Earticle

초록

영어

Many social enterprises have recently been established, and they need to be supported by the government. Governments should anticipate and support social enterprises that effectively achieve social and economic objectives in order to effectively use limited resources. This study used data envelopment analysis (DEA) to identify effective social enterprises and data mining techniques to find patterns of effective social enterprises. As a result of the analysis, about 19% of social enterprises were analyzed as efficient social enterprises. Data mining was conducted by configuring the analyzed social enterprise as a dependent variable. Sensitivity, specificity, accuracy, G-mean, and AUC were analyzed to derive excellent data mining techniques. As a result of the analysis, the decision tree was the best data mining technique for predicting efficient social enterprises in specificity, accuracy, G-mean and AUC excluding sensitivity. Through this study, policy decision makers can predict efficient social enterprises and provide effective support to enterprises that operate efficiently. In addition, it will be possible to support easier decision making through visualization, which is the advantage of decision trees. In the future, support can be extended to not only social enterprises but also other areas to help support decisionmaking.

한국어

사회적 기업은 영리적 이익뿐만 아니라 현대의 영리 기업이 추구 할 수 없는 비영리적 가치를 실현하고자 설립된다. 사회적 기업은 사회적 목 적 실현과정에서 많은 생산손실 및 수입손실이 발생한다. 따라서 정부의 지원은 반드시 필요하나, 정부의 지원은 제한이 있다. 즉, 사회적 기업은 사회적 서비스 제공뿐만 아니라 경제적 능력까지 갖춰야한다. 정부에서는 사회적 목적과 경제적 목적을 효율적으로 달성하는 기업을 예측해서 지원하면 제한된 자원을 효과적으로 사용 가능할 것이다. 본 연구는 효율적인 사회적 기업을 판별하기 위해 자료포락분석(DEA)을 이용하였으 며, 효율적인 사회적 기업이 가지는 패턴을 찾기 위해 데이터마이닝 기법을 사용하였다. 분석결과, 약 19%의 사회적 기업이 효율적으로 분석되 었다. 분석된 사회적 기업을 종속변수로 구성하여 데이터 마이닝을 실시하였다. 우수한 데이터 마이닝 기법을 도출하기 위해 민감도, 특이도, 정 확도, G-mean, AUC를 분석하였다. 분석결과, 민감도를 제외한 특이도, 정확도, G-mean 그리고 AUC에서 효율적인 사회적 기업을 예측하는 가 장 우수한 데이터 마이닝 기법은 의사결정나무로 나타났다. 본 연구를 통해 정책 의사결정자는 효율적 사회적 기업을 예측할 수 있으며 효율적 인 운영을 하는 기업에 대해 효과적인 지원을 할 수 있을 것이다. 또한 의사결정나무의 장점인 시각화를 통해 더 쉬운 의사결정을 지원할 수 있을 것이다. 지원에 대한 차후 사회적 기업뿐만 아니라 기타 영역으로 까지 확장하여 의사결정지원에 도움을 줄 수 있을 것이다.

목차

요약
I. 서론
II. 기존 연구
1. 자료포락분석과 데이터마이닝 결합 연구
2. 사회적 기업에 대한 선행 연구
III. 연구 방법론 연구 모형
1. 전처리 단계(Pre-Process)
2. 자료포락분석 단계(DEA Process)
3. 데이터마이닝 단계(Data Mining Process)
4. 모델 비교 단계
IV. 연구결과
1. 전처리 단계(Pre-Process)
2. 자료포락분석 단계(DEA Process)
3. 데이터마이닝 단계(Data Mining Process)
V. 결론
참고문헌
Abstract

키워드

저자

• 박경보 [ Park, Kyungbo | 성균관대학교 경영대학 석박통합과정 ] 제1저자
• 김한민 [ Kim, Han-Min | 성균관대학교 경영대학 박사과정 ] 공동저자
• 홍종의 [ Hong, Jong-Yi | 안동대학교 경영회계학부 교수 ] 공동저자, 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  경영컨설팅연구 [Korean Management Consulting Review]

• 간기

  격월간

• pISSN

  1598-172X

• eISSN

  3059-0469

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658