ICT 생태계에서 산업 내 산업 간 혁신 전이 콘텐츠 산업을 중심으로

본 연구는 콘텐츠 산업에서 혁신의 발생과 전이를 분석하기 위한 기초 연구이다. SFA(Stochastic Frontier Analysis), DEA(Data Envelopment Analysis) 등의 방법론을 이용해 효율성을 분석한 기존 연구의 결과들을 살펴보면 두 가지 한계점을 발견할 수 있다. 첫째는 효율성 분석 방법론으로 두 개 이상 그룹의 효율성을 분석하였을 경우, 두 그룹이 서로 다른 생산함수(Production Function)를 사용하고 있기 때문에 두 그룹의 효율성 결과 값을 비교할 수 없다는 점이다. 둘째는 동일 시장 내에서 동일 생산함수를 사용하는 그룹의 효율성 분석의 결과 값이 시간에 따라 크게 변동한다는 것이다. 서로 다른 생산함수하에 있는 두 그룹의 효율성을 비교할 수 없다는 효율성 분석 방법론들의 한계점은 메타프론티어 방법론(Meta-Fontier Analysis)이 등장하면서 TGR(Technology Gap Ratio) 값을 서로 비교함으로써 해결할 수 있는 길이 생긴 반면, 동일 생산함수 안에서의 효율성 분석 결과 값이 시간에 따라 크게 변동하는 부분에 대해서는 아직까지 별다른 연구가 진행되지 못하였다. 본 연구에서는 한국의 콘텐츠 산업 내에서 세부 분류 간 혁신의 전이에 대해 보기 위해 NICE 신용평가에서 제공하는 한국의 경영 지표 데이터베이스인 KIS-VALUE에서 1차 데이터를 추출하였다. 분류 기준은 한국 표준산업분류인 KSIC-9에서 디지털 콘텐츠 산업이 걸쳐 있는 모든 영역이다. 먼저 표준산업분류와 콘텐츠 산업 특수 분류 1차 개정 분류 항목표를 토대로 포괄적인 콘텐츠 산업과 관련된 기업에 대한 정보를 얻고, 다음으로 연구의 목적에 맞게 수작업으로 다시 분류하였다. 순수 콘텐츠 제작 및 배급 업체를 제외한 1,181개의 기업을 연구 목적에 맞게 전자책, 이러닝, 플랫폼, 온라인 음악, 온라인 게임, 동영상의 6개 산업으로 구분하였다. KIS-VALUE를 통해 매출액, 자본금, 매출원가, 종업원 수 데이터를 사용하였으며, DEA를 통해 2000년부터 2013년까지 각 산업의 효율성을 추정하였다. 또한 메타프론티어 분석 방법론을 통해 각 산업의 생산함수와 메타프론티어의 거리인 TGR 값을 계산하여 효율성 값이 증가 또는 감소하면서 메타프론티어와의 거리에는 어떠한 변화가 있는지 분석하였다. 6개 콘텐츠 산업의 TE, TE*, TGR 결과는 다음의 그림과 같다. 본 연구에서는 한국의 콘텐츠 산업 내에서 세부 분류 간 혁신의 전이에 대해 보기 위해 NICE 신용평가에서 제공하는 한국의 경영 지표 데이터베이스인 KIS-VALUE에서 1차 데이터를 추출하였다. 분류 기준은 한국 표준산업분류인 KSIC-9에서 디지털 콘텐츠 산업이 걸쳐 있는 모든 영역으로, 다음과 같이 1,416개의 기업을 대상으로 했다. 표준산업분류는 경제 생산활동 전반을 포괄적으로 분류한 것이기 때문에 정보재라는 눈에 보이지 않는 재화를 생산하는 콘텐츠 산업의 경우, 코드로 모든 종류의 기업 분류를 식별하는 데에 한계가 존재한다. 따라서 본 연구에서는 먼저 표준산업분류와 콘텐츠 산업 특수분류 1차 개정 분류 항목표를 토대로 포괄적인 콘텐츠 산업과 관련된 기업에 대한 정보를 얻고, 다음으로 연구의 목적에 맞게 수작업으로 다시 분류하였다. 먼저, 대상 기업의 투입물과 생산 가치에 대한 데이터를 디지털 콘텐츠 산업이 부상한 2000년부터 현재 공시가 완료된 2013년까지 분량을 확보하였다. 하지만 상세 데이터를 확인해보니 콘텐츠 생산의 최상위 영역에 있는 콘텐츠 제작 및 배급 업체와 관련된 기업들은 디지털 콘텐츠를 위주로 온라인에서 사업을 운영하는 기업들과는 규모와 성격 면에서 많은 차이가 있음을 발견할 수 있었다. 기업의 성공뿐만 아니라 산업의 발전을 위해서도 혁신이 가지는 중요함은 매우 크다. 본 연구에서는 한국 표준산업분류인 KSIC-9에서 디지털 콘텐츠 산업에 속한 산업을 분류하고, 이를 연구의 목적에 맞추어 전자책, 이러닝, 플랫폼, 온라인 음악, 온라인 게임, 동영상의 여섯 개 세부 산업으로 분류하였다. KIS-VALUE를 통해 매출액, 자본금, 매출원가, 종업원 수 데이터를 사용하였으며, DEA를 통해 2000년부터 2013년까지 각 산업의 효율성을 추정하였다. 또한 메타프론티어 분석 방법론을 통해 각 산업의 생산함수와 메타프론티어의 거리인 TGR값을 계산하여 효율성 값이 증가 또는 감소하면서 메타프론티어와의 거리에는 어떠한 변화가 있는지 분석하였다. 흥미로운 점은 모든 콘텐츠 산업에서 TE 값의 변화와 TGR 값의 변화는 반대의 방향을 보였다는 점이다. 즉, TE 값이 하락할 때 TGR 값은 오히려 상승하였으며, 이는 제2장 2절에서 설명하였듯이 일부 기업이 생산함수를 상향 이동시킴에 따라 다른 기업들의 생산함수 대비 상대적인 효율성 값이 떨어졌기 때문이라고 설명할 수 있다. 흥미로운 점은 모든 콘텐츠 산업에서 TE(Technical Efficiency) 값의 변화와 TGR 값의 변화는 반대의 방향을 보였다는 점이다. 즉, TE 값이 하락할 때 TGR 값은 오히려 상승하였으며, 이는 일부 기업이 생산함수를 상향 이동시킴에 따라 다른 기업들의 생산함수 대비 상대적인 효율성 값이 떨어졌기 때문이라고 설명할 수 있다. 그러나 효율성 값의 변화 양상과 TGR 값의 변화는 산업에 따라 서로 다른 양상을 보였다. 먼저 효율성 값의 시간에 따른 변화를 분석한 결과 온라인 게임 산업의 효율성 값이 가장 크게 변화, 즉 상승과 하락을 반복하고 있는 것을 확인할 수 있었으며 전자책 산업, 이러닝 산업 및 온라인 음악 산업에서는 효율성 값의 변화가 상대적으로 크지 않다는 것을 볼 수 있었다. 온라인 게임 산업은 다른 산업들에 비해 TE 값의 상승과 하락이 지속적으로 반복되었으며, TE 값이 변화할 때 TGR 값은 다른 산업들과 마찬가지로 반대 방향로 이동하였으나 다른 산업들과 다른 점은 TGR 값이 상승과 하락을 반복하면서도 전체적으로 상승하는 추세가 지속되었다는 점이다. 효율성 평균값(TE)은 산업 내부의 효율 지표로서 이것이 높아지고 있다는 것은 해당 그룹 산업 내부의 기업들이 다 같이 효율적으로 진화하고 있다는 것을 의미한다. 따라서 이 지표의 부침이 심하다는 것은 해당 그룹 내에서 혁신과 모방이 활발히 일어난다는 것이지만, 이 지표가 정체되어 있다는 것은 해당 그룹 내에서 기업들이 거의 비슷한 생산 함수를 가지고 비슷한 효율성을 이루고 있다는 것이다. 그룹별 TE의 변화를 살펴보면, 가장 부침이 심한 그룹은 게임, 비디오, 음악 산업이었다. 게임, 비디오, 음악 산업은 용량이 크고 기기의 화질, 화소, 음질 등의 영향을 많이 받기 때문에 모바일 네트워크와 스마트 기기의 발달과 맞물려 혁신을 거듭했음을 알 수 있다. 그에 비해 전자책의 경우는 그러한 기술적 측면보다는 소비자가 기존의 종이 매체로 된 책에서 전자책으로 넘어 오는 혁신 저항이 성장의 가장 큰 걸림돌이었기 때문에, 시간이 지나면서 서서히 TE가 높아지고 있음을 볼 수 있다. 게임 산업은 다른 콘텐츠 산업 그룹과는 달리 지표의 변화 굴곡이 많았다. 이는 짧은 기간(13년)이지만 그 안에서 기존 미디어에서 스마트 미디어 시대가 도래하고 정착하다가 최근 더 다양한 게임들과 플랫폼, 기기들의 진화와 사용자들 역시 다양한 미디어 레퍼토리를 형성하는 트랜스 미디어 시대가 도래함에 따라 콘텐츠 중 가장 수요가 큰 게임 산업에서 혁신을 거듭해왔기 때문이다. 먼저 TE의 변화를 살펴보면, 2003, 2007, 2010년에 급격한 하락이 있었다. 이에 따라 TGR 역시 2003, 2007, 2010년에 급격한 상승이 동반되었다. TE*는 완만하게 상승 곡선을 타고 있는데, 이는 게임 산업 그룹 내부에서는 평균 효율성의 오르내림이 있지만, 전체 콘텐츠 산업에서 보면 게임 그룹의 효율성은 지속적으로 오르고 있었음을 알 수 있다. 즉, 게임 그룹 내 기업들은 지속적으로 선도 기업의 혁신 후 추종 기업들의 모방이 선순환하면서 성장해왔다고 볼 수 있다.