DEA - Tobit 회귀 통합 모델을 활용한 중소기업 정보화 및 DX 투자 효율성 분석 연구

Q: 이 논문에서 정의한 디지털 전환(DX)이란 무엇인가?

기업이 보유한 소프트웨어, 하드웨어 등의 정보시스템 및 애플리케이션을 통해 비즈니스와 업무를 빠르게 처리하고, 데이터를 생성 및 활용함으로써 새로운 경영적 가치를 창출하기 위한 활동을 의미한다. 특히 디지털 환경에서의 업무 활용과 데이터 수집, 분석, 활용 수준을 핵심적인 관점으로 정의한다.

Q: 중소기업의 디지털 전환 효율성을 결정짓는 핵심 요인은 무엇인가?

연구 결과, 단순한 투자 규모나 최고경영진의 의지보다는 클라우드 업무 솔루션 활용, 거래처 협업 데이터 관리, 내부 데이터 관리 및 보안계획 통합관리와 같은 구체적인 실행 역량이 효율성에 유의미한 정(+)의 영향을 미치는 것으로 나타났다.

강성현; 한상혁; 강주영

doi:10.13088/jiis.2025.31.4.171

학술저널

저자정보: 강성현 (아주대학교) 한상혁 (아주대학교) 강주영 (아주대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제31권 제4호

오류 신고하기

피인용 0

검색

초록·키워드

본 연구는 한국 중소기업 3,953개를 대상으로 기업의 정보화 자원 투입 대비 디지털 전환 수준에 대한 DX 추진 효율성을 측정하고 그 핵심 결정요인을 규명하고자 하였다. 자원기반관점과 동적역량관점을 통합한 이론적 틀을 바탕으로 DEA 모델을 통해 효율성 점수를 산출하고, 그 효율성 점수를 종속변수로 하는 Tobit 회귀분석을 통해 DX 효율성의 주요 결정요인을 도출하는 2단계 통합분석을 적용하였다. 분석 결과, 중소기업의 평균 순수기술효율성(VRS)은 0.16으로 매우 낮은 수준이었으며, 비효율의 86%가 운영 문제, 약 14%가 규모 문제에서 기인함을 확인하였다. 순수기술효율성을 중심으로 결정요인을 분석한 결과, 클라우드 업무 솔루션(β=0.26, p<0.001), 거래처 협업 데이터 관리(β=0.20, p<0.001), 내부 데이터 관리(β=0.15, p<0.001), 보안계획 통합관리(β=0.14, p<0.001)가 유의한 정(+)의 영향을 미쳤으나, 최고경영진 관심/의지(β=-0.03, p<0.05)는 약한 부(-)의 영향을, 정보화 추진계획 수립(β=0.00, n.s.)은 유의하지 않은 것으로 나타났다. 이는 중소기업의 DX 효율성이 단순 투자 규모나 경영진의 의지보다는 클라우드 활용, 업무 데이터 수집/관리, 데이터 기반 거래처간 협업이라는 구체적 실행 역량에 의해 결정됨을 보여주었다. 본 연구는 DX 효율성의 다차원적 측정과 DX 효율성의 핵심 결정요인에 대한 체계적 규명을 통해 이론적 기여를 할 수 있을 것으로 기대하며, 중소기업 경영자에게는 우선적으로 고려해야 할 실행역량의 중요성을, 정책 입안자에게는 기존의 자금 지원 중심에서 역량 강화 지원으로의 정책 전환 필요성을 제시한다.

This study aims to measure the efficiency of digital transformation (DX) by comparing information technology resource inputs with the level of digital transformation among 3,953 small and medium-sized enterprises (SMEs) in Korea, and to identify its key determinants. Drawing on an integrated theoretical framework that combines the resource-based view and the dynamic capabilities perspective, this study applies a two-stage analytical approach. In the first stage, efficiency scores are estimated using Data Envelopment Analysis (DEA). In the second stage, a Tobit regression analysis is conducted with the DEA efficiency scores as the dependent variable to identify the determinants of DX efficiency.
The results show that the average pure technical efficiency under variable returns to scale (VRS) is remarkably low at 0.16. Decomposition of inefficiency reveals that approximately 86% is attributable to managerial inefficiency, while about 14% stems from scale inefficiency. Focusing on pure technical efficiency, the regression results indicate that the use of cloud-based business solutions (β = 0.26, p < 0.001), collaboration data management between business partners (β = 0.20, p < 0.001), internal business data management capabilities (β = 0.15, p < 0.001), and integrated security planning and management (β = 0.14, p < 0.001) have significant positive effects on DX efficiency. In contrast, top management interest and commitment exhibit a weak but significant negative effect (β = −0.03, p < 0.05), and the establishment of formal informatization plans is not statistically significant (β = 0.00, n.s.).
These findings suggest that DX efficiency in SMEs is driven less by the scale of investment or managerial intent and more by concrete execution capabilities, such as effective cloud utilization, systematic data collection and management, and data-driven collaboration with business partners. This study contributes to the literature by providing a multidimensional measurement of DX efficiency and a systematic identification of its key determinants. From a practical perspective, the findings highlight the importance of prioritizing actionable digital capabilities for SME managers and suggest a policy shift for policymakers from predominantly financial support toward capability-building initiatives.

#디지털 전환(DX) #자료포락분석(DEA) #Tobit 회귀분석 #중소기업 #동적역량 #Digital Transformation (DX) #Data Envelopment Analysis (DEA) #Tobit Regression #SMEs #Dynamic Capabilities

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-095579270

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료