DEA 및 DEA-Window를 통한 국내 게임산업의 정태적/동태적 효율성 분석: 온라인 및 모바일 게임 기업을 중심으로 Measuring Relative Static/Dynamic Efficiency of Korean Game Companies Using DEA and DEA-Window: Focusing on Online and Mobile Game Company원문보기
본 연구는 최근 엔터테인먼트 산업의 핵심 분야로 각광받으며 향후 국가 경제의 새로운 성장 동력으로 주목을 받고 있는 게임산업 중 온라인 및 모바일 게임 기업 25곳을 대상으로 2014년부터 2018년까지 5년간의 효율성 분석을 진행하였다. 정태적 효율성 분석을 위해 DEA를, 동태적 효율성 분석을 위해 DEA-Window를 사용하였다. 투입 변수로 자산, 종업원 수, 비용을 선정하였으며 산출 변수로 영업이익과 매출을 선정하였다. 연구의 주요 결과로는 규모 효율성은 2014년을 제외하고 전체 평균이 0.85를 넘는 준수한 결과를 보였으나, 기술 효율성은 전체 기간 중 0.80을 넘은 연도가 없었다. 또한 기업 규모의 관점에서 상위 기업과 하위 기업의 효율성 차이가 큰 것으로 나타났으며, 효율성 평균의 추이는 2014년부터 2016년까지 상승하다가 2017년부터 하락하는 결과를 나타냈다.
본 연구는 최근 엔터테인먼트 산업의 핵심 분야로 각광받으며 향후 국가 경제의 새로운 성장 동력으로 주목을 받고 있는 게임산업 중 온라인 및 모바일 게임 기업 25곳을 대상으로 2014년부터 2018년까지 5년간의 효율성 분석을 진행하였다. 정태적 효율성 분석을 위해 DEA를, 동태적 효율성 분석을 위해 DEA-Window를 사용하였다. 투입 변수로 자산, 종업원 수, 비용을 선정하였으며 산출 변수로 영업이익과 매출을 선정하였다. 연구의 주요 결과로는 규모 효율성은 2014년을 제외하고 전체 평균이 0.85를 넘는 준수한 결과를 보였으나, 기술 효율성은 전체 기간 중 0.80을 넘은 연도가 없었다. 또한 기업 규모의 관점에서 상위 기업과 하위 기업의 효율성 차이가 큰 것으로 나타났으며, 효율성 평균의 추이는 2014년부터 2016년까지 상승하다가 2017년부터 하락하는 결과를 나타냈다.
This study analyzes 5-year efficiency of the game industry, from 2014 to 2018 which is aimed at 25 online and mobile game companies, that are emerging as a new growth engine of a national economy to come and as a core areas of late entertainment industry. The DEA is used for static efficiency analyz...
This study analyzes 5-year efficiency of the game industry, from 2014 to 2018 which is aimed at 25 online and mobile game companies, that are emerging as a new growth engine of a national economy to come and as a core areas of late entertainment industry. The DEA is used for static efficiency analyze and the DEA-Window is used for dynamic efficiency analyze. This study uses assets, the number of employees and costs as input variables and it also uses operating profits and sales as output variables. The main results show that scale efficiency presents a resonable result over 0.85 on a total average except 2014. However, there has not been a year that is over 0.80 of the whole period in technical efficiency. Also, in terms of business scale, there is a huge efficiency gap between high rank companies and low rank companies and the average trend of efficiency has been increased from 2014 to 2016 but it has been decreased since 2017.
This study analyzes 5-year efficiency of the game industry, from 2014 to 2018 which is aimed at 25 online and mobile game companies, that are emerging as a new growth engine of a national economy to come and as a core areas of late entertainment industry. The DEA is used for static efficiency analyze and the DEA-Window is used for dynamic efficiency analyze. This study uses assets, the number of employees and costs as input variables and it also uses operating profits and sales as output variables. The main results show that scale efficiency presents a resonable result over 0.85 on a total average except 2014. However, there has not been a year that is over 0.80 of the whole period in technical efficiency. Also, in terms of business scale, there is a huge efficiency gap between high rank companies and low rank companies and the average trend of efficiency has been increased from 2014 to 2016 but it has been decreased since 2017.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본론에서는 효율성 분석에 사용되는 DEA 및 DEA-Window 분석에 대한 이론적 배경을 설명한 뒤, 본 연구의 분석대상과 변수에 대해서 소개한다. 또한 각 분석에 대한 결과를 제시한다. 마지막 결론에서는 본 연구를 통해 도출할 수 있는 시사점과 한계를 제시한다.
대상 기업들은 온라인 혹은 모바일 플랫폼을 통해 게임을 운영하고 있는 회사들이다. 본 연구는 DEA 분석 모형 중 산출지향 BCC 모형을 활용하고자 한다. 온라인 게임 기업의 특성상 주어진 투입요소 하에 산출을 극대화하는 것이 효과적인데, 이는 온라인 게임의 경우 투입 요소의 통제가 어렵고, 투입요소들간 다양한 시너지 효과에 의해 발생되는 네트워크 효과가 산출 효과를 크게 좌우하기 때문이다[12].
본 연구는 DEA 분석을 통한 정태적 효율성 분석과 함께 DEA-Window 분석을 통해 효율성 변화를 분석하고자 한다. DEA-Window 분석을 시행하기 위해 가장 먼저 윈도우의 폭을 결정해야 한다.
기업의 운영 효율성 측정을 위해서 다양한 방법을 사용할 수 있겠지만, 그 중 자료포락분석(Data Envelopment Analysis, 이하 DEA)이 다양한 산업 내 기업의 운영 효율성 측정을 위해 널리 사용되었다. 본 연구는 온라인 게임 기업의 효율성 측정을 위해 DEA를 사용하고자 한다. DEA는 다수의 투입 요소와 산출 요소를 갖는 의사결정단위(Decision Making Unit, 이하 DMU)의 상대적 효율성을 측정하는 선형계획 모형이다[2].
DEA는 최소한의 정보로 기업의 효율성을 평가할 수 있다는 장점이 있으며 특정 기간 동안의 정태적 효율성을 측정하는 것이 특징이자 한계라 할 수 있다. 본 연구에서는 이러한 DEA의 한계를 보완하기 위해 시간 변화에 따른 동태적 효율성 변화를 측정할 수 있는 DEA-Window 분석을 더하고자 한다.
또한 이 두 모형은 투입 요소에 초점을 두는가, 산출 요소에 초점을 두는가에 따라 투입지향(Input Oriented)과 산출지향(Output Oriented)으로 구별된다. 본 연구에서는 주어진 투입 요소의 수준에서 산출 요소 수준의 최대화를 목적으로 하는 산출지향 모형을 사용하려고 한다. 먼저 산출지향 CCR 모형의 수식은 다음과 같다.
본 연구의 구성은 다음과 같다. 본론에서는 효율성 분석에 사용되는 DEA 및 DEA-Window 분석에 대한 이론적 배경을 설명한 뒤, 본 연구의 분석대상과 변수에 대해서 소개한다. 또한 각 분석에 대한 결과를 제시한다.
가설 설정
본 연구에서 활용한 BCC 모형은 규모수익가변(Variable R S, VRS)을 가정함으로 CCR 모형의 단점을 극복한 모형이다. 이를 통해 앞에서 설명한 것과 같이 각 DMU의 효율성을 규모 효율성(Scale Efficiency, SE)과 순수 기술 효율성(Pure Technical Efficiency, PTE)으로 구분하는데 규모 효율성과 순수 기술 효율성 값의 곱으로 기술 효율성(Technical Efficiency, TE) 값을 구할 수 있다.
윤건우/유승호(2009)는 온라인 게임산업은 정보 집약적이며, 기술 위주의 생산, 아이디어 위주의 활용이 중요하므로 다른 자원보다 인적 자원이 중요하다는 관점에서 인적 자본의 효율성을 측정하였다. 두 가지 모델로 구분하여 효율성을 측정하였는데, 첫 번째 모델에서는 투입 변수로 종사자 수, 총개발비로 보았으며, 산출 변수로 당해 매출액을 선정하였다. 두 번째 모델에서는 총개발비, 인건비, 교육훈련비를 투입 요소로 선정하고 산출 요소로 당해 매출액을 선정하였다[8].
이를 통해 앞에서 설명한 것과 같이 각 DMU의 효율성을 규모 효율성(Scale Efficiency, SE)과 순수 기술 효율성(Pure Technical Efficiency, PTE)으로 구분하는데 규모 효율성과 순수 기술 효율성 값의 곱으로 기술 효율성(Technical Efficiency, TE) 값을 구할 수 있다. 본 연구는 2014년부터 2018년까지 국내 25개 온라인 게임 기업에 대한 DEA 분석 결과를 연도별로 기술효율성, 순수기술효율성, 규모 효율성을 각각 분석하였다. DEA 분석 결과는 다음 [표 3]과 같다.
온라인 게임 기업의 특성상 주어진 투입요소 하에 산출을 극대화하는 것이 효과적인데, 이는 온라인 게임의 경우 투입 요소의 통제가 어렵고, 투입요소들간 다양한 시너지 효과에 의해 발생되는 네트워크 효과가 산출 효과를 크게 좌우하기 때문이다[12]. 선행연구를 바탕으로 투입 변수로 자산, 종업원 수, 비용을 선정하였고 산출 변수로 영입이익과 매출을 선정하였다. 본 연구는 순수 연구 목적이므로 본문에 구체적인 기업명은 공개하지 않으며, 대상 기업의 기초 통계량 및 구체적인 기업명은 부록에 첨부하였다.
마지막으로 전훈/이학연(2014)은 게임산업협회에 등록되어 있는 기업 중 14개의 기업을 선정하여 정태적/동태적 분석을 수행하였다. 투입 변수로 인원, 자본, 자산을 선정하였으며 산출 변수로 매출액, 영업이익, 당기순이익을 선정하였다. 선행 연구를 표로 정리하면 다음과 같다[10].
김태혁/김병철(2006)은 DEA-Window를 활용하여 국내 손해보험회사들의 효율성의 변화를 동태적으로 분석하였다. 투입 변수로 임직원, 모집인, 사업비를 선정하였고 산출 변수로 수입보험료와 운용자산을 선정하였다[3]. 김명종(2015)은 국내 소매대리점들의 정태적, 동태적 효율성을 평가하였다.
이수현/김재윤(2018)은 국내 해운항공기업 상위 50개를 선정하여 운영 효율성을 측정하였다. 투입 변수로 자본과 직원 수를 선정하였고 산출 변수는 매출액과 영업이익을 선정하였다[6]. 마지막으로 김수영/윤문길(2019)은 국내 5개 저비용항공사를 대상으로 운영 효율성 3단계로 나누어서 측정하였다.
고동원(2012)은 게임 소프트웨어 및 서비스 산업에 속하는 20개 기업의 경영효율성을 측정하였다. 투입 변수로 종업원 수, 총 자산, 투자 자산을 선정하였으며 산출 변수로 총매출액과 기업 가치를 선정하였다[9]. 마지막으로 전훈/이학연(2014)은 게임산업협회에 등록되어 있는 기업 중 14개의 기업을 선정하여 정태적/동태적 분석을 수행하였다.
대상 데이터
마지막으로 김수영/윤문길(2019)은 국내 5개 저비용항공사를 대상으로 운영 효율성 3단계로 나누어서 측정하였다. 1단계는 투입 변수로 매출원가를 산출 변수로 ASK를 선정하였다. 2단계는 투입 변수로 ASK와 판매관리비, 산출 변수로 RPK를 선정하였으며, 3단계 투입 변수로 RPK를 선정하고 산출 변수로 영업이익을 선정하였다[7].
본 연구는 국내 주식 시장에 상장된 25개의 국내 온라인 및 모바일 게임 기업을 대상으로 2014년부터 2018년까지 정태적 효율성과 동태적 효율성을 분석하였다. 정태적 효율성은 BCC 모형을 이용하여 연도별로 기술 효율성, 순수 기술 효율성, 규모 효율성을 분석하였고, 동태적 효율성은 DEA-Window 모형을 활용하여 대상 기간 동안의 효율성 변화를 분석하였다.
본 연구를 수행하기 위해 2018년 기준 국내 주식 시장에 상장된 온라인 게임 기업 중 상위 기업 25개 사를 대상으로 하였으며, 2014년부터 2018년까지 5년간의 데이터를 수집할 수 있는 기업을 대상으로 분석을 진행하였다. 대상 기업들은 온라인 혹은 모바일 플랫폼을 통해 게임을 운영하고 있는 회사들이다.
이성희/김태수/이학연(2015)은 20개 정부출연 연구기관의 성과를 효율성 관점에서 평가하였다. 투입 변수로 연구비, 연구원을 선정하였고 산출 변수를 특허, 논문, 기술이전과 유상기술이전, 기술료 두 가지로 구분하여 선정하였다[5]. 이수현/김재윤(2018)은 국내 해운항공기업 상위 50개를 선정하여 운영 효율성을 측정하였다.
김명종(2015)은 국내 소매대리점들의 정태적, 동태적 효율성을 평가하였다. 투입 변수로 직원 수, 임차료, 상품수를 선정하였으며 산출 변수로 매출액, 고객수를 선정하였다[4]. 이성희/김태수/이학연(2015)은 20개 정부출연 연구기관의 성과를 효율성 관점에서 평가하였다.
이론/모형
본 연구는 국내 주식 시장에 상장된 25개의 국내 온라인 및 모바일 게임 기업을 대상으로 2014년부터 2018년까지 정태적 효율성과 동태적 효율성을 분석하였다. 정태적 효율성은 BCC 모형을 이용하여 연도별로 기술 효율성, 순수 기술 효율성, 규모 효율성을 분석하였고, 동태적 효율성은 DEA-Window 모형을 활용하여 대상 기간 동안의 효율성 변화를 분석하였다. 본 연구의 분석 결과를 통해 도출할 수 있는 결론은 다음과 같다.
성능/효과
LDY(Largest Difference between scores in the same Year)는 각 연도 중에 LDS의 최댓값을 의미하며, LDP(Largest Difference between scores across the entire Period)는 전체 분석기간 중 효율성 값의 최댓값과 최솟값의 차이를 의미한다. LDP 값이 낮을수록 효율성이 안정적으로 유지되고 있다고 해석할 수 있는데, LDP 값이 가장 낮은 기업, 즉 대상 기간 동안 효율성이 안정적인 기업은 DMU 7, DMU 9, DMU 3, DMU 4, DMU 25 순서로 분석되었다. 반면 LDP값이 가장 높은 기업, 즉 대상 기간 동안 효율성이 불안정한 기업은 DMU 18, DMU 24, DMU 8, DMU 16, DMU 21 순서로 분석되었다.
8853이며 효율적인 기업의 수는 7개로 효율적인 기업의 수와 DMU는 2017년과 같은 것으로 분석되었다. 기술 효율성과 순수 기술 효율성에 비해 규모 효율성의 값은 가장 낮은 연도인 2014년을 제외하고 모두 0.85를 넘는 비교적 준수한 수준을 나타냈다.
다음으로 순수 기술 효율성의 결과로 2014년 순수 기술 효율성의 평균은 0.666이며 효율적인 기업의 수는 8개(DMU 2, DMU 4, DMU 5, DMU 10, DMU 12, DMU 16, DMU 22, DMU 24)로 분석되었다. 2015년 순수 기술 효율성의 평균은 0.
대상 기업의 분석 결과 기술 효율성과 순수 기술 효율성의 경우 전반적으로 효율성이 2014년부터 2016년까지 높아지다가 2016년을 기점으로 낮아지는 추세를 보였으며, 규모 효율성은 2014년부터 2016년까지 효율성이 높아지다가 한 차례 꺾인 뒤 다시 높아지는 결과를 보였다.
둘째, 동태적 분석 결과인 DEA-Window 분석 결과, 기업 규모의 관점에서 상위 5개 기업과 하위 5개 기업의 윈도우 평균의 차이는 0.3044로 비교적 크게 났으며, 윈도우 평균이 지속적으로 하락하는 기업은 두 곳(DMU 16, DMU 22)이었는데, 상대적으로 기업 규모가 작은 기업에서 나타났다.
마지막으로 규모 효율성 결과로 2014년 규모 효율성의 평균은 0.7764이며 효율적인 기업의 수는 3개(DMU 12, DMU 22, DMU 24)로 분석되었다. 2015년 규모 효율성의 평균은 0.
2670(DMU 19)으로 분석되었다. 마지막으로 규모 효율성의 최솟값은 0.3663(DMU 10), 0.6450(DMU 18), 0.1832(DMU 24), 0.4058(DMU 24), 0.3657(DMU 25)으로 분석되었다.
먼저 효율성 결과값이 1인 DMU는 효율적이며, 1 미만의 값을 나타내는 DMU는 비효율적인 것으로 간주한다. 이렇게 효율적인 DMU와 연도별 기술 효율성 분석 결과를 요약하면, 2014년 기술 효율성의 평균은 0.
LDP 값이 낮을수록 효율성이 안정적으로 유지되고 있다고 해석할 수 있는데, LDP 값이 가장 낮은 기업, 즉 대상 기간 동안 효율성이 안정적인 기업은 DMU 7, DMU 9, DMU 3, DMU 4, DMU 25 순서로 분석되었다. 반면 LDP값이 가장 높은 기업, 즉 대상 기간 동안 효율성이 불안정한 기업은 DMU 18, DMU 24, DMU 8, DMU 16, DMU 21 순서로 분석되었다.
또한, 2015-2017년도가 변곡점이 되어 추세가 나뉘는 경향을 확인할 수 있다. 본 연구는 온라인 및 모바일 게임 기업을 대상으로 하였는데, 스마트 기기의 보급 이후로 모바일 게임 산업 규모는 지속적으로 성장을 거듭하다 2017년 처음으로 PC게임 시장 규모를 제치고 국내 게임 시장에서 가장 높은 규모를 차지하였다. 이는 사용자들이 게임을 이용하는 장치가 PC에서 모바일로 전환되는 것을 의미하며 이러한 시장 환경의 변화가 효율성에 반영된 것으로 보인다.
무엇보다 2017년에는 처음으로 모바일 게임 시장 규모가 PC 게임 시장 규모를 넘어섰으며 2018년에는 이러한 변화가 지속되었다. 본 연구를 통해 이렇게 급변하고 있는 산업의 상태를 효율성 분석으로 확인할 수 있어 이론적으로나 실무적으로 의미가 있었으며 분석에 기반하여 향후 전략을 제시한 것으로 유용한 정보를 제공하였다는 의의를 갖는다. 하지만 DEA 분석 방법의 특성상 투입 변수와 산출 변수에 따라서 효율성의 의미가 달라질 수 있다는 한계를 갖는다.
셋째, 세 가지 효율성의 평균의 결과 추이를 보면 모두 2014년부터 2016년까지 증가하다가 하향하는 결과를 보였는데, 이는 2016년 국내 게임시장 분야 중 온라인 게임 분야가 성장률 측면에서 -12% 역성장을 기록한 것이 반영된 것으로 파악된다. 정태적 분석 결과와 동태적 분석 결과 중 효율성 변화가 급격하게 나타나는 기업들이 있는데, 이는 게임 산업의 특성상 단발적인 성공 혹은 실패, 비즈니스 모델 변경에 따른 경영 환경변화가 반영된 것으로 보인다.
먼저 효율성 결과값이 1인 DMU는 효율적이며, 1 미만의 값을 나타내는 DMU는 비효율적인 것으로 간주한다. 이렇게 효율적인 DMU와 연도별 기술 효율성 분석 결과를 요약하면, 2014년 기술 효율성의 평균은 0.5117이며 효율적인 기업의 수는 3개(DMU 12,DMU 22, DMU 24)로 분석되었다. 2015년 기술 효율성의 평균은 0.
6920이며 효율적인 기업의 수와 DMU는 2017년과 같은 것으로 분석되었다. 종합적으로, 2014년에 비해 2018년 효율적인 기업의 수도 늘어났으며, 효율성의 평균도 향상은 됐지만 전반적으로 효율적인 기업의 수는 절반에 미치지 못했고, 효율성 값도 소폭 상승한 수준이었다.
첫째, 분석 대상 기간 중 규모 효율성은 2014년을 제외하고 전체 평균이 0.85 이상을 보이며 준수한 수준을 나타냈지만 기술 효율성, 순수 기술 효율성, 규모 효율성의 효율적 프론티어의 수는 절반에도 미치지 않는 결과를 보이며 산업 전반적으로 효율성을 높여야 할 필요가 있음을 알 수 있었다. 특히 기술 효율성의 경우 분석대상 기간 중 평균이 0.
85 이상을 보이며 준수한 수준을 나타냈지만 기술 효율성, 순수 기술 효율성, 규모 효율성의 효율적 프론티어의 수는 절반에도 미치지 않는 결과를 보이며 산업 전반적으로 효율성을 높여야 할 필요가 있음을 알 수 있었다. 특히 기술 효율성의 경우 분석대상 기간 중 평균이 0.80을 넘은 연도가 없었는데, 기술 효율성을 높이기 위하여 산업 내부에 효율성이 높은 기업을 벤치마크 하는 등의 활동을 통하여 효율성을 높일 수 있는 전략 방안이 필요한 상황임을 알 수 있다.
효율성 개선을 통해 윈도우 평균이 지속적으로 상승하고 있는 기업은 총 11개(DMU 2, DMU 3, DMU 4, DMU 7, DMU 8, DMU 11, DMU 13, DMU 14, DMU 19, DMU 20, DMU 21)로 분석되었으며, 반대로 윈도우 평균이 지속적으로 하락하고 있는 기업은 총 2개(DMU 16, DMU 22)로 분석되었다.
후속연구
최근 게임 산업을 둘러싼 대외적인 이슈와 개별 기업의 이슈를 적용하여 평가하지 못했다는 한계도 있다. 따라서 향후 게임 산업의 중요성을 인식하여 지속적으로 온라인 게임 기업에 대한 다각적인 효율성 평가와 관련된 연구가 지속되어야 할 것이며, 게임 산업의 진흥과 규제에 관한 정책이 기업의 효율성에 어떻게 영향을 미치는지 분석이 이뤄진다면 보다 심도 있는 연구가 될 것이라 기대한다. 마지막으로 본 연구에서 다룬 DEA와 DEA-Window를 통해 최근 각 지자체 별로 시행 중인 스마트시티와 관련된 사업들의 효율성 평가를 통해 사업 기획과 예산 편성에 도움이 될 수 있는 지표가 될 수 있을 것이다.
따라서 향후 게임 산업의 중요성을 인식하여 지속적으로 온라인 게임 기업에 대한 다각적인 효율성 평가와 관련된 연구가 지속되어야 할 것이며, 게임 산업의 진흥과 규제에 관한 정책이 기업의 효율성에 어떻게 영향을 미치는지 분석이 이뤄진다면 보다 심도 있는 연구가 될 것이라 기대한다. 마지막으로 본 연구에서 다룬 DEA와 DEA-Window를 통해 최근 각 지자체 별로 시행 중인 스마트시티와 관련된 사업들의 효율성 평가를 통해 사업 기획과 예산 편성에 도움이 될 수 있는 지표가 될 수 있을 것이다.
이러한 점을 미루어 봤을 때, 높은 효율성을 기록하는 것도 중요하지만 안정적인 효율성 확보를 위한 전략과 방안들이 필요하다고 할 수 있다. 이를테면 규모가 어느 정도 있는 기업의 경우 자사의 IP(Intellectual Property)를 적극 활용하여 안정적인 수익원을 마련하는 등의 방안이 있을 것이며,규모가 상대적으로 작은 기업의 경우 정책적으로 게임 개발과 출시에 있어 어려움이 없도록 도울 수 있는 진흥 정책 등을 통해 보완하는 방안이 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
엔터테인먼트 산업이 포함하고 있는 분야는?
21세기에 들어서며 전 세계적으로 IT기술의 발전과 인터넷의 확산으로 엔터테인먼트 산업은 빠르게 성장하였다. 엔터테인먼트 산업은 영화, 음악, 방송, 게임 등을 포함하고 있는데, 엔터테인먼트 산업은 부가가치가 매우 높으며 사회적 파급효과가 커서 국가 경제의 새로운 성장 동력으로 주목받고 있다. 이러한 엔터테인먼트 산업에 대하여 우리나라는 전반적으로 큰 강점을 보이고 있는데, 그 중 게임산업은 2019년 상반기 전체 콘텐츠 수출액 중 69.
국내 게임산업의 진흥과 발전을 위해서 게임산업에 대한 객관적인 이해와 평가가 필요한 시점이라 할 수 있는 이유는
그러나 전 세계 게임 시장 규모 4위를 달성함에도 불구하고 글로벌 게임 개발사 상위 10개 사에 한국 기업은 없었다. 또한, 2019년 세계보건기구(WHO)가 게임 이용 장애에 질병코드를 부여하는 것과 같은 여러 규제와 더불어 국내 게임시장 성장의 둔화와 글로벌 기업들의 국내 진출로 인한 경쟁 심화 등 국내 게임산업을 둘러싼 악재가 이어지고 있는 상황이다. 따라서 국내 게임산업의 진흥과 발전을 위해서 게임산업에 대한 객관적인 이해와 평가가 필요한 시점이라 할 수 있다.
엔터테인먼트 산업이 빠르게 성장한 이유는?
21세기에 들어서며 전 세계적으로 IT기술의 발전과 인터넷의 확산으로 엔터테인먼트 산업은 빠르게 성장하였다. 엔터테인먼트 산업은 영화, 음악, 방송, 게임 등을 포함하고 있는데, 엔터테인먼트 산업은 부가가치가 매우 높으며 사회적 파급효과가 커서 국가 경제의 새로운 성장 동력으로 주목받고 있다.
참고문헌 (16)
한국콘텐츠진흥원, 2018 대한민국 게임백서, 한국콘텐츠진흥원, 2018.
이상훈, 이학연, 박용태, "DEA를 이용한 지식 서비스기업의 혁신 성과 분석," 대한산업공학회 추계학술대회 논문집, pp.616-622, 2009.
김태혁, 김병철, "DEA Window 모형을 이용한 동태적 효율성 분석-국내 손해보험회사를 대상으로," Journal of The Korean Data Analysis Society, 제8권, 제6호, pp.2427-2444, 2006.
김명종, "DEA 및 DEA-WINDOW 모형을 이용한 소매 대리점의 정태적/동태적 효율성 평가," 회계정보연구, 제33권, 제4호, pp.249-276, 2015.
A. Charnes, W. W. Cooper, and E. Rhodes, "Evaluating Program and managerial Efficiency: An Application of Data Envelopment Analysis to Program Follow Through," Management Science, Vol.27, No.6, pp.668-697, 1978.
R. D. Banker, A. Charnes, and W. W. Cooper, "Some Models for Estimating Technical and Scale Efficiencies in Data Envelopment Analysis," Management Science, Vol.30, pp.1078-1092, 1984.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.