Earticle

초록

영어

Site selection for corporate super-supermarket (SSM) stores in Korea is an infrequent, high-stakes strategic decision. Nevertheless, many operators still rely on the experience and intuition of individual managers, resulting in structural inefficiencies. This study presents a case of developing a predictive model incorporating prescriptive analytics as part of an effort to build a decision support system (DSS) for store site selection. Adopting Design Science Research (DSR) as its methodological approach, the study derives two design principles. These principles broaden the application scope of predictive-analytics- based DSS, in the context of store site selection, to the strategic decision-making layer and to portfolio-level prescriptive analytics. Specifically, by combining purchase data from retailers affiliated with a large business group and multidimensional spatial data, the study constructed integrated variables and evaluation indicators that would be difficult to derive for any single-format firm, and implemented an open-source analytics pipeline and interactive map visualization under resource constraints. Among five candidate models, the CatBoost-based sales prediction model was selected based on the lowest MAPE. On a test set of 62 stores, the model achieved predictive performance of 73.8% for company-operated stores and 53.6% for franchised stores, revealing a performance gap by operation type. It also reduced the time required for site search from two days under the manual process to about twenty minutes. This study contributes by applying the design principles of predictive-analytics-based DSS to organization- level, infrequent, high-stakes strategic decisions. In addition, by interpreting design choices made under resource constraints through the lens of digital bricolage, the study suggests that the boundary conditions of digital bricolage could lie not in organizational size itself, but in the scarcity of execution resources at the project level.

한국어

국내 기업형 슈퍼마켓(SSM)의 점포 입지 선정은 저빈도․고부담의 전략적 의사결정임에도, 여전히 담당자의 경험과 직관에 의존하는 구조적 비효율을 안고 있다. 본 연구는 점포 입지 선정을 지원하는 의사결정지원시스템(Decision Support System, DSS)의 구축을 목표로, 처방적 분석(Prescriptive Analytics)을 포함한 예측 모델(Predictive Model)을 개발한 사례를 제시한다. 이를 위해 설계과학연구(Design Science Research, DSR)를 방법론으로 채택하고, 두 가지 설계 원리를 도출하였다. 이 설계 원리는 점포 입지 선정 맥락에서 예측 분석 기반 DSS의 적용 범위를 전략적 의사결정의 층위와 포트폴리오 수준의 처방적 분석으로 확대한다. 구체적으로 대기업군 유통사의 구매정보와 다차원 공간정보를 결합하여 단일 업태 기업 데이터로는 산출하기 어려운 통합 변수와 지표를 확보하였으며, 자원 제약 아래에서 오픈소스 기반의 분석 파이프라인과 인터랙티브 지도 시각화를 통합 구현하였다. 5개 머신러닝 모델을 비교한 결과, 최소 MAPE를 보인 CatBoost를 매출 추정 모델로 선정하였다. 모델은 직영점 73.8%와 가맹점 53.6%의 예측력을 보여, 운영 형태에 따른 성능 차이가 확인되었다. 또한 상권 탐색 업무 시간은 기존 수기 방식의 2일에서 20여 분으로 단축되었다. 사례는 예측 분석 기반 DSS의 설계 원리를 조직 단위의 저빈도․고부담 전략적 의사결정에 적용하고, 자원 제약 환경에서의 설계 선택을 디지털 브리콜라주 관점에서 해석하였다는 점에서 이론적 의의를 갖는다. 나아가 디지털 브리콜라주의 경계조건이 조직 규모가 아니라 프로젝트 단위 자원의 한정성에 있을 수 있음을 시사한다.

목차

요약
Ⅰ. 서론
1.1 연구 배경
1.2 연구 문제
1.3 연구 범위
Ⅱ. 이론적 배경
2.1 예측 분석 기반 DSS
2.2 설계 과학 연구(DSR)
2.3 디지털 브리콜라주
Ⅲ. 연구 방법
3.1 단일 사례 연구와 DSR 프레임
3.2 연구 사례 개요
3.3 자료 수집 방법
3.4 DSR 평가 방법
Ⅳ. 인공물(Artifact) 설계 및 구현
4.1 관련성 사이클: 현장 요구사항
4.2 엄밀성 사이클: 지식 기반 설계
4.3 설계 사이클 (1): 데이터
4.4 설계 사이클 (2): 진단
4.5 설계 사이클 (3): 예측
4.6 설계 사이클 (4): 처방
Ⅴ. 평가 및 해석
5.1 FEDS 기반 평가 설계
5.2 평가 결과 및 해석
Ⅵ. 결론
6.1 이론적 기여
6.2 실무적 시사점
6.3 한계와 후속 연구
참고문헌
Abstract

키워드

저자

• 이대성 [ Dae-Sung Lee | 성균관대학교 경영학 박사(경영정보전공) ]
• 권순재 [ Soon-Jae Kwon | 대구대학교 경영학부 교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  경영정보학연구 [Information Systems Review]

• 간기

  계간

• pISSN

  2982-6551

• eISSN

  2982-6837

• 수록기간

  1999~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658