• 환경정책연구
• /
• 제13권4호
• /
• pp.3-49
• /
• 2014

기업의 환경책임에 대한 이해관계자의 관심이 높아지고, 정부의 환경규제가 강화되면서 환경경영의 중요성이 강조되고 있다. 그러나 아직까지 국내 기업들의 환경에 대한 인식수준은 낙후된 편이며, 환경 관련 연구들도 환경성과와 경제적 성과의 관련성에 대한 일관된 결론을 제시하지 못하고 있다. 이는 첫째, 경제적 성과는 평가범위가 상대적으로 협소하고 가격이라는 공통 단위로 측정될 수 있는 반면, 환경오염물질의 감소, 온실가스 및 탄소 배출의 감소, 에너지 효율 등과 같은 환경성과는 평가범위가 다양하고 측정단위가 상이하기 때문에 선정되는 성과지표에 따라 서로 다른 연구결과가 도출될 수 있기 때문이다. 이러한 문제점을 해결하기 위해서는 일반화되고 표준화된 성과지표의 개발이 모색되어야 하며, 특히 환경경영의 의미가 '지속성장'이란 개념으로 확장됨에 따라 이러한 정의에 부합하기 위해서는 개발된 성과지표는 환경성과와 경제적 성과의 의미를 동시에 포괄할 수 있어야 한다. 둘째, 현재 대부분의 연구는 환경경영의 실행주체인 기업의 환경투자 동기 및 환경성과에만 주목하고 있을 뿐, 환경경영의 효과적인 실천전략에 대한 명확한 기준을 제시하지 못하고 있다. 예를 들어, 경쟁업체들과의 상대적인 환경경쟁력을 비교함으로써 프로세스 개선전략 또는 시장차별화 전략을 도출하고 이를 경제적 성과와 연계하기 위한 환경전략의 선택적 대안을 제안함으로써 환경성과와 경제적 성과의 선순환적인 관계성을 확보할 수 있어야 한다. 본고에서는 첫째, 다수 투입과 다수 산출요인으로 구성된 에코효율성을 자료포획분석(Data Envelopment Analysis: DEA) 모형을 통하여 산출하고자 한다. 에코효율성을 기초로 국내 기업들의 환경경쟁력을 비교분석하고 에코효율성을 개선하기 위한 환경전략의 선택적 대안을 제시하고자 한다. 둘째, 패널분석을 이용하여 에코효율성과 경제적 성과의 인과관계를 분석하고, 합동 회귀모형을 이용하여 에코효율성과 경제적 성과의 관계성을 분석하고자 한다. 국내 23개 기업의 4개년 자료를 대상으로 DEA에서 산출된 에코효율성을 이용하여 표본기업들의 기간별 에코 효율성을 산출하였다. 산출된 에코효율성을 기초로 23개 기업의 연도별 기술효율성, 순수기술효율성 및 규모효율성을 비교하였으며 비효율적인 기업들의 에코효율성 개선 대안을 제시하였다. 또한, 에코효율성과 경제적 성과로의 인과성이 존재하고 있으며, 수익성(ROA 및 ROS) 및 기업가치(토빈 Q, 주가 및 주가수익률)와 같은 경제적 성과와 에코효율성의 관련성을 분석한 결과 에코효율성이 기업의 수익성 및 기업가치와 매우 유의적인 양(+)의 관련성을 가지고 있음을 확인하였다. 본고의 결과는 다양한 환경변수와 경제적 성과변수를 통합한 에코효율성을 이용함으로써 환경 관련 연구들의 일반성이나 보편성을 제고할 수 있을 뿐만 아니라 환경관리의 지속가능성에 대해 보다 깊은 통찰력을 제공해 줄 것으로 기대한다. 또한, DEA 모형에서 제공하는 연도별 기술효율성, 순수기술효율성 및 규모효율성의 분석결과를 이용하여 에코효율성에 대한 변화의 원인을 탐색하고 환경경영에 대한 선택적 전략을 제시함으로써 환경경영의 실행방향과 구체화된 실천목표를 지원할 수 있을 것으로 기대한다. 마지막으로 본고에서 분석된 일관된 연구 결과는 기업의 환경투자가 경제적 성과로 연계될 수 있다는 점에서 선순환적인 환경경영의 동기부여 요인으로 작용할 것으로 기대한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.