패션 소매유통점의 효율성 분석과 그 결정요인에 관한 연구 :A Study on the Efficiency Analysis of Fashion Retail Stores and their Determinants

이은정

추천

검색

자료유형: 학위논문

저자정보: 이은정 (부경대학교, 부경대학교 기술경영전문대학원)

지도교수: 홍재범

발행연도: 2022

저작권: 부경대학교 논문은 저작권에 의해 보호받습니다.

이용수21

이 논문의 연구 히스토리 (3)

2022

패션 소매유통점의 효율성 분석과 그 결정요인에 관한 연구

이은정 경영컨설팅협동과정 2022.01 학위논문

2021

유통점포의 효율성 분석 사례: A사 패션 소매유통점을 중심으로

이은정 , 홍재범 Journal of The Korean Data Analysis Society 2021.12 학술저널

유통점포의 효율성 결정요인에 관한 연구 : A사 패션 소매유통점을 중심으로

이은정 , 홍재범 대한경영학회지 2021.09 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 패션 소매유통점의 효율성을 분석하고, 효율성에 영향을 미치는 결정요인을 분석한 것이다. 분석은 패션업체 A사의 로드샵 대리점 104개의 2017년에서 2019년까지 3개년간의 자료를 대상으로 하였다. 효율성의 측정과 분석은 DEA 모형을 활용하였으며 투입변수로 직원 수, 임차료, 입점브랜드 수를, 산출변수로 매출액과 구매고객 수를 사용하였다.
효율성 분석결과, 104개의 매장 중에서 11개가 기술 효율성과 순수기술 효율성, 규모 효율성이 모두 효율적이다. 비효율적인 매장이 93개(89.4%)다. 비효율성의 원인이 순수기술 효율성에 있는 매장이 89개로, 비효율적 매장의 95.6%이다. 이를 규모수익형태와 함께 고려하면, 규모수익증가(IRS) 형태이면서 비효율성 원인이 순수기술 효율성에 있는 매장이 가장 많다. 이러한 경우 규모의 경제가 존재하므로 투입물을 증가시키면서, 동시에 운영방법의 개선 등으로 효율성을 높여야 한다. 실질적인 효율성 개선방안을 제시하기 위해 Tier 분석을 실시하였다. Tier 분석은 기본 DEA 모형을 통해 벤치마킹을 할 경우 나타나는 한계점을 보안한 것으로, DEA 모형을 계층화하는 분석방법이다. Tier 분석결과, 가장 비효율적인 것으로 분석된 DMU 10개에 대하여 벤치마킹 경로를 8단계로 도출하였으며, 각 단계별로 효율성 개선을 위한 개선목표를 제시하였다.
효율성 결정요인은 토빗(tobit) 회귀모형을 적용하여 분석하였다. 종속변수는 DEA 모형으로 측정된 기술 효율성, 순수기술 효율성, 규모 효율성이며, 독립변수는 소매유통점의 특성을 반영하여 입지특성, 점포특성, 점주특성으로 구분하였다. 입지특성에는 인구밀도, 타겟연령 유동인구 비율, 경쟁브랜드 수로 설정하였고, 점포특성은 면적, 전면길이, 점주특성은점주의 운영 기간과, 점주 역량으로 설정하였다.
효율성 결정요인의 분석결과, 입지특성에서 타겟연령 유동인구 비율, 경쟁브랜드 수가 점포특성에서는 면적과 전면길이가 점주특성에서는 점주 역량이 효율성 결정요인으로 분석되었다. 경쟁브랜드 수가 작을수록, 점주 역량이 높을수록 기술 효율성이 높아진다. 타겟연령 유동인구 비율이 높고 경쟁이 심하지 않은 상권에 입지할수록, 면적이 좁고 전면길이가 길수록, 점주의 역량이 높을수록 순수기술 효율성이 높아진다. 면적이 넓을수록, 점주의 역량이 높을수록 규모 효율성이 높아진다. 특히 점주의 역량은 기술 효율성, 순수기술 효율성, 규모 효율성을 모두 높이는 중요한 결정요인으로 분석되었다.
본 연구에서는 선행연구에서 다루지 않았던 전문소매점인 패션 소매유통점의 효율성을 분석하고, 효율성에 영향을 미치는 결정요인을 분석하였다. 이는 소매유통점의 효율성 분석 연구의 범위를 확장하고, 효율성 분석에만 국한되었던 연구의 영역을 결정요인 분석으로 확대한 점에서 학문적 의미가 있다. 분석결과를 바탕으로 개별 소매유통점의 효율성 제고와 기업의 경쟁력 강화에 유용한 시사점을 제공하였다.

This study analyzes the efficiency of fashion retail stores and the analyzes the determinants that affect the efficiency. The analysis was done with data for 3 years from 2017 to 2019 of 104 road shop agencies of fashion company A. Efficiency was measured and analyzed using the DEA model. The input variables are the number of employees, rental fee, and the number of brand, and the output variables are sales and the number of customers.
As a result of the efficiency analysis, 11 out of 104 stores are efficient in both technical efficiency, pure technical efficiency, and scale efficiency. Most of the stores were analyzed as inefficient with 93 (89.4%) inefficient stores. The cause of inefficiency is pure technical efficiency, with 89 stores, which account for 95.6% of inefficient stores. Considering this together with the scale return form, most stores are in the form of increasing return on scale (IRS) and the cause of inefficiency is pure technical efficiency. In this case, since economies of scale exist, it is necessary to increase the input while increasing the efficiency by improving the operation method at the same time. In this study, a Tier analysis was performed to suggest a more practical efficiency improvement plan. This is to secure the limitations that appear when benchmarking through the basic DEA model. Tier analysis is an analysis method that stratifies data envelope analysis models. As a result of the Tier analysis, 8-step benchmarking routes for the 10 most inefficient DMUs were derived, and benchmarking routes and improvement goals were presented for step-by-step efficiency improvement of inefficient stores.
The determinants of the measured efficiency were analyzed using a Tobit regression model. Technical efficiency, pure technical efficiency, and scale efficiency measured by the DEA model were used as dependent variables, and independent variables were classified into location characteristics, store characteristics, and store owner characteristics by reflecting the characteristics of retail outlets. The location characteristics is population density, target age, floating population ratio, and number of competing brands. The store characteristics is a area, front length, and store owner characteristics is the owner''s operating period and owner''s competency.
As a result of the analysis of the efficiency determinants, the ratio of the target age floating population in the location characteristics, the number of competing brands, the area and front length in the store characteristics, and the owner''s competency in the store owner characteristics were analyzed as the efficiency determinants. The smaller the number of competing brands and the higher the store owner''s competency, the higher the technical efficiency. The higher the target-age floating population ratio and the less competitive it is in the commercial district, the narrower the area and the longer the front length, and the higher the capability of the store owner, the higher the pure technical efficiency. The larger the area, the higher the capacity of the owner, the higher the scale efficiency. In particular, the competency of the store owner was analyzed as an important determinant of all of the technical efficiency, pure technology efficiency, and scale efficiency.
In this study, the efficiency of fashion retail stores, which are specialized retail stores that were not covered in previous studies, were analyzed, and the determinants affecting the efficiency were analyzed. This has academic significance in that it expands the scope of retail efficiency research and expands the scope of research that was limited only to efficiency analysis to determinant analysis. In addition, based on the analysis results, useful implications were provided for enhancing the efficiency of individual retail stores and strengthening the competitiveness of companies.

제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 방법 및 구성 4
제2장 효율성 분석에 관한 연구 5
제1절 연구개요 5
1. 연구배경 5
2. 선행연구 6
제2절 분석방법 10
1. DEA 모형 10
2. 연구표본 14
3. 변수설정 15
제3절 분석결과 18
1. 기술통계량 18
2. 효율성 분석 20
제4절 효율성 분석 결론 49
제3장 효율성 결정요인에 관한 연구 52
제1절 연구개요 52
1. 연구배경 52
2. 선행연구 52
제2절 분석방법 56
1. 토빗(tobit) 모형 56
2. 연구모형 57
3. 변수설정 58
제3절 분석결과 62
1. 기술통계량 62
2. 결정요인 분석 63
제4절 효율성 결정요인 결론 70
제4장 결론 72
제1절 연구의 요약 및 시사점 72
제2절 연구의 한계점 및 향후 연구 방향 75
참고문헌 77

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)