서 언
혁신은 오늘날 ICT산업에서 가장 중요한 키워드 가운데 하나입니다. 그러나 실제 ICT 산업에서 혁신이 어떻게 발생하고 산업 발전을 이끄는지를 분석한 실증 연구는 많 지 않습니다. 우리나라는 대기업 및 소수 제품 중심의 ICT 산업 구조를 가지고 있으며 특히 중국의 ICT 산업이 부상함에 따라 오랫동안 유지해오던 ICT 강국으로서 우리나라 의 입지는 위기를 맞이하고 있습니다. 이러한 상황에서 국내 ICT, 특히 콘텐츠 산업의 혁 신을 측정하고 세부 산업별 발전 양상을 분석하는 연구는 매우 중요하다고 생각합니다.
본 연구는 효율성 분석 방법론과 메타프론티어 분석 방법론을 새로운 시각으로 사용 하여 콘텐츠 산업의 혁신과 발전을 측정하는 연구입니다. 이를 위해 국내 콘텐츠 산업 분야별로 2000～2013년 데이터를 활용하였습니다. 특히 메타프론티어와의 거리를 측 정하여 일부 기업의 혁신이 해당 산업의 생산함수를 상향 이동시키고, 이후 나머지 기 업들이 이것을 모방함으로써 산업의 효율성 값이 상승과 하락을 반복하면서 산업이 발 전한다는 것을 발견할 수 있었습니다.
본 보고서는 정보통신정책연구원의 이대호 박사가 책임자로서 모형 개발과 분석을 수행하고 오정숙 부연구위원이 자료 수집 및 문헌 조사를 담당하여 수행한 연구의 결 과입니다. 또한 연구 과정에서 데이터 정리와 자료 검토에 도움을 주신 서울대학교 기 술경영경제정책대학원의 이창준 박사과정 학생과 이상만 석사과정 학생에게도 감사의 말씀을 전합니다. 본 연구보고서가 ICT 산업의 발전과 혁신을 위한 기초자료로 널리 활용되기를 기대합니다.
2014년 12월 정보통신정책연구원 원 장
김 도 환
목 차
서 언 ··· 1
요약문 ··· 7
제 1 장 서 론 ··· 13
제 1 절 효율성 분석 연구와 한계점 ··· 13
제 2 절 혁신 전이 연구의 필요성 ··· 15
제 2 장 ICT 생태계의 특성과 혁신의 전이 ··· 17
제 1 절 ICT 생태계의 특성 ··· 17
제 2 절 메타프론티어 방법론과 혁신 ··· 19
제 3 절 혁신의 전이와 망중립성 ··· 24
제 3 장 선행연구 분석 ··· 28
제 1 절 새로운 ICT 생태계의 구조: 생태계 계층 모델 (the Ecosystem Layer Model, ELM) ··· 28
1. 기본적인 ICT ELM ··· 29
2. 4 계층 ELM 모델(The four-layer ELM model) ··· 30
제 2 절 슘페터의 진화 경제학(Schumpeterian evolutionary economics) ··· 31
제 3 절 혁신 이론의 전개와 점진적, 급진적 혁신 ··· 33
제 4 장 효율성 분석 방법론 ··· 37
제 1 절 확률적 프론티어 분석(Stochastic Frontier Analysis) ··· 37
제 2 절 자료포락분석법(Data Envelopment Analysis) ··· 39
1. 개요 ··· 39
2. 효율성(efficiency) 분석 ··· 40
3. 방법론적 특징 ··· 40
4. 생산가능집합과 생산변경 ··· 42
5. CCR 모형 ··· 44
6. BCC 모형 ··· 48
제 3 절 메타 프론티어 분석(Meta-Frontier Analysis) ··· 51
제 4 절 데이터와 모델 ··· 55
제 5 장 콘텐츠 산업 분류별 분석 결과와 분석 ··· 59
제 1 절 분석 결과 ··· 59
제 2 절 콘텐츠 산업 별 세 가지 지표(TE, TE*, TGR) 변화 ··· 61
1. 전자책 ··· 61
2. 이러닝 ··· 62
3. 게임 ··· 63
4. 음악 ··· 64
5. 플랫폼 ··· 65
6. 동영상 서비스업 ··· 66
제 3 절 세 가지 지표(TE, TE*, TGR) 별 콘텐츠 산업의 변화 비교 ··· 66
1. 효율성 평균값(TE) ··· 66
2. 메타프론티어에서의 효율성 평균값*(TE*) ··· 67
3. 메타프론티어 함수에 대한 해당 콘텐츠 산업 프론티어 함수의 비율(TGR) ··· 68
제 6 장 결 론 ··· 70
참고문헌 ··· 73
표 목 차
<표 4－1> 콘텐츠 산업에 속한 표준산업분류와 기업 수 ··· 55
<표 4－2> 디지털 콘텐츠 산업에 속한 표준산업분류와 기업 수 ··· 57
<표 4－3> 디지털 콘텐츠 기업 그룹화와 기업 수 ··· 58
<표 5－1> TE ··· 60
<표 5－2> TE* ··· 60
<표 5－3> TGR ··· 61
그 림 목 차
[그림 2－1] 급진적 혁신과 효율성의 하락 ··· 20
[그림 2－2] 점진적 혁신과 효율성 상승 ··· 21
[그림 2－3] 급진적 혁신과 점진적 혁신의 반복 ··· 22
[그림 2－4] 게임, 숙박, 아파트건설, 도로화물 산업의 SFA 분석 결과 ··· 23
[그림 2－5] 혁신의 순환 ··· 24
[그림 2－6] 혁신의 전이 ··· 25
[그림 4－1] 1투입－1산출 생산가능집합 ··· 43
[그림 4－2] 1투입－1산출 CCR 모형 ··· 47
[그림 4－3] 1투입－1산출 CCR 및 BCC 모형 비교 ··· 50
[그림 5－1] 전자책의 TE, TE*, TGR 변화 ··· 62
[그림 5－2] 이러닝의 TE, TE*, TGR 변화 ··· 63
[그림 5－3] 게임 산업의 TE, TE*, TGR 변화 ··· 64
[그림 5－4] 온라인 음악의 TE, TE*, TGR 변화 ··· 65
[그림 5－5] 플랫폼의 TE, TE*, TGR 변화 ··· 65
[그림 5－6] 동영상 콘텐츠의 TE, TE*, TGR 변화 ··· 66
[그림 5－7] 콘텐츠 산업 분류별 효율성 평균값의 변화 추이 ··· 67
[그림 5－8] 콘텐츠 산업 분류별 TE*의 변화 추이 ··· 68
[그림 5－9] 콘텐츠 산업 분류별 TGR의 변화 추이 ··· 69
요 약 문
1. 연구의 배경 및 필요성
본 연구는 콘텐츠 산업에서 혁신의 발생과 전이를 분석하기 위한 기초 연구이다.
SFA(Stochastic Frontier Analysis), DEA(Data Envelopment Analysis) 등의 방법론을 이용해 효율성을 분석한 기존 연구의 결과들을 살펴보면 두 가지 한계점을 발견할 수 있다. 첫째는 효율성 분석 방법론으로 두 개 이상 그룹의 효율성을 분석하였을 경우, 두 그룹이 서로 다른 생산함수(Production Function)를 사용하고 있기 때문에 두 그룹의 효율성 결과 값을 비교할 수 없다는 점이다. 둘째는 동일 시장 내에서 동 일 생산함수를 사용하는 그룹의 효율성 분석의 결과 값이 시간에 따라 크게 변동한 다는 것이다.
서로 다른 생산함수하에 있는 두 그룹의 효율성을 비교할 수 없다는 효율성 분석 방법론들의 한계점은 메타프론티어 방법론(Meta-Fontier Analysis)이 등장하면서 TGR (Technology Gap Ratio) 값을 서로 비교함으로써 해결할 수 있는 길이 생긴 반면, 동 일 생산함수 안에서의 효율성 분석 결과 값이 시간에 따라 크게 변동하는 부분에 대 해서는 아직까지 별다른 연구가 진행되지 못하였다. 본 연구에서는 DEA 분석 방법 으로 콘텐츠 산업의 효율성을 측정하고 메타프론티어 방법론을 활용하여 생산함수 와 메타프론티어와의 거리를 측정한다. 효율성 분석의 결과 값이 변동하는 것을 새 로운 시각에서 혁신 이론과 결합함으로써 콘텐츠 산업 내에서 효율성 변동의 폭과 혁신의 발생 및 전이와의 연관성을 살펴보고자 한다.
2. 연구 가설
본 연구의 가설은 다음과 같다. 첫째, 특정 산업 내에서 특정 기업이 기존의 산업 내 패러다임을 바꿀 정도의 혁신을 발생시킨다면 이 혁신은 동일 투입 대비 해당 기 업의 매출액을 대폭 상승시킬 것이다. 이 혁신은 해당 기업의 투입 대비 산출이 대 폭 증가할 뿐 아니라 해당 산업의 생산함수까지도 상향 이동시키는 효과를 가져올 수 있다. 본 연구에서는 산업의 생산함수를 상향 이동시키는 정도의 혁신을 ‘급진적 혁신’이라 정의한다. 본 연구에서 사용하는 효율성의 개념은 ‘상대효율성’의 개념이 며 따라서 사용하는 생산함수 프론티어(Frontier)로부터의 거리를 통해 산업 내 기업 들의 효율성 값을 계산하게 된다. 그런데 특정 기업의 급진적 혁신을 통한 생산함수 의 상향 이동은 나머지 기업들의 효율성 값을 하락시키게 되고, 따라서 해당 산업의 효율성 평균값은 하락할 수밖에 없다. 물론 소수 기업의 혁신에 의해 생산함수가 상 향 이동되지 않더라도 효율성 값은 하락할 수 있다. 프론티어 근처에 있는 기업들을 제외한 나머지 기업들의 투입 대비 산출량이 하락하여도 그룹의 효율성 평균은 하 락할 수 있다. 생산함수가 상향 이동하여 효율성 평균이 하락한 것인지, 아니면 생 산함수는 고정된 상태에서 그룹 내 기업들의 효율성 값이 단순히 하락한 것인지는 메타프론티어 방법론을 통해 TGR 값을 계산함으로써 구분할 수 있다. TGR 값이 하 락했을 경우 메타프론티어와 그룹 프론티어의 거리가 가까워진 것이기 때문에 생산 함수의 상향 이동에 따른 효율성 값의 하락이라는 결론에 도달할 수 있을 것이다.
둘째, 산업 내에서 한 기업의 급진적 혁신은 동일 산업 내의 다른 기업들에 영향 을 준다. 다른 기업들 역시 정보를 탐색하여 급진적 혁신을 한 기업의 성공 요인을 분석할 것이고 그 요인들을 자신의 기업에 적용하기 위해 노력할 것이다. 본 연구에 서는 생산함수를 상향시키지는 못하지만 기업의 효율성 값을 증진시키는 행위를
‘점진적 혁신’이라 정의한다. 급진적 혁신에 성공한 기업은 투입 대비 산출량을 유 지한 상태에서 나머지 기업들이 점진적 혁신을 통해 투입 대비 산출 양을 급진적 혁 신에 성공한 기업 수준 가까이 끌어올릴 경우 해당 산업의 효율성 평균값은 상승하
게 될 것이다. 이 경우 역시, 프론티어로부터 멀리 떨어져 있던 기업들이 점진적 혁 신을 함으로써 그룹의 효율성 평균이 올라가는 경우와 함께, 프론티어 근처에 있던 기업들의 효율성 값이 하락함으로써 생산함수 자체를 하향 이동시켜 그룹의 효율성 평균이 올라갔다는 분석 역시 가능하다. 따라서 메타프론티어 분석 방법론의 TGR 값을 활용하여 그룹의 효율성 평균이 올라갔음에도 TGR 값에는 큰 변동이 없거나 오히려 값이 줄어들었다면, 이는 생산함수는 유지되거나 상승하였음에도 불구하고 프론티어로부터 떨어져 있던 기업들의 점진적 혁신을 통해 효율성 값이 상승하였다 는 결론에 도달할 수 있을 것이다.
셋째, 동일한 또는 다른 기업이 또다시 급진적 혁신에 성공한다면 다시 해당 산업 의 효율성 값은 하락하게 된다. 나머지 기업들은 점진적 혁신을 통해 다시 해당 산 업의 효율성 값을 상승시키고, 해당 산업은 급진적 혁신과 점진적 혁신의 반복을 통 해 지속적으로 발전하게 된다. 또한 산업의 발전이 빠르고 혁신이 많이 발생하는 ICT 산업은 다른 산업들에 비해 효율성 값의 변동이 클 것이다.
3. 주요 연구 내용
본 연구에서는 한국의 콘텐츠 산업 내에서 세부 분류 간 혁신의 전이에 대해 보기 위해 NICE 신용평가에서 제공하는 한국의 경영 지표 데이터베이스인 KIS-VALUE 에서 1차 데이터를 추출하였다. 분류 기준은 한국 표준산업분류인 KSIC-9에서 디지 털 콘텐츠 산업이 걸쳐 있는 모든 영역이다. 먼저 표준산업분류와 콘텐츠 산업 특수 분류 1차 개정 분류 항목표를 토대로 포괄적인 콘텐츠 산업과 관련된 기업에 대한 정보를 얻고, 다음으로 연구의 목적에 맞게 수작업으로 다시 분류하였다. 순수 콘텐 츠 제작 및 배급 업체를 제외한 1,181개의 기업을 연구 목적에 맞게 전자책, 이러닝, 플랫폼, 온라인 음악, 온라인 게임, 동영상의 6개 산업으로 구분하였다.
KIS-VALUE를 통해 매출액, 자본금, 매출원가, 종업원 수 데이터를 사용하였으며, DEA를 통해 2000년부터 2013년까지 각 산업의 효율성을 추정하였다. 또한 메타프
론티어 분석 방법론을 통해 각 산업의 생산함수와 메타프론티어의 거리인 TGR 값 을 계산하여 효율성 값이 증가 또는 감소하면서 메타프론티어와의 거리에는 어떠한 변화가 있는지 분석하였다. 6개 콘텐츠 산업의 TE, TE*, TGR 결과는 다음의 그림과 같다.
[그림] TE, TE*, TGR
흥미로운 점은 모든 콘텐츠 산업에서 TE(Technical Efficiency) 값의 변화와 TGR 값의 변화는 반대의 방향을 보였다는 점이다. 즉, TE 값이 하락할 때 TGR 값은 오 히려 상승하였으며, 이는 일부 기업이 생산함수를 상향 이동시킴에 따라 다른 기업 들의 생산함수 대비 상대적인 효율성 값이 떨어졌기 때문이라고 설명할 수 있다.
그러나 효율성 값의 변화 양상과 TGR 값의 변화는 산업에 따라 서로 다른 양상을 보였다. 먼저 효율성 값의 시간에 따른 변화를 분석한 결과 온라인 게임 산업의 효 율성 값이 가장 크게 변화, 즉 상승과 하락을 반복하고 있는 것을 확인할 수 있었으 며 전자책 산업, 이러닝 산업 및 온라인 음악 산업에서는 효율성 값의 변화가 상대 적으로 크지 않다는 것을 볼 수 있었다. 온라인 게임 산업은 다른 산업들에 비해 TE 값의 상승과 하락이 지속적으로 반복되었으며, TE 값이 변화할 때 TGR 값은 다른 산업들과 마찬가지로 반대 방향로 이동하였으나 다른 산업들과 다른 점은 TGR 값 이 상승과 하락을 반복하면서도 전체적으로 상승하는 추세가 지속되었다는 점이다.
즉, 온라인 게임 산업은 급진적 혁신과 점진적 혁신이 활발하게 발생함에 따라 산업 의 TE 값이 상승과 하락을 반복하였으며, 이러한 혁신이 지속적으로 온라인 게임 산업의 생산함수를 상향 이동시켜온 것이다. 즉, 온라인 게임 산업 내의 기업들은 동일한 투입으로도 더 많은 산출을 만들어낼 수 있는 역량을 키워온 것이라고 할 수 있다. 반대로 TE 값 변화의 폭이 크지 않은 전자책 산업과 이러닝 산업은 TGR 값의 상승세가 보이지 않는 것을 확인할 수 있다.
반면 플랫폼 산업은 TE 값 변화의 폭이 그리 크지 않음에도 TGR 값은 상승 추세 를 보이고 있다. 인터넷 플랫폼 산업은 다른 산업들에 비해 상대적으로 일찍 시작된 산업이고 이미 산업이 어느 정도 안정기에 접어듦에 따라 효율성 값의 측면에서는 큰 변화를 보이지 않는 것으로 분석된다. 그러나 플랫폼 산업은 게임 산업과 더불어 경쟁이 매우 치열하며 기업들이 급진적 혁신보다는 경쟁 우위를 차지하기 위해 점 진적 혁신을 지속함으로써 산업의 생산함수 역시 지속적으로 상향 이동한 것으로 생각된다.
본 연구는 메타프론티어 방법론을 활용하여 효율성을 혁신과 연결시키는, 기존에
는 한 번도 시도되지 않았던 새로운 연구이다. 물론 데이터의 한계로 인하여 분석 대상 기업의 수가 부족하고, ICT 산업 전반을 분석하지 못하였다는 한계가 있으나 향후 문제점들을 보완하여 이 연구의 결과가 ICT 산업의 혁신과 발전에 도움이 되 기를 기대한다.
제 1 장 서 론
제1 절 효율성 분석 연구와 한계점
‘효율’은 자원이나 노력의 투입(input)에 대비하여 거두어들인 산출(output)의 비율 을 의미한다. 즉, 효율이 높다는 것은 동일한 자원을 투입하였을 때 더 많은 산출을 거두었다거나 또는 동일한 산출을 얻기 위해 더 적은 자원을 투입하였다는 것을 의 미한다. 더 ‘효율’적이다 혹은 덜 ‘효율’적이다를 나타내는 지표로 효율성(efficiency) 이라는 개념이 사용되는데, 효율성은 일반적으로 절대효율성(absolute efficiency)와 상대효율성(relative efficiency)으로 나뉜다. 경제활동에서는 상대적으로 얼마나 잘 하였는지가 관심대상이기 때문에 통상적으로 절대효율성에 비해 상대효율성의 개 념이 더 많이 사용된다.
효율성에 관한 연구는 Koopman(1951), Debreu(1951), Farrell(1957) 등을 시작으로 그동안 매우 다양한 연구들이 진행되어 왔으며 특히 ICT 산업을 분석한 연구들도 Giokas & Pentzaropoulos(2008), Thompson & Garbacz(2007), Tsai et al.(2006) 등 다양 하게 존재한다. 그런데 효율성 관련 연구들을 분석해보면, 기존의 효율성 연구에 크 게 두 가지 한계점이 있다는 사실을 발견할 수 있었다. 첫째는 두 개의 서로 다른 생 산함수를 사용하는 그룹의 효율성을 비교할 수 없다는 것이다. 이것은 효율성이라 는 지표 자체가 해당 그룹 안에 속해 있는 기업들의 투입량과 산출량을 가지고 생산 함수를 추정하고, 생산함수를 통해 해당 그룹 안에서 해당 기업의 효율성을 “상대 적”으로 구하는 것이기 때문이다. 따라서 생산함수가 달라지면 효율성을 측정하는 기준 자체가 달라지기 때문에 두 그룹의 효율성 값을 비교하는 것은 아무런 시사점 을 주지 못한다.
또 한 가지 문제점은 다양한 연구의 결과에서 효율성 값이 시간이 흐름에 따라 크
게 변화하는 것을 자주 보게 된다는 것이다. 특정 그룹 안에는 비슷한 특성을 가진 다수의 기업들이 존재하고 있음에도 효율성 값이 큰 폭으로 변화한다는 것은 ‘효율 성’이라는 개념의 안정성에 대해 의구심을 가지게 만들 뿐더러 과연 효율성이 높다는 것이 어떤 의미를 가지며 우리는 이를 어떻게 해석해야 하는가라는 질문을 남긴다.
예를 들어 Lee & Hwang(2011)에서는 Online Music Streaming 서비스에 대한 효율 성이 매우 높게 나온 바 있다. 그러나 Lee & Hwang(2011)에 따르면 Online Music Streaming 서비스는 서비스 사업자의 혁신보다는 현재 어떤 좋은 음악이 음반 시장 에 출시되어 있는지가 소비자 입장에서 느끼는 서비스의 품질에 더 커다란 영향을 끼친다. 따라서 서비스 사업자 입장에서는 혁신의 여지가 크지 않기 때문에 효율성 의 측면에서는 대부분의 사업자들이 비슷한 투입을 가지고 비슷한 산출을 만들어내 는, 즉 비슷한 효율성을 가질 수밖에 없는 것이다. 즉, 효율성이 높다는 것이 반드시 해당 산업에 속한 사업자들이 혁신 활동을 더 열심히 하여, 다른 산업들에 비해 상 대적으로 우수하다는 것을 뜻하지는 않는다.
먼저 서로 다른 생산함수를 가진 두 그룹의 효율성 값을 비교할 수 없는 문제점에 대해서는 메타프론티어 방법론(Meta-Frontier Technology)1)이 등장하면서 해결되었 다. 2004년에 Battesse, Rao & O’Donnell(2004)이 개발한 메타프론티어 방법론은 이 후 다양한 국가, 다양한 산업에서 서로 다른 그룹의 효율성을 비교할 수 있는 방법 을 마련해주었으며, 특히 Lee & Hwang(2011), Hong, Lee & Hwang(2011), Yang, Lee, Hwang & Shin(2013) 등은 메타프론티어 방법론을 활용하여 ICT(Information and Communication Technology) 산업을 분석한 바 있다.
그러나 효율성 값이 큰 폭으로 변화하는 부분에 대해서는 어떠한 해석이 가능할 지, 그리고 이것이 어떠한 시사점을 주는지에 대해서는 아직까지 아무런 연구가 이 루어진 바가 없다. 본 연구자는 메타프론티어 방법론을 도입하여 효율성 값의 변화 의 폭이 TGR(Technology Gap Ratio) 값의 증가에 미치는 영향을 분석해보고자 한다.
1) 메타프론티어 방법론, TGR, DEA 등 방법론과 관련된 자세한 내용은 4장을 참고.
제2 절 혁신 전이 연구의 필요성
현재 ICT 산업에서 논쟁이 되는 망중립성 정책 등 다양한 정책적 이슈들을 해결 하고 ICT 융합 생태계 전체의 발전을 위해서는 생태계 안에서 어떤 세부 산업에서 혁신이 발생하고, 발생된 혁신이 어떠한 방향으로 전이가 되는지 분석할 필요가 있 다. 망중립성 정책은 여러 방향에서 논의가 이루어지고 있는데 그 가운데 혁신과 관 련된 논의에서는 ICT 생태계 전체의 발전을 위해서는 인터넷 서비스 사업자와 애플 리케이션 서비스 사업자의 혁신 가운데 어떤 혁신이 더 중요하고 우선시되어야 하 는지가 핵심이라고 할 수 있다. 그런 의미에서 ICT 산업 내에서 혁신의 발생과 전이 메커니즘을 밝혀내는 것은 망중립성 정책을 포함하여 ICT 정책 수립에 큰 시사점을 줄 것으로 여겨진다.
그러나 기존 연구들을 보면 혁신의 발생을 정확하게 측정하는 연구조차 부족한 것이 현실이며, 특히 혁신의 전이를 분석한 연구는 거의 존재하지 않는다. 특히 ICT 산업에서는 산업 내 세부 사업들끼리 서로 많은 영향을 주고받으며 생태계의 형태 로 진화하고 있기 때문에 산업 내에서 혁신의 전이에 대한 연구는 큰 의의를 가질 수 있다. ICT 산업에서는 특정 요소의 발전 뿐 아니라 전체 생태계의 조화로운 발전 이 반드시 필요함에도 불구하고 우리나라는 네트워크와 하드웨어의 발전에 의존하 는 경향이 강하다. 특정 세부 산업의 발전만으로는 ICT 산업의 전체적인 발전에는 한계가 존재하며 산업 전체가 조화롭게 발전해야 한다.
본 연구에서는 ICT 융합 기업들을 세부 산업으로 분류하고 세부 산업 내 기업들 의 생산성 분석을 연도별 혹은 분기별로 시행한다. 메타프론티어 방법론을 통해 TGR을 추정하여 이를 혁신의 지표로 활용하고, 특정 기업에서 발생한 혁신이 동종 산업 혹은 이종 산업의 다른 기업 생산성 향상에 어떠한 영향을 주는지에 대해 계량 분석을 수행한다. 즉, ICT 산업에서 혁신의 발생과 전이를 분석함으로써 어떤 세부 산업에서 혁신이 부족하고, 어떤 세부 산업이 전체 생태계의 혁신을 이끌고 있는지 를 분석하고자 한다.
이를 위해서 본 연구에서는 우선 문헌연구, 전문가 자문 등을 통해 ICT 산업 내 혁신체계를 검토 및 분석한다. 문헌연구의 경우 DEA(Data Envelopment Analysis) 및 메타프론티어 등의 방법론과 관련된 문헌연구들도 이루어져야 하지만 산업 진화론 관련 문헌에 대한 연구도 함께 진행한다. 또한 DEA와 메타프론티어 방법론을 통한 ICT 기업들의 생산성을 분석한다. DEA를 통해 생산성을 분석하기 위해서는 산출물 로 기업의 매출액이 일반적으로 사용되며, 투입물로는 일반적으로 자본금, 매출원 가, 종업원 등이 사용되었다.
제 2 장 ICT 생태계의 특성과 혁신의 전이
제1 절 ICT 생태계의 특성
최근 ICT 환경은 놀랍도록 빠른 속도로 변화하고 있다. 이전에 유선기반 인터넷 서 비스 환경이 PC(Personal Computer) 중심으로 이루어진 반면 스마트폰(Smartphone), 태블릿PC(Tablet PC) 등 스마트 디바이스(Smart Devices)의 확대에 따라 인터넷 서 비스 환경이 무선으로 확대되면서 기존의 휴대전화, TV, PC 등으로 구분된 경쟁 환 경이 콘텐츠(Content)－플랫폼(Platform)－네트워크(Network)－단말기(Device)가 통 합된 생태계 구축경쟁 환경으로 변화하고 있다(Fransman, 2007; Iansiti & Levien, 2004; Tiwana, Konsynski, & Bush, 2010). 이러한 변화는 ICT 산업의 파워를 네트워크 사업자(Network Provider)에서 플랫폼 사업자(Platform Provider)로 옮겼고(Cusumano, 2010), 최근의 연구들 역시 이러한 현상에 집중하여 C-N-P-D(Content-Network-Platform- Device) 가치 흐름 중에서 콘텐츠 사업자(Contents Provider)가 플랫폼을 통해 소비자 와 소통하는 양면시장(two-sided market)에 초점을 맞추고 있다(Cusumano, 2010;
Cusumano & Gawer, 2002; Eisenmann, Parker, & Van Alstyne, 2008; Hilkert, Benlian, &
Hess, 2011; Iansiti & Levien, 2004; West & Mace, 2010; Xu, Venkatesh, Tam, & Hong, 2010).
양면시장은 다음과 같은 특징이 있다. 첫째는 네트워크 외부성으로, 이것은 소비 자가 어떤 제품을 사용할 때 느끼는 효용이 주위 사람이 그 제품을 많이 사용할수록 커지는 효과를 말한다(Katz & Shapiro, 1994). 둘째, 간접 네트워크 외부성을 통한 긍 정적 피드백(Positive feedback) 효과를 낳는다(Arthur, 1989; Katz & Shapiro, 1994).
예를 들어, PP(Platform Provider)는 창의적인 CP(Content Provider)들이 많이 나오면 더 많은 소비자를 끌어 올 수 있고, 많은 소비자들을 잠재 고객으로 인식하고 있는
CP들은 소비자가 많은 PP를 더 이용하게 되는 선순환이 발생한다. 한 산업 내에서 서로가 서로에게 가치를 더해주는 시장 특성에 따라, 산업 내 경쟁적인 요소만 있어 서는 단기적 효율성만 있을 뿐, 장기적으로 변화하는 환경에 대처할 수 없다. 이렇 게 내부에서의 경쟁과 공존, 외부 환경에의 적응 등의 요소들은 마치 생명체가 생태 계를 조성하는 것과 흡사하다(Gawer & Cusumano, 2012).
C-P-N-D로 구성된 ICT 생태계에서 콘텐츠 산업은 큰 비중을 차지한다. 콘텐츠 산 업이란 도서 출판, 음반 산업, 방송, 필수 유틸리티 등을 포함한다(Abadie, Maghiros,
& Pascu, 2008). 어느 정도 IT 산업의 인프라가 구축된 이후부터는, 소비자 효용의 대부분은 콘텐츠로부터 온다고 해도 과언이 아니다. 왜냐하면 소비자는 기존에 존 재하는 혁신에 가격을 지불하기보다는, 다른 새로운 가치들이 더해질 때에야 비로 소 더 높은 가격을 지불하려고 하는 특성이 있기 때문이다. 생태계의 흥망성쇠는 결 국 외부 환경에 얼마나 잘 적응하느냐에 달렸는데(Nelson & Winter, 1982; Teece, Pisano, & Shuen, 1997), 여기서 생태계가 적응해야 하는 외부환경이란 물론 ‘금융위 기’와 같은 경제 쇼크일 수도 있지만, 가장 일반적으로는 달라지는 소비자의 니즈 (needs)이다. 또는 소비자의 숨어 있는 니즈를 잘 파악하면서 혁신을 주도하여 새로 운 생태계를 조성하기도 하는데, 이렇게 혁신을 통한 새로운 생태계의 조성은 달라 진 소비자의 니즈에 빠르게 대응하지 못해 도태되기도 하고, 또 다른 새로운 생태계 를 조성하기도 한다. 애플의 아이폰(i-phone)은 소비자의 니즈를 잘 파악하여 혁신을 이끌어내는 데 성공했다. 그 이후 ICT 산업의 가치체계가 바뀌었으며, 이에 도태된 많은 기업들이 연합하여 구글(Google) 안드로이드(Android) OS 를 필두로 새로운 생 태계를 조성하면서 요동치던 시장이 안정기에 들어섰다. 하지만 최근 들어서 더 이 상 소비자는 스마트폰, 패드와 같은 디바이스의 진화에 크게 매력을 느끼지 못하고 더욱 새로운 니즈를 찾게 되었는데, 그것이 바로 창의적인 콘텐츠에 대한 니즈이다.
결국, 앞으로 펼쳐질 생태계의 경쟁은 어떤 생태계가 창의적인 콘텐츠 양성을 잘하 느냐에 달렸다고 해도 과언이 아니다.
제2 절 메타프론티어 방법론과 혁신
본 연구의 가설은 다음과 같다. 첫째, 특정 산업 내에서 특정 기업이 기존의 산업 내 패러다임을 바꿀 정도의 혁신을 일으킬 경우 이 혁신은 동일 투입 대비 해당 기 업의 매출액을 대폭 상승시킬 것이다. 이 혁신은 해당 기업의 투입 대비 산출이 대 폭 증가할 뿐 아니라 해당 산업의 생산함수까지도 상향 이동시키는 효과를 가져올 수 있다. 본 연구에서는 산업의 생산함수를 상향 이동시키는 정도의 혁신을 ‘급진적 혁신’이라 정의한다. 본 연구에서 사용하는 효율성의 개념은 ‘상대효율성’의 개념이 며 따라서 사용하는 생산함수 프론티어(Frontier)로부터의 거리를 통해 산업 내 기업 들의 효율성 값을 계산하게 된다. 그런데 특정 기업의 급진적 혁신을 통한 생산함수 의 상향 이동은 나머지 기업들의 효율성 값을 하락시키게 되고, 따라서 해당 산업의 효율성 평균값은 하락할 수밖에 없다. 물론 소수 기업의 혁신에 의해 생산함수가 상 향 이동되지 않더라도 효율성 값은 하락할 수 있다. 프론티어 근처에 있는 기업들을 제외한 나머지 기업들의 투입 대비 산출량이 하락하여도 그룹의 효율성 평균은 하 락할 수 있다. 생산함수가 상향 이동하여 효율성 평균이 하락한 것인지, 아니면 생 산함수는 고정된 상태에서 그룹 내 기업들의 효율성 값이 단순히 하락한 것인지는 메타프론티어 방법론을 통해 TGR 값을 계산함으로써 구분할 수 있다. TGR 값이 하 락하면 메타프론티어와 그룹 프론티어의 거리가 가까워진 것이기 때문에 생산함수 의 상향 이동에 따른 효율성 값의 하락이라는 결론에 도달할 수 있을 것이다.
둘째, 산업 내에서 한 기업의 급진적 혁신은 동일 산업 내의 다른 기업들에게 영 향을 준다. 다른 기업들 역시 정보를 탐색하여 급진적 혁신을 한 기업의 성공 요인 을 분석할 것이고 그 요인들을 자신의 기업에 적용하기 위해 노력할 것이다. 본 연 구에서는 생산함수를 상향시키지는 못하지만 기업의 효율성 값을 증진시키는 행위 를 ‘점진적 혁신’이라 정의한다. 급진적 혁신에 성공한 기업은 투입 대비 산출량을 유지한 상태에서 나머지 기업들이 점진적 혁신을 통해 투입 대비 산출량을 급진적
[그림 2－1] 급진적 혁신과 효율성의 하락
(a) 급진적 혁신의 발생과 생산함수의 상향 이동
(b) 생산함수의 상향 이동과 효율성 평균의 하락
혁신에 성공한 기업 수준 가까이 끌어올릴 경우 해당 산업의 효율성 평균값은 상승 하게 될 것이다. 이 경우 역시, 프론티어로부터 멀리 떨어져 있던 기업들이 점진적 혁신을 함으로써 그룹의 효율성 평균이 올라가는 경우와 함께, 프론티어 근처에 있 던 기업들의 효율성 값이 하락함으로써 생산함수 자체를 하향 이동시켜 그룹의 효 율성 평균이 올라갔다는 분석 역시 가능하다. 따라서 메타프론티어 분석 방법론의
TGR 값을 활용하여 그룹의 효율성 평균이 올라갔음에도 불구하고 TGR 값에는 큰 변동이 없거나 오히려 값이 줄어들었다면, 이는 생산함수는 유지되거나 상승하였음 에도 프론티어로부터 떨어져 있던 기업들의 점진적 혁신을 통해 효율성 값이 상승 하였다는 결론에 도달할 수 있을 것이다.
[그림 2－2] 점진적 혁신과 효율성 상승
(a) 점진적 혁신의 발생
(b) 효율성 평균의 상승
셋째, 동일한 또는 다른 기업이 또다시 급진적 혁신에 성공하면 다시 해당 산업의 효율성 값은 하락하게 되고, 나머지 기업들은 점진적 혁신으로 다시 해당 산업의 효 율성 값을 상승시키고, 해당 산업은 급진적 혁신과 점진적 혁신을 반복하여 지속적 으로 발전하게 된다. 또한 산업의 발전이 빠르고 혁신이 많이 발생하는 ICT 산업은 다른 산업들에 비해 효율성 값의 변동이 클 것이다.
[그림 2－3] 급진적 혁신과 점진적 혁신의 반복
본격적인 가설의 검증에 앞서서 게임 산업, 숙박업, 아파트 산업, 도로화물 운송업 의 네 산업에 대해 확률적 프론티어 분석(Stochastic Frontier Analysis, SFA) 방법론 을 사용하여 효율성 평균값의 변화를 비교해보았다. ICT 콘텐츠 산업 가운데, 일차 적으로 게임 산업의 효율성 분석을 시행하였으며, 분석 결과 처음에 예측하였던 대 로 게임 산업에서는 효율성의 변화가 크게 나타났던 반면 아파트 산업과 도로화물 운송업에서는 효율성의 변화가 상대적으로 크지 않았던 것으로 나타났다. 숙박업은 아파트 산업이나 도로화물 운송업에 비해서는 효율성 변화가 크게 나타냈는데, 데 이터 분석 결과 숙박업에 속한 기업들은 재무제표에 대한 보고가 지속적이지 못하 여 패널 데이터의 불균형 정도가 심하여 효율성이 변했던 것으로 분석되었다.
[그림 2－4] 게임, 숙박, 아파트건설, 도로화물 산업의 SFA 분석 결과
그러나 한 가지 우려스러운 점은, 혁신의 전이를 추정하기 위해서는 충분히 많은 시계열 자료가 확보되어야 하지만 재무 데이터가 부족하여 효율성 결과의 시계열 자료 확보가 쉽지 않았다는 것이다. 예를 들어 2003～12년의 분기 데이터를 사용하 면 40분기의 시계열 기간을 확보할 수 있으나 분기별 데이터의 경우 missing value 의 빈도가 너무 높아 활용할 수 없었다.
반면 미국은 분기별 재무 데이터의 보고가 의무화되어 있어서 데이터의 확보 가 용이하며, 이에 따라 본 연구의 목적에 부합하는 분석 역시 가능할 것으로 예 상된다.
제3 절 혁신의 전이와 망중립성
ASP(Application Service Provider)에서 혁신(innovation)이 일어나면 이 혁신은 다양 한 경로를 거쳐 ISP(Internet Service Provider) 영역으로까지 전이(spillover)된다. 예를 들어 YouTube에서 제공하는 동영상 서비스가 엄청난 인기를 끌게 되자 YouTube에 서 제공하는 동영상 UCC를 안정적으로 끊김없이 보여주는 것이 ISP의 중요한 기능 이 되었다. 이에 따라 ISP는 대역폭(bandwidth)을 확충하고 QoS(Quality of Service) 를 제공하는 등 네트워크 품질을 향상시키기 위해 노력하게 된다. 반대로 ISP에서 혁신이 일어나도 마찬가지로 다양한 경로를 거쳐 ASP 영역까지 전이된다. 예를 들 어 ISP에서 QoS라는 기능을 통해 넓고 안정적인 네트워크 서비스가 제공되지 못하 였다면, Voice over Internet Protocol(VoIP)라는 서비스도 생겨나지 못했을 것이다.
[그림 2－5]는 ASP와 ISP 사이를 순환하는 혁신의 전이를 보여주고 있다.
[그림 2－5] 혁신의 순환
만약 우리가 전이되는 혁신의 양을 측정할 수 있고, ASP에서 발생한 혁신이 ISP 영역으로 100% 전이되고 ISP에서 발생한 혁신은 ASP 영역으로 100% 전이된다면,
망중립성 논쟁은 의미가 없어진다. 망중립성 원칙을 지켜서 ASP 영역의 혁신이 활 성화되든, 망중립성 원칙이 지켜지지 않아서 ISP 영역의 혁신이 활성화되든 전이에 의해 그 효과는 완벽하게 일치할 것이기 때문이다. 그런데 문제는 실제로는 혁신의 전 이가 100% 이루어지는 것은 불가능하며, 또한 망중립성이 지켜지지 않는다면 애플리 케이션 서비스의 대역폭 사용량(bandwidth-usage)이나 지연 민감도(latency-sensitivity) 등의 특징에 따라 전이의 크기가 달라질 수 있다는 데 있다. Wu(2004)에 의하면, 이 메일 같은 서비스는 몇 초가 지연된다고 하여도 크게 문제가 되지 않지만, 실시간 동영상 서비스는 10분의 1초만 늦어진다고 하여도 큰 문제가 될 수 있다. 따라서 망 중립성 찬성론자들에 따르면 비디오나 음성과 같이 대역폭 사용량과 지연에 대한 민감도가 높은 서비스일수록 ISP들이 차별할 가능성이 크다. http와 이메일 서비스 만이 존재하던 시절에는 없었던 망중립성 논쟁이 VoIP 서비스의 출현과 함께 시작 되었다는 것이 이를 뒷받침한다. [그림 2－6]은 ISP 영역에서의 혁신이 전이되는 것이 ASP의 그룹에 따라 다를 수 있음을 묘사하고 있다.
[그림 2－6] 혁신의 전이
기술혁신의 결정 요인에 대한 이론적 토대를 제공한 경제학자는 슘페터(Joseph Schumpeter)이다. 일명 Schumpeter Mark I로 불리는 슘페터의 첫째 혁신에 대한 이
론은 Schumpeter(1934)에서 제안되었는데, 혁신활동의 패턴을 기술적 진입의 용이와 신생 기업들의 혁신 활동이 중요한 역할을 맡는 ‘창조적 파괴(creative destruction)’로 특징지었다(entrepreneur-spirit을 강조). Schumpeter Mark Ⅱ는 Schumpeter(1942)에서 제안되었는데 그는 이 연구에서 기술 혁신을 위한 R&D와 대기업의 핵심적 역할의 관계를 논하였다. 이러한 패턴의 혁신은 ‘creative accumulation’으로 특징지을 수 있 다. Malerba and Orsenigo(1996)에 의하면, 마크1과 마크2 패턴의 혁신은 각각 widening(새로운 혁신자의 계속적인 진입으로 혁신의 기반이 넓어지는 것)과 deepening (기술적․혁신적 능력이 계속적으로 축적됨에 따라 지속적인 혁신을 거듭해온 일부 기업의 시장 장악, Malerba and Orsenigo, 1995)이라고 말할 수 있다.
Wu(2004)에 따르면 혁신과 관련하여 망중립성 찬성론자들은 초기 슘페터(Schumpeter MarkⅠ)와 같이 신생기업들이 혁신의 원천이 된다고 보고 있는 반면, 반대론자들은 후기 슘페터(later Schumpeter)와 같이 거대 기업들이 창조적 파괴에 있어 중심적 역 할을 한다고 보는 경향이 있다.
결국 망중립성 찬성론자들은 Schumpeter MarkⅠ의 입장에서, 그리고 망중립성 반 대론자들은 Schumpeter Mark Ⅱ의 입장에서 ISP 혹은 ASP의 혁신에 관한 자신들의 주장을 관철시키려 하고 있다. 이러한 차이는 Wu and Yoo(2007)에서도 극명하게 드 러나는데 이 논문에서 Wu는 다음과 같이 말한다.
“Christopher와 나의 견해 차이의 많은 부분이 혁신이 발생하는 과정에 대한 차이 에서 오는 것 같다. Christopher는 Schumpeter Mark Ⅱ에 따라 큰 기업이 혁신의 주 체이고, AT&T 같은 기존 시장 진입 사업자(incumbent)가 혁신에 해가 되기보다는 미래 기술을 이끌어나갈 원동력이 될 것이라고 믿고 있는 것 같다. 그러나 나는 이 에 대해 부정적이며, 그들은 오히려 그들의 비즈니스 모델(business model)에 위협이 될 시장 진입이나 혁신적 기술들을 방해할 강한 유인을 가지고 있다. 나의 믿음은 경제 성장은 시장 진입에 의해 이루어진다는 데에 있다.”
그러나 기업의 규모와 혁신의 상관관계는 아직까지 경제학적으로 정확한 답을 내 리기 힘든 논쟁이며, 특히 인터넷은 ASP에서 혁신이 일어나면 이 혁신은 다양한 경
로를 거쳐 ISP 영역으로까지 전이되고, 반대로 ISP에서 혁신이 일어나는 경우도 마 찬가지로 다양한 경로를 거쳐 ASP 영역으로까지 전이된다는 점에서 양측의 혁신이 인터넷 전체의 발전을 위해서 모두 중요하며, 또 서로 영향을 미친다는 점에서 이 문제의 해결 역시 쉽지 않아 보인다.
제 3 장 선행연구 분석
1995년부터 인터넷이 전 세계로 확산되면서 ICT 산업은 새로운 ICT 생태계가 형 성되는 근본적인 변화가 있었다. 새로운 ICT 생태계가 무엇으로 구성되어 있는지, 시스템이 어떻게 돌아가는지, 그리고 정부가 정책적으로 할 수 있는 역할은 무엇인 지에 대해서 많은 연구가 이루어져 왔다.
제1 절 새로운 ICT 생태계의 구조: 생태계 계층 모델 (the Ecosystem Layer Model, ELM)
ELM은 글로벌 ICT 섹터에 대한 모형으로, 이 섹터에 대한 분석을 돕고 적절한 기 업 전략과 정부 정책에 관해 파악하는 것을 돕기 위한 것이다. 이는 전체 ICT 섹터 를 시스템으로 바라보는 질적 모형으로 반도체, 컴퓨터, 소프트웨어, 소비자가전, 통 신장비, 방송, 미디어, 신문, 도서, 음악, 광고 등을 하위 섹터로 포함한다. ELM은 공 학적－건축학적인 모형인 동시에 경제적․제도적인 모형으로, ICT 생태계를 ‘기능 성(functionalities)의 집합’으로 개념화한 것이라는 점에서 다른 계층 모델들과는 차 별성을 가진다. ELM에서 ICT 시스템은 두 가지 형태로 존재하는데, 첫째 형태는 기 술적 구조를 통해 정의되고 결정되는 기술적 상호작용들이 갖춰진 기술적, 공학적 시스템이다. 둘째 형태는 그 시스템과 구성 요소들이 시간의 흐름에 따라 어떻게 진 화하는지를 결정하는 시장 및 여타 제도들을 갖춘 경제적․제도적 시스템이다.
그렇다면 ELM은 어떤 의미에서 가치를 가질까? ELM은 첫째, 전체 ICT 섹터를 시스템으로서 개념화하고 시스템 내의 상호 의존성과 복잡한 상호 작용을 이해할 수 있다. 둘째, 시스템 내에서 이뤄지는 행위들을 조정할 때의 시장과 기업, 다른 기 관들의 역할을 확인할 수 있다. 셋째, 기업의 전문화와 전략을 분석할 수 있다. 넷째,
서로 다른 층위 내의 산업 구조를 형성하는 서로 다른 진화의 동력을 분석할 수 있 다. 다섯째(정부 정책의 역할을 포함하여), 세계화와 국제적 노동 분업의 영향을 진 단할 수 있다. 여섯째, 새 ICT 생태계 안에서 특정한 핵심 기업들의 역할을 이해할 수 있다. 일곱째, 공진화하는 수요의 중요성을 분석할 수 있다. 여덟째, 시스템의 서 로 다른 부분에서의 서로 다른 수익성을 분석할 수 있다.
1. 기본적인 ICT ELM
첫 번째 계층은 ‘networked elements’로 새로운 ICT 생태계의 진화 양상의 근본적 인 특성은 섹터 내의 모든 요소들이 점차 인터넷 내에서 통합되고, 네트워크로 연결 (networked)된다는 것이다. 이 층위에는 컴퓨터, 소비자 전자 장비, 반도체, 하드웨어 의 동작을 위한 시스템 소프트웨어 등의 요소들이 포함된다.
두 번째 계층은 ‘network operating’이다. Layer 1에서 생산된 요소들은 Layer 2에서 정보 통신 네트워크 형태로 통합되며, 네트워크 사업자(network operators)에 의해 작 동하는데, 이러한 네트워크 사업자는 이동통신 사업자(telecom operators)(fixed and mobile), 케이블TV 사업자(cable TV operators), 위성 및 방송 사업자(satellite operators and broadcasting operators)를 포함한다. 네트워크와 그들의 사업자는 처음에는 분리 되어 있었으나, 1990년대 이후 점차 상호 연결되고 있다. 이 결과로 서로의 서비스는 점차 대체 가능하게 되었는데, 영화나 티비 프로그램이 DSL이나 FTTP connections 을 이용하는 이동통신 기업들에 의해 공급되기도 하며, 동축 케이블(coaxial cables) 을 이용하는 케이블 사업자에 의해 공급되기도 하며, 혹은 위성통신 사업자나 핸드 폰 사업자에 의해 공급되기도 하는 것이 그 예시이다.
세 번째 계층은 ‘connectivity’이다. TCP/IP의 확산과 함께 신규 기업들이 Layer 3 에 진입하여 인터넷 연결(Internet connectivity)을 공급하게 되었다. Layer 2를 지배하 던 이동통신 사업자들이 Layer 3에도 진입하긴 했지만, Layer 3에서 성공한 대부분 의 기업은 신규 진입자들이다. 시장 구조라는 관점에서 볼 때, Layer 3의 핵심적인 특성은 새로운 경쟁적인 시장에의 신규 기업 진입이라고 볼 수 있다. Layer 3에 의
해 인터넷 연결의 기능이 제공되었으나, 이는 사람들이 월드 와이드 웹에 연결된 방 대한 양의 호스트를 이용하도록 하기에는 충분치 않다. 가령 월드 와이드 웹을 구성 하는 급격하게 증가하는 수많은 호스트들을 통과하며 정보를 찾기 위해서는 브라우저 가 요구된다. 더욱 필수적인 기능성들은 인터넷 상호작용을 보호하는 보안 소프트웨어 와 같은 것을 포함하는데, 이러한 기능성들은 ELM 내에서 ‘미들웨어(Middleware)’로 불린다. 또한 방대한 양의 서버에서 특정한 정보를 찾기 위해서는 ‘검색(search)’ 능 력이 요구된다. 검색 기능에만 초점을 맞추고 이를 위한 수학적 알고리듬을 개발했 던 구글이 그 예시이다. 기존 기업보다는 신규 기업들이 이처럼 새로운 기능성들을 제공하는 분야를 지배하게 되었다. Layer 3과 4에서 제공되는 기능성들은 Layer 5의 구성원들을 위한 혁신 플랫폼을 구성한다는 점을 주목할 필요가 있다.
다섯 번째 계층은 ‘content, applications and services’이다. 연결성(Connectivity)과 인터넷 접속(Internet access)(in Layer 3), 그리고 네비게이션, 탐색과 미들웨어 기능 (in Layer 4)이 제공되며 이들이 혁신의 플랫폼 역할을 할 때, 소비자가 사용할 수 있 는 콘텐츠 혹은 애플리케이션이 탄생하게 된다. Layer 5에서 명명된 서비스(services) 는 최종 소비자에게 제공되는 서비스만을 가리킨다. 즉, ‘services for intermediate consumers/users’와 구분되는 개념이다.
마지막 계층은 ‘final consumption’이다. ELM의 핵심적인 개념적 특성은 Layer 6을 추가하는 데에 있다. 이는 최종 소비와 소비의 공진화가 갖는 중요한 역할을 주목하 게 한다. Layers 1-5에서는 Layer 6의 최종 소비자에게 재화와 서비스(products and services)를 판매하는 것이다.
2. 4 계층 ELM 모델(The four-layer ELM model)
여섯 개의 layer로 구성된 ELM 모형을 네 개의 layer로 구성된 모형으로 통합할 수 있는데, 여기서는 두 번의 통합이 이루어진다. 첫째는 Layer 2와 3이 통합되어 새 로운 모형의 Layer 2를 구성한다. 이는 연결성이 대부분의 기존 이동통신 사업자들 에 의해 수직적으로 통합되고 있기 때문이다. 둘째는 Layer 4와 5가 통합되어 새로
운 모형의 Layer 3를 구성한다. 이는 네비게이션(navigation)과 같은 Layer 4의 행위 들은 Layer 5에서의 콘텐츠, 애플리케이션과 서비스의 공급과 밀접한 관련이 있기 때문이다.
제2 절 슘페터의 진화 경제학(Schumpeterian evolutionary economics)
슘페터(Schumpeter)의 주요 관심사는 그가 ‘경제 발전(economic development)’이라 고 부르던 현상으로, 그는 이 현상이 혁신과 긴밀하게 연결되어 있다고 보았다. 그 는 우선 혁신이 존재하지 않은 경제학적 세계(economic world)에서 출발하는데, 신 고전경제학(neoclassical economics)의 정적인 이론에 따라 균형 가격과 수량이 성립 되어 있는 경제학적 세계가 그 출발점이다. 그러나 쉴 새 없이 요동치는 자본주의의 현실은 이러한 정적인 세계와는 전혀 다른데, 이러한 현실 세계의 핵심은 ‘내생적으 로 발생된 발전(endogenously generated development)’과 관계 있다. 슘페터는 이러한 발전을 ‘새로운 조합의 수행(the carrying out of new combinations)’으로 정의하였다.
이러한 새로운 조합은 새로운 제품, 새로운 기술과 프로세스, 신시장 개척 등을 포 함한다. 기업가(Entrepreneurs)의 기능이 바로 이러한 새로운 조합의 수행으로, 여기 서의 기업가는 개인 사업자와 대기업 경영인을 모두 포함한다.
자본주의 체계의 변화를 이끄는 것이 바로 이러한 새로운 조합으로, 이는 슘페터 가 창조적 파괴(creative destruction)라고 부른 프로세스이며, 오래된 것을 부수고 새 로운 것을 창조하는 프로세스이다. 기업, 기관, 정책 입안자가 다루는 세상이 바로 이 창조적 파괴의 세상이며, 이는 또한 정적인 것보다는 동적인 것을 요구하는 세상 이기도 하다. 슘페터는 창조적 파괴의 개념과 진화의 개념을 연결시켰는데, 그는 자 본주의(Capitalism), 사회주의(Socialism), 그리고 민주주의(Democracy)에서 “자본주 의를 다루기 위해 이해해야 하는 본질적인 것은, 우리는 진화 과정(evolutionary process) 을 다루고 있다는 것이다. 자본주의는 본질적으로 경제적 변화의 형태 혹은 방법론
이며, 결코 정적이지 않고 정적일 수도 없다.”라고 주장하였다. 하지만 그는 이 과정 에서 다윈(Darwin)을 언급하였지만 다윈의 진화론을 직접 적용하는 것은 삼갔다. 다 윈의 중대한 기여는 두 가지의 상호 연관된 결정 과정(determining processes)의 관점 에서 진화를 설명하는 것과 관계 있다. 첫째는 다양성을 창조하는 과정이며, 둘째는 이러한 다양성으로부터 선택하는 과정이다.
슘페터적 진화 경제학에서 중요한 분수령은 리차드 넬슨(Richard Nelson)과 시드니 윈터(Sidney Winter)가 슘페터와 다윈의 이론(Schumpeterian and Darwinian thinking)을 현대 경제학(modern economics)과 연관시켰을 때 발생하였다. 간단하게 설명하자면, 넬슨과 윈터는 경제가 기업들로 구성되었다고 인식하였다. 이러한 기업들은 그들이 특정 맥락 속에서 비즈니스를 진행하여 발전시켜온 다양한 루틴에 의해 구분된다.
이러한 루틴은 생물학적 유기체의 유전자와 같은 것으로, 기업들이 그들의 지식을 저장하는 장소이다. 또한 이러한 루틴은 서로 다른 기업들이 생산하는 산출의 구체 적 특성에 영향을 미친다.
여기서 선택 프로세스(selection process)의 개념이 본격적으로 도입되는데, 이러한 시장 프로세스는 몇몇 기업의 제품과 서비스를 다른 기업의 제품과 서비스 중에서 솎아내고, 이때 선택된 기업들의 이윤은 선택 받지 못한 기업에 비해 증가한다. 또 한 이 이윤은 선택된 기업들이 다른 기업들보다 더 많이 투자할 수 있게 하고, 따라 서 그들이 더 빠르게 성장할 수 있도록 한다. 이 프로세스는 시장별 수요/공급, 섹터 별 수요/공급, 전체적인 수요/공급에 영향을 주며, 이 결과로 새로운 비용과 수입, 이 윤과 성장을 결정한다. 혁신은 언제 이 과정에 도입되는가? 각각의 기업에는 루틴을 변화시키기 위한 목적을 갖는 특정한 루틴들이 있는데, 이것이 바로 혁신을 유발하 는 것이다. 이러한 반복 현상들은 슘페터적인 의미에서 새로운 조합을 탐색하는 것 과 관련이 있다. 선택 프로세스에 의해 선택되는 특성들에 공헌하는 루틴들은 번성 하고, 또한 재생산된다. 이러한 방식으로 루틴과 혁신 프로세스는 폭넓은 공진화 과 정의 일부가 된다. 그러나 생물학의 세계와는 다르게, 루틴들의 선택과 거부는 기업 에서 발생하는 학습 프로세스에 포함된다.
그런데 경제 시스템 내의 혁신 프로세스는 기업 내의/기업 간의 탐색 및 R&D 프로 세스에 의해서만 형성되는 것은 아니다. 이들은 기관에 의해서도 영향을 받는다. 가령 지적재산권 제도(intellectual property regimes), 재정 매커니즘(financing mechanisms), 대학, 정부 산하 연구 기관 등은 모두 혁신 프로세스에 영향을 준다. 이들은 혁신 프 로세스에만 영향을 주는 것이 아니라 기업들이 따르는 ‘게임의 법칙(rules of the game)’
에도 영향을 준다. 기관은 이른바 국가 혁신 시스템(national innovation systems, NIS)를 다루는 1980년대 후반의 슘페터 진화 경제학(Schumpeterian evolutionary economics)에서 두드러졌다. 혁신 프로세스는 서로 다른 국가에서 서로 다르게 나타나는 경향이 있 는데, 이는 국가별로 기관들과 그들의 기능이 두드러지게 다르기 때문이라는 것이 이 연구들의 중요한 통찰력이다. 게다가 혁신은 경제학적 성과의 핵심적인 결정인 자이기 때문에, 국가들은 다양한 산업에서의 성과 또한 각각 다르다. NIS는 새로운 하위 카테고리를 낳았는데, 이른바 섹터 혁신 시스템(sectoral systems of innovation) 이다. 이는 혁신 프로세스와 이에 상응하는 산업 및 기관(industrial & institutional organisations)이 경제의 다른 섹터별로 서로 다르게 나타난다는 점을 강조한다.
제3 절 혁신 이론의 전개와 점진적, 급진적 혁신
다양한 사건들이 혁신이라는 이름으로 불리긴 하지만, 각각의 혁신들은 전개나 양상, 파급력 측면에서 크게 다르다. 따라서 혁신 이론은 혁신의 특성에 따라 이들 을 구분하고, 혁신의 종류에 맞는 기업의 대응 방안과 정부의 정책을 제시하는 방향 으로 전개되었다. 혁신의 구분법 중 하나는 제품, 서비스, 생산 공정 기술 등에 관한 기술적 혁신과 조직 구조나 행정 절차에 관한 행정적 혁신의 구분이다(Kimberly and Evanisko, 1981; Damanpour, 1987; 1988). 스마트폰의 개발이 기술적 혁신에 해당한 다면, 새로운 인센티브 제도의 실시는 행정적 혁신에 해당한다고 볼 수 있다.
하지만 혁신 이론에서 가장 중요하게 여겨진 구분법은 점진적 혁신과 급진적 혁 신의 구분이다. 혁신이 미친 파급력에 따라서 급진적 혁신과 점진적 혁신을 구분한
Ettlie(1983) 이후로 두 종류의 혁신을 구분하고, 이를 통해 혁신을 분석하는 시도가 이어져왔다. Dewar and Dutton(1986)은 미국 신발 업체의 자료를 활용한 실증 분석 을 통해 급진적 공정 혁신과 점진적 공정 혁신의 채택에 각각 영향을 미치는 변수를 규명하고자 하였다. 그는 혁신의 채택에 영향을 미치는 변수를 세 가지로 구분하였 는데, 첫 번째는 조직 내 지식의 분포(the distribution of knowledge)로 지식의 깊이와 다양성, 그리고 외부에서 획득한 정보에 노출된 정도를 가리킨다. 또한 나머지 두 변수는 조직 경영진의 태도(the attitudes of the organization’s management)와 조직의 구조(organizational structure)로, 해당 조직이 중앙집권화된 정도와 관계가 있다. 그 의 실증 분석에 따르면 급진적 공정 혁신과 점진적 공정 혁신에 가장 큰 영향을 미 치는 변수는 지식의 깊이였으며, 기업의 규모는 급진적 공정 혁신의 채택에만 영향 을 미쳤다. 또한 분권화, 경영진의 태도, 외부 정보에의 노출은 혁신의 채택에 영향 을 미치지 못하는 것으로 나타났다.
Damanpour(1988) 역시 급진적 혁신과 점진적 혁신을 구분하여 혁신 이론을 전개 하였다. 그는 기존의 혁신 연구들이 내놓은 결과가 불일치하는 이유는 혁신을 다양 한 차원으로 구분하지 않았기 때문이라고 지적하며 세 가지 차원에서 혁신을 구분 하려고 시도하였다. 첫째 차원은 혁신의 급진성으로, 조직의 행위와 기존의 관행을 근본적으로 변화시키는 급진적 혁신과 기존의 관행을 크게 변화시키지 않는 점진적 혁신의 구분이다. 둘째 차원은 혁신의 종류로, 앞서 언급한 행정적 혁신과 기술적 혁신의 구분이다. 셋째 차원은 혁신의 채택 단계로, 혁신을 채택하는 것을 결정하는 단계인 시작 단계(initial stage)와 채택한 혁신을 실행하는 실행 단계(implementation stage)의 구분이다. 그는 이러한 세 차원이 서로 상호작용을 한다는 점에 주목하여, 이를 통해 기존의 혁신 이론의 결과를 통합하고자 하였다.
가령 혁신의 종류와 혁신의 채택 단계를 함께 생각해볼 때, Daft(1978)의 양핵 (dual-core) 모형과 Duncan(1976)의 양손잡이(ambidextrous) 모형을 조합할 수 있다.
이 두 모형을 종합할 때, 낮은 형식화, 의사결정의 분권화, 높은 전문성으로 대변되 는 유기적인(organic) 특성은 기술적 혁신의 시작 단계를 강화한다. 반면 높은 형식
화, 중앙집권화, 낮은 전문성으로 대표되는 기계적인(machanistic) 특성은 행정적 혁 신의 실행 단계를 강화한다. 그러나 행정적 혁신의 시작 단계와 기술적 혁신의 실행 단계는 두 모형의 설명이 불일치하기에, 저자는 조직이 속한 환경이나 조직의 성격 을 추가적으로 고려할 필요가 있다고 지적하였다.
또한 혁신의 채택 단계와 혁신의 급진성을 동시에 고려할 때, Duncan(1976)과 Hage(1980)의 이론을 종합할 수 있다. 이에 따르면 유기적 특성은 점진적 혁신의 시 작 단계를, 기계적 특성은 급진적 혁신의 실행 단계를 강화한다. 특히 저자는 혁신 의 급진성에 관계없이 혁신의 시작 단계는 문제 인식, 아이디어 생성, 채택 결정이 라는 비슷한 단계를 거치기에 유기적인 특성이 중요하다고 주장하였다. 반면 혁신 의 실행 단계에서는 점진적 혁신과 급진적 혁신의 구분이 유효하다고 보았는데, 급 진적 혁신의 실행은 조직 구조를 크게 변화시켜 조직 내 분쟁 가능성을 크게 높이기 때문이라는 것이다.
마지막으로 혁신의 급진성과 혁신의 종류를 동시에 고려할 경우, 점진적인 혁신 은 그 종류가 기술적이든 행정적이든 차이가 별로 나지 않는다. 하지만 급진적 혁신 의 경우 그 종류가 기술적인지 행정적인지가 매우 중요하다. 저자는 급진적․기술적 혁신에 비해 급진적－행정적 혁신이 조직의 효율성 측면에서 중요하다는 Schulman (1969)의 주장을 다시 한 번 강조하였다.
이후 급진적 혁신과 점진적 혁신의 구분이 불완전하다는 주장이 제기되었는데, Henderson & Clark(1990)은 제품의 요소(component)와 그 요소들을 시스템 내에 통 합시키는 방식을 구분해야 한다는 점을 강조하였다. 그에 따르면 성공적인 제품을 개발하기 위해서는 두 종류의 지식이 필요하다. 첫 번째는 요소 지식으로 제품에 포 함되는 각각의 요소에 관한 지식이며 두 번째는 아키텍처 지식으로 요소들이 하나 의 조화로운 시스템으로 통합되는 방식에 관한 지식이다. 따라서 저자는 앞서 언급 한 두 가지 관점을 고려하여 급진적 혁신과 점진적 혁신뿐만 아니라 아키텍처 혁신 (architectural innovation)과 모듈 혁신(modular innovation)을 포함하는 구분법을 주장 하였다.
저자가 강조한 혁신은 아키텍처 혁신으로, 요소나 요소들을 포함하는 핵심적인 디자인 개념(요소 지식)은 변화하지 않지만 제품의 요소들이 결합되는 방식(아키텍 처 지식)이 변화하는 혁신이다. 아키텍처 혁신은 제품의 핵심적인 디자인 개념을 변 화시키지 않기 때문에, 기존 기업은 혁신의 존재를 빠르게 인식하지 못할 수 있다.
또한 아키텍처 혁신을 인식했더라도 기존의 아키텍처 지식이 새로운 아키텍처 지식 을 습득하는 것을 방해할 수 있다. 이처럼 기존의 아키텍처 지식이 새로운 아키텍처 혁신에 적응하는 것을 방해하여 기업이 도태되는 경우가 발생하는데, 저자는 사진 석판(photolithographic alignment) 산업의 예시를 통해 이를 설명하였다. 해당 산업에 서는 기존 기업이 신규 기업에 밀려나는 일이 자주 발생했는데, 이는 기존 기업이 아키텍처 혁신을 빠르게 인식하지 못하고 기존의 아키텍처 지식을 고수했기 때문이 라는 것이 저자의 주장이다.
제 4 장 효율성 분석 방법론
제1 절 확률적 프론티어 분석(Stochastic Frontier Analysis)
Aigner, Lovell, & Schmidt(1977)과 Meeusen & van den Broeck(1977)가 제안한 SFA 는 다음과 같은 식으로 모형화한 생산프론티어를 이용하여 효율성을 추정한다.
(4.1) 단, Yi는 기업 i의 산출량, xi는 기업 i의 투입벡터, f는 생산함수, 는 생산함수의 모수, vi는 ui와 독립적이고 의 분포를 갖는 랜덤 에러(random error)이며, ui 는 기업 i의 기술적 효율성을 나타내는 음이 아닌(non-negative) 확률변수이다.
여기서 vi가 회귀식의 일반적인 랜덤 에러라고 한다면, ui는 기업의 비효율성을 나 타낸다. 항상 비효율적임을 보이기 위하여 ui자체는 음이 아니다. 이때 개별기업의 기술적 효율성(TE: Technical Efficiency)은 다음과 같이 정의할 수 있다.
× exp
× exp × exp
exp (4.2)
TE는 0과 1 사이이며, TE의 값이 1인 경우 ui, 즉 기술적 비효율성이 0이므로 가장 효율적임을 나타낸다.
프론티어를 추정하여 그에 대한 효율성을 측정한다는 점에서 DEA와 SFA는 유사 하지만 생산함수의 형태와 오차항에 대한 가정이 포함되는지 여부가 근본적인 차이 라고 할 수 있다. SFA의 주요 장점은 비효율성지표를 자세히 분류하여 비효율성의 근 원을 알 수 있는 것이다. SFA에서는 프론티어로부터의 편차를 기술적 비효율성 (technical inefficiency), 배분적 효율성(allocative inefficiency), 통계 및 표본추출오차로
구분할 수 있다(Schmidt & Lovell, 1979). 또한 SFA는 DEA와 같은 확정적(deter- ministic) 방법론이 아니기 때문에 측정오차의 문제를 다룰 수 있고, 통계학에서의 대양한 가설 검정 방법을 사용할 수 있으며, 패널 데이터를 활용할 수 있다. 사실 DEA와 SFA 중 어느 것이 효율성 분석에 더 적합한지에 대해서는 아직 명확한 결론 이 없다. 그러나 Cullinane et al.(2002)는 몇몇 연구에서 효율성을 측정하는 여러 모 형을 비교해 본 결과 특히 패널 데이터를 이용하여 개별 단위의 효율성을 측정할 경 우 통계 모형만 잘 정의한다면 SFA가 DEA에 비해 효율성을 측정하는 데 더 효과적 인 방법이라고 주장하였다. 따라서 불균형(unbalanced) 패널 데이터를 사용하는 본 연구에서는 SFA를 이용하여 효율성을 추정하고자 한다.
위에서 살펴본 SFA의 기본적인 모형은 횡단면 자료를 이용한 분석에 사용된다.
그러나 본 연구에서는 시간에 따른 효율성의 변화를 고려해야 하므로 Battesse &
Coelli(1992)의 모형을 사용할 것이다. 이 모형은 다음과 같이 표현된다.
(4.3)
exp × (4.4)
여기서 가 양수일 경우 시간에 따른 효율성의 향상을 의미하고, 가 음수일 경 우 시간에 따른 효율성의 감소를 의미한다.
일반적으로 SFA의 생산함수로는 트랜스로그(translog) 함수와 콥더글라스(Cobb- Douglas) 함수가 가장 널리 사용되지만 본 연구에서는 모형의 적정성 면에서 우수한 트랜스로그 함수를 사용한다. 트랜스로그 함수는 투입요소의 교차항이 포함되어 있 어 그 효과를 표현할 수 있으며, 일정한 생산 탄력성과 투입물 사이에서의 대체탄력 성을 부여하지 않아 상대적으로 유연한 기능적 형태이므로 데이터가 함수의 실질적 곡선 형태를 나타낼 수 있다.
그리고 비효율성 오차(ui)의 분포는 주로 반정규분포(half-normal distribution) 또는 지수분포(exponential distribution)로 가정한다. Jorgensen, Pedersen, and Volden(1997)
은 반정규분포는 효율적인 해와 비효율적인 해가 동시에 없는 경우에 적합한 방법 이며 지수분포는 효율적인 해와 비효율적인 해가 공존하는 경우에 적합한 방법이라 고 주장하고 있다. 최근에는 절단정규분포(truncated normal distribution)가 비효율성 오차 분포형태에 대한 유력한 대안으로 떠오르고 있다. 절단정규분포는 정규분포 에서 0보다 크거나 같은 경우만을 취한 분포로, 가 음수일 경우 지수분포와 비슷 한 형태를 갖게 되고, 가 0일 경우 반정규분포와 동일한 형태를 갖게 되며, 값이 커질수록 일반정규분포와 유사한 형태를 갖는다. 이와 같이 다양한 형태의 분포를 표현할 수 있다는 장점 때문에 최근 절삭정규분포를 이용하는 경우가 많다.
제2 절 자료포락분석법(Data Envelopment Analysis)
1. 개요
비슷한 환경 하에서 의사 결정을 해야 할 상황에 처한 조직 단위(DMUs: Decision Making Units)의 효율성(또는 생산성)을 상호 비교 분석하는 방법론인 DEA는 Data Envelopment Analysis의 약어로, 우리말로는 자료포락법 또는 비모수적 효율성 분석 법 등으로 불린다. 1970년대 말 등장한2) 이래 수많은 경제․경영 분석 사례 연구에 서 적용된 방법론으로, 국내에서도 많은 연구에서 효율성(또는 생산성)을 나타내기 위하여 활용된 바 있다.
이러한 DEA는 경영학과 경제학의 양 분야 모두에서 출발했다는 특징을 가지고 있다. 다른 두 분야의 이론적 기반을 통해 설명이 가능하기에, 경영학 및 경제학 두 가지 관점에서의 포괄적인 설명이 곁들여져야만 그 원리가 좀 더 명확히 드러나게 된다. 또한, 수식을 바탕으로 한 이론 그 자체보다 자료를 바탕으로 한 현실에서의 적용 과정을 직접 살펴보아야만 방법론의 원리를 깊이 이해할 수 있게 된다.
2) Charnes et al.(1978)의 연구에서 DEA라는 명칭이 탄생.
2. 효율성(efficiency) 분석
일상에서 자주 사용하는 ‘효율’은 대체로 어떤 목표를 달성하기 위해서 들인 노력 이나 자원 대비 거둬들인 성과의 비율을 의미하는데, 이러한 개념을 수치로 측정하 는 것이 효율성 분석의 목적이라 할 수 있겠다. 상대적으로 효율이 높고 낮음은 동 일 자원을 투입하고도 더 좋은 성과를 내었는지, 동일한 성과를 얻는데 소요된 자원 투입이 더 적었는지 등의 기준으로 판단하게 된다.
효율성은 다시 절대효율성(absolute efficiency)과 상대효율성(relative efficiency)으 로 구분 지을 수 있는데, 절대효율성은 대상의 투입대비 산출의 비율 자체를 의미한 다. ‘시간 당 얼마’로 표현되는 시급을 한 사람의 절대효율성 중 하나로 생각할 수 있겠는데, 이러한 절대효율성은 그 값에 제약이 없는 편이다. 상대효율성의 경우 다 른 분석 대상들과의 비교를 통해 상대적으로 그 값을 정하게 되는데, 보통 효율성 수치 중 최고치를 기준으로 표준화하였을 때의 상대적 비율로 표시하는 편이다. 즉, 최고 수준의 효율성을 1로 하였을 때의 대상이 가지는 효율성은 0.7과 같은 수치로 나타낼 수 있는 것이다. 절대효율성 개념은 투입 대비 산출의 비 그 자체를 그 분석 의 대상으로 하는 ‘생산성(productivity)’ 분석 방법론에서 많이 쓰이며, 보통의 경우 처럼 상대적 경쟁력을 주요 관심사로 하여 분석을 하는 DEA의 경우에는 상대효율 성 개념의 효율성을 그 분석의 대상으로 삼는다.
3. 방법론적 특징
효율성을 측정하는 가장 간단한 방법으로, 분석 대상의 활동에서 특징적인 역할 을 하는 변수들 중 가장 중요한 투입 변수와 산출 변수를 각 하나씩 정하여 그 비율 을 계산하는 것을 생각할 수 있다. 각 DMU 별로 이러한 절대효율성을 구한 뒤 여러 DMU끼리 서로 비교하여 상대효율성을 도출할 수 있게 된다. 그러나 실제의 분석 대상은 다수의 투입과 산출을 가지는 경제주체일 경우가 많기에 위처럼 손쉬운 계 산으로 그 효율성을 구하기가 쉽지 않다. 그러나 DEA를 사용하게 되면 다수의 투입
