본 연구는 2015년도 5만 여개의 기업거래정보(KED(한국기업정보))를 이용하여, 유통업체와 관련이 있는, 지속적인 거래관계를 가진 기업들의 거래관계 네트워크를 형성하여 유통업체의 생태계를 파악하고자 하였다. 클러스터링의 방법을 사용한 결과, 5개 이상의 기업들로 이루어진 731개의 클러스터로 묶여진다. 이들은 KED 자료에서 파악되는 유통산업 매출의 약 80%룰 차지한다. 클러스터들은 소속된 업체들의 거래가 대부분 내부에서 완결되는 모듈화된 거래 패턴을 가진다. 유통 클러스터들은 그들 매출의 70% 이상을 하나 또는 2, 3개의 업체(주기업)가 차지하고 있다. 이러한 특징은 제조업과 유사하다. 그렇지만 유통 클러스터들은 소속 기업수가 제조업과 비교하여 작은 특징을 지니고 있으며 조립 제조업체들에 비해서는 특정 업체와 클러스터에 매출이 집중된 정도도 약하다. 기업연관분석의 결과를 보면, 30대 유통업체들이 소속된 클러스터내의 중소기업들의 주기업에 대한 매출의존도는 롯데쇼핑, 이마트, 이랜드리테일, 신세계, 현대홈쇼핑 등이 최소 35% 이상의 값을 보인다. 이들 클러스터 내에서의 공정거래정책을 통한 중소기업 육성정책의 여지가 크다는 점을 암시한다. 씨제이홈쇼핑, 현대홈쇼핑, 한무쇼핑 등은 아주 높은 생산유발효과를 가지며, 앞의 두 업체는 동일 클러스터 소속 중소기업들에 특히 높은 생산유발효과를 가지고 있다. 그리고 1-9번 클러스터들은 중소기업의 고용 비중이 높고 중소기업의 고용계수가 매우 높은 10번 기업군과 31번 기업군에서 상품을 조달하는 경우가 많다. 중소기업에 높은 생산 및 고용 유발효과를 가지고 있거나, 10, 31번 기업군에 후방연관효과가 높은 기업들은 중소기업 성장 및 고용 정책에서 중시되어야 할 것이다.
본 연구는 2015년도 5만 여개의 기업거래정보(KED(한국기업정보))를 이용하여, 유통업체와 관련이 있는, 지속적인 거래관계를 가진 기업들의 거래관계 네트워크를 형성하여 유통업체의 생태계를 파악하고자 하였다. 클러스터링의 방법을 사용한 결과, 5개 이상의 기업들로 이루어진 731개의 클러스터로 묶여진다. 이들은 KED 자료에서 파악되는 유통산업 매출의 약 80%룰 차지한다. 클러스터들은 소속된 업체들의 거래가 대부분 내부에서 완결되는 모듈화된 거래 패턴을 가진다. 유통 클러스터들은 그들 매출의 70% 이상을 하나 또는 2, 3개의 업체(주기업)가 차지하고 있다. 이러한 특징은 제조업과 유사하다. 그렇지만 유통 클러스터들은 소속 기업수가 제조업과 비교하여 작은 특징을 지니고 있으며 조립 제조업체들에 비해서는 특정 업체와 클러스터에 매출이 집중된 정도도 약하다. 기업연관분석의 결과를 보면, 30대 유통업체들이 소속된 클러스터내의 중소기업들의 주기업에 대한 매출의존도는 롯데쇼핑, 이마트, 이랜드리테일, 신세계, 현대홈쇼핑 등이 최소 35% 이상의 값을 보인다. 이들 클러스터 내에서의 공정거래정책을 통한 중소기업 육성정책의 여지가 크다는 점을 암시한다. 씨제이홈쇼핑, 현대홈쇼핑, 한무쇼핑 등은 아주 높은 생산유발효과를 가지며, 앞의 두 업체는 동일 클러스터 소속 중소기업들에 특히 높은 생산유발효과를 가지고 있다. 그리고 1-9번 클러스터들은 중소기업의 고용 비중이 높고 중소기업의 고용계수가 매우 높은 10번 기업군과 31번 기업군에서 상품을 조달하는 경우가 많다. 중소기업에 높은 생산 및 고용 유발효과를 가지고 있거나, 10, 31번 기업군에 후방연관효과가 높은 기업들은 중소기업 성장 및 고용 정책에서 중시되어야 할 것이다.
This paper tries to study the ecosystem after constructing the network of the continuing transactions associated with distribution industry with the data of more than 50 thousands firms provided by the Korean enterprise data (KED) for 2015. After applying the clustering method, one of social network...
This paper tries to study the ecosystem after constructing the network of the continuing transactions associated with distribution industry with the data of more than 50 thousands firms provided by the Korean enterprise data (KED) for 2015. After applying the clustering method, one of social network analysis tools, we find the firms in the network grouped into 732 clusters occupying about 80% of whole distribution industry sales in KED data. The firms in a cluster have most of their transactions with other firms in the cluster. But the clusters have smaller firm numbers in the cluster and sales portion of the biggest firms in the industry than the case of the manufacturing industry. The Input-output analysis for the biggest distribution firms show that the small and medium size enterprise(SME)s have very high sale dependency on a main firm in some clusters. This fact implies more efficient fair transaction policies within the clusters. And small number of big distribution firms have very high rear production linkage effects on SMEs or on the 10th or 31th group with high portion of SME employment. They should be considered important in the SME growth and employment policies.
This paper tries to study the ecosystem after constructing the network of the continuing transactions associated with distribution industry with the data of more than 50 thousands firms provided by the Korean enterprise data (KED) for 2015. After applying the clustering method, one of social network analysis tools, we find the firms in the network grouped into 732 clusters occupying about 80% of whole distribution industry sales in KED data. The firms in a cluster have most of their transactions with other firms in the cluster. But the clusters have smaller firm numbers in the cluster and sales portion of the biggest firms in the industry than the case of the manufacturing industry. The Input-output analysis for the biggest distribution firms show that the small and medium size enterprise(SME)s have very high sale dependency on a main firm in some clusters. This fact implies more efficient fair transaction policies within the clusters. And small number of big distribution firms have very high rear production linkage effects on SMEs or on the 10th or 31th group with high portion of SME employment. They should be considered important in the SME growth and employment policies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
매출액이 특정기업군에서 가장 많은 유통기업들 중에서 매출액 순으로 30개의 유통기업을 뽑아서 그 특성과 영향력을 살펴보려고 하였다. [표 7]와 [표 8]에 표시되어 있는 바와 같이 이들 30대 유통기업은 유통산업 전체 매출의 28.
이 연구에서는 20개의 대표적인 전자업체들의 각 기업군에 미치는 영향력을 분석하고, SNA의 지표를 이용하여 기술적으로 발전가능성이 있는 기업들과 클러스터들을 제시하였다.본 논문은 유통산업 분석이 주목적이므로, 유통산업의 특성을 반영하여 기술적 발전 가능성을 찾기 위한 SNA 지표 분석은 생략하고, 대신 고용유발효과가 큰 유통업체와 클러스터들을 찾고자 하였다[18].
본 연구는 2015년 5만여개의 최신의 기업거래정보 (KED(한국기업정보))를 이용하여, 유통업체와 관련이 있는, 지속적인 거래관계를 가진 기업들의 거래관계를 파악하여 거래관계 네트워크를 형성하고 클러스터링의 기법과 기업연관분석의 방법론을 적용하여 유통업체의 생태계를 파악하고자 하였다.
본 연구는 또한 대규모 유통업체를 중심으로 한 거래 관계에 따라 형성되는 클러스터들을 통하여 유통산업의 생태계를 파악하고자 하였다. 거래관계를 통한 산업 생태계 연구는 주로 거래의 폐쇄성과 개방성에 대한 실증연구들이 있었다.
이들 연구에서는 중심되는 현대, 기아자동차 그리고 한국지엠에 대해서만 각 기업군에 미치는 2011, 2015 양년도의 후방연관효과를 파악하였다[15]. 이 논문에서는 2015년의 데이터를 30대 유통기업에 대하여 각 기업군별로, 기업규 모별로, 산업별로 그 경제적 효과를 파악하여 제시하였다.
이 논문의 학술적 의의는, 소속된 기업들 상호간의 거래만으로 거래가 완결되는 독립된 모듈로서의 클러스터들을 구성하여 특정 산업의 생태계를 클러스터들의 집합으로 파악하는 클러스터링 분석과 개별 기업 및 클러스터 단위의 영향력을 측정할 수 있는 기업연관 분석을 결합하는 가장 최근에 시도되는 방법론을 유통산업에 적용하였다는 데 우선 있다. 그리고 이 방법론을 2015년도의 방대한 최신 데이터에 적용한 점도 의의가 있다고 하겠다.
이 연구는 2015년 한국기업정보데이타(KED)의 5만여개에 달하는 기업들의 최신의 거래정보를 이용하여 유통산업에 한정시켜 기업들의 거래관계를 분석하여 유통산업의 생태계를 분석하고자 하였다. 유통산업은 내수산업에서 매출 비중에 비하여 고용비중이 특히 높으며, 규모가 큰 유통기업들의 제조/서비스업 특히 중소기업들에 대한 영향력은 무시할 수 없다.
또한 전자산업에 대하여 클러스터링과 SNA 지표를 사용한 가장 최근의 논문이 있다. 이 연구에서는 20개의 대표적인 전자업체들의 각 기업군에 미치는 영향력을 분석하고, SNA의 지표를 이용하여 기술적으로 발전가능성이 있는 기업들과 클러스터들을 제시하였다.본 논문은 유통산업 분석이 주목적이므로, 유통산업의 특성을 반영하여 기술적 발전 가능성을 찾기 위한 SNA 지표 분석은 생략하고, 대신 고용유발효과가 큰 유통업체와 클러스터들을 찾고자 하였다[18].
이들 32개 기업군 각각의 상호간의 투입산출효과를 계산하여 그들 기업군간 거래의 특성을 보이고자 한다. 맨 위의 행에 표시된 각 기업군 100단위 생산에 각 기업군들이 투입해야 하는 양을 보이는 [표 5]와 [표 6]를 보면, 유통기업군은 대체로 자기 소속 기업군 스스로 조달하는 경향이 분명히 있다.
이와 유사하게 SNA의 클러스터링과 지표를 이용한 연구가 자동차 산업의 생태계 연구를 위하여 진행되었다[14]. 다른 유사한 연구는 2011년을 기준으로 하여 2015년의 자동차 산업 생태계의 변화상황을 기업군 수와 규모의 변화를 이용하여 비교하였다.
제안 방법
30대 유통기업의 각 기업군에 대한 영향력을 보기 위하여 앞서 언급하였듯이 30대 유통기업 각각에 대하여 기업군별 대기업과 중소기업 그룹에 대하여 기업연관 분석을 실시하였다. [표 9]은 30대 유통기업 각각이 소속 기업군과 다른 기업군에서 대기업과 중소기업 각각에 얼마만큼의 생산유발효과를 발생시키는지 보여주고 있다.
22번 기업군까지는 유통산업의 비중이 매우 높은 순으로 뽑은 유통 클러스터들로서, 23번부터 30번까지는 유통산업의 비중은 낮지만 공급 사슬상 밀접한 연관성이 있으며-23번 기업군부터는 기업군 전체 매출에서 유통매출액 비중이 급락함-기업수가 많은 클러스터 순으로 구성되었다. 그리고 나머지 5개 이상의 기업들로 구성된 클러스터들을 다 합쳐 31 번째 기업군, 그리고 나머지 5개 미만의 기업들로 구성된 클러스터들을 다 합쳐 32번째 기업군으로 하였다. 이들 기업들은 KED상에서의 유통 매출의 총 78.
정책적 측면에서 보면 특정 클러스터의 매출규모, 고용규모, 평균 고용계수, 클러스터를 주도하는 기업, 클러스터를 주도하는 기업의 클러스터내의 비중 등을 파악하여 특정 클러스터에 특화된 산업 및 고용 정책도 사용할 수 있다. 그리고 이 논문은 유통기업 중에서 규모가 큰 유통기업들을 뽑아서 그 특징 및 각 클러스터의 대기업 및 중소기업 그룹에 미치는 영향력, 산업별 영향력을 기업연관론의 방법으로 분석하여 기업별 그리고 클러스터별 특화 정책이 가능한지 점검하였다.
우리는 모듈화지수를 극대화하는 여러 방법 중에서 무료 소프트웨어인 R에 내장되어 있는 Pons and Latapy(2005)의 알고리즘을 사용하였다[20]. 다만 별로 연관성이 없는 기업이지만 소규모기업인 경우 특정 기업에 일정 비중의 매출이 있을 수 있으므로 이를 방지하기 위하여 자동차산업 거래 네트워크를 형성할 시점에 거래비중 10%이상인 경우에만 점과 점 사이에 선이 형성되도록 조정하였다.
다음으로 생산유발효과를 이용하여 각 기업군의 규모별 기업그룹별 매출의존도를 계산하였다. [표 10]을 보면 30대 유통기업의 롯데쇼핑, 이마트, 코리아세븐, 지에스홈쇼핑, 현대홈쇼핑, 지오영네트워크만이 자기 소속 기업군에서 대기업들이 그들에 대한 비교적 높은 매출의존도를 보이고 있다.
본 연구는 사회네트워크 분석 기법(Social Network Analysis : SNA)중 하나인 클러스터링의 기법을 5만 여개의 빅데이타에 적용하여 기업 상호간 거래가 밀접한 기업들의 그룹들을 거래관계를 통하여 찾아내었다.
기존의 유통산업에 대한 연구는 유통산업의 특성을 마케팅적으로 연구하거나 한국은행에서 제공하는 산업 연관표를 이용한 유통산업의 국민경제적 효과에 관한 연구가 많다[1-3]. 본 연구는 유통산업의 세부단위가 아니라 대표적인 개별기업들의 국민경제적 효과를 산업연관론과 유사한 기업연관론의 방식으로 분석하였다. 이것은 정책적 수단을 개별단위로 미시화함으로서 그효과를 극대화할 수 있는 이점이 있다.
사회연결망 분석에서 알려진 네트워크 내에서 연결 정도가 강한 다수의 커뮤니티를 찾는 네트워크 내 커뮤니티 탐색방법을 이용하여 상호 거래가 밀접한 기업그 룹(수평적 기업군)을 찾는 클러스터링을 시도하였다. 사회연결망 분석과 클러스터링 방법론의 보다 상세한 내용에 대해서는 기존의 논문에 잘 정리되어 있다[14].
우리는 기업 그룹간 연관효과 분석 곧 산업연관효과와 유사한 방법을 기업그룹 간에 적용하였다. 이 방법론을 우리는 기업연관분석이라 부른다.
이들 업체들을 대상으로 거래관계를 선으로 하고 기업들을 점으로 하는 네트워크를 구성하여 사회네트워크 분석에서 제공하는 클러스터링의 기법을 사용하여 클러스터들을 구성하였다. 이 기법에 의하면 거래관계를 아주 긴밀히 하는 기업들이-따라서 거래가 대부분 기업군내에서 완결되는 거래의 모듈화가 이루어짐-하나의 덩어리 곧 클러스터로 묶여지게 된다.
예컨대 k기업군의 특정기업군에 대한 매출의존도는 특정기업군의 매출액에 특정기업군의 k기업군에 대한 생산유발계수(xk)를 곱한 값을 각 k기업군의 매출액으로 나누면 도출된다. 이상의 모든 분석 작업은 KED자료로부터 R을 이용하여 자동화하여 진행하였다.
이하에서 산업 및 고용정책적인 측면에서 각 기업군 별로 중소기업과 대기업의 매출 및 고용비중, 그리고 10억원 매출당 고용인원이 얼마나 되는지를 나타내는 고용계수를 살펴본다. [표 3]에서 보면, 기업군 1, 8, 10, 14, 15, 16, 21, 23, 30번의 9개 유통 기업군은 중소기업의 고용비중이 매우 높다.
대상 데이터
본 연구는 일차적인 자료로서 2015년 한국기업데이 타(KED)의 50,042개의 데이터를 이용하였다. 여기서 832개의 중심되는 유통기업을 중심으로 관련되는 모든 업체들을 추출하여 분석하였다.
본 연구는 일차적인 자료로서 2015년 한국기업데이 타(KED)의 50,042개의 데이터를 이용하였다. 여기서 832개의 중심되는 유통기업을 중심으로 관련되는 모든 업체들을 추출하여 분석하였다. 832개의 중심되는 기업(이하에서 유통기함기업으로 칭함)은 유통업체에 속하면서(해당업체의 한국표준산업식별기호가 “G45”, “G46”, “G47”로 시작되는 업체들) 매출거래가 없고 매입거래만 있는 기업들만 뽑았다.
832개의 중심되는 기업(이하에서 유통기함기업으로 칭함)은 유통업체에 속하면서(해당업체의 한국표준산업식별기호가 “G45”, “G46”, “G47”로 시작되는 업체들) 매출거래가 없고 매입거래만 있는 기업들만 뽑았다. 이 기업들에 매출거래를 하는 기업들을 1차 협력업체들로 추출하고 다시 이업체에 매출거래를 하는 업체들을 2차 협력업체로 추출하여 그 과정을 되풀이 하여, 더 이상 추출되는 기업 들이 없을 때까지 계속 관련이 있는 업체들 22,141개의 기업을 추출하여 분석대상으로 하였다.
이론/모형
우리는 모듈화지수를 극대화하는 여러 방법 중에서 무료 소프트웨어인 R에 내장되어 있는 Pons and Latapy(2005)의 알고리즘을 사용하였다[20]. 다만 별로 연관성이 없는 기업이지만 소규모기업인 경우 특정 기업에 일정 비중의 매출이 있을 수 있으므로 이를 방지하기 위하여 자동차산업 거래 네트워크를 형성할 시점에 거래비중 10%이상인 경우에만 점과 점 사이에 선이 형성되도록 조정하였다.
성능/효과
그리고 10번 기업군은 제조업 중심의 소규모 클러스터들로 이루어져, 3개 이하의 기업들로 구성된 클러스터에 속하는 기업수가 1157개로서 해당 기업군 소속 기업군의 1236개의 93.6%를 차지한다. 또 다른 기업들과 지속적 거래가 전혀 없는 독립 기업들도 1067개로서 86.
그리고 매출의존도를 계산한 결과, 롯데쇼핑, 이마트 등 소수의 30대 유통업체에 대하여 소속 기업군의 중소기업들이 높은 매출의존도를 보이고 있다. 이들은 소속 기업군내에서 중소기업들이 그들에 매출을 의존하는 매출의존도는 많은 경우 50%를 초과하며, 적은 경우에도 35%를 유지하고 있다.
추출된 기업들에 대하여 클러스터링의 기법을 적용한 결과 총 731개의 5개 이상 기업으로 구성되는 클러스터들이 발견되었다. 그 중 유통산업과 밀접한 연관이 있는 클러스터와 기업수가 많은 클러스터들을 뽑아서 기업군을 구성하였다.
후속연구
그렇지만 본 연구의 한계점 역시 데이터에 있다. KED 데이터의 특성상 극히 영세한 유통업체는 자료에 반영되지 않아 일단 대형유통업체와 지속적 거래관계가 있는 업체들만 연구에 포함되어 있다.
31번 기업군도 아주 큰 규모의 제조업 클러스터가 포함되지 않고, 내수위주의 유통산업과 연관되는 소규모 제조 클러스터들로 주로 이루어졌으며, 중소기업의 고용비중이 높아 산업 및 고용정책적인 측면에서 연구 가치가 있다. 다만 이 기업그룹들에 속하는 기업들은 너무 방대하여, 좀 더 발전된 분석기법을 사용하는 추가적 연구과제로 미룬다
KED 데이터의 특성상 극히 영세한 유통업체는 자료에 반영되지 않아 일단 대형유통업체와 지속적 거래관계가 있는 업체들만 연구에 포함되어 있다. 따라서 본 연구는 대형유통업체를 중심으로 한 유통업체 생태계 연구라고 하여야 할 것이다. 그리고 2015년도 데이터는 급변하는 유통업체의 생태계를 반영하기에는 최신 데이터라고 하기에는 문제가 있을 수 있다.
향후 유통산업에 대한 연구방향으로서는 기업수가 많고 클러스터수가 많아 하나의 기업군으로 묶은 10번 기업군에 대한 보다 상세한 분석이 가장 큰 의미가 있을 것으로 생각된다. 이 기업군은 고용계수도 높으며, 소규모 제조업 클러스터들을 다수 포함하여 향후 산업, 고용 정책의 대상이 될 여지가 있다. 그리고 대규모 유통업체와 무관하여 우리의 거래네트워크에 포함되지 않은 KED 데이터 상 유통산업 매출의 20% 정도의 비중을 차지하는 유통업체에 대한 분석도 의미가 있다.
정책적 측면에서 보면 특정 클러스터의 매출규모, 고용규모, 평균 고용계수, 클러스터를 주도하는 기업, 클러스터를 주도하는 기업의 클러스터내의 비중 등을 파악하여 특정 클러스터에 특화된 산업 및 고용 정책도 사용할 수 있다. 그리고 이 논문은 유통기업 중에서 규모가 큰 유통기업들을 뽑아서 그 특징 및 각 클러스터의 대기업 및 중소기업 그룹에 미치는 영향력, 산업별 영향력을 기업연관론의 방법으로 분석하여 기업별 그리고 클러스터별 특화 정책이 가능한지 점검하였다.
향후 유통산업에 대한 연구방향으로서는 기업수가 많고 클러스터수가 많아 하나의 기업군으로 묶은 10번 기업군에 대한 보다 상세한 분석이 가장 큰 의미가 있을 것으로 생각된다. 이 기업군은 고용계수도 높으며, 소규모 제조업 클러스터들을 다수 포함하여 향후 산업, 고용 정책의 대상이 될 여지가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 유통산업에 대한 연구는 주로 어떤 것들이 있는가?
기존의 유통산업에 대한 연구는 유통산업의 특성을 마케팅적으로 연구하거나 한국은행에서 제공하는 산업 연관표를 이용한 유통산업의 국민경제적 효과에 관한 연구가 많다[1-3]. 본 연구는 유통산업의 세부단위가 아니라 대표적인 개별기업들의 국민경제적 효과를 산업연관론과 유사한 기업연관론의 방식으로 분석하였다.
클러스터란 무엇인가?
클러스터는 소속 기업들이 그 안에서 대부분의 거래를 완결하는, 즉 거래가 모듈화되어 완결되는 비즈니스 적인 측면에서의 유통산업 내에서의 소 분류된 산업 개념이다.
기업 그룹간 연관효과 분석 곧 산업연관효과와 유사한 방법을 기업그룹 간에 적용하는 방법론을 무엇이라 하는가?
우리는 기업 그룹간 연관효과 분석 곧 산업연관효과와 유사한 방법을 기업그룹 간에 적용하였다. 이 방법 론을 우리는 기업연관분석이라 부른다. 기업연관분석을 이용한 소수의 연구가 있다[14][21][22].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.