Korea Digital Contents Society
[ Article ]
Journal of Digital Contents Society - Vol. 20, No. 10, pp.2035-2044
ISSN: 1598-2009 (Print) 2287-738X (Online)
Print publication date 31 Oct 2019
Received 21 Aug 2019 Revised 26 Sep 2019 Accepted 20 Oct 2019
DOI: https://doi.org/10.9728/dcs.2019.20.10.2035

신용카드 빅데이터를 활용한 개인사업자 창업과 폐업 분석

김준호 ; 김형중*
고려대학교 정보보호대학원 빅데이터응용및보안학과
Analysis of Start-up and Closing of Individual Business Using Credit Card Big Data
Jun Ho Kim ; Hyoung Joong Kim*
Department of Big Data Application and Security, Korea University, Seoul 02841, Korea

Correspondence to: *Hyoung Joong Kim Tel: +82-2-3290-4895 E-mail: khj-@korea.ac.kr

Copyright ⓒ 2019 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

초록

한국의 개인사업자수는 2017년 기준 560만명을 넘어섰는데, 그에 따라 경쟁이 치열하고 폐업도 지속적으로 발생하고 있다. 개인사업자가 한국의 경제활동에서 차지하는 비중이 크다는 점에서 관련연구는 매우 중요하다. 하지만, 대부분의 선행연구는 설문조사 또는 통계청 발표 집계데이터에 의존하는 상황이다. 본 연구는 신용카드사의 549만개 개인사업자 빅데이터를 활용하여, 선행연구와 차별적인 접근을 하였다. 2002~2016년의 15년간 중장기 트렌드를 분석하여, 한국 개인사업자의 창업과 폐업에 대한 큰 흐름과 특성에 관한 실증적 연구결과를 도출하였다. 특히 창업 후 경과기간(1년-10년)에 따른 폐업율 분석은 많은 시사점을 도출하였다. 본 연구결과는 향후 개인사업자 연구 기초자료 활용, 정부의 정책수립 참고, 기업의 마케팅 전략 수립에 기여할 수 있다는 점에서 의의가 있다.

Abstract

The number of individual businesses operators in Korea has surpassed 5.6 million by 2017, resulting in fierce competition and the closure of businesses. Relevant research is very important in that individual business operators for a large portion of Korea's economic activity. However, most previous studies rely on aggregate data from surveys or statistics from Statistics Korea. This study utilized Big data of 5,490,000 individual business operators of credit card company and differentiated approach from previous studies. We analyzed the mid – to long – term trends for 15 years from 2002 to 2016, and found out the empirical results of the major trends and characteristics of the start – up and the closing of Korean individual business operators. Especially, the analysis of closing rate according to the elapsed period (1 year – 10 years) after the start – up has many implications. The results of this study are meaningful in that it can contribute to utilization of basic research data of individual business operators, reference of government policy establishment, and establishment of marketing strategies of companies.

Keywords:

Big data, Closing rate, Exploratory analysis, Individual businesses, Individual business start-up

키워드:

빅데이터, 폐업율, 탐색적 분석, 개인사업자, 개인사업자 창업

Ⅰ. 서 론

1-1 연구 배경 및 목적

한국의 자영업자(개인사업자) 비중은 지난 10년간 큰 폭으로 감소하였으나, 경제협력개발기구(OECD) 국가 중에서는 여전히 최상위권으로 나타났다. OECD가 최근 발간한 한눈에 보는 기업가 정신 2017에 따르면 한국의 전체 남성고용에서 차지하는 남성 자영업자 비중(2016년 기준)은 26%로 OECD 평균(17%)보다 크게 높았다. 한국보다 자영업자 비중이 높은 나라는 그리스(34%), 브라질(30%)뿐으로 조사대상 39개국 중 3번째로 높은 것으로 나타났다. 통계청 발표 경제활동인구조사에 의하면 국내 자영업자수는 2010년을 저점으로 횡보추세이며, 2017년 기준으로 560만명을 넘어서, 전년(2016년)대비 증가세로 반전한 것으로 나타났다[1]. 국내 경제는 자영업자수가 많은 구조적 특성에 따라, 경쟁이 치열하고, 그에 따른 폐업자도 지속적으로 발생하고 있다.

이러한 국내 현실을 고려할 때 자영업자가 국민 경제활동에서 차지하는 비중은 크다고 볼 수 있으며, 특히 서민경제에 미치는 영향이 크다는 점에서 자영업자 관련된 연구는 중요하다고 판단된다.

본 연구에서는 자영업자 중 신용카드 가맹점 빅데이터로 파악되는 개인사업자를 분석하여, 2002년~2016년 사이에 발생한 창업과 폐업이 어떠한 특성을 보였는지 종합적으로 고찰하였다. 이를 통해 국민 경제활동에서 중요한 부분을 차지하는 자영업 연구에 있어서, 빅데이터를 활용한 실증적 연구결과를 제시하고자 한다.

1-2 선행연구

자영업자(개인사업자)에 대한 연구가 중요함에도 불구하고, 그 동안의 선행연구는 주로 설문조사를 통해 이뤄졌다. 설문조사가 아닌 경우, 통계청 집계자료를 활용하여 경기 변화와 관련한 연구를 수행한 사례 등이 있었다. 다른 한편으로는 창업이나 폐업과 관련한 경영학적 관점의 선행연구사례를 확인 할 수 있었다. 국내 자영업자의 증가 원인을 외환위기에 따른 영향으로 보는 관점이 많았는데, 탈공업화에 따른 일자리 감소, 한·중 수교, 금융자유화 등의 복합요인에 의한 영세성 심화를 원인으로 보는 최근 연구 등이 발표되었다[2]. 국내 자영업의 폐업율을 도소매업, 음식 및 숙박업 등 통계청 대분류 업종으로 연구한 사례가 있는데, 이 경우에도 설문조사에 근거하여 획득한 자료를 바탕으로 모형을 연구하였다[3].

그러나 설문조사에 의한 연구와 통계청 집계자료에 의한 연구 모두, 창업과 폐업을 다양한 관점에서 입체적으로 연구하는 데는 한계가 존재한다고 판단된다. 따라서 빅데이터를 활용하여 전체적인 큰 흐름에 대한 연구와 동시에 개인사업자에 대한 심층적인 창업/폐업 양태에 대한 분석이 필요한 상황이다.

한국여성정책연구원에서 2017년에 A카드사의 신용카드 개인사업자 빅데이터를 활용하여 여성 개인사업자의 생존율을 분석한 것은 의미가 있는 연구이다. 개인사업자의 5년후 생존율을 탐색적 분석 관점에서 접근하였고, 여성과 남성의 차이에 주목하였다[4]. 그러나 개인사업자 성별 5년후 생존율에 치중한 연구로써, 개인사업자의 전체적인 특성과 트렌드 분석에는 아쉬움이 있었다.

본 연구에서는 국내 시장점유율 1위 카드사인 A카드사의 가맹점 빅데이터를 활용함으로써, 기존 선행연구가 설문조사나 통계자료에 의존하던 한계를 극복하고, 국내 개인사업자의 지난 15년 동안 변화 모습을 전체적으로 고찰하였다. 개인사업자 창업/폐업 연구에 있어서는 충분한 선행연구가 있었다고 보기 어렵기에, 일부 영역의 특성, 일부변수의 상관관계의 알고리즘을 찾는 것보다는 큰 틀에서의 탐색적 분석으로 방향을 잡고 본 연구를 수행하였다.

따라서 본 연구는 선행연구와 크게 4가지 점에서 차별적으로 접근하였다. 첫째 신용카드 빅데이터를 활용한 실증적 연구이며, 둘째 15년간(2002~2016년)의 중장기 트렌드를 분석하였고, 셋째 업종/지역/성별/연령대별/창업연도/경과기간별 다차원 분석을 수행하여 입체적인 창업/폐업 특성을 연구하였으며, 넷째 국내 창업/폐업의 큰 흐름을 파악하기 위한 탐색적 분석으로 접근하였다.

1-3 신용카드 빅데이터 활용

신용카드 빅데이터는 국내 민간부분에서 활용가능한 대표적인 유형의 데이터이다. 통신사 유동인구 데이터와 더불어 공공부분 및 민간영역에서 다양한 연구가 이뤄지고 있다. 소비 주체, 소비 장소, 소비 시간, 소비 업종을 신용카드 데이터로 정확하게 알 수 있기에 4차 산업혁명시대에 가장 활용도가 높은 데이터로 인식되고 있다[5]. 소비 주체와 소비 업종을 카드사 빅데이터로 분석하여 국내 대형유통점의 소비감소와 유통채널의 변화를 연구한 것이 대표적인 사례이다[6]. 또한 국내의 민간소비 결제환경은 신용카드 결제가 민간소비지출의 90%에 달하는 상황이다[7]. 이에 신용카드 빅데이터를 활용할 경우, 국내 민간소비와 관련된 연구에 있어 전체적인 특성을 파악하는데 매우 가치가 높다. 민간소비 이상 징후에 대한 속보성 모니터링 체계를 구축하는 연구가 대표적인 신용카드 빅데이터 활용 연구이다[8].

본 연구에서는 신용카드 부문에서 가장 큰 시장점유율을 꾸준히 나타내고 있는 A카드사의 빅데이터를 활용하였다. 특히 A카드사의 가맹점 빅데이터의 경우 국내에서 카드결제 가능한 전체 사업자에 대하여 누락 없이 데이터로 보유하고 있다. 사업자의 경우 영업개시와 더불어 카드결제가 되어야 하는 국내 현실에서, 사업자의 창업과 폐업의 정확한 현황을 파악할 수 있는 것이 카드사 가맹점 빅데이터이다. A카드사의 카드결제규모 트렌드는 통계청 발표 국내 경상지수(소매판매지수) 트렌드와의 상관계수가 0.91에 이를 정도로 대표성이 높다고 판단된다[8]. 또한 A카드사는 신용카드 빅데이터를 활용하여 다양한 공공기관, 민간기업을 대상으로 빅데이터 분석 컨설팅을 2014년부터 수행함으로써, 데이터의 신뢰성과 대표성을 시장에서 검증 받았다고 볼 수 있다.


Ⅱ. 본 론

2-1 빅데이터 분석 범위 및 방법론

본 연구에서는 A카드사의 가맹점으로 등록된 빅데이터를 활용하여 분석하였다. 시간적 범위는 창업기준으로 2002~2016년이며, 폐업기준으로는 2016년말 시점까지 추적 분석하였다. 공간적 범위는 국내 전 지역이며, 17개 광역시도별 단위로 분석하였고, 서울시는 구별로 추가적인 분석을 하였다. 이에 따른 대상적 범위로 549만개 개인사업자 카드가맹점을 도출하였으며, 이를 업종별로 분류하여 연구하였다. 다만, 카드가맹점으로 등록되지 않은 부동산임대사업자, 프리랜서 개인사업자(개인과외, 번역 등), 영업/판매직 개인사업자 등은 본 연구에서 제외되었다.

기존 대부분의 선행연구는 통계청 표준업종분류표를 적용하여 수행되었다. 그러나 표준업종분류표는 제조, 건설, 물류 등 산업전반에 대한 통계생산에 적합한 분류표이기에, 개인사업자 연구에는 적합도가 낮다고 판단된다. 본 연구는 실제 개인사업자의 업종과 밀접한 카드사의 업종분류표를 활용하였다. A카드사 239개 기본업종분류코드 중에서 개인사업자와 무관한 백화점, 통신요금, 항공사, 종합병원, 호텔, 보험, 온라인쇼핑몰, 골프장 등 61개를 제외한 178개 업종분류코드를 유형별로 재분류하였다. 이를 통해 표 1과 같이 13개의 대분류, 30개의 중분류, 57개의 소분류로 재구성하여 본 연구의 업종분류표로 활용하였다.

Individual Business Category Classification Table

본 연구는 국내 개인사업자의 창업과 폐업에 대하여 탐색적 분석(EDA: exploratory data analysis) 방법론으로 접근하였다. 즉, 개인사업자의 창업/폐업의 구조적 특성을 파악하고, 트렌드를 분석하였으며, 이를 시각화하여 전체적인 모습을 파악하는데 중점을 두었다[9]. 이를 위해 개인사업자 유형을 총 6개(성별/연령대별/지역별/업종별/창업연도별/경과기간별)로 구분하였으며, 창업가맹점수, 폐업율, 생존율을 종속변수로 분석하였다. 각 개인사업자 유형을 다차원 분석을 통해 상관관계를 분석하였고, 종속변수 간 상관관계를 연구하였다.

본 연구는 A카드사 개인사업자 빅데이터를 임의로 조정하지 않고 연구를 수행하였다. 다만, 실제 폐업신고하지는 않았으나, 6개월 이상 카드매출이 발생하지 않은 가맹점은 폐업으로 간주하여 처리하였다. 생존기간은 개인사업자 창업일자로부터 폐업일자까지의 일수 계산을 통해 산출하였다.

분석도구는 SAS와 ACCESS로 1차 데이터 가공을 하고, 오픈소스인 파이선, R, EXCEL, Q-GIS을 활용하여 다양한 측면에서 분석결과를 도출하고 시각화하였다.

2-2 국내 개인사업자 창업 분석

1) 개인사업자 유형별 창업가맹점수 비중 분석

분석대상기간(2002~2016년) 15년 동안의 개인사업자 창업가맹점 549만개를 분석하면, 그림 1과 같이 13개 대분류 업종 중에서 요식/유흥업종이 46%로 가장 큰 비중을 차지하였다. 다음으로 의류/잡화(9%), 미용(7%), 교육/학원(7%) 순으로 개인사업자 창업 비중이 높은 것으로 분석되었다. 57개 소분류 업종의 창업가맹점수는 한식 업종이 전체의 21.%를 차지하였고, 기타요식(13.7%), 의복/의류(6.8%), 학원(4.7%), 미용실(3.2%)순으로 분석되었다. 이상의 5개 업종은 그림 2와 같이 57개 전체 소분류 업종 중에서 49.6%를 차지하였다.

Fig. 1.

Ratio of Start-up Merchants by Major Classification

Fig. 2.

Number of Start-up Merchants by Small Classification Mosaic Plot

이를 볼 때 신규 창업자의 경우 일부 업종에 편중되어 경쟁이 치열할 뿐만 아니라, 차별적인 경쟁력 확보에도 어려움이 있을 것으로 분석된다.

개인사업자의 성별에 따른 창업가맹점수 비중은 그림 3과 같이 여성이 57%로서 남성(43%)보다 높은 것으로 분석되었다. 이를 통해 여성의 경제활동참여가 늘어난 것의 상당부분이, 개인사업자로 인한 것으로 해석된다. 연령대별로 창업가맹점수를 분석하면 그림 3과 같이 40대가 34%, 30대가 31%로 합계 65%를 차지하여 창업활동이 가장 활발하였다. 지난 15년간 개인사업자 창업가맹점수 중에서 60대 이상은 6%에 불과하였고, 20대는 11%의 비중이었다.

Fig. 3.

Ratio of Start-up Merchants by Gender and Age Group(2002~2016)

최근 5년간(2012~2016년)의 13개 대분류 업종의 창업가맹점수의 연령대별 비중을 분석하면, 그림 4와 같이 업종별로 특징적인 모습을 확인할 수 있다. 의류/잡화, 가전/가구 업종은 20대 및 30대에서 상대적으로 창업가맹점수 비중이 높은 것으로 분석되었다. 여행/교통의 경우 60대 이상 창업자가 35.5%로 가장 큰 비중을 차지하였다. 이를 57개 소분류 업종 단위로 분석하면 교통업종에서 66.0%가 60대 이상인 것으로 나타났다. 이를 A카드사 239개 기본업종코드로 추적 분석하였을 때, 개인택시 업종의 영향이 큰 것으로 확인되었다. 개인택시는 일정 자격을 갖추기 위한 기간이 필요하고, 일반 직장 은퇴 후에 60대가 많이 진입하기 때문인 것으로 해석된다. 57개 소분류 업종으로 분석하였을 때, 20대의 창업비중이 높은 업종은 안경, 의복/의류, 문화용품, 양식(파스타 등) 업종이었다. 60대의 창업비중이 높은 업종은 교통, 소형 숙박(모텔/여관/민박 등), 독서실 업종으로 분석되었다.

Fig. 4.

Age Group Percentage of Start-up Merchants by Major Classification(2012~2016)

최근 15년(2002~2016년)간의 각 시도별 창업가맹점수를 분석하면 경기(22.6%), 서울(19.3%)의 순으로 수도권에 41.9%가 집중되었다. 그 다음으로 경남, 부산, 인천, 경북 순으로 개인사업자 창업이 활발하였다.

최근 5년(2012~2016년)간의 각 시도별 창업가맹점수의 연령대별 비중을 분석하면, 부산의 경우 60대 창업 비중이 상대적으로 타지역대비 높았으며, 광주, 대전의 경우 20대의 창업 비중이 상대적으로 높게 분석되었다. 그러나 전반적으로 각 시도간 연령대별 비중은 비슷한 구조를 보였다.

2) 연도별 개인사업자 창업가맹점수 Trend 분석

2002~2016년 15년간의 연도별 개인사업자 창업가맹점수 Trend를 분석하였을 때, 그림 5와 같이 2004년이 저점이었다. 2003~2004년은 신용카드 연체로 신용불량자가 급증하였던, 카드사발 국내 금융위기 기간이었다. 2004년 이후 점진적으로 창업 활동이 회복세로 증가하였고, 2009년 이후 연간 약 39만개 수준에서 횡보하는 것으로 분석되었다. 2004~2009년의 개인사업자 창업가맹점수 증가 기간 중에서 2008년만 하락세로 주춤하였는데, 이는 2007년 미국발 서브프라임 모기지론으로 인한 경기위축 영향으로 해석된다.

Fig. 5.

Trend of Start-up Merchants by Establishment Year

개인사업자 창업가맹점수를 업종별, 시도별, 가맹점주의 성별, 연령대별로 분석하면, 각 유형별로 다른 Trend가 있음이 분석 결과 도출되었다.

성별 창업가맹점수 트렌드는 지난 15년간 큰 차이가 없으나, 2011년 대비 2016년을 비교하면, 여성은 5.1%감소한 반면, 남성은 8.1%증가한 것으로 분석되었다. 연령대별 창업가맹점수 트렌드는 그림 6과 같이 큰 차이가 있는 것으로 분석되었다. 50대와 60대 개인사업자 창업가맹점수는 지속 증가 추세이다.

Fig. 6.

Trends of Start-up Merchants by Gender and Age Group(2002~2016)

특히 60대의 경우 2011년 대비 2016년에 68.6% 증가하였다. 이러한 현상은 국내 베이비붐 세대의 직장 은퇴에 따른 영향으로 분석된다. 40대의 경우 그림 6과 같이 2009년을 정점으로 이후 개인사업자 창업가맹점수가 감소 추세로 전환되었다. 20대는 2002년 대비 2004년에 44.0% 감소하였는데, 경기침체기에 가장 크게 창업이 위축되는 것으로 분석된다.

성별/연령대별 창업가맹점수 트렌드를 분석하면, 그림 6과 같이 2009년 이후의 40대의 창업가맹점수 감소는 40대여성으로 인한 것으로 분석되었으며, 40대 남성은 횡보 추세이다. 60대 남성의 창업가맹점수는 2015년 대비 2016년에 큰 폭의 상승을 보였는데, 이에 대하여는 추가적인 연구가 필요한 것으로 판단된다.

대분류 업종별 창업가맹점수 트렌드를 분석하면, 업종별로 큰 차이를 보이는 것으로 분석되었다. 교육/학원 업종의 경우 2009년을 정점으로 창업가맹점수가 감소하여 횡보추세이며, 스포츠/문화/레저 업종은 지속적으로 창업가맹점수가 증가하고 있다. 반면에 가전/가구 업종의 경우 개인사업자 창업가맹점수가 지속 감소 추세인 것으로 분석되었다. 57개 소분류 업종 기준으로 세분하여 트렌드를 분석하면, 그림 7과 같이 각 업종별로 더욱 뚜렷한 차이를 확인할 수 있다. 서점, 가구, 가전, 시계/귀금속, 약국, 주유소 업종의 경우 지속적으로 개인사업자 창업가맹점수가 감소하는 것으로 분석된다. 이러한 원인은 각 업종 자체의 침체에서 비롯되거나(서점 등), 업종 내 포화상태인 상황에서 진입장벽도 높은 것이 원인으로 추정된다.(약국 등). 스포츠시설, 실내골프/헬스, 취미/오락, 생활서비스, 편의점, 미용실 업종 등은 국민의 소비생활 변화에 따라 지속적으로 창업가맹점수가 증가하고 있는 것으로 분석되다.

Fig. 7.

Trends of Start-up Merchants by Small Classification(2002~2016)

2-3 국내 개인사업자 폐업율 분석

1) 폐업율 분석 방법 및 정의

개인사업자 분석에 있어서 창업보다 더욱 의미 있는 연구는 폐업에 대한 것이라 할 수 있다. 본 연구에서는 A카드사가 2002년부터 20015년까지 14년간 개인사업자로 창업하여 가맹점으로 등록한 빅데이터를 기반으로 2016년말 시점에 정상영업과 폐업여부를 추적하여 분석하였다. 즉, 2002년 창업가맹점의 경우 창업 후 14년 경과시점까지 폐업율을 추적 분석하였고, 2015년에 창업한 개인사업자의 경우 2016년말 시점에는 1년후 폐업율까지 분석하였다. 폐업율을 산출하기 위한 분석대상 기간의 창업가맹점수는, 1년 폐업율의 경우 2002년~2015년도 창업가맹점수이며, 3년 폐업율의 경우 2002년~2013년도 창업가맹점수이고, 10년 폐업율의 경우 2002~2006년도 창업가맹점수를 기준으로 산출하였다.

본 연구에서는 각 개인사업자별로 창업한 날짜로부터 폐업한 날짜까지 일수를 계산하여 생존기간을 산출하였다. 이러한 생존기간을 바탕으로 창업 후 각 경과기간까지의 폐업가맹점수를 산출하고, 기준이 되는 창업가맹점수 대비 비중을 계산하여 폐업율을 도출하였다. 본 연구에서의 N년 폐업율은 분석 대상 창업가맹점이 N년 경과시점까지 폐업한 비중을 의미하고, 생존율은 폐업율의 보수가 되는 개념으로 적용하였다.

2) 경과기간에 따른 개인사업자 폐업율 분석

2002년~2015년 창업가맹점의 2016년말 기준 시점에서 분석한 결과를 보면, 각 1년 단위 구간별로 볼 때 창업 후 최초 1년 이내 폐업율이 23.9%인 것으로 분석된다. 창업 후 1~2년 사이에 20.5%가 폐업했으며, 2~3년 사이에 12.3%가 폐업한 것으로 분석되었다. 즉, 창업시점에 가까울수록 폐업되는 개인사업자수가 많은 것으로 분석되었다.

개인사업자의 창업 후 경과기간에 따른 폐업율(누적)을 분석하면, 그림 8과 같이 3년 폐업율 56.7%, 5년 폐업율 70.4%, 10년 폐업율 84.8%로 분석되었다. 즉 불과 3년 경과시점 생존율 43.3%, 5년 생존율 29.6%, 10년 생존율 15.2%에 불과한 것으로 분석되었다. 개인사업자 폐업율/생존율 분석결과는 국내 개인사업자의 사업안정성이 창업 초기 시점에 현저하게 낮고, 장기적으로 생존 가능성이 매우 낮은 불안정한 환경에 있음을 시사한다.

Fig. 8.

Survival Rate and Closing Rate by Elapsed Year (2002~2015)

각 창업연도별 개인사업자의 1년 폐업율은 표 2와 같이 2002년 창업가맹점이 32.6% 이며, 이후 2007년 21.6%까지 지속적으로 감소하였다. 이후 2010년 창업가맹점까지 소폭 증가하다가 다시 감소세로 반전하여, 2015년 창업가맹점의 1년 폐업율이 21.4%에 이른 것으로 분석되었다. 2002년은 분석대상기간(2002년~2015년) 중에서 창업가맹점이 가장 많은 해였으며, 3년 폐업율은 무려 64.5%로 가장 높았다. 2002년은 시장의 수요대비 개인사업자 창업이 과열되었고, 금융위기와 맞물린 시장의 충격이 폐업율 증가라는 결과로 나타난 것으로 분석된다. 2007년 창업한 개인사업자의 경우 표 2와 같이 3년/5년/7년 폐업율이 다른 해 보다 가장 낮은 것으로 분석되었다.

Closing Rate per Elapsed Year by Establishment Year

3) 개인사업자 유형별 폐업율 분석

2002년~2015년 개인사업자 창업가맹점의 2016년말 기준 시점에서 분석한 결과를 보면, 그림 9과 같이 성별 및 연령대별 차이를 확인할 수 있다.

Fig. 9.

Gender and Age Group Closing Rate by Elapsed Year

개인사업자의 성별 폐업율 분석결과를 보면 남성보다 여성이 상대적으로 높은 것으로 분석되었다. 1년 폐업율은 여성(24.2%)이 남성(23.4%)보다 0.8%P 높았으며, 3년 폐업율은 여성(58.5%)이 남성(54.4%)보다 4.1%P 높은 것으로 분석되었다.

연령대별 분석결과를 보면, 20대에 창업한 개인사업자가 타연령대 보다 폐업율이 높게 나타났으며, 1년 폐업율 31.7%, 3년 폐업율 69.1%에 이르는 것으로 분석되어 청년창업의 폐업 위험성이 매우 높은 것으로 확인되었다. 반면에 50대에 창업한 개인사업자의 경우 타연령대 보다 상대적으로 폐업율이 낮은 것으로 분석되어, 가장 성공 가능성이 높은 것으로 나타났다. 50대에 창업한 개인사업자의 1년 폐업율은 21.8%수준으로 20대보다 9.9%P 낮은 것으로 분석되었다.

업종 대분류별 폐업율을 분석하면, 그림 10와 같이 각 업종별 차이가 큰 것을 확인할 수 있다. 그림 1과 같이 창업가맹점수가 가장 많았던 요식/유흥 업종과 의류/잡화 업종의 폐업율이 가장 높은 것으로 분석되었다.

Fig. 10.

Major Classification Closing Rate by Elapsed Year

요식/유흥 업종과 의류/잡화 업종의 경우, 신규 창업자의 진입장벽이 상대적으로 낮고, 그에 따른 경쟁이 치열한 것이 폐업율이 높은 결과로 나타난 것으로 판단된다. 반면에 가정생활/서비스 업종, 의료 업종, 자동차 업종은 상대적으로 다른 업종보다 폐업율이 낮은 것으로 분석되었다. 의료 업종과 자동차 업종의 경우 전문성과 자격증이 요구되는 등 진입장벽이 상대적으로 높은 특성이 있으나, 일단 창업하면 생존율은 높은 것으로 해석된다.

2002년~2015년에 창업한 시도별 개인사업자의 폐업율을 분석하면, 그림 11과 같이 각 시도별 차이가 상대적으로 업종별 차이, 연령대별 차이보다 적은 것으로 분석되었다. 광주, 인천, 대전지역의 폐업율이 상대적으로 높았고, 세종, 강원지역의 폐업율이 타시도 대비 낮았다. 광주시의 1년 폐업율은 26.5%로 가장 높았고, 세종시 1년 폐업율은 20.3%로 가장 낮았다.

Fig. 11.

Region Closing Rate by Elapsed Year

4) 개인사업자 창업 후 1년 폐업율 분석

개인사업자 경과기간별 폐업율 분석 결과를 살편 보면, 창업 후 1년 폐업율이 가장 큰 영향을 미치는 것을 확인할 수 있었다.

창업연도별 1년 폐업율 Trend를 분석하면, 그림 12와 같이 연령대별로 확연한 차이를 확인할 수 있다. 2002년에 창업한 20대 개인사업자의 경우 1년 폐업율이 44.5%였으나, 해마다 지속적으로 폐업율이 감소하여, 2015년 창업자는 33.0%에 이르렀다. 20대 창업자가 상대적으로 1년 폐업율이 월등하게 높지만, 폐업율 감소폭은 상대적으로 가장 크다. 60대 창업자는 1년 폐업율이 2002년부터 감소하여 2007년에 최저인 18.8%에 불과하였으나, 이후 증가 추세로 반전하였다. 연령대별로 2015년에 창업한 개인사업자의 1년 폐업율을 비교하면, 20대가 가장 높고, 다음으로 60대, 50대 순으로 높게 나타났다.

Fig. 12.

Age Group 1 Year Closing Rate by Establishment Year

창업연도에 따른 업종 대분류별 1년 폐업율 Trend를 분석하면, 그림 13과 같이 확연한 차이를 확인할 수 있었다.

Fig. 13.

Major Classification 1 Year Closing Rate by Establishment Year

의류/잡화 업종, 요식/유흥 업종의 경우 1년 폐업율이 지속적인 감소추세이다. 반면에 주유 업종의 경우 2007년에 창업한 개인사업자 1년 폐업율이 17.8%였으나 2015년 창업자는 34.8%로 급격하게 증가하였다. 2002년에 창업한 개인사업자의 1년 폐업율은 의류/잡화(41.8%), 음/식료품(40.1%), 가전/가구(38.7%), 요식/유흥(35.1%) 업종 순으로 높게 나타났다. 2015년 창업자의 1년 폐업율은 주유(34.8%), 의류/잡화(25.6%) 업종순으로 높았다. 교육/학원 업종의 경우 상대적으로 타업종 대비 가장 낮은 수준의 1년 폐업율 Trend를 유지하는 것으로 분석되어, 경기변동과 시장상황의 변화에도 불구하고 지속적인 성장성과 안정성을 보였던 업종으로 분석된다.

5) 서울시 각 구별 요식/유흥 업종 창업 및 생존율 분석

2002년~20016년에 서울시에서 창업한 요식/유흥 업종의 개인사업자 창업가맹점 467,587개를 각 구별로 분석하면 표 3과 같이 강남구가 46,268개로 월등하게 많은 것으로 분석되었다. 다음으로 송파구, 영등포구, 마포구, 서초구 순으로 요식/유흥 업종의 개인사업자 창업가맹점수가 많은 것으로 분석되었다. 반면에 성동구, 도봉구, 용산구, 금천구 순으로 요식/유흥업종의 개인사업자 창업가맹점수가 적은 것으로 나타났다.

Food/Pleasure Sectors Survival Rate in Seoul District by Elapsed Year

2002년~2015년에 서울시에서 창업한 요식/유흥업종 개인사업자의 1년 생존율을 분석하면, 표 3과 같이 서울시 평균이 74.1%였으며, 3년 생존율은 36.7%, 5년 생존율은 22.1%, 10년 생존율은 8.8%에 불과한 것으로 분석되었다.

강남구는 서울시에서 가장 창업이 활발했지만, 1년 생존율은 71.2%, 3년 생존율은 31.9%, 5년 생존율은 17.9%, 10년 생존율은 6.6%에 불과하였다. 즉 서울시에서 타구대비 생존율은 가장 낮고, 폐업율은 가장 높은 것으로 분석되었다. 반면에 중구, 종로구, 용산구에서 창업한 요식/유흥 업종 개인사업자는 타구대비 상대적으로 생존율이 높은 것으로 분석되었다. 1년 생존율이 가장 높은 곳은 용산구, 성동구, 종로구 순으로 분석되었고, 1년 생존율이 가장 낮은 곳은 강남구, 강북구, 강서구 순으로 분석되었다. 10년 생존율이 가장 높은 곳은 중구, 종로구, 용산구 순으로 분석되었고, 10년 생존율이 가장 낮은 곳은 강남구, 강서구, 강북구 순으로 분석되었다.

지리정보 데이터를 GIS(Geographic Information System)분석을 수행할 경우 공간적인 특성과 인사이트 파악에 큰 도움이 될 수 있다[10]. 서울시 각 구별 요식/유흥업종 창업가맹점수의 GIS분석 결과를 보면, 서울시 북부지역과 중앙지역에서의 창업활동이 가장 저조하였으며, 강남지역에서의 창업활동이 상대적으로 높은 것을 파악할 수 있다. 1년 생존율의 경우 서울 중앙지역이 상대적으로 가장 높은 것으로 분석되었으며, 반면에 강남지역은 가장 낮았다. 서울시 각 구별 요식/유흥업종의 3년, 5년, 10년 생존율에 대한 GIS분석 결과도 1년 생존율과 비슷한 것으로 나타났다.


Ⅲ. 결 론

3-1 요약 및 시사점

본 연구는 A카드사의 2002~2016년에 창업한 개인사업자 가맹점 빅데이터, 549만개를 활용하였다. 설문조사에 의존한 선행연구와는 차별적으로 빅데이터를 활용하여 개인사업자 유형별 창업과 폐업에 대한 탐색적 분석 방법론으로 접근하여, 실증적인 연구결과를 도출하였다.

57개 소분류 업종 창업가맹점수는 한식(21.%), 기타요식(13.7%), 의복/의류(6.8%), 학원(4.7%), 미용실(3.2%) 등 상위 5개 업종에 49.6% 편중되었다. 진입장벽이 낮은 업종에 창업이 편중되어 경쟁이 심하고, 폐업율도 높은 것으로 분석된다.

창업연도별 창업가맹점수 Trend를 분석하면, 2004년이 저점이었는데, 카드사발 국내 금융위기 영향으로 해석된다. 연령대별 창업가맹점수 트렌드는 큰 차이가 있었는데, 베이비붐 세대의 은퇴로 60대 창업이 크게 증가하고 있다. 업종별 창업가맹점수 트렌드는 더욱 큰 차이를 확인할 수 있었다. 서점, 가구, 가전, 시계/귀금속, 약국, 주유소 업종의 경우 지속적으로 개인사업자 창업가맹점수가 감소하는 것으로 분석되었다. 반면에 스포츠시설, 실내골프/헬스, 취미/오락, 생활서비스, 편의점, 미용실 업종 등은 국민의 소비생활 변화에 따라 지속적으로 창업가맹점수가 증가하고 있는 것으로 분석되었다.

개인사업자의 창업 후 경과기간에 따른 폐업율(누적)을 분석하면, 1년 폐업율 23.9%, 3년 폐업율 56.7%, 5년 폐업율 70.4%, 10년 폐업율 84.8%인 것으로 분석되었다.

연령대별 분석결과를 보면, 20대에 창업한 개인사업자가 1년 폐업율 31.7%, 3년 폐업율 69.1%로 분석되어, 청년창업의 폐업 위험성이 매우 높은 것으로 확인되었다. 50대 1년 폐업율은 21.8%수준으로 20대보다 9.9%P 낮은 것으로 분석되었다. 업종별 폐업율은 큰 차이를 확인할 수 있었는데, 가장 창업가맹점수가 많았던 요식/유흥 업종과 의류/잡화 업종의 폐업율이 가장 높은 것으로 분석되었다. 반면에 가정생활/서비스 업종, 의료 업종, 자동차 업종은 상대적으로 다른 업종보다 폐업율이 낮은 것으로 분석되었다.

경과연도별 폐업율의 선행지표인 1년 폐업율 Trend를 분석하면, 연령대별로 확연한 차이를 확인할 수 있었는데, 20대는 1년 폐업율이 월등하게 높지만, 지속적 감소추세이다. 업종별로 1년 폐업율 Trend를 분석하면, 더욱 확연한 차이를 확인할 수 있었다. 의류/잡화 업종, 요식/유흥 업종의 경우 1년 폐업율이 지속적인 감소추세인 것으로 분석되었다. 교육/학원 업종의 경우 상대적으로 타업종 대비 가장 낮은 수준의 1년 폐업율 Trend를 유지하는 것으로 분석되어, 경기변동과 시장상황의 변화에도 불구하고 성장성과 안정성을 보인 업종으로 해석된다.

2002년~20016년에 서울시에서 창업한 요식/유흥 업종의 1년 생존율을 분석하면 74.1%였으며, 3년 생존율은 36.7%, 5년 생존율은 22.1%, 10년 생존율은 8.8%에 불과한 것으로 분석되었다. 강남구는 서울지역에서 생존율이 가장 낮았고, 반면에 중구, 종로구, 용산구는 상대적으로 높은 것으로 분석되었다.

종합적으로 성별, 지역별(광역시도별) 차이보다는 연령대별, 업종별로 창업가맹점수 및 폐업율 차이가 큰 것으로 분석되었다. 특히 창업연도와 경과연도에 따라 업종별 트렌드 차이가 큼을 확인할 수 있었다.

3-2 한계점 및 활용방안

본 연구는 A카드사의 개인사업자 가맹점 빅데이터를 활용한 연구로, 카드가맹점으로 등록하지 않은 개인사업자에 대한 분석제외의 한계점을 갖고 있다. 또한 창업과 폐업에 영향을 미칠 수 있는 매장규모, 매출규모, 재무정보, 배후상권정보, 경쟁환경 변화 등 다른 변수에 대하여는 연구가 이뤄지지 않았다. 본 연구에서는 탐색적 분석 관점의 방법론으로 접근하여, 구체적인 변수간의 알고리즘을 도출하지 못한 한계도 존재한다.

하지만, 설문조사 또는 통계자료에 의존했던 선행연구와는 차별적으로, 실질적인 국내 소비생활과 직접 관계된 개인사업자 전수조사 형태의 연구 결과물을 도출함으로써, 2002년부터 2016년까지의 중장기적 흐름을 확인할 수 있었다. 또한 가장 기본적인 성별/연령대별/업종별/지역별/창업연도별/경과연도별 창업과 폐업율을 분석하여 전체적인 특성을 확인하였고, 이는 향후 개인사업자 연구에 있어 기초자료로 활용 가능할 것이다. 본 연구로 밝혀진 개인사업자 창/폐업 특성은 향후 개인사업자를 대상으로 한 정부의 정책수립, 민간기업의 마케팅 방향에도 참고가 될 것이다.

향후 각 개인사업자의 실제 매출금액 변화, 입지 상권의 특성, 매장면적, 프랜차이즈 여부, 국가기초구역 단위 마이크로 GIS 분석 등 추가적인 심층연구가 이뤄질 경우 개인사업자 창업/폐업에 대한 의미 있는 알고리즘 도출도 가능할 것으로 기대된다. 선행연구 사례를 보면, 은행 고객에 대하여 인구통계정보만이 아니라, 고객의 다양한 금융행동 패턴에 관한 빅데이터를 융합하여, 고객 세분화 방법을 개발한 사례가 존재한다[11]. 본 연구도 더욱 다양한 빅데이터를 융합 연구할 경우 개인사업자를 대상으로 한 빅데이터/인공지능 기반의 로보어드바이저 서비스 등 획기적이고, 실질적인 도움을 구현하는데 초석이 될 수 있을 것으로 기대된다.

참고문헌

  • Statistics Korea, Economically Active Population Survey, 2018. [Internet]. Available: http://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1DA7028S&vw_cd=MT_ZTITLE&list_id=B17&seqNo=&lang_mode=ko&language=kor&obj_var_id=&itm_id=&conn_path=MT_ZTITLE
  • D. J. Shin, and B. K. Choi, “The Cause of the Increase of Small Self-employed in Korea – The Relationship Between Deindustrialization and Small Self-Employed -”, The Korean Journal of Industrial Economics and Business, 31, pp. 1831-1856, October 2018. [https://doi.org/10.22558/jieb.2018.10.31.5.1831]
  • Y. M. Nam, “Analysis on the Determinants of Exit Self-Employed Business in Korea”, Bank of Korea, Seoul, WP 2017-5, pp. 37, 2017. [Internet]. Available: https://dl.bok.or.kr/#/search/detail/940299#btn-biblio-more-close
  • Y. K. Moon, K. T. Jeon, H. J. Bae, and K. T. Kim, “Improvement and discovery of policy through utilization of Gender Big data”, Korean Women Development Institute, pp. 1-352, 2017.
  • S. H. Jang, “Big data use case of BC Card Big Data Center,” The Korean Journal of Institute of Control, Robotics and Systems, vol. 23, no. 1, pp. 24-29, March 2017.
  • J. Y. Park, and H. J. Kim, “An Analysis of Retail Channel Consumption : Focusing on the Reduced Consumption at Hypermarkets”, The Korean Journal of Digital Contents Society, 18, 7, pp. 1357-1366, November 2017.
  • Credit Finance Association, Credit Finance no. 50, Credit card statistic, September 2017. [Internet]. Available: https://www.crefia.or.kr/portal/data/publication/publication.xx?publishtype=3, .
  • S. H. Ahn, Z. K. Lee, and J. E. Lee, “ Establishment of quick model for private consumption symptom,” The Korean Journal of Bigdata, vol. 2, no. 1, pp. 59-69, February 2017.
  • M. H. Huh, “Exploratory data analysis using R”, Free Academy, Seoul, pp. 15-45, 2011.
  • K. S. Kim, J. K. Kim, W. S. Cho, and K. H. Yoo, “Visualization of Tourism Big Data Based on Location and Map Service”, The Korean Journal of The Korea Big Data Service Society, Vol.1 No.1, pp. 35-45, 2014.
  • M. S. Kim, and H. J. Kim, “A Customer Segmentation Scheme Base on Big Data in a Bank”, The Korean Journal of Digital Contents Society, 19, 7, pp. 85-91, January 2018.

저자소개

김준호(Jun-Ho Kim)

2000년 : 서울대학교 사회교육과 (학사)

2018년 : 고려대학교 정보보호대학원 빅데이터응용및보안학과 (석사)

2000년~현 재: 신한카드 빅데이터사업본부

※관심분야: 빅데이터, 상권분석, 마케팅전략, 소비자분석, 데이터경제, 데이터유통 등

김형중(Hyoung-Joong Kim)

1978년 : 서울대학교 전기공학과 (학사)

1986년 : 서울대학교 제어계측공학과 (공학석사)

1989년 : 서울대학교 제어계측공학과 (공학박사)

1989년~2006년: 강원대학교 교수

2006년~현 재: 고려대학교 정보보호대학원 교수

※관심분야: 암호화폐, 블록체인, 컴퓨터보안, 패턴인식, 가역정보은닉,머신러닝, 빅데이터분석 등

Fig. 1.

Fig. 1.
Ratio of Start-up Merchants by Major Classification

Fig. 2.

Fig. 2.
Number of Start-up Merchants by Small Classification Mosaic Plot

Fig. 3.

Fig. 3.
Ratio of Start-up Merchants by Gender and Age Group(2002~2016)

Fig. 4.

Fig. 4.
Age Group Percentage of Start-up Merchants by Major Classification(2012~2016)

Fig. 5.

Fig. 5.
Trend of Start-up Merchants by Establishment Year

Fig. 6.

Fig. 6.
Trends of Start-up Merchants by Gender and Age Group(2002~2016)

Fig. 7.

Fig. 7.
Trends of Start-up Merchants by Small Classification(2002~2016)

Fig. 8.

Fig. 8.
Survival Rate and Closing Rate by Elapsed Year (2002~2015)

Fig. 9.

Fig. 9.
Gender and Age Group Closing Rate by Elapsed Year

Fig. 10.

Fig. 10.
Major Classification Closing Rate by Elapsed Year

Fig. 11.

Fig. 11.
Region Closing Rate by Elapsed Year

Fig. 12.

Fig. 12.
Age Group 1 Year Closing Rate by Establishment Year

Fig. 13.

Fig. 13.
Major Classification 1 Year Closing Rate by Establishment Year

Table 1.

Individual Business Category Classification Table

NO Major Classification Middle Classification Small Classification
1 Home Appliances / Furniture Home Appliances / Furniture Furniture
2 Home Appliances
3 Other Appliances / Furniture
4 Home Life / Service Service Living Services
5 Laundry
6 Business Services
7 Interior Interior
8 Education / Academy Educational Supplies Educational Supplies
9 Early Childhood Education Early Childhood Education
10 Academy Reading Room
11 Academy
12 Beauty Beauty Services Beauty Services
13 Beauty Salon
14 Cosmetics Cosmetics
15 Sports / Culture / Leisure Sports / Culture / Leisure Bookstore
16 Sports Facilities
17 Indoor Golf / Fitness
18 Hobby / Entertainment
19 Sports / Culture / Leisure Goods Culture Goods
20 Sports / Leisure Goods
21 Flower Shop
22 Travel / Transportation Traffic Traffic
23 Lodgment Motel / Inn / Other Accommodation
24 Travel Travel Agency
25 Circulation Other Circulation Other Distribution
26 Convenience Store Convenience Store
27 Supermarket Household Goods
28 Special Shop
29 Supermarket
30 Food / Pleasure Other Meals Other Food
31 Adult Pleasure Other Adult Pleasure
32 Karaoke
33 Nightlife Pub
34 Japanese / Chinese / Western Food Western Food
35 Japanese Food
36 Chinese Food
37 Bakery / Coffee / Fast Food Bakery
38 Coffee Shop
39 Fast Food
40 Korean Food Korean Food
41 Food Products Food Products Other Food Products
42 Agricultural and Marine Products
43 Butcher Shop
44 Medical Treatment Other Medical Other Medical
45 Hospital General Hospital
46 Dental Hospital
47 Oriental Hospital
48 Pharmacy Pharmacy
49 Clothing / Goods Clothing Clothing
50 Fashion / Goods Watches / Precious Metals
51 Glasses
52 Fashion / Goods
53 Car Car Services / Supplies Car Service
54 Car Accessories
55 Car Car Sales
56 Oiling Oiling Gas Station
57 LPG

Table 2.

Closing Rate per Elapsed Year by Establishment Year

Division Closing Rate per Elapsed Year (unit: %)
1 year 2 years 3 years 4 years 5 years 6 years 7 years 8 years 9 years 10 years
Establishment
Year
2002 32.6 54.4 64.5 71.5 76.3 79.5 81.8 83.7 85.2 86.5
2003 29.7 49.5 61.4 68.9 73.9 77.2 79.9 82.1 83.9 85.4
2004 24.9 46.4 58.9 66.3 71.4 75.2 78.2 80.6 82.7 84.4
2005 24.2 44.6 56.5 63.8 69.3 73.5 76.7 79.4 81.6 83.5
2006 23.2 43.4 54.7 62.7 68.4 72.8 76.2 78.9 81.2 83.2
2007 21.6 40.2 52.1 60.0 66.4 70.9 74.4 77.2 79.8
2008 22.1 42.1 54.4 62.8 68.6 73.2 76.6 79.5
2009 22.5 42.0 54.4 63.0 68.4 72.7 76.3
2010 23.4 43.9 56.4 64.4 70.3 75.0
2011 22.5 43.0 55.7 63.8 70.0
2012 22.7 42.8 55.6 64.1
2013 21.9 42.5 55.8
2014 21.1 41.7
2015 21.4

Table 3.

Food/Pleasure Sectors Survival Rate in Seoul District by Elapsed Year

D2ivision Number of Start-up
Merchants
Survival Rate per Elapsed Year (unit: %)
1 year 3 years 5 years 10 years
  Rank   Rank   Rank   Rank   Rank
Seoul Total 467,587   74   37   22   9  
  Gangnam 46,268 1 71 24 32 25 18 25 7 25
Songpa 26,929 2 73 18 35 17 21 19 8 19
Yeongdeungpo 24,892 3 73 20 37 14 22 14 9 9
Mapo 24,870 4 77 4 39 7 22 12 9 16
Seocho 24,375 5 75 12 38 11 23 9 9 12
Gangseo 21,828 6 71 23 34 22 19 24 7 24
Gwanak 21,313 7 74 13 36 15 22 17 8 17
Gangdong 20,317 8 73 21 34 21 20 23 8 21
Jongno 18,422 9 78 3 43 2 27 3 12 2
Gwangjin 17,924 10 75 9 37 12 22 15 8 17
Dongdaemun 17,520 11 73 16 37 13 23 11 9 14
Jungnang 17,463 12 72 22 34 24 20 22 8 20
Guro 16,495 13 75 10 38 8 24 7 10 7
Eunpyeong 16,316 14 74 15 35 17 22 15 9 12
Gangbuk 16,000 15 71 24 34 22 20 21 7 23
Nowon 15,972 16 76 8 38 8 23 9 9 10
Yangcheon 15,789 17 73 17 34 20 20 20 8 22
Jung 15,701 18 77 5 43 1 28 1 12 1
Seongbuk 15,338 19 76 7 39 6 24 6 11 4
Seodaemun 14,380 20 75 10 38 10 23 8 9 14
Dongjag 12,864 21 77 5 41 5 25 5 11 4
Geumcheon 12,327 22 73 19 36 16 22 12 9 8
Yongsan 11,863 23 78 1 43 2 28 2 11 3
Dodong 11,524 24 74 13 35 19 21 18 9 10
Seongdong 10,897 25 78 2 42 4 26 4 11 4