선행 지표 – 요약

마지막 업데이트: 2022년 3월 18일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
경제 용어 정리

선행 지표 – 요약

잠깐! 현재 Internet Explorer 8이하 버전을 이용중이십니다. 최신 브라우저(Browser) 사용을 권장드립니다!

  • UPDATED. 2022-07-19 12:20 (화)
  • 기사공유하기
  • 프린트
  • 메일보내기
  • 글씨키우기
    • 가나다라마바사
    • 가나다라마바사
    • 가나다라마바사
    • 가나다라마바사
    • 가나다라마바사
    • 가나다라마바사
    • 박광춘
    • 승인 2017.06.27 16:55
    • 최종수정 2017.06.27 16:55
    • 댓글 0
    • 기사공유하기
    • 프린트
    • 메일보내기
    • 글씨키우기
      • 가나다라마바사
      • 가나다라마바사
      • 가나다라마바사
      • 가나다라마바사
      • 가나다라마바사
      • 가나다라마바사

      특징 섹터이 슈 요 약
      소매유통/백화점소비자심리지수 개선에 관련주 상승
      ▷금일 한국은행이 발표한 6월 소비자동향조사 결과에 따르면, 6월 소비자심리지수(CCSI)가 111.1로 지난 2011년1월 이후 6년 5개월만에 최고치를 기록.

      ▷CCSI는 소비자동향지수(CSI)중 6개 선행 지표 – 요약 주요 지수를 이용해 산출한 심리지표로 통상 소비자심리지수가 기준선(2003~2016년 장기평균치)인 100보다 클수록 소비심리가 낙관적, 100보다 작을수록 비관적이라는 의미로 해석되며, 선행지표로써 향후 소비에 대한 방향성을 예상할 수 있음.

      [인포스탁 섹터분류를 통해서 선행 지표 – 요약 상세한 기업개요 및 섹터개요/관련종목 확인하시길 바랍니다.]

      박광춘 전문기자 ([email protected]) 신민재 전문기자 ([email protected]) 허준범 전문기자 ([email protected])

      선행 지표 – 요약

      투자정보 플러스가 제공하는 종목 리포트 요약서비스!

      원티드랩 (376980)선행 지표 – 요약

      김아람.강석오 - 신한금융투자 2022.05.06

      • 1Q22 영업이익 12억으로 컨센서스(20억) 큰 폭 하회
      • 매칭시장 성장은 진행중
      • 투자포인트 변함 無, 중장기적 시각이 필요

      실적 발표 컨퍼런스콜에서 4월 한 달 간 벌어들인 이익 선행 지표 – 요약 규모가 1분기 전체 이익 규모보다 크다고 언급했다. 매출-비용 인식 시점 차이로 인한 실적 변동이 큰 것으로 보인다.(분기말 합격자 일부 출근 지연-인건비/마케팅비 선투자) 매출 규모가 커질 때까지 비슷한 이슈가 향후 몇 선행 지표 – 요약 개 분기 동안 지속될 수 있다.

      합격자수의 선행 지표인 지원수는 4월 13.3만건으로 역대최고치를 기록했다.

      투자의견 ‘매수’, 목표주가 45,000원을 유지한다. 매칭 시장을 선도하는 기업으로 분기별 이익 변동보다는 합격자수 증가 추세에 주목할 필요가 있다. 여전히 변하지 않은 사실 두 가지는 매칭시장은 구조적 성장의 초입 단계이고, 원티드가 채용플랫폼의 핵심인 경쟁력 있는 구직자(특히, 개발자/스타트업지원자)를 많이 확보하고 있다는 것이다.

      실적 추정치 -->
      2021 2022/03 2022(E)
      추정치 컨센서스
      매출액
      YoY
      317 115.70% 110 92.88% 531 67.51% 522 64.67%
      영업이익
      YoY
      61 흑전 12 193.40% 84 38.39% 110 81.22%

      본 요약 리포트는 에프앤가이드에서 제공합니다. 해당 정보는 신뢰할 만한 자료 및 정보로부터 얻어진 것이나 그 정확성이나 완전성을 보장 할 수 없습니다. 따라서 정보의 오류, 누락에 대하여 에프앤가이드 또는 에프앤가이드에 자료를 제공하는 회사에서는 그 결과에 대해 법적인 책임을 지지 않습니다.

      연구과제 상세정보

      부동산의 중요성은 다양한 측면에서 널리 인식되고 있지만 그 중 경제 및 사회의 안정과 연관된 부분은 부동산 가격과 연관된 부분이다. 부동산 가격의 불안정은 일반물가의 불안정을 초래하여 경제전반의 불안정을 야기시키게 된다. 또한, 부동산 가격 특히 전월세 가격 .

      부동산의 중요성은 다양한 측면에서 널리 인식되고 있지만 그 중 경제 및 사회의 안정과 연관된 부분은 부동산 가격과 연관된 부분이다. 부동산 가격의 불안정은 일반물가의 불안정을 초래하여 경제전반의 불안정을 야기시키게 된다. 또한, 부동산 가격 특히 전월세 가격의 안정은 서민의 주거생활 안정과 밀접하게 연결되어 있을 뿐만 아니라 사회통합의 주요 전제로 작용하게 된다.
      부동산 가격의 안정을 위해서는 선제적인 부동산 정책을 수행하여야 하며 이를 위해서는 부동산 가격을 정확하게 예측하는 것이 필수적이다. 우리 나라의 경우 부동산 가격 예측모형은 ARIMA 및 VAR 등과 같은 순수시계열 모형과 단일 회귀방정식 혹은 연립방정식의 형태를 띄는 구조모형의 두 가지로 대별할 수 있다.
      그러나 이러한 모형들은 부동산 가격 자체 혹은 설명변수들의 현재 혹은 과거치들을 이용하여 예측을 하기 때문에 특히 우리 나라와 같이 외생성 및 불안정성이 큰 시장의 경우 예측력에 있어서 심각한 한계를 갖는다. 순수 시계열모형의 경우는 우리 나라와 같이 부동산 시장이 불안정하며 정책의 영향을 많이 받는 경우에는 예측력에 한계가 있다. 또한, 정책변화를 선행 지표 – 요약 선행 지표 – 요약 사전에 감지해도 이를 예측에 직접 반영하기 어렵다는 근본적인 한계를 갖고 있다. 구조모형의 경우에는 외생변수를 어떻게 도입할 것인지와 상수항 조정의 자의성 등이 문제가 된다.
      본 연구에서는 이러한 한계를 극복하고 단기적인 부동산 가격변동을 보다 효과적으로 예측하기 위한 선행지표를 개발하고 선행지표와 기존의 예측방법을 체계적으로 고려하는 종합적 예측기제를 구축한다. 이러한 작업의 목표는 다음의 네 단계를 거쳐 완성될 수 있다. 첫번째 단계에서는 부동산 가격변동에 선행하는 경제지표를 찾는 작업이 수행되며, 두번째 단게에서는 부동산 가격에 선행하는 시계열들을 이용하여 다양한 방법에 의해 선행종합지수를 구축한다. 세번째 단계에서는 각 방법에 의해 작성된 선행종합지수들의 예측력을 비교분석하여 어떠한 방법에 의한 예측이 가장 적절한지에 대한 판단의 기준을 제시한다. 마지막 단계에서는 순수 시계열모형과 구조모형 및 이 연구에서 구축되는 선행지수 사이의 예측력 검정을 수행하며, 이러한 검정의 결과 및 각 예측 방법들의 장단점 들을 종합적으로 고려하여 부동산 가격에 관한 종합적 예측기제를 구축한다.

      본 연구의 학문적 기여는 다음의 세가지로 요약될 수 있다. 첫째, 다양한 경제변수 중 부동산 가격에 선행하는 변수들이 무엇인지를 엄밀한 실증분석에 의하여 찾는다. 이러한 작업은 기존의 구조모형 구축에서 부동산 가격의 설명변수가 무엇인지를 찾는 것과 다른 방법 .

      본 연구의 학문적 기여는 다음의 세가지로 요약될 수 있다. 첫째, 다양한 경제변수 중 부동산 가격에 선행하는 변수들이 무엇인지를 엄밀한 실증분석에 의하여 찾는다. 이러한 작업은 기존의 구조모형 구축에서 부동산 가격의 선행 지표 – 요약 설명변수가 무엇인지를 찾는 것과 다른 방법론을 사용하여 진행되므로 실증분석의 결과 및 그 시사점은 확연하게 다를 수 있다. 둘째, 부동산 가격의 선행지표를 다양한 방법에 의해 구축하며 이들을 이용한 예측이 가능하다는 실증적 증거를 제시함으로써 부동산 가격 예측분야의 지평을 넓힌다. 셋째, 선행지표에 의한 예측력과 순수 시게열 모형 및 구조모형에 의한 예측력을 비교분석하며, 모든 방법들을 복합적으로 고려한 합리적인 부동산 가격 예측기제를 제시한다. 예측검정력의 비교분석 및 종합적 예측기제의 제시가 선행 지표 – 요약 이 분야에서 최초로 시도되는 작업이라는 점에 비추어 이 연구의 학문적 기여가 인정될 수 있을 것이다.
      본 연구의 사회적 기여 및 활용방안은 본 연구에서 구축될 선행지표의 예측력 및 예측기제의 현실적 운용가능성에 의해 결정된다. 본 연구에서 수축될 선행지표의 예측력이 우수한 경우, 이를 부동산 정책의 수립 및 집행의 참고자료로 활용할 수 있다. 이에 따라 부동산 정책의 선제성 및 일관성이 제고될 수 있으며 이에 따라 부동산 정책의 실효성 또한 높아질 수 있게 된다. 선제적 부동산 정책이주효하는 경우 결국 부동산 가격은 안정되며 이에 따라 국민의 주거생활 안정 및 사회통합을 이룩하는데 일조할 수 있다.
      본 연구의 교육적 기여는 다음과 같다. 종합적 예측기제를 제시하기 위해서는 순수 시계열 모형, 구조모형 및 선행지표의 구축 및 추정 등이 모두 고려되어야 한다. 이는 곧 부동산 가격의 예측과 관련된 모든 가능한 기법들이 통합적으로 고려된다는 것을 의미한다. 따라서, 본 연구의 결과는 부동산 가격 에측관련 분야의 방법론에 관한 강의의 포괄적인 교재로 사용될 수 있다. 거시경제학적으로 미래를 예측하는데 있어서는 순수 시계열 모형, 구조모형 및 선행지표 등이 종합적으로 고려된다. 그러나 그 동안의 부동산 가격 예측의 경우에 있어서는 선행지표에 의한 예측이 없어 부동산 경제학 분야의 예측방법론상의 정밀도가 일반 경제학에 못미치는 것이 아닌가 하는 오햐가 일부 있었다. 본 연구의 결과는 이러한 오해를 불식시킬 것이다.

      본 연구에 포함될 내용을 개략적으로 기술하면본 연구에 포함될 내용을 개략적으로 기술하면 다음과 같다.

      - 부동산 가격 변화의 특성 분석
      - 부동산 가격과 경제변수 사이의 관계분석
      - 부동산 가격 선행지표 구축
      - ARIMA 모형, .

      본 연구에 포함될 내용을 개략적으로 기술하면본 연구에 포함될 내용을 개략적으로 기술하면 다음과 같다.

      - 부동산 가격 변화의 특성 분석
      - 부동산 가격과 경제변수 사이의 관계분석
      - 부동산 가격 선행지표 구축
      - ARIMA 모형, VAR 선행 지표 – 요약 모형 및 구조모형 구축
      - 선행지표, ARIMA 모형 및 구조모형의 예측력 검정
      - 부동산 가격 예측을 위한 합리적 방법의 제시

      부동산 가격에 선행하는 경제변수들이 무엇인지를 정확하게 파악하기 위해서는 먼저 부동산 가격 자체의 시계열상 특징을 정확하게 파악할 필요가 있다. 본 연구에서는 주택매매가격에 관한 월별 자료를 이용하여 부동산 가격의 시계열상 특징이 무엇인지를 다양한 통계적 기법을 이용하여 분석한다. 주택매매가격의 선행지표를 구축하는 경제변수들을 선정하기 위해서는 주택매매가격과 다양한 경제변수들 사이의 관계에 대한 분석이 필수적이다, 이를 위해 단위근 및 공적분 검정, 인과관계 검정, 교차상관계수 등을 이용한 선행, 동행 및 후행관계 검정, 부동산 경기변동 국면별 선행관계 차이 분석 등 다양한 분석이 필요하다. 이러한 분석에 있어 부동산 경기변동 국면상 수축기와 확장기에 있어 부동산 가격과 다른 경제변수 사이의 선행성이 달라질 수 있는지의 여부를 검정하는 작업도 매우 중요하다.
      주택매매가격에 선행하는 경제변수들이 추출되면 이를 이용하여 하나의 선행지표를 구축하여야 한다. 여러 개의 경제변수를 하나로 묶어 종합지표를 만드는 방법은 여러 가지가 있으나 본 연구에서는 Stock-Watson 방법[Stock & Watson(1991)], NBER 방법 및 주성분 분석 등에 의해 선행지표를 구축하기로 한다. 어떠한 방법에 의해 선행지표를 구축하던 그것이 선행지표로서 의미를 갖기 위해서는 선행지표의 움직임이 실제로 부동산 가격의 움직임에 선행해야 한다는 명백한 증거가 필요하므로 이에 대한 검정이 필수적이다.
      본 연구에서 구축된 선행지표의 선행성이 인정된다고 해도 이를 실제로 예측에 이용하기 위해서는 하나의 조건이 더 만족되어야 한다. 즉, 선행지표에 의한 부동산 가격의 예측이 기존의 여타 방법에 의한 예측보다 더 우월하다는 증거가 있어야 한다. 이를 위해 본 연구에서 구축된 선행지표와 ARIMA 모형, VAR 모형 및 구조모형의 예측력 비교가 수행된다. 표본밖 예측(out-of-sample forecast)를 통해 어떠한 방법에 의한 예측치가 가장 설명력이 높은지를 검정하며 예측력이 낮은 경우 그 이유가 무엇인지를 검토하여 기존의 여러 모형들에 의한 예측치들을 종합적으로 검토하여 부동산 가격의 변화를 예측할 수 있는 기제(mechanism)를 디자인한다. 마지막으로 이상의 분석에 기초하여 부동산 가격 예측에 관한 합리적인 예측체계를 제시하여 현실적으로 바로 활용이 되며 지속적으로 유지보수가 가능할 수 있는 방법을 제시한다.

      본 연구에서 사용되는 계량경제학적 기법은 비교적 정형화된 방법이라고 말할 수 있다. 단위근 검정으로는 필립스-페론(Phillips-Perron) 검정을 수행하며 공적분 검정으로는 요한센(Johansen) 검정을 이용한다. 한편, 인과관계 검정으로는 그랜저-심즈(Granger-Sims) 인과관계 검정을 이용하며, 선행관계를 검정하기 위해서는 코렐로그램(correlogram) 분석 혹은 교차상관계수 분석을 이용한다.
      부동산 경기변동의 국면을 결정하기 위해서는 축차잔차(recursive residual)검정, CUSUM 검정 및 제곱 CUSUM 검정 등을 이용한다. 구조모형을 선행 지표 – 요약 위한 회귀분석을 하는 경우는 기본적으로 통상최소자승법(ordinary least square method)을 이용하며 가성회귀(spurious regression) 및 계열상관 등의 문제를 회피하기 위한 통상적인 조처들을 사전에 강구한다.
      ARIMA(p,d,q) 모형, VAR(p) 모형 등의 추정은 통상적인 절차에 따르며 적정시차의 결정은 아카이케(Akaike) 정보기준(AIC) 혹은 슈와츠(Schwartz) 베이즈 정보기준(SC)에 따른다. 또한, Stock-Watson(SW) 방법, NBER 방법 및 주성분 분석방법(principal component analysis)을 이용하는 경우에 있어서도 통상적인 절차에 따른다. 즉, NBER 방법을 사용하는 경우에 있어서는 정형화된 표준화 기법을 이용하며 SW 방법의 경우는 칼만 필터(Kalman filter)를 이용한 상태공간모형(state space model)을 이용한다.

      • 한글키워드
      • 예측력 비교분석,주성분 분석,종합적 예측기제,순수 시계열 모형,부동산 가격,선행지표,구조모형,NBER 방법,Kalman filter,상태공간모형,Stock-Watson 방법

      주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 SW-지수를 구한 결과SW-지수는 주택매매가격 변화율에 1분기 정도 선행하는 것으로 나타났다. SW-지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 검정 .

      주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 SW-지수를 구한 결과SW-지수는 주택매매가격 변화율에 1분기 정도 선행하는 것으로 나타났다. SW-지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 검정결과 시계열이 전환점 근처에서 움직이는 상황에서 선행지수가 갖는 정보를 적절하게 이용하면 예측력을 제고시킬 수 있는 것으로 나타났다. 이 경우 예측력 제고의 효과는 구조모형 보다는 시계열 모형의 경우 특히 두드러지는 것으로 나타났다.

      By using the rates of changes in the stock price, the number of housing subscription savings accounts and the interest rate, the Stock-Watson index has been made. It is found that this index leads the rate of change in the housing price by 1 quarter. .

      By using the rates of changes in the stock price, the number of housing subscription savings accounts and the interest rate, the Stock-Watson index has been made. It is found that this index leads the rate of change in the housing price by 1 quarter. Around the turning point, the explanation powers of both structural and time series models will be found to be significantly increased if we used the information contained in the Stock-Watson index. By integrating the structural model, time series model and the Stock-Watson index, the synthesized forecasting mechanism has been suggested.

      선행지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 이를 위해 주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 구한 SW-지수는 주택매매가격 변화율에 1분기 정도 선행하는 것으로 나타났다. SW-지수 .

      선행지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 이를 위해 주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 구한 SW-지수는 주택매매가격 변화율에 1분기 정도 선행하는 것으로 나타났다. SW-지수를 추가로 이용하는 경우 전환점 근처에서 구조모형 및 시계열모형의 예측력이 향상된다는 결론을 도출할 수 있었다.

      본 논문에서는 선행지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 이를 위해 먼저 주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 SW-지수를 구하였는데 이렇게 구한 SW-지수는 주택매매가격 변화율 .

      본 논문에서는 선행지수가 가진 정보를 추가로 이용하는 경우 예측력을 제고시킬 수 있는지에 대한 검정이 수행되었다. 이를 위해 먼저 주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용하여 SW-지수를 구하였는데 이렇게 구한 SW-지수는 주택매매가격 변화율에 1분기 정도 선행하는 것으로 나타났다.

      예측력 제고 가능성에 대한 검정결과에 의하면 시계열이 전환점 근처에서 움직이는 상황에서 선행지수가 갖는 정보를 적절하게 이용하면 예측력을 제고시킬 수 있는 것으로 판단된다. 이러한 본 연구의 연구결과를 이용하여 종합적 예측기제를 수립할 수 있다.

      인베스팅 닷컴 경제 캘린더 용어 너무 어렵지 않아?? 하나부터 열까지 경제 지표 용어 정리 오늘부터 시작한다!

      블로그 이미지

      경제 용어 정리

      경기지수라는 것은 경제의 순환적인 동향으로 파악 및 기업의 투자 결정에 중요한 요인으로 뽑힙니다 .

      경기 종합지수에는 선행 종합지수,, 동행 종합지수 , 후행 종합지수 등이 있으며 , 여러 가지 경기 관련 지표를 가중 평균하여 지수를 구성합니다 .

      이 수치는 동향을 제거하고 순환적인 경기 상황만을 나타내는 경기 동행지표입니다 . 순환적인 경기 상황이라고 하면 , 지수이기 때문에 어느 시점보다 좋다 나쁘다는 지표라고 보시면 됩니다 . 예를 들면 2015 년를 기준으로 100 으로 한다면 , 2019 년에 지수가 110 이라 가정하면 2015 년보다 10% 좋아졌다 라고 보시면 됩니다 . 또한 2020 년에 지수가 108 이면 2015 년보다 8% 좋아졌다 . 라는 개념입니다 . 그렇기 때문에 동향이 들어가지 않고 순환적인 경기 상황만을 나타내는 경우가 많습니다 .

      그러면 먼저 선행 종합지수에 대해 알아볼까요 ??

      선행 지표 – 요약
      경제부문 지표명 내용 작성기관
      고용 구인구직비율 신규구인인원/신규구직자수*100 한국고용정보원
      생산 재고순환지표 생산자제품제조업출하 전년 동원비 - 생산자제품 제조업 재고 전년 동월비 통계청
      소비 소비자기대지수 경기,생활형편,소비자출전망 CSI를 평균 한국은행
      투자 기계류내수출하지수 설비용기계류에 해당하는 99개 품목(선박제외) 통계청
      건설수주액(실질) 통계청
      대외 수출입물가비율 수출물가지수/수입물가지수*100 한국은행
      금융 코스피지수 월평균 코스피지수 한국거래소
      장단기 금리차 국고채 유통수의률(월평균)-무담보콜금리(1일물,중개거래,월평균) 한국은행

      구인 구직 비율은 말 그대로 일을 할 사람을 구하는 인원 나누기 일을 구하는 사람을 비율화 시킨 것입니다 .

      경제가 호경기에 접어들면 , 구인을 하는 사람이 많아지고 , 인구가 성장하면 구직을 하는 사람이 많아집니다 . 적절한 가계의 경제 성장 선행 지표로써 사용되고 있습니다 . 구인이 많아지면 나중에 나올 GDP 와 같은 데이터에서 유리하게 나오기 때문입니다 ..

      재고 순환지표는 생산한 제품의 재고가 얼마나 순환됐냐라는 지표로서 전년 출하 동월비와 생산자 제품 제조업 재고 전년 동월비를 뺍니다 . 재고가 순환되었다는 것은 , 그동안 경제가 빠르게 순환되었다는 것과 일치합니다 . 이러한 지표는 대부분 GDP, PPP 와 같은 생산자지수가 나오기 전에 미리 월별로 나오기 때문에 선행지표입니다 .

      소비자 기대지수는 소비자의 기대를 반영하는 지수입니다 . 경기 , 빈부격차 , 소비자 지출 전망을 평균함으로써 소비자가 얼마나 소비할지를 알 수 있는 정보입니다 . 이는 향후 몇 개월 동안의 소비지표가 됨으로써 선행지표에 해당합니다 .

      기계류 내수 출하지수 : 말 그대로 기계에 대한 내수 ( 국내 시장 ) 출하하는 지수입니다 . 기계는 우리의 소비재를 만들 때 사용됨으로 , 선재적인 공급 투자지표입니다 . 기계를 많이 출하했다는 것은 생산을 많이 한다는 것이고 이것은 호경기를 나타내는 지표로 선행지표입니다 .

      건설수주액은 말 그대로 건설 수주액입니다 . 건설수주액은 더 말할 필요없이 건설은 대부분의 물건을 다사용합니다.. 페인트 , 시멘트 , 건설기계 , 토지 등등의 건축자재 및 기계뿐만 아니라 , 노동을 함으로 인건비를 지급하기도 하며 , 건물을 짓게 되면 그 안에 가구 , 가전 등등이 들어가고 , 그 와중에 공인중개사 같은 사업으로 중개까지 합니다 .

      이와 같이 건설은 경제 전반에 걸쳐있어 굉장히 보편적이고 중요한 지수입니다 . 먼저 그리고 건설 수주액이기 때문에 , 향후 얼마의 GDP 가 창출되는지 예측할 수 있습니다 . 이에 선행지표입니다 .

      수출입 물가 비율은 말 그대로 수입과 수출의 물가 비율로써 이 물가 비율이 높으면 , 생산하는데 차질이 있습니다 . 너무 높은 물가는 스태그 플레이션을 불러일으키기 때문입니다 .

      코스피지수는 주식은 6 개월에서 길게는 5 년을 선행하기도 합니다 . 이에따라 주식 지수는 선행지표로써 많이 사용되고 있습니다 .

      장단기 금리차는 장기금리가 높게 되면 금리가 높다라는 것이고 , 단기금리가 낮으면 단기 경기전망이 안 좋다는 것입니다 . 즉 장기로는 좋은데 지금은 안 좋아 라는 경기 해석 지표가 되는 것이지요 . 이와 같이 금리차는 해당 기간의 경제 해석에 선행지표가 됩니다 .

      선행 지표 – 요약

      이번 컬럼은 도서 [경영자와 실무자를 위한 프로세스 마이닝]의 ‘프로세스 마이닝을 이용한 프로세스 성과 측정’ 부분을 요약한 것임을 밝힙니다.

      모든 조직은 다양한 방식으로 성과를 추적합니다. 거의 실시간으로 어떤 일이 발생하고 있는지 추적할 수 있는 분석시스템을 갖춘 곳도 있고, 선행 지표 – 요약 매주 또는 매달 쌓인 데이터로 추적, 분석을 실행하는 곳도 있습니다.
      그러나 어느 쪽이든 제때에 시장과 프로세스에 관한 정보를 얻고 이용할 수 있는 조직이 우수한 성과를 자랑하므로, 많은 기업들이 더욱 새롭고 정교한 성과모니터링 시스템을 개발하기 위하여 투자하고 있습니다.

      내부 지표와 외부 지표

      지표란, 어떤 것을 측정하고 평가하기 위한 기준을 의미합니다.
      이러한 지표는 대상 프로세스의 성과 측정에 활용되는 데이터의 출처에 따라 내부 지표와 외부 지표로 구분됩니다.

      한 예로, 핸드폰 생산 및 판매를 대상 프로세스라고 가정한다면 이 경우 설문조사 등을 통해 파악된 ‘고객 만족도’가 외부 지표가 될 수 있습니다. 이러한 외부 지표는 특정 프로세스 또는 가치 사슬이 달성한 성과 파악에 도움을 줄 수 있습니다. 이에 반해 핸드폰 생산 중 발생한 프로세스 지표들은 내부 지표로 볼 수 있는데, 내부 지표는 프로세스가 어떻게 작동하고 있는가에 대해 알려줄 수 있으나 이 프로세스가 이해관계자들(고객, 주주 등)을 만족시키고 있는지는 알려주지 않습니다.

      일반적으로 외부 지표를 측정하는 것보다 내부 지표를 측정하는 것이 더 쉬우나, 조직의 성과를 효과적으로 판단하기 위해서는 먼저 외부 지표에 초점을 두고 외부 지표 달성과 선행 지표 – 요약 함께 내부 지표 개선에 신경을 써야 합니다.
      예를 들어, 어떤 기업에서 20%의 원가절감을 달성한 부서에 보너스를 지급하기로 공표했습니다. 그러나 원가는 절감되었지만 결함 많은 제품들이 출시되었고 서비스 품질이 저하되어 고객의 불만이 급등하였습니다. 해당기업은 재빨리 원가절감을 멈추고 고객 만족 측정 프로그램을 도입하였고, 이 프로그램이 정착된 이후 고객만족을 유지하면서 원가절감 운동을 재개하였습니다.

      선행 지표와 후행 지표

      선행 지표는 우리가 바라는 성과와 인과적으로 연결된 상황들을 보고하는 지표입니다. 그러므로 선행 지표는 어떠한 조치를 제안할 수 있는 것을 측정합니다. 이에 반해, 후행 지표는 바뀔 수 없는 상황들을 보고합니다.

      예를 들어, 빔 프로젝터 제조업체의 판매 관리자가 매 분기마다 15%의 판매 증가라는 목표를 수립했다고 가정하는 경우, 이 관리자는 매 분기 말까지 기다린 후에야 얼마나 많은 빔 프로젝터가 판매되었는지 확인할 수 있습니다. 그러나 이러한 후행 지표로는 목표 달성 여부를 판단할 수 있지만 달성된 결과 자체를 바꿀 수는 없습니다.

      해당 관리자는 빔 프로젝터 판매 데이터를 추적하여 가망 고객의 약 10%가 잠재 고객이 되고, 영업직원들은 50% 잠재 고객에 대해 방문 약속을 잡으며 그 중 약 20%가 빔 프로젝터를 구매한다는 사실을 선행 지표 – 요약 알게 되었습니다.
      만약 영업직원들이 이번 분기에 100번의 고객 방문을 계획하고 있다면 관리자는 대략 20번의 판매가 이루어질 것임을 예측할 수 있습니다. 그러므로 고객 방문 회수(m3)는 선행지표가 되고 판매 회수(m4)는 후행 지표가 됩니다. 이 사례에서 가장 좋은 방안은 선행 지표인 가망 고객의 수(m1)를 추적하는 것이며, 계산해보면 100명의 가망 고객에 대해 대략 1건의 판매(=100×0.1×0.5×0.2)가 이루어짐을 알 수 있습니다.

      이와 같이 선행 지표를 추적, 관리함으로써 기업의 목표 달성에 크게 기여할 수 있습니다.

      측정 정체

      위와 같이 지표들을 추가하고 추적, 관리하는 것은 기업의 목표 달성에 도움이 되지만, 여러 조직들에서 BSC와 같은 새로운 전사 접근법을 도입하면서 계속해서 많은 지표들이 추가되었고 그 결과 서로 관계가 없으며 측정과 관리가 어려운 지표 집합들이 만들어졌습니다. 이로 인해 ‘측정 정체 현상’이 발생하게 되었는데, ‘측정 정체’란 어떤 지표의 값을 긍정적인 방향으로 개선하면 다른 지표들의 값이 부정적인 방향으로 움직여 경영자들이 이러지도 저러지도 못하는 어려운 상태에 처하는 것을 말합니다.

      또한 선정된 지표들이 잘못된 상관 관계에 있는 경우 잘못된 결과가 도출되며, 잘못 측정된 수치에 기반한 의사결정은 매우 위험한 결과를 초래하므로 좋은 지표를 찾아 측정을 진행해야 합니다.

      좋은 지표의 속성

      좋은 지표는 다음과 같은 속성을 지녀야 하며, 조직, 프로세스, 개인이 만들어내는 가장 중요한 산출물의 핵심 특성을 반영해야 합니다.

      ● 타당성(validity): 측정하고자 하는 어떤 개념이나 속성을 얼마나 정확하게 측정 하였는가를 의미합니다. 그러므로 타당성이 높은
      지표는 측정하고자 하는 개념이나 속성을 정확하게 측정하고 있음을 의미합니다.

      ● 재현성(reproducibility): 측정 과정이 어떤 때라도 반복될 수 있고 동일한 결과를 가져올 수 있음을 의미합니다.

      ● 안정성(stability): 측정된 값이 단지 측정하고자 하는 실제 속성과 상관관계가 있음을 의미합니다.

      ● 분석 가능성(analyzability): 측정된 두 개의 값을 비교할 수 있는 정도를 의미합니다.

      프로세스 마이닝을 통한 지표 관리

      프로세스 마이닝은 정보 시스템에 저장된 업무 수행에 관한 실제 기록을 이용하므로, 데이터를 추출하면 어느때라도 프로세스 분석을 반복할 수 있으며 이로 인해 지표들의 재현성(선행 지표 – 요약 reproducibility)이 향상될 수 있습니다.

      또한 방대한 업무 수행기록에서 도출된 지표들은 프로세스 수행에 관한 객관적이고 완전한 정보를 제공하며 이로써 지표들의 타당성이 높아질 수 있습니다.

      프로세스 마이닝 지표들의 예

      기존 컬럼에서 소개한 바와 같이, 프로세스 마이닝 분석을 위한 기본 속성은 케이스 아이디, 액티비티, 타임 스탬프이며 이로부터 관련 지표들을 쉽게 도출할 수 있습니다.

      [실무 프로세스 마이닝에서 활용할 수 있는 프로세스 마이닝 지표들의 예]

      위의 표에 나열된 지표들은 주로 분석 대상 프로세스의 내부 지표이면서 선행 지표임을 알 수 있습니다. 그러므로 프로세스 관리자는 이러한 지표들을 추적 및 관리하여 목표 달성에 기여할 수 있는 시정조치(corrective action)를 위한 정보를 제공받을 수 있습니다.


0 개 댓글

답장을 남겨주세요