과학기술정보통신부와 한국지능정보사회진흥원은 디지털 뉴딜을 통해 다양한 데이터의 수집과 개방, 유통과 활용을 지원하는 16개 분야 빅데이터 플랫폼을 구축하였다. 데이터 이용자가 다양한 플랫폼의 데이터를 쉽게 검색하고 활용할 수 있는 관문인 '통합 데이터 지도'가 운영되고 있다.
"예측 가능하고 통제할 수 있는 위험은 더 이상 위험이 아니다"
코로나19 발생 이후, 이례없는 수요 감소 및 공급 축소 현상과 함께 기업의 영업실적 부진 및 신용등급 하락이 심화되고 있다. 최근 기사에 따르면 전(全) 산업 생산이 1년 5개월만에 최대 폭으로 증가했다고는 하나 단계적 일상회복(위드코로나)에도 소비는 16개월만에 가장 큰 폭으로 감소하였으며, 생산 및 소비 실적 모두 코로나 이전 시기에 비하면 큰 폭으로 하락하였다. 이는 기업의 단기부채 상환 및 연장에 대한 어려움 및 유동성 경색을 초래하고 있으며, 저금리 기조 아래 한계기업들에 대한 흑자도산 가능성도 우려되고 있다.
그동안 정부 정책에 활용하던 통계 및 실태조사는 1~2년 시차가 있는 통계지표를 활용하거나 기초지자체(시·군·구) 통계의 부재로 광역통계만 분석하는 등 데이터 부족으로 인한 시의성, 포괄성에 대한 문제가 있었다. 그러나 무엇보다도 큰 문제는 각 위험지표를 모니터링할 시스템이 없었다는 점이다. 이러한 문제는 빅데이터 분석을 통한 기업 리스크 조기 모니터링으로 해결점을 찾을 수 있다.
‘포스트 코로나, 빅데이터 기반의 산업 동향 분석 및 위험예측 대시보드(DashBoard)’ 데이터 스토리는 빅데이터 기반의 산업생태계 분석 대시보드와 조기경보 지표(Early Warnig Index)를 통해서 고용, 성장, 혁신, 위험지표 등산업생태계를 모니터링한 사례를 데이터 스토리로 풀어 보았다. 지역경제 빅데이터 플랫폼, 한국기업데이터, 국세청, 국민연금공단 등 데이터를 활용하여 다음의 4가지 인사이트를 시사하고 있다.
◇데이터 분석 인사이트
첫째, 고용정보 빅데이터 분석을 통해 산업위험을 파악할 수 있다.
기업의 종업원 현황은 매출액과 정비례하는 관계로 기업의 생산 변동성을 우회적으로 측정할 수 있다. 따라서 해당 지표는 코로나19 등 팬데믹으로 인한 외부 충격에서 가장 선제적으로 모니터링 해야한다. 종업원 현황은 국민연금 자료를 활용하여 고용지표와 실업 지표를 살펴보았다. 실제로 코로나19 발생에 따라 2020년 2월부터 실업지수(퇴직자 증가율)은 급격히 증가하고, 2020년 2월 고용지수(국민연금 가입자 증가율) 또한 마이너스(-)로 고용인원이 감소하는 것을 확인할 수 있다. 고용률에 대한 데이터 분석 결과, 숙박‧음식, 항공‧운송 산업은 대규모 질병 발생에 대한 영향도가 매우 높은 것으로 파악되고 있다.
둘째, 한국기업데이터의 조기경보등급을 나타내는 조기경보지수(EW Index, Early Warning Index) 기반으로 산업위기를 예측할 수 있다.
신용평가 모형은 상대적으로 1년 이상의 장기간에 대한 신용도(PD, Probability of Default)를 평가하는데 특화되어 있는 반면, 조기경보 모형(Early Warning)은 비교적 갱신주기가 짧은 동적인 이벤트를 이용하여 적시성 있게 신용도를 평가하며, 기업 부실화를 빨리 인지할 수 있다. 2020년도 조기경보 지수(EW Index)를 살펴보면, 조선업이 가장 큰 위험산업이며, 섬유/의류, 반도체/전자부품업 등이 각 2위와 3위를 차지한다.
사후검증 작업 수행을 위해 “산업위기 특별대응지역”을 대상으로 적합성 및 유효성 검증작업을 진행하였다.
울산 동구 지역의 조선업은 2018년 6월에 산업위기 지역으로 선정되었으며, 조기경보지수(EW INDEX)는 약 2년 전인 2016년 8월에 절대적 위험 수준의 임계값에 도달한 것을 볼 수 있었다. 즉, EW INDEX를 활용하여 산업위기 지역으로 선정되기 약 2년 전에 사전적으로 위험을 인지할 수 있었다는 점에서 유효성이 입증되었다.
셋째, 신용정보원에서 제공하는 “신용공여정보”를 활용할 경우, 기업들의 자금 조달 및 여신 현황에 대해 모니터링할 수 있다.
특히, '신용공여정보' 중 운전자금(차입금) 계정을 이용하여 금융비용 부담 여력을 파악할 수 있다. 항공운송업은 전년 동월 대비 336%, 전월 대비 23% 정도로 운전자금 대출이 급격히 증가하였다. 고용현황 수준을 감안할 경우, 영업실적 수준이 좋지 않음을 유추할 수 있다. 반면, 제조업(중공업)은 전월 대비 운전자금이 2.78% 수준으로 감소하였으며, 전년 동월 대비 16.51% 수준의 차입금 증가율 현황을 나타내고 있다. 이는 평균적 수준에 해당하며, 코로나19에 따른 영향이 타 업종에 비해 상대적으로 크지 않은 것을 확인할 수 있다.
넷째, 신설 법인정보 및 휴폐업 정보를 활용하여 기업의 생멸을 모니터링할 수 있다.
코로나19 전후 법인 신설 및 신규 인허가 현황 데이터를 활용하여 분석해보면 다음과 같다. 먼저 지역별 신설법인 설립 증감률로 살펴보면 2020년 1분기는 경북, 전남 지역 감소, 2020년 2분기는 서울, 대구, 대전, 울산, 세종 등 대도시에서 감소한 것을 알 수 있었다. 전년 동 분기 대비 매출액 증가율은 2020년 1분기는 대구를 제외하고 크게 하락하는 지역이 나타나지 않았지만 2020년 2분기에는 경기, 강원을 제외한 전 지역에서 매출 하락이 나타나며 세종, 경북, 대구, 경남 순으로 하락 폭이 크게 나타났다.
업종별로 코로나19 전후 신설법인 추이를 살펴보면 소재부품장비업 중 1차 금속 제품, 전자부품업의 신설률은 업종 평균 대비하여 낮은 데 비해 의약품 제조업은 2020년 3월부터 신설기업이 증가하기 시작해 하반기 급증하는 것을 볼 수 있다. 코로나19로 의약품에 대한 시장이 큰 폭으로 증가한 상황을 그대로 반영하고 있다.
◇데이터를 활용한 지역 산업 생태계 분석
데이터를 활용하여 지역 산업 생태계를 분석한 사례도 있다. ‘지역 산업 생태계 분석 사례’ 데이터 스토리는 데이터에 근거한 정보시스템 구축의 중요성을 강조하며, 데이터 분석 및 시각화를 통해 지역산업 생태계를 조망하고 산업현황을 점검해보았다. 디지털 산업혁신 빅데이터 플랫폼의 기업정보, 산업정보를 기반으로 경기 지역 중 화성시 산업 생태계 분석을 한 결과, 3가지 특성을 발견하였다.
첫째, 화성시는 전통 제조와 첨단 제조가 고루 발달 되어있으나, 산업군이 특정 지역에 집중되면서 지역 간 편차가 크다는 점, 둘째, 화성시의 주력기업에서 중기업이 차지하는 비중(매출과 고용)이 높다는 점, 마지막으로 화성시에 집중된 주력산업(금속, 반도체, 기계 등)은 경기도 다른 지역산업과 연관성이 높은 산업으로 타지역 기업들과 활발한 거래가 이뤄지고 있다는 점이다.
이렇듯 데이터에 기반하여 광역 및 기초지자체 단위 지역산업 생태계를 조망하고, 지역산업의 실시간 현황 대시보드 구축을 통해 데이터에 기반한 지역 산업정책 의사결정을 지원하는 모델을 보여주었다.
지금까지 검증한 바와 같이 기업 및 공공 데이터를 활용하여 지역산업 현황 및 동향에 대한 체계적인 실시간 파악과 데이터에 근거한 과학적인 행정기반 확보와 의사결정이 가능하다. 코로나19와 같이 예측 불가하며, 통제가 힘든 위험요소의 경우, 더욱이 모니터링을 통한 대응수립이 중요할 것이다. 더 많은 데이터가 모이면 조기경보 모니터링은 더 정교해지고, 기업 리스크를 미리 예측할 수 있는 시스템으로 충분히 활용될 수 있을 것이다.
자세한 내용은 통합 데이터 지도 내의 데이터 스토리에서 확인할 수 있다.
