�����

예측의 힘

머리말

미래는 미래의 눈으로 보라

"예측, 그거 정확한 거야?", "정말 딱 들어맞아?" 예측을 업으로 하는 필자는 종종 이런 질문을 받는다. 심지어 필자에게 프로젝트를 의뢰하는 회사의 CEO들마저도 간혹 이렇게 묻는 경우가 있다. 왜 그런 질문을 하는 걸까?

우리의 마음속에는 예측은 틀린다 라는 생각이 깊이 자리하고 있다. 좋았던 기억보다 안 좋았던 기억이 더 오래 가듯, 예측이 맞지 않아 낭패를 보았던 경우가 머릿속에 강하게 남아 있기 때문이다. 실제로 우리는 날씨, 주가, 선거 출구조사 등에서 예측이 빗나가는 경우를 드물지 않게 경험하곤 한다. 그로 인해 예측에 대해 부정적 인식이나 불쾌한 감정을 갖게 된다.

그럼에도 불구하고 예측이 멈추지 않고 계속되는 이유는 분명하다. 예측 정보가 없다면 우리는 어떻게 행동할까? 기상예보 없이도 우산을 가지고 나갈까? 주식시장에 대한 정보 없이도 과감히 대량의 주식을 살까? 예측이 100% 정확히 맞을 확률은 제로(zero)지만, 미래에 실제로 일어날 일에 가까이 가기 위해서는 예측이 필요하다. 설사 결과가 맞지 않더라도 예측 없이 하는 것보다 덜 틀리기 위해 우리는 예측을 한다. 그리고 실제 값과 얼마나 가까운가로 예측의 정확도를 표현한다.

예측은 과거와 현재의 규칙이 미래에도 지켜진다는 가정 위에서 이루어진다. 하지만 미래는 결코 현재와 같을 수 없고, 그런 만큼 예측의 정확도를 높이기 위해서는 미래를 미래의 눈으로 봐야 한다.

그것은 예측한 대로 되었다 _예측의 힘

정확도 99% 위스키 시장 예측

우리나라 사람들은 술을 많이 마시기로 이름이 나 있다. 위스키 소비량이 세계 최고 수준이다. 이러한 한국의 위스키 시장에 위기감이 감돌던 2012년, 한 회사로부터 필자에게 시장 전망에 대한 의뢰가 들어왔다.

위스키 시장을 위협하는 최대의 적은 무엇일까? 우선 강력한 유흥업소 단속이나 접대비 한도 규제 등이 시장을 위협할 수 있다. 규제가 심하면 시장은 위축되기 마련이다. 위조 방지를 위한 RFID(radio frequency identification, 전자태그) 부착 의무화도 시장 내 유통에 미묘한 변화를 일으킨다. 와인이나 막걸리 열풍도 위스키 시장에는 악재라고 할 수 있다. 그리고 마지막으로 스크린골프다.

필자는 분석을 위해 그러한 정책적 이슈와 시대적 추세, 그리고 위스키 가격, 연말이나 연초의 회식문화, 주가와 경제성장률이 시장에 미치는 후행효과(Lagged effect. 시점이 지나서 효과가 발생하는 현상) 등을 감안했다. 그리고 예측모형을 만들기 위해 3년간의 월별 판매 자료를 수집하고, 미팅이 있을 때마다 논의를 거쳐 수요에 영향을 미치는 정책이나 마케팅 전략을 선별하고 이를 변수로 만들었다. 필자는 이 모든 과정을 직접 수행했다.

예전에는 의뢰한 회사에 예측 결과를 알려주면 한참이 지난 뒤에 확인하곤 했는데, 이제는 그 자리에서 바로 확인하는 경우가 많다. 임직원들 모두가 참석한 전체 미팅에서 공개하는 경우도 있다. 필자가 가장 긴장하는 순간이다. 예측은 100% 정확할 수 없고 조금이라도 오차가 발생하기 때문이다.

위스키 시장에 대한 예측 결과를 놓고 미팅을 할 때도 마찬가지였다. 현장 직원들 대부분이 예측에 대해 부정적인 선입견을 가지고 있었다. 우리가 그 일만 평생을 해왔는데, 우리 업종이 얼마나 복잡하고 어려운데 감히 그것을 예측할 수 있느냐 는 식으로 생각하는 것 같았다.

그런데 결과가 공개되는 순간 직원들의 표정이 확 달라졌다. 자기네의 오랜 경험과 직감으로 예측한 것보다 훨씬 정확한 예측값이 나왔기 때문이다. 처음 달에는 5%가 틀려 정확도가 95%였고, 다음 달은 99%의 정확도를 나타냈다.

도대체 무엇이 문제였을까? _예측의 성패를 좌우하는 변수들

장미란의 전성기는 몸무게에서 오는가, 기술에서 오는가?

장미란은 베이징올림픽이 끝난 후 한 예능 프로그램에 출연해서 체중을 늘리는 것이 무척 어려웠다는 고민을 털어놓았다. 기록을 위해서는 몸무게를 더 끌어올려야 한다는 것이 역도의 상식이었다. 힘은 체중에 비례한다는 것이다. 필자는 장미란 선수에 대해 3가지가 궁금했다.

우선 장미란이 몸무게를 몇 kg으로 유지하는 것이 좋을지 궁금했다. 중국의 무솽솽처럼 135kg로 만들어야 할까? 두 번째 관심사는 장미란의 전성기였다. 다음 올림픽에서 다시 한 번 기대해도 될까? 마지막 궁금증은 장미란의 최고 기록이었다.

필자는 먼저 지난 10년간 장미란이 국내외 35개 대회에 참가해서 거둔 인상, 용상, 합계 기록을 분석했다. 경기 기록뿐 아니라 당시의 나이, 체중을 수집했다. 또 대한역도연맹의 협조를 얻어 장미란이 받은 기술 지도 관련 내용을 청취했다. 그리고 궁금증을 해결하기 위한 수학공식 모형을 개발했다.

결과적으로 필자는 장미란이 인상에서는 나이가 31.14세이고 몸무게가 113.99kg일 때 국제 대회에 참가하면 146.14kg이란 최고 기록을 세울 것으로 예측할 수 있었다. 추정한 공식은 약 93%의 설명력을 갖고 있었다. 즉 추정 공식에서 나온 기록이 장미란의 실제 기록과 약 93% 일치한다는 뜻이다.

한편 용상에서는 나이가 31.14세이고 몸무게가 114.8kg일 때 국제 대회에 참가하면 192.71kg의 최고 기록을 세울 것으로 예측되었다.

결과적으로 장미란의 최고 기록은 베이징올림픽에서 세웠던 기록보다 인상에서 6kg, 용상에서 약 6kg 늘어난 약 338kg으로 예측되었다. 그리고 최고 기능을 가능케 하는 체중은 113~115kg로 원래의 체중과 별반 다르지 않았다. 지난 10년간은 기록 경신에 체중의 증가가 큰 역할을 했지만, 더 이상은 그로 인한 효과가 나타나지 않을 것 같았다. 이는 체중이 늘지 않는다는 고민을 그만해도 된다는 뜻이기도 했다.

얼마나 팔릴까? _신상품 개발 & 수요예측

전력 수요예측

국가별 전력 소비량을 보면 우리나라는 확실히 전력을 많이 소비하고 있다. 게다가 해마다 소비량이 크게 증가하고 있다. 그렇다고 이를 강제적으로 줄일 수는 없는 노릇이다. 문제는 예측이다. 예측만 잘해도 전력 문제로 인한 대란은 얼마든지 피할 수 있다. 과연 전력 소비량은 예측이 불가능한 것일까? 어떻게 하면 이를 해결할 수 있을까?

필자는 요일별 특성과 온도 변수 외에 직전 시간대(15분 전), 30분 전, 1시간 전, 1주 전의 과거 시간대를 모형에 포함하여 간단한 수식을 만들었다. 이를 이용해서 하루를 예측해보았더니 예측오차가 약 3%로 나타났다. 다시 말해서 건물은 요일별 특성과 온도만으로도 제법 정확한 예측을 할 수 있다는 것이다.

그렇다면 국가 전체의 전력 수요량을 예측하는 것은 어떨까? 왜 우리는 번번이 예측에 실패하고 마는 걸까? 산업 구조가 제조업 중심인 데다 다른 나라들보다 전력 가격이 매우 저렴한 편이기 때문이다. 하지만 전력 소비량이 많다는 것이 예측이 안 되는 이유를 설명해주지는 못한다.

정확한 예측을 위해서는 소비 실태를 이해해야 한다. 필자가 예측을 했던 건물처럼 몇 가지 변수로 예측이 가능한 경우와는 달리 국가 전체의 전체 수요량은 실제 소비자들이 어디에 어떻게 사용하는지를 파악해야만 예측의 정확도를 높일 수 있다. 지금은 보다 정확한 전력 수요예측을 위해 정책 입안자와 전문가의 긴밀한 협조가 필요한 시점이다. 그것이 상대적으로 사용량이 적은 일반 가정들을 대상으로 절약 캠페인을 벌이는 일보다 시급하고 중요하다.

어디에나 베스트는 있다 _가격, 소비 행동, 장소 예측

제휴카드, 사람들은 어느 것을 더 많이 쓸까?

패밀리레스토랑이나 놀이공원에 가면 각종 할인 혜택이나 포인트 적립을 해주는 제휴카드 안내문을 보게 된다. 종류도 엄청나다. 어떤 카드는 할인을, 어떤 카드는 포인트 적립을, 또 어떤 카드는 할인에다 포인트 적립까지 해준다. 자연 업체 입장에서는 고민이 많다. 어느 카드가 자사의 이익에 더 도움이 되는지 현명하게 판단해야 하기 때문이다.

소비자들은 대체로 이익보다 손실에 더 민감하게 반응하는 위험 회피 성향을 가지고 있다. 따라서 분리된 이익으로서의 포인트 적립보다는 손실의 감소로 인식되는 할인 혜택을 더 선호할 수 있다. 기업에서도 제휴기업들 간의 비용 분담을 통해 보다 적은 비용으로 큰 효과를 발휘하는 할인 혜택을 제공하는 것이 유리할 수 있다. 하지만 무턱대고 제휴 할인카드를 도입하는 것은 바람직하지 않다. 할인판촉은 실제적인 비용이 투입되는 마케팅 수단이므로 비용 이상의 수익을 보장하는 매출을 일으킬 수 있을 때 비로소 의미를 가진다.

그렇다면 실제로 제휴카드 할인은 고객 수 증가와 이익률 향상에 어느 정도 도움이 될까? 필자가 패밀리레스토랑의 매출 데이터를 이용하여 검증한 결과에 따르면 포인트 적립은 고객 수 증가와 의미 있는 관계를 보이지 않은 반면, 제휴할인은 분명한 효과가 있었다.

고객 수의 증가는 경영의 성공에 필수적이다. 매출이 증가할 뿐 아니라 운영 효율의 향상으로 이익률이 개선된다. 제휴카드 할인은 이와 같은 고객 수 증가에 긍정적으로 기여한다. 게다가 요즘은 대부분의 업체들이 제휴카드 할인을 제공하고 있어 불가피하게 시행해야 하는 측면도 있다.

하지만 몇 가지 유의할 점이 있다. 할인율을 어느 정도로 할 것인지에 대해 보다 세심한 접근이 필요하다. 예상되는 고객 수 증가와 비용 대비 수익을 꼼꼼히 따져서 적정 할인율을 정해야 한다. 또 할인율이 높다고 해서 객단가가 반드시 상승하는 것은 아니라는 사실도 염두에 두어야 한다.

미래는 현재에 있다 _완벽한 예측을 위하여

영업사원들은 왜 동반 퇴사했을까?

아시아태평양 13개 지역에서 의료제품을 생산, 판매하는 회사의 대표로부터 연락이 왔다. 한국지사에서 발생한 문제의 원인과 해결책을 찾고 있다는 것이었다. 그 대표가 털어놓은 한국지사의 상항은 이랬다.

몇 년 전까지만 해도 한국지사는 동종업계 매출 2위로 제법 잘나가고 있었다. 그런데 최근에 5위로 추락하고 말았다. 그러던 중 영업사원 15명이 한꺼번에 퇴사하는 사태가 발생했다.

대표는 상황을 설명하면서 필자에게 한 가지 자료를 보여주었다. 지난 7년간 매년 13개국 지사별로 직원 100명을 대상으로 실시한 직무만족도 설문조사 결과였다. 필자는 자료를 분석하여 문항별로 7년간 만족도 점수에 차이가 있었는지 통계적으로 검증했다. 그런 다음 매출과의 상관관계(두 변수가 얼마나 관련성이 있는지)를 계산했다.

결과는 놀라웠다. 주로 내부 제안이 받아들여지지 않은 것과 관련된 질문들이었다. 영업사원들이 업무를 수행하면서 새로운 마케팅 전략이나 프로모션 방안을 제기했지만 거의 수용되지 않았다는 말이었다. 결국 자신들의 목소리를 반영해주지 않는 회사에 실망하여 동반 퇴사한 것으로 짐작되었다.

결과를 들은 대표는 무릎을 치며 공감을 표시했다. 필자는 그에게 추가로 해야 할 일에 관한 조언을 덧붙였다. 13개국 지사별로 성과와 직무만족도의 상관관계를 분석해서 각기 다른 방법을 적용해보라는 내용이었다. 지금 그 회사는 필자가 알려준 방법대로 경영하면서 소기의 성과를 올리고 있다.

여기서 필자가 사용한 상관관계 분석 방법은 비교적 쉽고 간단한 편에 속한다. 필자는 학생들에게 어떤 방법을 사용해야 하는지 설명하는 자리에서 항상 이렇게 말한다.

"고수는 가장 단순한 방법으로 문제를 해결한다. 하수일수록 어렵고 복잡한 도형으로 문제를 풀려고 한다."

단순하지만 쉽게 문제를 해결하는 것만큼 좋은 방법은 없다.

고사성어에 예측 방법이 있다?

필자는 예측을 업으로 삼고 있다. 그러나 예측은 할 때마다 새로운 고민으로 다가오는, 참으로 어려운 문제임을 절감하게 된다. 우리 생활에서 자주 쓰는 고사성어를 활용하면 예측방법을 보다 쉽게 설명할 수 있지 않을까? 그러면 이해가 빠르겠단 생각이 들었다. 이와 관련하여 선정한 고사성어들을 아래에 소개한다.

-결자해지(結者解之) : 자신이 만든 일은 자신이 해결함.

->예측에서는 아주 작은 것이라도 오차가 생길 수 있다. 이를 100% 해결하는 방법은 없다. 하지만 이 같은 오차를 반영하여 예측하는 방법이 있는데, 오차수정모형(Error-correction Model)이다. 이 모형은 지난번에 틀린 오차를 이용하여 이번의 예측치를 조정해주는 방법이다.

-사상누각(砂上樓閣) : 기초가 약하여 오래 가지 못함.

-작심삼일(作心三日) : 결심한 것이 사흘을 가지 않음.

->예측 대상에 구조적인 변화가 자주 일어나면 그때그때 예측모형을 변경시켜야 한다. 이럴 경우 예측 대상의 기초가 되는 부분이 수시로 바뀌는 문제가 생기므로 이를 해결하기 위해 구조 변화를 사전에 감지할 수 있는 예측모형을 사용한다. 정부의 경제부처에서 조기경보 시스템을 구축하여 시장의 변화를 사전에 포착하는 것이 한 예이다.

-새옹지마(塞翁之馬) : 세상일은 복이 될지 화가 될지 알 수 없음.

-전화위복(轉禍爲福) : 화가 바뀌어 복이 됨.

->좋은 일 다음에 나쁜 일이 오고 나쁜 일 다음에 좋은 일이 생기는 것처럼, 예측 방법에도 과거의 값과 반대로 움직이면서 예측하는 방법이 있다. 음의 상관관계를 가지는 자기회귀모형(Autoregressive Model)이 그런 경우로, 통신료 때문에 엄마한테 혼나고 나면 휴대폰 사용량이 줄어들고, 아무 말 하지 않으면 사용량이 늘어나는 예가 이에 해당한다.

-오비이락(烏飛梨落) : 까마귀 날자 배 떨어짐.

->잘못된 예측을 말한다. 날아가는 까마귀와 떨어진 배처럼 연관(인과관계)성이 없는 요인에 빗대어 예측하는 경우 가성회귀(spurious regression) 가 발생했다고 한다. 전문가들도 많이 저지르는 과오 가운데 하나다.

예측은 무에서 유를 창조하는 행위가 아니다. 우리가 흔히 접하는 일상생활에서 힌트를 얻고 그것을 심화 혹은 확대하여 방법을 찾고 결과를 내놓는 것이다. 따라서 좋은 예측을 위해서는 매 순간 일어나는 주변의 일들을 세심히 관찰하고, 의미를 파악하고, 다른 것과 연결할 수 있는 눈을 길러야 한다.

* * *

본 도서 정보는 우수 도서 홍보를 위해 저작권자로부터 정식인가를 얻어 도서의 내용 일부를 발췌 요약한 것으로, 저작권법에 의하여 저작권자의 정식인가 없이 무단전재, 무단복제 및 전송을 할 수 없으며, 원본 도서의 모든 출판권과 전송권은 저작권자에게 있음을 알려드립니다.