1. 상대적 효율성의 과학, DEA란 무엇인가?

조직을 운영하다 보면 누구나 한 번쯤 마주하게 되는 난제가 있습니다. 바로 "누가 진짜 일을 잘하고 있는가?"에 대한 객관적인 평가입니다. 단순히 매출액이나 생산량이라는 하나의 지표로만 판단하기에는 현장의 상황이 그리 단순하지 않기 때문입니다.

예를 들어, 번화가에 위치한 A 지점과 외곽에 위치한 B 지점의 성과를 비교한다고 가정해 봅시다. 임대료가 비싸고 인력이 많이 투입된 A 지점이 매출이 더 높다고 해서, 적은 인원과 낮은 비용으로 꾸준한 성과를 내는 B 지점보다 무조건 '효율적'이라고 말할 수 있을까요? 이처럼 투입되는 자원의 양과 종류가 제각각이고, 그에 따른 성과 또한 다층적일 때 우리는 공정한 비교의 기준을 세우는 데 어려움을 겪습니다.

이러한 문제를 해결하기 위해 등장한 것이 바로 자료포락분석(Data Envelopment Analysis, DEA)입니다. DEA는 1978년 찰스(Charnes), 쿠퍼(Cooper), 로즈(Rhodes)에 의해 고안된 방법론으로, 여러 개의 투입 요소와 산출 요소를 동시에 고려하여 각 의사결정 단위(Decision Making Unit, DMU)들의 상대적 효율성을 측정하는 선형계획법 기반의 분석 도구입니다.

DEA의 핵심은 절대적인 기준을 미리 정해두지 않는다는 점에 있습니다. 대신 분석 대상 집단 내에서 가장 뛰어난 성과를 낸 상위 그룹을 찾아내고, 이들을 연결한 효율적 경계선을 구축합니다. 그리고 나머지 조직들이 이 경계선에서 얼마나 떨어져 있는지를 계산하여 효율성 점수를 부여합니다. 즉, 남들과 비교했을 때 우리가 가진 자원 대비 최선의 결과물을 내고 있는지를 과학적으로 입증하는 과정입니다.

본 글에서는 복잡한 경영 환경 속에서 '진정한 효율성'의 의미를 되새기고, DEA 분석이 어떻게 주관적인 판단을 배제한 채 데이터만으로 최적의 운영 모델을 찾아내는지 그 메커니즘을 탐구해 보고자 합니다.

2. DEA의 핵심 개념 - 효율성의 경계선

DEA 분석을 이해하기 위해서는 먼저 이 방법론이 세상을 바라보는 독특한 관점인 '상대적 비교'의 메커니즘을 파악해야 합니다. DEA는 단순히 평균값을 계산하는 것이 아니라, 집단 내에서 '가장 잘하는 조직'을 기준으로 나머지를 평가합니다.

① 의사결정 단위(DMU): 분석의 주인공들

DEA에서 분석의 대상이 되는 개별 주체를 의사결정 단위(DMU, Decision Making Unit)라고 부릅니다. DMU는 동일한 종류의 자원을 투입하여 동일한 성격의 결과물을 만들어내는 독립적인 조직이나 부서를 의미합니다.

• 예시: 전국에 퍼져 있는 은행 지점, 각 지역의 공공 도서관, 프랜차이즈의 개별 매장, 혹은 대학의 학과 등이 DMU가 될 수 있습니다.

• DEA는 이러한 DMU들이 서로 다른 환경(투입량) 속에서 얼마나 알찬 결실(산출량)을 보았는지 일대일로 대조합니다.

② 효율적 경계선: 최상의 표준

DEA의 핵심은 데이터들 사이에서 '최선의 가능성'을 찾아내는 것입니다. 분석 대상인 모든 DMU를 그래프상에 점으로 찍었을 때, 가장 적은 투입으로 가장 많은 산출을 내어 더 이상 개선할 여지가 없는 최고 효율의 지점들을 연결합니다. 이 선을 효율적 경계선 또는 '포락선'이라고 부릅니다.

이 경계선은 이론상의 수치가 아니라, 실제로 우리 집단 안에서 누군가가 달성한 '현실적인 최고 기록'입니다. 따라서 경계선 위에 있는 DMU들은 해당 집단에서 가장 모범적인 운영을 하고 있다고 볼 수 있습니다.

③ 상대적 효율성 점수: 경계선까지의 거리

경계선이 그어지면, 이제 모든 DMU는 이 선과의 거리에 따라 0에서 1 사이의 효율성 점수를 부여받습니다.

• 점수 1.0: 효율적 경계선 위에 있는 조직입니다. 투입 대비 산출이 극대화된 상태로, 현재 집단 내에서 '효율성 1위' 그룹에 속합니다.

• 점수 1.0 미만: 경계선 아래에 위치한 조직입니다. 동일한 자원을 투입하고도 경계선 위의 조직보다 성과가 낮거나, 혹은 같은 성과를 내기 위해 더 많은 자원을 낭비하고 있다는 뜻입니다.

이 점수는 단순히 "부족하다"는 평가에 그치지 않습니다. 경계선까지의 수직·수평 거리를 측정함으로써, 비효율적인 DMU가 효율적인 DMU(참조 집단)를 닮아가기 위해 투입을 얼마나 줄여야 하는지, 혹은 산출을 얼마나 더 늘려야 하는지에 대한 구체적인 개선 가이드를 제공합니다.

3. DEA의 주요 분석 모델 (CCR vs BCC)

DEA 분석을 실무에 적용할 때 가장 중요한 것은 우리 조직의 성격에 맞는 '수학적 가정'을 선택하는 것입니다. 효율성을 바라보는 관점에 따라 크게 두 가지 대표 모델과 두 가지 지향점으로 나뉩니다.

① CCR 모델: 규모수익불변

1978년 찰스, 쿠퍼, 로즈가 제안한 가장 기본적인 모델입니다. "투입을 2배 늘리면 산출도 반드시 2배 늘어난다"는 가정을 바탕으로 합니다.

• 특징: 조직의 규모와 상관없이 순수하게 투입 대비 산출의 비율만을 따집니다.

• 한계: 현실에서는 덩치가 커질수록 효율이 비약적으로 좋아지거나(규모의 경제), 반대로 비대해져서 효율이 떨어지는 경우가 존재하는데 이를 반영하지 못합니다.

② BCC 모델: 규모수익가변

1984년 뱅커, 찰스, 쿠퍼가 보완한 모델로, 현실적인 비즈니스 환경을 더 잘 반영합니다. "조직의 규모에 따라 효율성이 변할 수 있다"고 가정합니다.

• 특징: 전체 효율성을 '순수 기술 효율성(운영 능력)'과 '규모의 효율성(적정 덩치)'으로 분리해 분석합니다.

• 효과: "우리 지점은 운영은 잘하는데(기술 효율성 높음), 단순히 매장 크기가 너무 작아서(규모 효율성 낮음) 전체 점수가 낮은 것인가?"라는 질문에 명확한 답을 줍니다.

③ 투입 지향 vs 산출 지향

분석의 목적에 따라 어떤 '방향'으로 개선할지를 결정해야 합니다.

• 투입 지향: 현재의 산출량(성과)을 유지하면서 투입되는 자원(예산, 인력, 비용)을 얼마나 줄일 수 있는가에 초점을 맞춥니다. 주로 비용 절감이 시급한 공공기관이나 구조조정 단계에서 활용됩니다.

• 산출 지향: 현재 투입된 자원을 그대로 활용하면서 산출물(매출, 고객 수, 서비스 품질)을 얼마나 극대화할 수 있는가를 분석합니다. 성장기에 있는 기업이나 마케팅 부서에서 선호하는 방식입니다.

4. DEA 분석이 주는 강력한 인사이트

단순한 순위 매기기를 넘어, DEA 분석이 경영 현장에서 강력한 의사결정 도구로 사랑받는 이유는 비효율의 원인을 진단하고 실질적인 해결책을 제시하기 때문입니다. DEA가 제공하는 세 가지 독보적인 인사이트는 다음과 같습니다.

① 벤치마킹 대상 특정: "누구를 따라야 하는가?"

기존의 성과 지표들이 "당신은 평균보다 낮습니다"라는 통보에 그쳤다면, DEA는 참조 집단(Reference Set)을 명확히 짚어줍니다. 효율성 점수가 1.0 미만인 지점에게 "당신과 비슷한 규모와 환경에서 1.0을 기록 중인 C지점과 D지점을 본보기로 삼으십시오"라고 구체적인 벤치마킹 대상을 지정해 주는 것입니다. 이는 막연한 목표가 아닌, 우리와 가장 유사한 성공 사례를 모델링할 수 있게 하여 조직 구성원들의 수용성을 높입니다.

② 개선 목표치 산출: "얼마나 더 잘해야 하는가?"

DEA는 단순한 점수 외에 슬랙 분석을 통해 구체적인 개선 수치를 제공합니다.

• "효율성 1.0에 도달하려면 현재 인원을 2명 줄이거나(투입 절감),

• 또는 인원을 유지하되 월 방문객 수를 15% 더 유치해야 합니다(산출 증대)."

  이처럼 수학적으로 계산된 구체적인 투입량과 산출량의 목표치를 제시하므로, 전략 수립 단계에서 단순한 구호가 아닌 실질적인 수치 기반의 KPI를 설정할 수 있습니다.

③ 비재무적 지표의 통합: "돈으로 환산되지 않는 가치까지"

재무적 지표(매출, 비용)에만 의존하는 일반 분석과 달리, DEA는 단위가 서로 다른 지표들을 동시에 분석할 수 있는 탁월한 유연성을 가집니다. • 투입 요소: 예산(원), 직원 수(명), 매장 면적(m^2) • 산출 요소: 매출액(원), 고객 만족도(점수), 민원 처리 건수(건) 이처럼 서로 다른 단위들을 억지로 돈으로 환산할 필요 없이 있는 그대로 모델에 넣을 수 있습니다. 덕분에 공공서비스나 교육, 의료 기관처럼 수익성만으로 가치를 판단할 수 없는 영역에서 가장 공정하고 다각적인 효율성 평가를 가능하게 합니다.

5. 실무 활용 사례 및 주의사항

DEA 분석은 이론적인 모델에 그치지 않고, 복잡한 이해관계가 얽힌 조직의 성과를 진단하는 데 강력한 실무 도구로 활용됩니다. 하지만 데이터에 기반한 정밀한 기법인 만큼, 분석 환경과 데이터의 질에 따라 결과가 크게 달라질 수 있어 주의가 필요합니다.

① 실무 활용 사례: 최적의 효율성을 찾는 현장들

• 공공기관 및 비영리 조직의 경영평가: 수익성이 유일한 목표가 아닌 국공립 병원, 소방서, 도서관 등의 성과를 평가할 때 핵심적으로 쓰입니다. 예산과 인력이라는 '투입' 대비 서비스 만족도나 사고 대응률 같은 '산출'을 종합하여 공정한 평가 지표를 제공합니다.

• 유통 및 프랜차이즈 지점별 효율성 비교: 대형 마트나 편의점 체인에서 매장 면적, 유동 인구, 직원 수 등을 고려했을 때 어느 지점이 가장 '알짜 운영'을 하고 있는지 가려냅니다. 단순히 매출 1등 매장이 아니라, 조건 대비 수익 극대화 모델을 찾아내는 것이 핵심입니다.

• 대학 및 연구 기관의 생산성 평가: 투입된 연구비와 교수진 수 대비 논문 인용 횟수, 특허 출원, 취업률 등을 분석하여 학문적·사회적 기여도를 입정량적으로 측정합니다.

② DEA 분석 시 반드시 고려해야 할 주의사항

성공적인 DEA 분석을 위해서는 기법의 특성상 발생할 수 있는 다음의 한계점들을 관리해야 합니다.

• 표본(DMU) 수의 적절성: DEA는 상대 평가이므로 비교 대상인 DMU의 수가 너무 적으면 변별력이 급격히 떨어집니다. 일반적으로 'DMU의 수 > (투입 요소 수 + 산출 요소 수) × 3' 또는 '2 × (투입 요소 수 × 산출 요소 수)'라는 규칙을 준수해야 분석의 신뢰도를 확보할 수 있습니다.

• 데이터 오류 및 이상치에 대한 민감성: DEA는 가장 잘하는 그룹을 기준으로 경계선을 긋기 때문에, 비정상적으로 높은 성과를 낸 표본이 하나라도 섞여 있으면 전체 경계선이 왜곡됩니다. 따라서 데이터 수집 단계에서 입력 오류나 극단적인 특이치를 사전에 필터링하는 과정이 매우 중요합니다.

• 변수 선정의 주관성: 어떤 지표를 투입으로 넣고 산출로 넣느냐에 따라 효율성 점수가 완전히 달라질 수 있습니다. 분석자의 편향이 개입되지 않도록 관련 문헌이나 전문가의 자문을 거쳐 변수를 확정해야 합니다.

6. 성과 관리의 새로운 기준, 데이터로 증명하는 효율성

DEA 분석은 단순한 통계 기법을 넘어, 조직이 나아가야 할 '최선의 상태'를 데이터로 정의하는 이정표입니다. 우리가 흔히 빠지기 쉬운 주관적인 편견이나 단순 매출 중심의 평가에서 벗어나, 각 조직이 처한 고유한 환경(투입)을 인정하면서도 그 안에서 도출할 수 있는 극강의 효율(산출)을 찾아내기 때문입니다.

결국 DEA의 미학은 '상대적 최선'에 있습니다. 누구나 도달할 수 없는 이상적인 수치가 아니라, 우리 집단 내 누군가가 이미 증명해낸 실질적인 기록을 목표로 제시한다는 점에서 현장의 저항을 줄이고 강력한 개선 동기를 부여합니다. 오직 데이터만이 말해줄 수 있는 냉철하면서도 합리적인 성과 관리의 기준, 그것이 바로 DEA가 가진 진정한 가치입니다.

하지만 앞선 주의사항에서 언급했듯, DEA 분석의 신뢰도는 전적으로 '입력되는 데이터의 정밀함'에 달려 있습니다. 현장에서 수집된 로우 데이터에 오류가 있거나 누락이 발생한다면, 아무리 정교한 수리 모델을 적용해도 왜곡된 결과가 나올 수밖에 없습니다.

이러한 지점에서 왈라는 성공적인 DEA 분석을 위한 가장 든든한 파트너가 됩니다. 왈라는 전국 각 지점이나 부서의 담당자들이 복잡한 투입·산출 지표를 누락 없이, 그리고 직관적으로 입력할 수 있는 최적의 설문 환경을 제공합니다. 특히 데이터의 유효성을 실시간으로 검증하는 기능을 통해 분석의 치명적 약점인 이상치 발생을 수집 단계에서부터 선제적으로 방지할 수 있습니다.

데이터로 증명되는 공정한 성과 평가를 꿈꾸시나요? 혹은 우리 조직의 숨겨진 효율성을 찾아내고 싶으신가요? DEA라는 날카로운 분석 도구와 왈라라는 정교한 데이터 수집 기술이 만날 때, 여러분의 조직은 비로소 감이 아닌 숫자로 움직이는 진정한 데이터 드리븐 조직으로 거듭날 것입니다.

DEA 분석 설계부터 왈라를 활용한 고품질 데이터 확보까지, 효율성 극대화를 위한 여정에 저희가 힘이 되어 드리겠습니다. 언제든 문의해 주세요.

✔️ 더 읽을만한 글

https://home.walla.my/ko/blog/복잡한-ahp-설문-어떻게-설계할까

https://home.walla.my/ko/blog/did-분석(이중차분법)-심층-분석

https://home.walla.my/ko/blog/dea-설문지-작성법-비재무적-가치까지-숫자로-바꾸는-기술

https://home.walla.my/ko/blog/델파이-조사-완벽-가이드-핵심-원칙부터-효율적-실무까지

https://home.walla.my/ko/blog/ipa-분석법-다-잘할-수는-없다-선택과-집중을-위한-분석