿐 아니라, IT서비스업, 인터넷 포털 서비스업, 하드웨어 제조업, 소프트웨어 제조업 등 IT 산업을 구성하는 다양한 산업군과 각 산업군을 대표하는 기업을 의사결정단위로 하여 효율성을 분석하였다. 이를 통해 각 산업군별로 효율성을 비교할 수 있는 투입과 산출 요소를 선정한 선행연구로써의 가치를 지닌다.
대상 데이터
- 본 연구에서 사용될 13개의 IT 기업은 모두 상장사로 매년 국제회계기준(IFRS : International Financial Reporting Standards)에 따라 연간 보고서를 발간하고 있다. 이에 따라 본 연구에서는 13개의 IT 기업이 발간한 연간 보고서 중 가장 최신판인 2014년도 기준 연간보고서를 바탕으로 자료를 수집하였다.
데이터처리
- 또, 본 연구에서는 IT 산업 내 서비스업과 제조업에 속하는 기업들의 투자 효율성과 운영 효율성의 정확한 비교를 위하여 DEA와 같은 비모수적인 기법의 검증에 널리 활용되는 Mann-Whitney U Test와 순위합검증(Rank-Sum Test) 검사를 실시하였으며 분석 결과는 [Table 8]과 같다.
- 마지막으로 본 연구에서는 IT 산업의 13개 기업의 효율성 점수를 대상으로, 투자효율성이 높은 경우, 운영 효율성도 높은지를 알아보기 위해 상관분석을 실시하였으며 상관 분석 결과는 아래 [Table 9]와 같다.
이론/모형
- 선행 연구를 통해, 본 연구에서는 각 기업의 고정비를 대표하는 총 자산과 R&D 투자 금액을 투입 변수로 하고 영업이익과 주당 순이익(EPS : Earning Per Share)을 산출 변수로 하여 일반적인 운영 효율성을 측정하는 기본 모형과 자기자본이익률(ROE : Return on Equity)과 총자산순이익률 (ROA : Return on Asset)을 매개 변수로 설정하 고, Banker et al.(1984)가 제시한 Output-Oriented BCC 모형을 활용하여 Two-Stage DEA 모형을 설계하였다.
- 우선, 선행연구를 통해 IT 기업을 제조기반 업체와 서비스기반 업체로 분류하여 두 집단에서의 R&D 투자 효율성 및 운영 효율성이 어떠한 차이를 보이는지 관찰하였다. 둘째, 본 연구에서는 효율성 분석에 주로 사용되는 도구인 자료포락분석(DEA : Data Envelopment Analysis) 기법 중 두 단계의 요인을 함께 다루기에 적합한 Two-Stage DEA 모형을 적용하였다.
성능/효과
- 투자 효율성 분석 결과, 규모수익불변과 규모수익 가변 기준으로 IT 제조업의 투자 효율성이 높은 것으로 나타났으며, IT서비스 기업의 6개 회사 모두 규모수익 체감으로 나타나 규모의 비경제가 존재한다는 사실을 확인하였다. IT서비스 기업의 경우 높은 투자 효율성을 달성하기 위해서 평균 57%의 산출분을 증가시켜야 한다는 결론을 얻을 수 있었다.
- [Table 5]의 결과를 살펴보면, IT서비스업의 경우 평균적으로 ROE 부족분이 14.55, ROA 부족분이 8.04로 IT 제조업의 ROE 부족분의 평균인 3.55와 ROA 부족분의 평균인 2.81 보다 높은 것으로 도출되었다. 즉, IT서비스업의 경우, 높은 투자 효율성을 달성하기 위하여 평균적으로 57% 정도의 산출분을 증가시켜야 하며, IT 제조업의 경우 평균 29%의 산출분을 증가시켜야 하는 것으로 나타났으며, 이때의 산출분은 ROE, ROA를 뜻하며, 이를 높이기 위해서 자본의 효율적으로 사용하여야 한다는 것을 의미한다.
- [Table 7]의 결과를 살펴보면, IT서비스업의 경우 평균적으로 영업 이익의 부족분이 5,408억 원, EPS의 부족분이 5,641원으로 IT 제조업의 영업 이익 부족분의 평균인 10,282억 원과 EPS 부족분의 평균인 12,111원 보다 낮은 것으로 도출되었다.
- 검증 결과, 0.05의 유의 확률에서 IT서비스 기업과 IT 제조기업의 투자 효율성이 같은 분포를 보인다는 영가설은 채택되었으며, IT서비스 기업과 IT 제조기업의 운영 효율성이 같은 분포를 보인다는 영가설은 기각되어 0.05의 유의 확률 기준으로는 IT서비스 기업과 IT 제조기업의 운영 효율성만 통계적으로 유의한 차이를 보인다는 것을 알 수 있다.
- 다음으로 [Table 6]을 통해 가장 운영 효율성이 높은 기업은 규모수익불변 기준으로 SKT와 LG Uplus 등 2개 기업이 1의 효율성 점수를 가지는 것으로 확인되었으며, 규모수익가변 기준으로는 SKT와 LG Uplus, KT, 콤텍시스템 등 4개 기업이 1의 효율성 점수를 가지는 것으로 나타났다.
- 둘째, 기존의 효율성 연구와는 달리 효율성을 투자 효율성과 운영 효율성으로 나누어 두 가지의 효율성 측면에서 IT 산업을 구성하는 서비스업과 제조업의 차이점을 분석하였다는 데 그 의의가 있다. 이를 통해 IT 산업의 운영 효율성의 경우 IT서비스 기업이 제조 기업에 비해 높다는 사실을 통계적으로 증명하였다.
- 둘째, 운영 효율성의 경우 서비스업과 제조업의 차이가 통계적으로 유의하다는 결론이 나왔지만, 투자 효율성의 경우 통계적으로 유의하지 않았다. 하지만 순위합검증 결과로 보았을 때, 투자 효율성의 경우도 서비스업과 제조업에 분명한 차이가 존재하는 것을 볼 때, 앞서 언급한 DMU의 개수를 늘려서 분석한다면 이 차이를 통계적으로 검증할 수 있을 것으로 생각된다.
- 또한 규모 효율성(SE : Scale Efficiency)를 살펴보면, IT서비스 기업 6개 회사 모두 규모수익체감 (DRS : Decreasing Return to Scale)으로 나타났고, IT 제조 기업은 규모수익체증(IRS : Increasing Return to Scale)을 보이는 한국컴퓨터, 콤텍 시스템 등의 하드웨어 제조기업과 규모수익체감을 보이는 안랩, 한글과 컴퓨터 등의 소프트웨어 제조 기업으로 나뉘었다.
- 마지막으로, 각 의사결정단위인 13개 기업의 투자 효율성과 운영 효율성을 높이기 위하여 늘려야 하는 산출의 부족분과 지향해야 하는 투영점을 제시함으로써 향후 국가의 지원 정책 등에 근거자료로 사용하거나, 기업 내부의 효율성 향상 계획에 기준을 제시하여 정책적, 실무적 의의가 있다. 분석 결과에 따르면, IT 제조업은 운영 효율성에서 81.
- 5%의 산출분을 증가시켜야 하는 것으로 나타났으며, 이때의 산출분은 영업이익과 EPS를 뜻한다. 분석 결과, 투자 효율성과 반대로, IT서비스업의 운영 효율성이 IT 제조업에 비해 높은 것으로 분석되었으며 IT 제조 기업은 이때의 산출분인 영업이익과 EPS를 높이기 위하여 경영 실적 및 당기 순이익 등에 더욱 집중해야 한다는 결론을 내릴 수 있다.
- 분석 결과, 투자효율성과 운영효율성은 매우 높은 음의 상관관계를 가진다는 것이 나타났다. 이는 투자효율성이 높을수록 운영효율성이 낮고, 운영 효율성이 높을수록 투자효율성이 낮다는 것으로 투자 효율성과 운영 효율성 모두를 갖춘 IT 기업이 적다는 것을 의미한다.
- 마지막으로, 각 의사결정단위인 13개 기업의 투자 효율성과 운영 효율성을 높이기 위하여 늘려야 하는 산출의 부족분과 지향해야 하는 투영점을 제시함으로써 향후 국가의 지원 정책 등에 근거자료로 사용하거나, 기업 내부의 효율성 향상 계획에 기준을 제시하여 정책적, 실무적 의의가 있다. 분석 결과에 따르면, IT 제조업은 운영 효율성에서 81.5%의 산출분을 증가시켜야 하며, IT서비스업은 투자 효율성에서 57%의 산출분을 증가시켜야 한다. 이를 통해, IT 제조업의 경우 운영 효율성이 IT서비스업보다 낮게 나타나 운영의 효율성을 개선하는 노력이 필요하며, IT서비스업의 경우 투자 효율성을 집중적으로 개선해야 한다는 시사점을 찾을 수 있다.
- 수집 결과 각 기업 간의 규모의 차이로 인하여 수집된 데이터 간의 표준 편차가 크게 나타났으며 영업 이익 및 ROA와 같은 경우 음수로 나타나기도 하였다.
- 운영 효율성 분석 결과, 투자 효율성의 분석 결과와 상반된 결과를 얻을 수 있었는데, 투자 효율성의 결과와는 달리 운영 효율성은 IT서비스 기업이 IT제조 기업에 비해 높은 것으로 나타났다. 또한 Naver와 한글과 컴퓨터를 제외한 기업들이 모두 규모 수익 체증인 것으로 나타나 IT 산업의 운영 효율성이 규모의 경제가 있다고 해석할 수 있다.
- 이러한 결과를 살펴보면, IT서비스 기업에서는 투자액을 증가시킬 때, 수익이 오히려 더 감소하는 규모의 비경제(Diseconomics of Scale)가 존재하였으며, IT 제조 기업에서는 하드웨어 제조기업의 경우 투자액을 증가시킬 때 수익이 증가하는 규모의 경제(Economics of Scale)가 존재하고, 소프트웨어 제조기업의 경우는 규모의 비경제가 존재 하는 것으로 분석되었다. 이는 Chung(2011)에서 지적한 대로 IT서비스업은 기술 진보 측면을 활성화시켜 규모 효과를 극대화 시켜야 할 것이며, 또한 IT 제조 기업 중 소프트웨어 제조 기업에서는 기술적 효율성을 높이기 위한 다각적인 방안이 요구된다.
- 하지만 순위-합 점수를 살펴보면, 투자효율성 관점에서도 비록 통계적으로 충분히 유의하지는 않지만, 어느 정도 차이를 미루어 짐작할 수 있음을 알 수 있다. 이를 미루어보아 IT서비스 기업은 IT 제조기업에 비해 통계적으로 유의하게 운영 효율성이 높다는 결론을 내릴 수 있다.
- 둘째, 기존의 효율성 연구와는 달리 효율성을 투자 효율성과 운영 효율성으로 나누어 두 가지의 효율성 측면에서 IT 산업을 구성하는 서비스업과 제조업의 차이점을 분석하였다는 데 그 의의가 있다. 이를 통해 IT 산업의 운영 효율성의 경우 IT서비스 기업이 제조 기업에 비해 높다는 사실을 통계적으로 증명하였다.
- 이는 투자효율성이 높을수록 운영효율성이 낮고, 운영 효율성이 높을수록 투자효율성이 낮다는 것으로 투자 효율성과 운영 효율성 모두를 갖춘 IT 기업이 적다는 것을 의미한다. 이를 통해 전반적으로 투자효율성이 높은 IT 제조기업은 운영효율성 이 낮고, 운영효율성이 상대적으로 높은 IT서비스업은 투자효율성이 낮은 것을 알 수 있다.
- 즉, IT서비스업의 경우, 높은 운영 효율성을 달성하기 위하여 평균적으로 36.5% 정도의 산출분을 증가시켜야 하며, IT 제조업의 경우 평균 81.5%의 산출분을 증가시켜야 하는 것으로 나타났으며, 이때의 산출분은 영업이익과 EPS를 뜻한다. 분석 결과, 투자 효율성과 반대로, IT서비스업의 운영 효율성이 IT 제조업에 비해 높은 것으로 분석되었으며 IT 제조 기업은 이때의 산출분인 영업이익과 EPS를 높이기 위하여 경영 실적 및 당기 순이익 등에 더욱 집중해야 한다는 결론을 내릴 수 있다.
- 81 보다 높은 것으로 도출되었다. 즉, IT서비스업의 경우, 높은 투자 효율성을 달성하기 위하여 평균적으로 57% 정도의 산출분을 증가시켜야 하며, IT 제조업의 경우 평균 29%의 산출분을 증가시켜야 하는 것으로 나타났으며, 이때의 산출분은 ROE, ROA를 뜻하며, 이를 높이기 위해서 자본의 효율적으로 사용하여야 한다는 것을 의미한다. [Table 5]의 결과를 정리하면, IT서비스업의 투자 효율성이 IT 제조업에 비해 낮은 것으로 분석되었다.
- 투자 효율성 분석 결과, 규모수익불변과 규모수익 가변 기준으로 IT 제조업의 투자 효율성이 높은 것으로 나타났으며, IT서비스 기업의 6개 회사 모두 규모수익 체감으로 나타나 규모의 비경제가 존재한다는 사실을 확인하였다. IT서비스 기업의 경우 높은 투자 효율성을 달성하기 위해서 평균 57%의 산출분을 증가시켜야 한다는 결론을 얻을 수 있었다.
후속연구
- 하지만 순위합검증 결과로 보았을 때, 투자 효율성의 경우도 서비스업과 제조업에 분명한 차이가 존재하는 것을 볼 때, 앞서 언급한 DMU의 개수를 늘려서 분석한다면 이 차이를 통계적으로 검증할 수 있을 것으로 생각된다. 또한 본 연구에서는 2014년의 데이터 값만을 사용하여 효율성의 동태적 변화는 분석하지 못하였다. 이후 자료가 축적 된다면 맘퀴스트 생산성 분석(MPI : Malmquist Productivity Index) 등의 기법을 사용하여 투자 및 운영 효율성의 변화를 살펴볼 수 있을 것이다.
- 마지막으로, 본 연구에서는 각 산업군 별로 효율성을 구하였지만 비교하지는 못하였다. 이는 DEA로 구한 효율성 점수의 경우, 비모수적 방법의 한계로 인하여 단순 평균을 내어 구할 수 없기 때문이다.
- 이는 DEA로 구한 효율성 점수의 경우, 비모수적 방법의 한계로 인하여 단순 평균을 내어 구할 수 없기 때문이다. 이에 후속 연구에서는 Simar and Wilson(1998)이 제안한 부트스트랩 기법을 사용하여 이를 보완하거나, DEA 방법이 아닌 경로분석(Path analysis)이나 구조방정식모형(SEM : Structural Equation Modeling)으로도 본 연구를 발전시킬 수 있을 것으로 기대한다.
- 또한 본 연구에서는 2014년의 데이터 값만을 사용하여 효율성의 동태적 변화는 분석하지 못하였다. 이후 자료가 축적 된다면 맘퀴스트 생산성 분석(MPI : Malmquist Productivity Index) 등의 기법을 사용하여 투자 및 운영 효율성의 변화를 살펴볼 수 있을 것이다.
- 첫째, 본 연구에서는 각 IT 산업군별로 대표기업을 KRG에서 발표한 기업을 중심으로 선정하였는데, 이는 DMU의 대표성의 문제가 있을 수 있다. 즉 각 산업군의 전수 조사를 통해 효율성을 측정하면 보다 정확한 결과를 얻을 수 있을 것이라 생각된다.
- 첫째, 본 연구에서는 각 IT 산업군별로 대표기업을 KRG에서 발표한 기업을 중심으로 선정하였는데, 이는 DMU의 대표성의 문제가 있을 수 있다. 즉 각 산업군의 전수 조사를 통해 효율성을 측정하면 보다 정확한 결과를 얻을 수 있을 것이라 생각된다.
- 둘째, 운영 효율성의 경우 서비스업과 제조업의 차이가 통계적으로 유의하다는 결론이 나왔지만, 투자 효율성의 경우 통계적으로 유의하지 않았다. 하지만 순위합검증 결과로 보았을 때, 투자 효율성의 경우도 서비스업과 제조업에 분명한 차이가 존재하는 것을 볼 때, 앞서 언급한 DMU의 개수를 늘려서 분석한다면 이 차이를 통계적으로 검증할 수 있을 것으로 생각된다. 또한 본 연구에서는 2014년의 데이터 값만을 사용하여 효율성의 동태적 변화는 분석하지 못하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.