Title: Revealing Sub-Optimality Conditions of Strategic Decisions
ArXiv ID: 1107.0202
발행일: 2011-07-04
저자: H. Kemal Ilter
📝 초록 (Abstract)
최근 몇 년 동안 정보 시스템, 기술 시스템 및 혁신에 대한 적합성과 적합도 측정이 중요성을 얻고 있다. 본 연구는 전략적 의사결정 과정에서 의사결정자가 최대치를 도달하기 전에 연구를 중단하게 만드는 적합도 풍경의 동역학을 밝혀내는데 초점을 맞추고 있다. 이러한 동역학은 관리 의사결정 모델을 통해 구체화되고 시뮬레이션 결과로 뒷받침된다. 본 논문에서는 "적합 가치"와 "최적성 확률"이라는 두 개념을 사용하여 시뮬레이션 결과를 분석하고, 이들 간의 상관관계는 전통적인 의사결정 접근 방식의 하위 최적 결과에 주목할 만하다.
💡 논문 핵심 해설 (Deep Analysis)
본 논문은 전략적 의사결정 과정에서 발생하는 하위 최적성 조건을 탐색하고 분석한다. 이 연구는 적합도 풍경 이론을 기반으로, 의사결정자가 왜 지역 최적값에 도달하지 못한 채 탐색을 중단하는지에 대한 이해를 높이기 위한 시뮬레이션 분석을 수행한다.
1. 적합도 풍경 이론의 배경
적합도 풍경 이론은 진화 생물학에서 유전자 공간의 탐색 과정을 설명하는 개념으로 사용되어 왔다 (Wright, 1932; Gillespie, 1984). 이 이론은 조직 변화, 사회 구조의 진화, 혁신 네트워크 등 다양한 분야에서 활용되고 있다. 특히, NK 풍경 모델을 통해 복잡한 적합도 풍경을 단순화하고, 이를 통해 전 세계 최적치와 지역 최적치를 찾는 것이 가능하다.
2. 연구 방법
본 논문은 정보 시스템, 기술 및 혁신에 대한 의사결정 과정에서 발생하는 하위 최적성 조건을 분석하기 위해 다양한 시나리오를 설정하고, 이를 NK 피트니스 풍경 이론을 사용하여 분석한다. 각 시나리오는 하나의 결정권자와 여러 명의 하급 직원, 그리고 여러 개의 결정 수로 구성된다.
3. 결과 및 해석
시뮬레이션 결과는 각 시나리오에서 전역 최적점을 찾기 위한 풍경을 생성하고, 이를 통해 “최적성 확률"과 “피트니스 비율"이라는 두 가지 지표를 도출한다. 이들 지표는 결정의 성공 여부와 피트니스 값 사이의 관계를 분석하는 데 사용된다.
최적성 확률: 최종 결정 후 전역 최적점에 도달할 확률을 나타낸다.
피트니스 비율: 결정권자의 최종 결정 피트니스 값과 전역 최적값 사이의 관계를 나타내며, 이는 결정 성공 요인으로 인식된다.
결과적으로, 적극적인 결정권자(경량 색상 코드 시나리오)의 결정이 수동적인 결정권자(암색 코드 시나리오)보다 피트니스 값 측면에서 더 효율적임을 보여준다. 그러나 모든 결정에 최적값이 존재하지 않으며, 이러한 결정은 하위 최적이 아닌 최적성이 아님을 확인하였다.
4. 결론 및 의의
본 연구는 전략적 의사결정 과정에서 발생하는 하위 최적성 조건을 분석함으로써, 조직과 기술 관리의 혁신 및 역동성을 이해하는데 중요한 통찰력을 제공한다. 특히, 적합도 풍경 이론을 활용한 시뮬레이션 분석은 의사결정 과정에서 발생하는 하위 최적성 조건을 식별하고 분석하는 데 효과적인 방법임을 입증하였다.
본 논문의 결과는 다음과 같은 몇 가지 중요한 의미를 갖는다:
하위 최적성 조건의 이해: 의사결정자가 왜 지역 최적값에 도달하지 못한 채 탐색을 중단하는지에 대한 이해를 높인다.
최적성 확률과 피트니스 비율의 활용: 이 두 지표는 의사결정 과정에서 성공 여부와 피트니스 값 사이의 관계를 분석하는 데 중요한 도구로 사용될 수 있다.
적극적인 결정권자의 중요성: 적극적인 결정권자가 수동적인 결정권자보다 더 효율적으로 최적값을 추구할 수 있다는 것을 보여준다.
이러한 결과는 조직과 기술 관리의 혁신 및 역동성을 이해하는데 중요한 통찰력을 제공하며, 의사결정 과정에서 발생하는 하위 최적성 조건을 분석하고 개선하기 위한 실질적인 방법론을 제시한다.
📄 논문 본문 발췌 (Excerpt)
## 전략적 결정의 하위 최적성 조건에 대한 연구
H. 케말 일터
안카라 터키 바스켄트 대학교 경영학과 (Eskisehir Yolu 20.km, 06530)
초안 버전: 2011년 6월 30일
요약
최근 몇 년간 정보 시스템, 기술 시스템 및 혁신에 대한 적합성과 적합도 측정이 개념적으로 중요성을 얻고 있습니다. 본 논문은 전략적 결정 과정에서 의사결정자들이 전 세계 최대치에 도달하기 전에 연구를 중단하게 만드는 적합도 풍경(fitness landscape)의 동역학을 밝혀냅니다. 이러한 동역학은 관리 의사결정 모델에 따라 구체화되고 시뮬레이션 결과로 뒷받침됩니다. 본 논문은 “적합 가치"와 “최적성 확률"을 통해 시뮬레이션 결과를 결정합니다. 이 두 개념 간의 상관관계는 혁신 및 연구 기반 의사결정 접근 방식을 통해 최적값을 드러내는 것과 함께 전통적인 의사결정 접근 방식의 하위 최적 결과에 주목할 만하게 나타날 수 있습니다.
키워드: 전략적 의사결정, 적합도 풍경 이론, 하위 최적성, 최적성, NK 풍경, 시뮬레이션
1. 서론
적합도 풍경 이론은 진화 생물학 분야에서 종이 잠재 유전자 공간의 가장 높은 봉우리에 도달하기 위해 탐색하는 개발 과정에 대한 답을 찾는 데 사용되어 왔습니다 (Wright, 1932; Gillespie, 1984). 비용 풍경은 컴퓨터 공학 및 운영 연구 분야에서 조합 최적화 문제 해결에 대한 접근법으로 개발 공간의 관련 해를 모델링하기 위해 사용됩니다 (Holland, 1975; Kirkpatrick et al., 1983; Palmer, 1988).
최근 사회과학 분야에서 다양한 분야에서 이 이론이 활용되고 있습니다. 조직 변화 (Beinhocker, 1999; McKelvey, 1999; Reuf, 1997), 사회적 구조의 진화 (Levinthal, 1996), 혁신 네트워크 (Frenken, 2000, 2006), 적절한 기술 선택 (McCarthy 및 Tan, 2000; McCarthy, 2003), 경제 구조 (Kauffman, 1993) 그리고 정치 시스템 (Kollman et al., 1992) 등이 포함됩니다.
NK 모델을 통해 적합도 풍경 이론을 단순화하여 전 세계 최적치를 찾는 것을 가능하게 하는 접근 방식을 다양한 분야에 도입하는 것이 가능합니다. 이 모델은 확률적으로 제어 가능한 적합도 풍경을 구성하는 가능한 적합값으로 이루어져 있습니다.
전 세계 최적점뿐만 아니라 지역 최적점도 적합도 풍경에서 중요한 요소입니다 (자세한 내용은 Ilter, 2007; Ilter, 2008 참조). 지역 최적점은 변경 가능한 선택 대안에도 불구하고 변경할 수 없는 가능한 적합값을 나타내는 봉우리입니다. 결국 기업은 지역 또는 전 세계 최적값을 찾는 탐색을 중단하고 하위 최적값을 최고의 값으로 받아들일 수 있습니다. “기업이 일반적으로 왜 지역 최적값을 찾기 전에 적합도 풍경에서 탐색을 중단하는가?“는 사회과학에서 아직 답변되지 않은 질문입니다.
2. 방법
본 연구에서는 정보 시스템, 기술 및 혁신에 대한 의사결정에 영향을 미치는 다양한 요인이 기업의 기술 구조 선택과 의사결정자의 행동에 중요한 역할을 한다는 점을 강조합니다. 이러한 행동은 기업의 최종 결정의 최적성 및 의사결정자의 내재적 적합도에 큰 영향을 미칠 수 있습니다. 조직 속성과 계층적 조직 요소는 정보 시스템, 기술 및 혁신 관리에 영향을 미칠 수 있으며, 이는 복잡 시스템의 일부로 결론지을 수 있습니다.
최적의 결정 이외의 결정(하위 최적 결정)은 조직의 의사결정 메커니즘 설계가 최적의 결정을 추구하는 특정 조건 하에서 인식되지 않습니다.
