KR20070082946A - 건설공사용 수익성 예측방법 - Google Patents

건설공사용 수익성 예측방법 Download PDF

Info

Publication number
KR20070082946A
KR20070082946A KR1020060016028A KR20060016028A KR20070082946A KR 20070082946 A KR20070082946 A KR 20070082946A KR 1020060016028 A KR1020060016028 A KR 1020060016028A KR 20060016028 A KR20060016028 A KR 20060016028A KR 20070082946 A KR20070082946 A KR 20070082946A
Authority
KR
South Korea
Prior art keywords
factor
data
construction
profitability
factors
Prior art date
Application number
KR1020060016028A
Other languages
English (en)
Other versions
KR100811307B1 (ko
Inventor
한승헌
김두연
염상민
김한힘
강연웅
김진홍
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020060016028A priority Critical patent/KR100811307B1/ko
Publication of KR20070082946A publication Critical patent/KR20070082946A/ko
Application granted granted Critical
Publication of KR100811307B1 publication Critical patent/KR100811307B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 건설공사의 수익성을 예측하기 위한 방법에 관한 것으로서, 건설공사의 수익성 예측에 영향을 미치는 복수의 영향인자 데이터를 표시하는 영향인자 데이터 표시단계와; 상기 각각의 영향인자 데이터에 대한 수준을 평가하도록 하고, 그 평가된 영향인자별 수준 데이터를 입력받는 영향인자별 수준 데이터 입력단계와; 상기 복수의 영향인자별 수준 데이터를 요인분석에 의해 분석하여, 요인점수 데이터를 산정하는 요인분석단계와; 다중회귀분석에 의해 상기 각 요인점수 데이터에 해당하는 회귀계수를 산출하는 다중회귀분석단계와; 상기 요인점수 데이터와 상기 회귀계수를 적용하여 건설공사의 수익성에 관한 평가 데이터를 산정하는 수익성 평가 데이터 산정단계와; 상기 수익성 평가 데이터에 의해 평가보고서를 작성하는 수익성 평가보고서 작성단계를; 포함하는 건설공사용 수익성 예측방법을 제시함으로써, 해외건설공사의 수익성을 보다 효과적으로 예측할 수 있도록 한다.
건설공사, 수익성, 예측

Description

건설공사용 수익성 예측방법{PREDICTION METHOD FOR EARNING RATE IN CONSTRUCTION}
도 1 내지 도 18은 본 발명에 의한 건설공사용 수익성 예측방법을 설명하기 위한 도면으로서,
도 1은 본 발명의 목적을 도시한 모식도.
도 2는 수익성 예측방법의 흐름도.
도 3은 수익성 예측방법의 개발절차의 흐름도.
도 4는 수익성 예측방법의 도출과정의 모식도.
도 5는 요인분석의 개념도.
도 6은 요인분석의 흐름도.
도 7은 요인별 평균 관리수준의 분포도.
도 8은 요인별 평균 관리수준을 평균 순서로 표시한 분포도.
도 9는 요인별 평균 중요도의 분포도.
도 10은 요인별 평균 중요도를 평균 순서로 표시한 분포도.
도 11은 요인별 평균 관리수준 및 중요도를 비교한 분포도.
도 12는 수익성 영향인자의 평가과정의 흐름도.
도 13은 수익성 예측방법의 활용절차의 흐름도.
도 14 내지 도 16은 본 발명에 의한 건설공사용 수익성 예측방법이 웹 기반의 온라인시스템에 의해 구현된 실시예를 도시한 것으로서,
도 14는 수익성 예측방법의 초기화면.
도 15는 수익성 영향인자별 수준 데이터 입력화면.
도 16은 수익성 평가 데이터에 의한 평가보고서 표시화면.
도 17은 공종 및 지역분포에 따른 검증용 추가 프로젝트 설문결과에 따른 분포도.
도 18은 계약유형 및 공사비 지불방식 분포에 따른 검증용 추가 프로젝트 설문결과에 따른 분포도.
본 발명은 수익성 예측방법에 관한 것으로서, 상세하게는, 해외건설공사의 수익성을 예측할 수 있도록 하는 방법에 관한 것이다.
즉, 본 발명은 기업 입장에서 프로젝트의 계획 및 수주 단계에서 의사결정을 지원하기 위하여, 해외건설공사의 수익성을 보다 효과적으로 예측할 수 있도록 하기 위한 시스템을 제공하는 것을 목적으로 하는 것이다.
소수의 악성 프로젝트에 의해서 전체 기업의 재무구조를 악화시키는 사태가 빈번히 발생하고 있는 국내 기업의 현실에서, 해외공사의 계획이나 수주 시에 양질의 프로젝트를 선별하고 그에 따라 미리 대상 프로젝트의 특성을 파악하여, 적정한 관리요소 및 전략을 수립하는 것은 매우 중요한 요소라고 할 수 있다.
도 1에 나타난 바와 같은 목적을 달성하기 위해서, 수익성 예측모델은 도출된 수익성 영향인자와 기 수행된 프로젝트의 수익성과 사이의 인과관계를 규명하여 향후 프로젝트 수주 시에 해당 프로젝트의 성과를 예측하는 역할을 할 수 있도록 하고자 하였다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 해외건설공사의 수익성을 보다 효과적으로 예측할 수 있도록 하기 위한 방법을 제공하는 것을 그 목적으로 한다.
본 발명은 상술한 바와 같은 목적을 달성하기 위하여, 건설공사의 수익성을 예측하기 위한 방법에 있어서, 도 2에 도시된 바와 같이, 건설공사의 수익성 예측에 영향을 미치는 복수의 영향인자 데이터를 표시하는 영향인자 데이터 표시단계와; 상기 각각의 영향인자 데이터에 대한 수준을 평가하도록 하고, 그 평가된 영향인자별 수준 데이터를 입력받는 영향인자별 수준 데이터 입력단계와; 상기 복수의 영향인자별 수준 데이터를 요인분석에 의해 분석하여, 요인점수 데이터를 산정하는 요인분석단계와; 다중회귀분석에 의해 상기 각 요인점수 데이터에 해당하는 회귀계수를 산출하는 다중회귀분석단계와; 상기 요인점수 데이터와 상기 회귀계수를 적용하여 건설공사의 수익성에 관한 평가 데이터를 산정하는 수익성 평가 데이터 산정단계와; 상기 수익성 평가 데이터에 의해 평가보고서를 작성하는 수익성 평가보고 서 작성단계를; 포함하는 건설공사용 수익성 예측방법을 제시한다.
상기 복수의 영향인자 데이터는 시공기술력 및 품질관리, 시공자 설계능력, 안전 및 환경문제 통제, 테스팅 또는 시운전시 오류, 시공자 프로젝트 계획 및 관리능력, 각 공사 단계별 조직간 커뮤니케이션, 미경험 프로세스 및 기술요소, 각종 문서관리, 언어소통, 각 단계간 여건변화, 선행공사 영향, 준공, 시운전, 시설물 인도, 기자재 품질, 보관, 설치, 사용, 기자재 납기지연, 현장 기능인력 능력, 발주자 지명 하도급 업체 문제, 장비 공급, 현지 인허가 지연, 자원배분 및 공기관리, 현지 하도급 업체 능력, 지반조건 및 작업환경, 자원수급 관련 지리적 여건, 공사 인프라 시설, 민원 민간단체 요구, 기후 및 날씨, 불가항력, 발주자의 지나친 요구, 입찰 안내서류, 시방규정, 발주자 공사 이해도 및 사업수행능력, 감리자 공정성, 합리성, 일관성, 발주자, 감리자 업무처리, 발주처 요구조건 반영, 발주자 공사재원 확보 및 지불능력, 현장소장 관리능력, 현장소장 재량권/현장요원 대우, 본사와 현장 협업체계, 현자용원 기술 및 관리능력, 인력 및 자원 조기동원, 정국불안, 사회적 혼란, 경제급변, 정책변경, 개입, 기타외압, 청렴도, 담합, 지하거래, 진출국 건설과련 법규 및 제도, 본국 송금규제, 진출국 사전정보, 파이낸싱 비용, 입찰정보 확보, 관련산업 경기전망, 시공자 설계, 발주자 제공 설계, 환율변동 금융 리스크, 비용예측/관리기법, 시공 자금조달, 예비비, 견적기간, 기자재 비용예측, J/V, Consortium 업체 능력, J/V, Consortium 업체와의 보증체계, 가격상승, 불리한 계약조건, 계약문서 해석, 계약공기, 입찰경쟁, 클레임, 민원 해결 위한 전담조직에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 요인분석단계는 요인 추출 및 회전방법에 의해, 상기 복수의 영향인자 데이터 중 상호 높은 상관관계를 갖는 것끼리 상위 개념의 요인에 의한 복수의 그룹 데이터를 형성하는 요인 추출 및 회전단계와; 회귀방법에 의해 요인계수 데이터를 산정하는 요인계수 데이터 산정단계와; 상기 복수의 영향인자별 수준 데이터와 상기 요인계수를 적용하여 요인점수 데이터를 산정하는 요인점수 데이터 산정단계를; 포함하는 것이 바람직하다.
상기 요인 추출 및 회전단계의 복수의 그룹 데이터는 시공자능력요인, 공사특성요인, 프로젝트환경요인, 발주자감리자요인, 조직구성원요인, 진출국환경요인, 프로젝트정보요인, 설계요인, 비용관리요인, 견적요인, J/V, 컨소시엄요인, 계약요인, 입찰요인, 분쟁요인에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 시공자능력요인 데이터는 시공기술력 및 품질관리, 시공자 설계능력, 안전 및 환경문제 통제, 테스팅 또는 시운전시 오류, 시공자 프로젝트 계획 및 관리능력, 각 공사 단계별 조직간 커뮤니케이션, 미경험 프로세스 및 기술요소, 각종 문서관리, 언어소통, 각 단계간 여건변화에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 공사특성요인 데이터는 선행공사 영향, 준공, 시운전, 시설물 인도, 기자재 품질, 보관, 설치, 사용, 기자재 납기지연, 현장 기능인력 능력, 발주자 지명 하도급 업체 문제, 장비 공급, 현지 인허가 지연, 자원배분 및 공기관리, 현지 하도급 업체 능력에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 프로젝트환경요인 데이터는 지반조건 및 작업환경, 자원수급 관련 지리적 여건, 공사 인프라 시설, 민원 민간단체 요구, 기후 및 날씨, 불가항력에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 발주자감리자요인 데이터는 발주자의 지나친 요구, 입찰 안내서류, 시방규정, 발주자 공사 이해도 및 사업수행능력, 감리자 공정성, 합리성, 일관성, 발주자, 감리자 업무처리, 발주처 요구조건 반영, 발주자 공사재원 확보 및 지불능력에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 조직구성원요인 데이터는 현장소장 관리능력, 현장소장 재량권/현장요원 대우, 본사와 현장 협업체계, 현자용원 기술 및 관리능력, 인력 및 자원 조기동원에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 진출국환경요인 데이터는 정국불안, 사회적 혼란, 경제급변, 정책변경, 개입, 기타외압, 청렴도, 담합, 지하거래, 진출국 건설과련 법규 및 제도, 본국 송금규제에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 프로젝트정보요인 데이터는 진출국 사전정보, 파이낸싱 비용, 입찰정보 확보, 관련산업 경기전망에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 설계요인 데이터는 시공자 설계, 발주자 제공 설계에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 비용관리요인 데이터는 환율변동 금융 리스크, 비용예측/관리기법, 시공 자금조달, 예비비에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 견적요인 데이터는 견적기간, 기자재 비용예측에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 J/V, 컨소시엄요인 데이터는 J/V, Consortium 업체 능력, J/V, Consortium 업체와의 보증체계에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 계약요인 데이터는 가격상승, 불리한 계약조건, 계약문서 해석, 계약공기에 관한 데이터 중 적어도 하나 이상을 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 입찰요인 데이터는 입찰경쟁에 관한 데이터를 포함하는 것이 바람직하다.
상기 복수의 그룹 데이터 중 분쟁요인 데이터는 클레임, 민원 해결 위한 전담조직에 관한 데이터를 포함하는 것이 바람직하다.
상기 영향인자별 수준 데이터 입력단계는 리커트 7점 척도로 구성된 등간척도에 대하여 평가하도록 하는 구성을 취할 수 있다.
상기 다중회귀분석단계는 상기 복수의 그룹 데이터 중 단계별 선택법에 의해 기여도가 낮은 데이터를 제거하는 단계를 포함하는 것이 바람직하다.
한편, 본 발명은 상기 목적을 달성하기 위한 또 다른 수단으로서, 상기 건설공사용 입찰의사결정방법을 구현한 프로그램이 기록된 기록매체를 제시한다.
이하, 본 발명의 바람직한 실시예에 관하여 상세히 설명한다.
수익성 예측모델의 구축 과정은 전체 126개 프로젝트에 대한 설문 결과를 토대로, 대상 프로젝트의 수행성과(performance)와 수익성 영향인자간의 관계를 통계적으로 분석하여 수익성 예측모델을 구축하였다. 설문에서의 프로젝트 성과 지표는 수익성 예측모델에서 주요 종속변수가 되는데, 프로젝트의 수익성 측면에서의 성공정도, 수익률, 당초계획 대비 최종수익, 원가변동 정도 등의 요소가 이에 해당하며, 이러한 종속변수와 64개의 수익성 영향인자간의 인과관계를 파악하는데 중점을 두어 예측모델을 개발하고자 하였다.
대상 프로젝트의 성과 및 수익성 영향인자에 대한 응답을 기초로 하여, 요인분석 및 다중회귀분석 등의 통계분석 기법을 통해 수익성 영향인자에 대한 수준평가로 해당 프로젝트의 성과를 예측하는 모델을 구축하였다. 수익성 예측모델의 개발과정은 도 3에 도시된 바와 같이, 우선 설문응답결과를 토대로 자료의 분석계획을 수립하고, 각 설문 항목에 대해서 응답을 검토하여 오답 및 결측치 보완과정을 거치게 되며, 각 종속변수 항목의 특성을 분석하여 적합한 인과모델을 선택하게 된다.
자료 분석방법의 선택과정을 통해서 수익성 영향인자 간에 상호의존관계가 파악되면, 요인분석을 통해 전체 인자를 상위의 공통요인(common factors)으로 압 축하는 과정을 거치게 되며, 이렇게 압축된 요인을 이용하여 각 종속변수와의 인과모델을 구성하며, 마지막으로 도출된 인과모델의 검증과정을 거쳐서 최종적인 수익성 예측모델을 구축하게 된다.
본 연구에서는 주요 성과지표 중 응답률과 분석의 유의성을 고려하여 수익성 측면에서의 프로젝트 성공정도를 종속변수로 선정하였다. 수익성 측면에서의 프로젝트 성공정도는 7점 등간척도로 측정하여 각 설문대상 프로젝트의 성공정도에 대한 상대적인 비교가 가능하다. 따라서 수익성 영향인자와의 영향관계 분석에 있어 특정 함수식을 도출하여 수치화된 예측이 가능한 회귀분석(regression analysis)이 적합한 것으로 판단되었다. 따라서 이러한 분석을 기준으로 수익성 예측모델의 도출과정은 도 4에 도시된 바와 같이 요약될 수 있다.
본 연구에서는 상기와 같은 과정을 거쳐서 회수된 126개 프로젝트의 설문결과에 대해, 요인분석을 통해서 수익성 영향인자를 압축하여 공통요인을 도출하고 프로젝트의 수익성 측면에서의 성공정도에 대해서 다중회귀분석을 통해서 인과모델을 도출하고자 하였다.
이하, 요인분석(Factor Analysis)에 대하여 설명한다.
본 연구에서 도출된 64개의 수익성 영향인자는 프로젝트의 성공정도나 수익률, 원가변동 정도 등의 종속변수와 다양한 인과관계를 갖고 있으며, 각 변수 사이에도 복잡한 상호 의존관계를 갖는다. 따라서 이러한 수익성 영향인자와 프로젝트의 성과(Performance)사이의 인과관계를 직접적으로 설명하는 데에는 무리가 있기 때문에 본 연구에서는 요인분석(Factor analysis)을 활용하여 64개의 수익성 영향 인자를 서로 높은 상관관계를 갖는 변수들끼리 그룹화하여 보다 이해하기 쉬운 상위 요인으로 구성하여 프로젝트 성과와의 인과관계를 규명하고자 하였다.
요인분석은 측정변수들 사이의 복잡한 상호 의존관계를 쉽게 설명할 목적으로, 측정변수로 구성된 요인(factor)이라 부르는 새로운 변수를 이용하여 분석하는 방법으로 p개의 관측변수, X 1 ,…,X p 를 p보다 작은 수를 가진 설명하기 쉬운 m개의 요인, F 1 ,…,F m 으로 바꾸어서 설명하는 분석방법이다. 요인분석은 독립변수와 종속변수의 구분 없이, 여러 변수를 한꺼번에 고려하여 변수들 사이의 상호 의존적인 구조를 파악하게 된다. 요인분석에서의 요인은 측정변수들의 상호 의존관계를 나타낼 수 있도록 만드는 새로운 변수이므로, 결국 요인분석의 초점은 측정변수가 나타내는 중요한 정보를 쉽게 이해할 수 있는 요인으로 나타내도록 만드는 과정에 있다.
요인분석 모형은 적은 수의 공통요인(common factor)을 이용하여 많은 수의 측정변수를 표현하는 형태를 갖는다. 이 경우, 측정변수의 값이 공통요인만으로 설명을 못하는 부분이 존재하게 되는데, 이와 같이 공통요인으로 설명하지 못하는 부분을 고유요인(unique factor)이라고 한다. 결국 측정변수의 값은 공통요인에 의하여 설명되는 부분과 그 측정변수가 가지고 있는 고유한 특성에 의하여 움직이는 고유요인으로 나누어진다(사회과학 연구방법론, 2003). 도 5에서 보는 바와 같이, 한 개의 측정변수 값은 m개의 공통요인에 의하여 설명되며, 설명되지 못하는 나머지는 고유요인에 해당된다. 여기서 m개의 공통요인이 첫 번째 측정변수에 미치는 영향력 은 각각 다르므로, 이러한 영향력을 표현하는 수치가 요인 적재값(factor loading)이다. 즉, 요인 적재값 l 11 은 첫 번째 요인 F 1 이 첫 번째 측정변수, x 1 에 미치는 영향력을 나타내는 수치이다. 따라서 l 11 값이 크게 나타나게 되면, x 1 에 미치는 F 1 의 영향력이 크다는 의미이며, 반대로, 첫 번째 요인, F 1 의 구성에서 첫 번째 측정변수, x 1 은 중요한 역할을 하고 있다는 의미로 해석할 수 있다. 일반적으로 공통요인, F는 평균이 0이고 분산이 1인 변수로 가정한다.
도 5에서 나타난 형태를 수식으로 표현하면, 다음의 수학식 1과 같다.
Figure 112006012100116-PAT00001
이상과 같은 요인분석의 개념에 의해, 본 연구에서 설문을 통해 응답을 얻은 전체 64개 수익성 영향인자들은 서로 높은 상관관계로 의존된 몇 개의 그룹으로 나눌 수 있는데, 요인분석을 통해 서로 상관관계를 갖는 이러한 그룹들이 어떠한 측정변수(수익성 영향인자)로 구성되어 있는지를 보여주며, 수익성 영향인자들이 가지고 있는 숨겨진 구조를 파악할 수 있게 만들어준다. 요인분석의 목적은 여러 개 의 변수들에 내재된 정보를 이용하여 보다 적은 수의 요인으로 압축, 요약하는 데 있으며, 도 6에서와 같은 분석과정을 따라 수행되었다.
1단계 집단의 구분과정은 요인의 결정과정으로, 연구자의 사전조사와 탐색적인 과정을 거쳐서 연구자의 주관에 따라 이루어지게 된다. 이상적인 요인분석의 형태는 연구자가 측정변수들에 대한 상호 의존관계를 사전에 파악하여, 어떠한 요인으로 변수들이 구성될 것인지를 확인하는 목적으로 요인분석을 실시하는 경우이다. 따라서 요인의 결정과정에서 최대한의 객관성을 유지하기 위해, 도출된 64개의 수익성 영향인자에 대해서 요인분석을 실시하기 이전에 변수들을 일련의 집단으로 구분할 필요성이 있다. 본 연구에서는 요인분석을 실시하기 전에 64개 수익성 영향인자에 대한 고찰을 통해서 전체 측정변수를 의미가 있는 그룹으로 묶어주는 과정을 거쳤다. 이 같은 구분을 위해서, 각 수익성 영향인자가 가지고 있는 관련 의미를 기준으로 발주자, 감리자, 시공자 등과 같은 이해 당사자 관련 인자와 프로젝트 특성, 공사 단계별 인자를 고려하여 총 15개의 상위 요인을 도출하였다. 따라서 요인분석은 사전 탐색적 고찰에 대한 확인을 위하여 실시하였으며, 이를 위해 요인수를 변화시켜 가면서 요인 내의 유의성과 요인분석의 설명력 등을 고려하여 최종 요인을 결정하였다.
2단계의 요인의 추출 및 회전과정은 주로 통계분석 프로그램을 통해서 이루어지게 되는데 본 연구에서는 SPSS 통계 패키지를 활용하였다. 요인의 추출은 앞서 설명한 바와 같이 상관관계가 높은 변수들을 추출하여 그룹화 하는 과정으로 본 연구에서는 주성분 분석을 이용하였다. 주성분 분석은 표본의 분산을 가장 잘 설명하 는 선형결합을 도출하는 과정으로 식(1)에서 나타난 각 선형식을 도출하게 된다. 요인추출을 통해 도출된 선형식의 요인행렬을 해석하기 쉬운 형태의 행렬로 만들어 주기 위해서 요인회전을 하게 되는데, 이는 구조를 단순화하는 작업으로 요인이 어떤 변수들에 대해서 0이 아닌 적재값을 갖게 함으로써 요인의 해석을 쉽게 하는 것이다(현대 통계분석, 2000). 요인회전의 종류에는 직각회전과 사각회전이 있는데, 직각회전은 요인들 간의 상관관계가 없는 경우에 사용되며 각 요인의 회전각도를 90도로 유지하여 회전시키는 방법이다. 직각회전에는 VARIMAX, QUARTIMAX, EQUMAX 등의 방법이 있다. 사각회전은 요인들 간의 상관관계가 있는 경우에 사용하는 방법으로 각 요인 간의 각도를 90도 보다 작게 유지하면서 회전시키는데 직각회전에 비해 높은 요인적재량은 좀 더 높게, 낮은 요인적재량은 더욱 낮아지도록 한다. 본 연구에서는 각 요인이 상호 독립적이라고 가정하였기 때문에, 직각회전에서 가장 일반적으로 많이 활용되고 있는 VARIMAX 방법을 활용하여 요인회전을 하였다.
최종적으로 요인분석에서 적절한 요인 개수를 결정하기 위해, 고유값을 기준으로 최대 요인 개수인 18개부터 10개까지 요인수를 변경해 가면서 요인분석과 회귀분석의 설명력을 비교해본 결과, 표 1에서 나타난 바와 같이 요인분석의 설명력은 14개까지 70% 이상을 나타냈으며 회귀분석의 설명력은 17, 16, 14개 일 때 55%를 넘는 것으로 나타났다. 따라서 적정 요인수의 대상이 되는 17, 16, 14개의 요인 개수에 대해 요인분석 결과를 비교하여, 사전 실시한 탐색적 고찰결과와 일치하도록 각 변수의 그룹이 가장 유의성을 갖으며 묶인 수준에서 요인 개수를 결정하였다.
요인수 18 17 16 15 14 13 12 11 10 9
요인분석 설명력(%) 77.28 75.70 74.03 72.27 70.37 68.46 66.46 64.40 61.99 59.26
회귀분석 설명력(%) 53.8 57.2 56.6 54.9 55.2 54.0 50.3 51.0 50.1 46.4
이와 같은 과정을 거쳐서 전체 64개의 수익성 영향인자를 최종적으로 14개의 요인으로 압축하였으며, 각 요인별 수익성 영향인자의 구성은 표 2에 나타난 바와 같다. 전체 요인은 표 2에서와 같이 시공자 능력요인(F1), 공사특성 요인(F2), 프로젝트 환경요인(F3) 등 모두 14개로, 요인 개수의 결정은 각 요인의 고유값(Eigen value)과 전체 요인의 설명력, 각 영향인자 그룹의 유의성 등을 고려하여 가장 적합하게 인자가 압축되는 선에서 결정하였다. 요인분석 결과 도출된 14개 요인에 의한 전체 수익성 영향인자의 설명력은 70.37%로 나타났으며, 각 요인에는 요인 적재값(Factor loading)을 기준으로 해당 요인에 속하는 인자가 유의성을 갖도록 그룹화 하였다.
Figure 112006012100116-PAT00002
이러한 과정을 통하여 최종적으로 도출된 14개의 요인을 독립변수로 활용하게 되는데, 64개 수익성 영향인자에 대한 응답을 기초로 14개 요인의 대표값을 산정하여 활용하게 된다. 이러한 대표값을 요인점수(Factor score)라고 한다. 요인점수는 측정변수와의 선형적인 관계에 의해 정의될 수 있는데, 수학식 2와 같은 형태를 갖는다.
Figure 112006012100116-PAT00003
수학식 2에서와 같이 어떤 요인F1이 n개의 측정변수(x1, x2, ·, xn)들로 이루어져있다고 할 경우, k만 구해지면 각 요인의 점수를 산정할 수 있다. 따라서 이때의 k를 요인점수의 계산에서 요인계수(factor coefficient)라고 부른다. 위 수학식 2를 행렬로 표현하면 다음의 수학식 3과 같다.
Figure 112006012100116-PAT00004
여기서 요인계수 행렬 K를 회귀방법(regression method)을 통해 산정하게 된다. 따라서 본 연구에서는 64개 수익성 영향인자에 대한 응답을 기초로 그룹화된 14개 요인에 대해서 회귀방법을 통해 각각의 요인점수를 산정하여 독립변수로 활용하였다.
요인분석 결과를 살펴보면, 시공기술력이나 프로젝트 관리능력 등의 항목이 상관성이 높은 것으로 나타나 첫 번째 시공자 능력요인으로 묶여졌으며, 선행공사의 영향이나 기자재, 현지 하도업체, 인허가 등의 항목이 공사특성 요인으로 묶일 수 있었다. 지반조건이나 인프라 시설이 프로젝트 환경요인으로 나타났으며, 각 공사참여 주체에 따라서 발주자감리자 요인이나 조직구성원 요인, J/V컨소시엄 요인 등으로 구성되었다. 또한 프로젝트 진행 단계에 따라 입찰요인, 계약요인, 설계요인, 분쟁요인 등이 구분되었으며, 비용관련 요인과 정보관련 요인은 따로 그룹화되었다. 전체적으로 유사한 특성을 갖고 상관관계가 높게 나타난 수익성 영향인자들이 의미 있는 그룹으로 요인을 형성하였으며, 각 요인에 속하는 영향인자들의 요인 적재값도 0.3이상의 수치를 나타내 통계적으로도 요인분석결과를 뒷받침해주고 있다.
이렇게 도출된 각 요인에 대하여, 설문을 통해 나타난 관리수준 및 중요도에 대해서 각 요인에 해당하는 수익성 영향인자의 평균을 종합하여 해당 요인의 평균 관리수준 및 중요도를 산출하였다. 각 요인별 관리수준 및 중요도를 비교하여 보면, 관리수준의 경우 도 7에서 도시된 바와 같이 시공자 능력요인이 -3에서 3까지의 리커트 7점 척도에서 평균 0.608로 국내 업체의 해외건설공사 수행 시 가장 우수하게 관리되고 있는 것으로 나타났다. 시공자 능력요인 외에 조직 구성원이나, 프로젝트 환경 관련 요인은 각각 평균 0.571, 0.247로 나타나 양호하게 관리되고 있는 요인으로 나타났으며, 이와 반대로 입찰(-0.459)이나 설계(-0.369), 계약요인(-0.325)은 낮은 관리수준을 보이는 것으로 나타났다(도 8). 전체 14개 요인 중 보통 이상의 관리수준을 보이는 것은 시공자 능력(0.608), 조직구성원(0.571), 프로 젝트 환경(0.247), 견적(0.172), 분쟁(0.134), 진출국 환경(0.071) 요인의 6개에 불과하였으며, 보통 이하의 관리수준을 보인 것이 8개 요인으로 나타났다. 특히 공사초기 단계의 관리요소로 입찰이나 설계, 계약과 관련된 요인들의 관리수준이 평균적으로 두드러지게 저조하게 나타나고 있는 것을 알 수 있다.
마찬가지로 각 수익성 영향인자에 대한 중요도 평가를 요인별로 종합해 보면, 도 9에 나타난 바와 같이 견적요인이 0에서 7까지의 리커트 7점 척도 중 평균 5.174로 가장 높은 중요도를 나타냈다. 중요도의 경우 전체적으로 모든 요인들이 평균 4점 이상을 나타내 보통 이상의 중요도를 갖고 있는 것으로 나타났으며, 도 10에서와 같이 특히 견적(5.174)이나 조직구성원(5.123), 발주자/감리자(5.032) 요인이 평균 5점 이상의 높은 중요도를 갖는 것으로 나타났다.
이러한 각 요인의 관리수준 및 중요도를 비교함으로써, 평균적으로 중요도가 높은데 비해 관리수준이 저조한 요인을 파악할 수 있다. 이러한 비교를 위해 서로 상이한 척도로 되어 있는 관리수준 및 중요도를 동일 척도로 환산하는 과정을 거쳤다. 도 11에서와 같이 관리수준과 중요도를 모두 100점 만점 기준으로 환산하였는데 동일한 척도로 환산하여 줌으로써 관리수준과 중요도의 편차가 큰 요인을 도출할 수 있다. 각 요인별 관리수준 및 중요도 비교결과, 입찰요인의 관리수준과 중요도 편차가 24.11(100점 환산 점수 기준)로 가장 높은 수치를 나타내 국내업체의 해외건설공사 수행 시 높은 중요도에도 불구하고 아직까지 관리수준이 낮은 것으로 파악되었다. 또한 계약요인(21.13), 설계요인(17.99), 발주자/감리자 요인(17.64) 등도 중요도에 비해 관리수준이 낮은 것으로 나타나 해외건설공사 수행 시 전략적 으로 강화되어야할 요인으로 나타났다. 반면 시공자 능력 요인이나 조직 구성원 요인 등은 관리수준과 중요도의 편차가 작게 나타나 일정 수준 이상의 관리가 이루어지고 있는 것을 알 수 있다.
이상과 같이 실시한 요인분석 결과를 활용하여, 64개 수익성 영향인자와 프로젝트 수행성과 간의 인과관계를 분석하였다. 수익성 영향인자에 대한 설문 응답을 기초로 한 요인분석 결과는 다음과 같이 종합할 수 있다.
첫째, 64개 수익성 영향인자의 관리수준에 대한 응답을 기초로 탐색적 고찰 과정을 거쳐 실시한 요인분석을 통해 14개의 상위 요인을 도출하였다.
둘째, 도출된 14개 요인에 대한 관리수준 및 중요도 평균을 산출하여 각 요인의 관리수준 및 중요도의 고저(高低)를 파악할 수 있었다.
셋째, 각 요인의 평균 관리수준 및 중요도 비교를 통해서 국내업체의 해외건설공사 수행 시의 취약점으로 생각되는 주요 요인을 도출할 수 있었다.
이하, 다중회귀분석(Multi-Regression Analysis)에 관하여 설명한다.
회귀분석은 변수 사이에 존재하는 상호의존관계를 함수관계로 표현하여, 어느 정도 연관성이 있는지를 파악하고, 반대로 변수 값이 주어지면 다른 변수 값이 어떻게 변할 것인지를 예측할 수 있도록 만들어주는 통계적 분석방법이다. 회귀모형에서, 예측하고자 하는 변수를 종속변수(dependent variable) 또는 반응변수(response variable)라 하고, 종속변수의 변화를 설명해 주는 변수를 독립변수(independent variable) 또는 설명변수(explanatory variable)라고 한다(사회과학 연구방법론, 2003). 회귀분석은 회귀방정식을 이용하여 변수 사이의 함수관계를 파 악하고, 이를 통해 종속변수의 값을 예측하는 목적이외에도 종속변수와 독립변수의 관계가 어느 정도 높은 의존관계를 나타내고 있는지를 제시할 수 있다.
회귀분석은 독립변수의 수에 따라 두 가지로 나누어지는데, 종속변수의 변화를 설명해 주는 독립변수가 하나일 경우를 단순회귀분석이라 하고, 독립변수가 두 개 이상일 경우를 다중회귀분석(multi regression analysis)이라고 한다. 다중회귀분석은 한 개의 종속변수와 여러 개의 독립변수 사이의 연관성을 표현하는 방식으로 상관관계의 확장된 형태를 의미하며, 상관관계에 대한 구체적인 함수형태를 제공하므로, 연관성뿐만 아니라 예측이 가능하다는 장점을 갖는다. 다중회귀모형의 일반적인 형태는 수학식 4와 같이 구성되는데, 본 연구에서는 종속변수 Y가 해당 프로젝트의 성공정도가 되고 독립변수
Figure 112006012100116-PAT00005
가 요인분석을 통해서 도출된 14개 요인으로 구성되는 회귀방정식을 가정하여 예측모델을 도출하였다.
다중회귀모형은 단순회귀모형에 독립변수만을 추가하여 확장된 형태의 모형으로 모형의 가정, 가설검정 등에 있어서 근본적인 차이는 없기 때문에, 수학식 4에서와 같이
Figure 112006012100116-PAT00006
는 평균이 0, 분산이
Figure 112006012100116-PAT00007
인 정규분포를 따르는 확률변수이며,
Figure 112006012100116-PAT00008
도 확률변수로 가정하고 있다. 또한
Figure 112006012100116-PAT00009
와
Figure 112006012100116-PAT00010
는 모집단의 절편항과 회귀계수로서 모르는 값이므로, 이에 대한 값을 표본으로부터 추정하게 된다. 따라서 본 연구에서는 전체 126개 프로젝트의 설문을 통한 관리수준에 대한 응답 결과를 기초로, 전체 64개 항목의 수익성 영향인자를 14개의 요인에 대해 환산한 요인점수가 표본이 되어 회귀방정식을 추정하게 된다.
다중선형 회귀모형 :
Figure 112006012100116-PAT00011
여기서,
Figure 112006012100116-PAT00012
: i번째 관측값에 대한 종속변수의 값
Figure 112006012100116-PAT00013
: i번째 관측값에 대한 첫 번째 독립변수의 값
Figure 112006012100116-PAT00014
: i번째 관측값에 대한 p번째 독립변수의 값
Figure 112006012100116-PAT00015
: 절편항과 회귀계수
Figure 112006012100116-PAT00016
: i번째 관측값,
Figure 112006012100116-PAT00017
에 대한 오차항
(여기서
Figure 112006012100116-PAT00018
는 평균 0,
Figure 112006012100116-PAT00019
분산의 정규분포를 가정한다.)
표본을 통해서 산출하게 되는 추정값을 각각
Figure 112006012100116-PAT00020
와
Figure 112006012100116-PAT00021
라 하면, 다음의 수학식 5와 같은 추정된 회귀방정식을 이용하여,
Figure 112006012100116-PAT00022
에 대한 추정값,
Figure 112006012100116-PAT00023
를 계산할 수 있게 된다.
Figure 112006012100116-PAT00024
수학식 5에서 절편항과 회귀계수의 추정값
Figure 112006012100116-PAT00025
와
Figure 112006012100116-PAT00026
를 얻는 방법은 관측된 종속변수의 값과 추정된 회귀식의 값에 대한 차이를 제곱하여 더한 값을 최소화시키는 최소제곱법(least square method)에 기초를 두고 있다. 최소제곱법은 종속변수의 실제 관측값
Figure 112006012100116-PAT00027
와 추정된 예측값
Figure 112006012100116-PAT00028
의 차이를 제곱하여 더한 값을 최소화하는 조건에서 추정하는 방법을 말하는 것으로 결과적으로 최소제곱법은 아래의 수학식 6의 값을 최소화시키는 계수를 찾아내는 방법이라 할 수 있다.
Figure 112006012100116-PAT00029
이상과 같은 다중회귀분석의 개념에 의해서 14개 요인으로 압축된 수익성 영향인자의 요인점수를 표본으로 각 요인에 해당하는 회귀계수를 산출하게 된다. 실제로는 복잡한 연산과정을 거쳐서 각 계수를 수학적으로 계산하게 되지만, 각종 통계 패키지의 발달로 인하여 자료의 입력과정을 통해서 각 요인별 계수를 산출하는 과정이 용이하게 되었다. 본 연구에서는 SPSS 통계 패키지를 활용하여 이러한 다중 회귀분석을 수행하였다.
SPSS 통계 패키지를 활용하여 다중회귀분석을 수행하는 과정에서 모형의 선택문제(model selection problem)가 주요하게 작용하는데, 이는 추정된 회귀방정식에 어떠한 독립변수를 선택하여 추가하게 되는 가를 결정하게 되는 방법이다. 독립변수에 대한 선택문제는 어떠한 독립변수가 종속변수에 영향을 미치는지를 파악하고 가장 적은 오차를 갖는 회귀모형을 선택하여 최상의 예측값을 얻기 위한 목적으로 사용된다. 이러한 모형의 선택 방법에는 변수추가법(forward selection method)과 변수제거법(backward elimination method), 단계별 선택법(stepwise selection method)이 있다. 변수추가법은 변수가 없는 상태에서, 종속변수를 설명하는 기여도가 가장 높은 변수를 하나씩 추가시키는 방법이며, 변수제거법은 이와는 반대로 변수가 모두 포함된 형태의 회귀모형에서, 종속변수를 설명하는 기여도가 가장 낮은 변수를 하나씩 제거하는 방법이다. 단계별 선택법은 변수추가법과 변수제거법을 혼합한 형태로서 변수가 없는 상태에서 변수추가법을 이용하여 한 개 변수를 추가한 후, 변수제거법에 의해 제거될 변수가 있는지를 조사하는 방법을 말한다. 단계별 선택법은 독립변수의 선택문제에 있어서 가장 많이 사용되는 방법으로 본 연구에서도 단계별 선택법을 이용하여 최종적인 회귀방정식을 도출하였다.
단계별 선택법을 통한 다중회귀분석 결과, 총 8단계에 걸친 변수 선택과정을 통해서 최종적인 회귀모델을 도출하였다. 표 3에서와 같이 추정된 회귀방정식의 설명력을 말하는 결정계수 R2값은 0.552로서, 이는 프로젝트의 성공정도에 대해 독립변수가 55.2%의 영향을 미치고 있다는 것을 의미한다. 일반적인 경우 결정계수 R2 값은 0.4이상만 되면 통계적으로 유의하다고 볼 수 있으나 현실적인 분석에선 대략 0.5～0.6 정도를 유의한 것으로 판단하기 때문에(현대통계분석, 2000) 본 연구에서 도출된 회귀모델이 통계적으로 유의성을 갖는다. 또한 Durbin-Watson 통계량은 회귀식의 오차항의 자기상관에 대한 검정을 보여주는 수치로 0에서 4까지의 값을 갖으며, 2에 가까울수록 자기상관의 위험은 줄어들게 된다. 도출된 회귀모델의 Durbin-Watson 값은 1.802로 비교적 자기상관에 대한 위험이 적다고 할 수 있는데, 이는 요인분석 결과 도출된 요인점수를 표본으로 회귀모델이 도출되어 독립변수 간의 상관성이 충분히 배제된 상태에서 모델이 도출되었기 때문이다.
Model R R 제곱 수정된 R 제곱 추정값의 표준오차 Durbin - Watson
8 0.743 0.552 0.508 1.308 1.805
표 4에서 각 요인에 해당하는 비표준화 계수 B 값은 회귀방정식에서의 계수가 되는 것으로 각 요인의 성공정도에 대한 영향정도의 크기라고 할 수 있으며, 각 요인의 영향정도는 모두 95% 신뢰구간에서 유의한 것으로 분석되었다.
회귀식 구성요소 비표준화 계수 표준화 계수 t 유의확률
B 표준오차 베타
상수 4.670 0.138 33.873 0.000
F10 견적 요인 0.619 0.139 0.332 4.467 0.000
F7 프로젝트 정보 요인 0.527 0.139 0.283 3.800 0.000
F4 발주자감리자요인 0.506 0.139 0.271 3.647 0.000
F12 계약 요인 0.499 0.139 0.267 3.596 0.001
F2 공사특성 요인 0.477 0.139 0.256 3.440 0.001
F5 조직 구성원 요인 0.470 0.139 0.252 3.393 0.001
F1 시공자 능력 요인 0.402 0.139 0.216 2.899 0.005
F8 설계 요인 0.379 0.139 0.203 2.734 0.008
a. 종속변수 : [Q1]성공정도
분석결과 도출된 회귀방정식을 표현하면 아래 수학식 7과 같다.
프로젝트 성공정도 = 4.670 +(0.619 * 견적요인) + (0.527 * 프로젝트 정보 요인) + (0.506 * 발주자감리자 요인) + (0.499 * 계약요인) + (0.477 * 공사특성 요인) + (0.470 * 조직 구성원 요인) + (0.402 * 시공자 능력 요인) + (0.379 * 설계요인)
회귀분석 결과 전체 14개의 요인 중 8개의 요인이 회귀방정식에 포함되었으며, 도출된 회귀방정식으로부터 프로젝트의 성공정도에는 ‘F10 견적요인’과 ‘F7 프로젝트 정보요인’의 영향이 가장 큰 것으로 나타나 프로젝트 초기의 정보관리를 통한 정확한 견적이 프로젝트 성공에 주요하게 작용하는 것으로 분석되었다. 또한 발주자감리자 요인의 경우도 그 영향정도가 큰 것으로 나타났으며, 이밖에 계약요 인이나 공사특성 요인, 조직구성원 요인, 시공자 능력 요인, 설계 요인 등이 수익성 측면에서의 프로젝트 성공정도에 영향을 미치고 있는 것을 알 수 있다.
이와 같이 국내업체가 지난 10년 동안 수행한 전체 90개 프로젝트에 대한 다중회귀분석결과를 통해서 수익성 측면에서의 성공정도와 14개 수익성 영향요인간의 예측모델을 도출하였다. 이렇게 도출된 예측모델은 전체 90개 프로젝트를 이용한 일반모델(Generic model)로 국내업체의 해외건설공사 수행성과에 따라 개략적인 예측은 가능하지만, 실제 해외건설공사에서 주요한 변수로 작용하는 공종이나 지역, 계약유형 등 각 공사가 가지고 있는 공사 특성 등을 반영하지는 못하고 있다. 각 공사특성에 따른 별도의 예측모델을 구성하여 해당 프로젝트의 속성에 맞는 모델을 통해 정확한 예측을 하는 것이 예측결과에 더욱 신뢰성을 가져올 수 있으나, 설문을 통한 자료수집으로 인하여 별도의 예측모델을 구성하는 데에는 물리적 한계가 있다.
이하, 본 발명에 의한 수익성 예측방법의 활용절차에 관하여 설명한다.
수익성 예측모델의 활용절차는 그 도출과정에 비해서 비교적 간단한 과정을 통해서 활용이 가능하다. 절차는 도 12에서와 같이 기본적으로 수익성 영향인자에 대한 평가로 이루어지는데, '진출국/발주처 여건', '수주입찰정보', '계약특성 및 프로젝트 환경', '조직구성원 및 관계', '시공 및 공사관리'의 5개 부문으로 구성된 64개 수익성 영향인자에 대해 대상 프로젝트의 관리수준을 평가함으로써 수익성 측면에서의 프로젝트 성공정도를 7점 척도 상의 점수로 도출하게 된다.
도 13에서와 같이 64개 수익성 영향인자에 대한 평가는 리커트(Likert) 7점 척도로 구성된 등간척도에 대해서 평가하게 되는데, 사용자는 -3: ‘전혀 그렇지 않다’ ～ +3: ‘확실히 그렇다’까지의 7점 척도 상에서 해당 리스크에 대한 프로젝트의 수준을 평가함으로써 내부적인 알고리즘에 의해 회귀모형을 거쳐서 나온 성공정도에 대한 예측값을 확인할 수 있다. 이와 더불어 전체 126개 프로젝트 상에서 현 평가대상 프로젝트의 성공정도가 차지하는 위치를 상대적으로 비교해 볼 수 있는 자료가 제공되며, 민감도 분석을 통해서 현재의 프로젝트 성공정도 수준에 가장 주요하게 영향을 미치는 인자(악화 방향으로)를 도출하여 제시함으로써 향후 프로젝트의 개선을 위한 관리에 효과적인 정보가 제공된다. 또한 프로젝트의 지역이나 계약유형, 공종 등의 특성별 분포 자료를 함께 제공함으로써 유상한 특성을 가지고 있는 프로젝트 DB내에서 해당 프로젝트의 수준을 가늠해 볼 수 있다. 따라서 이러한 예측모델의 활용을 통해서 기업의 전략적인 의사결정을 지원하고 해외건설공사의 수익성 제고가 가능할 것으로 판단된다.
웹 기반으로 구축된 시스템을 기초로 수익성 예측모델의 활용절차를 살펴보면 다음과 같다. 통합 리스크 관리 시스템에 접속하여 수익성 예측모델로 들어가게 되면, 도 14에서와 같이 초기화면에서 전체적인 수익성 예측모델에 대한 간략한 소개와 활용절차 및 기본 알고리즘에 대한 설명 페이지를 볼 수 있다. 수익성 예측모델의 기본구조 및 활용에 대한 기본적인 이해를 마치면 '다음단계' 버튼을 눌러 본격적인 평가에 들어가게 된다.
도 15에서와 같이 수익성 영향인자에 대한 평가화면은 5개 부문 64개 인자로 구성된 수익성 영향인자에 대하여 -3～3까지의 리커트 7점 척도 상에서 관리수준을 사용자가 클릭하여 평가할 수 있도록 구성하였다. 리스크 인자는 전체를 한 번에 평가하거나 부문별로 선택하여 평가할 수 있도록 되어 있으며, 사용자가 평가한 결과는 ‘저장하기’ 버튼을 누르면 하단 좌측의 ‘성공정도 예측’에 현재의 결과가 표시될 수 있도록 하였다. 또한 프로젝트의 진행에 따라 수익성 영향인자에 대한 평가를 갱신함으로써 각 평가결과에 대한 추이를 하단 우측에 표시하여 사용자가 참고할 수 있도록 구성하였다.
각 수익성 영향인자의 관리수준에 대한 평가가 완료되면, ‘결과보기’ 버튼을 눌러 수익성 예측결과를 볼 수 있다. 도 16에서와 같이 결과화면은 먼저 수익성 영향인자의 관리수준에 따라 예측된 프로젝트의 수익성 측면에서의 성공정도를 보여주며, 이러한 예측된 성공정도의 수준이 해외건설공사 데이터베이스 내 126개 프로젝트의 성공정도 분포 상에서 어느 정도에 위치하는 지를 백분율로 제시하여 준다. 사용자는 이러한 분석결과를 토대로 해당 프로젝트를 통해서 거둘수 있는 수익정도의 개괄적인 예측이 가능하며 기존에 수행된 프로젝트와의 상대적인 비교를 통해서 공사 초기단계에서 프로젝트의 특성을 파악할 수 있을 것으로 기대된다.
이상은 본 발명에 의해 구현될 수 있는 바람직한 실시예의 일부에 관하여 설명한 것에 불과하므로, 주지된 바와 같이 본 발명의 범위는 위의 실시예에 한정되어 해석되어서는 안 될 것이며, 위에서 설명된 본 발명의 기술적 사상과 그 근본을 함께 하는 기술적 사상은 모두 본 발명의 범위에 포함된다고 할 것이다.
본 연구에서 수익성 예측모델의 도출에 이용된 126개 프로젝트는 그 분포에 서 국내업체가 지금까지 수행한 해외건설공사와 많은 유사성을 갖고 있지만, 모집단에 비해서는 추출된 일부 표본이므로 도출된 예측모델에 대한 검증 과정이 필요하다. 성공정도 예측모델과 원가변동 예측모델의 통계적 유의성 또한 추출된 표본 집단 내에서 확보되는 것이므로, 신규 프로젝트의 적용을 통해서 예측모델의 실효성을 검증할 필요성이 있다.
따라서 통계분석에 활용된 126개 프로젝트 외에 기 완료된 추가적인 프로젝트를 선정하여 동일한 설문을 통해서 사용자의 성공정도에 대한 평가와 모델을 통한 예측결과를 비교함으로써 예측모델의 정확성을 검증하고자 하였다. 추가적인 프로젝트의 선정에 있어서는 126개의 표본 집단을 구성하고 있는 각 공사특성 요소를 다양하게 포함할 수 있도록 구성하였다. 예측모델의 검증을 위한 추가 프로젝트의 공사 특성별 분포를 보면, 도 17에서와 같이 전체 15건의 추가공사가 플랜트로 집중된 것을 알 수 있으며, 지역분포의 경우는 중동(60%)을 중심으로 중남미, 아프리카, 동남아시아 등이 고르게 분포하고 있는 것을 알 수 있다.
계약유형의 경우, 도 18Z에서와 같이 모델 도출을 위한 126개 프로젝트의 경우와 마찬가지로 EPC(66%)가 가장 높은 비중을 차지하고 있는 것으로 나타났으며, 공사비 지불방식의 경우도 Lump-sum공사가 87%로 나타났다.
또한, 계약공기나 계약금액의 경우 모델 도출을 위한 126개 프로젝트와 검증을 위한 15개 프로젝트 간에 차이가 있는가를 통계적으로 확인하기 위해 T-검정을 활용하였다. T-검정이란 “두 모집단간의 차이는 없다”라는 귀무가설과 “두 모집단간에 차이가 있다”라는 대립가설을 설정하고 귀무가설이 옳다는 가정 하에 두 모집단의 표본으로부터 계산된 검정통계량에 근거하여 귀무가설을 채택할지 기각할지를 결정한다(현대통계분석, 2000). T-검정 결과 표 5에서와 같이, 계약공기의 경우 양측검정(2-tailed)의 유의수준이 0.962, 계약금액의 경우 0.935로 두 경우 모두 0.05보다 크므로 5%의 유의수준에서 두집단의 평균은 같다는 귀무가설을 채택하게 되어 모델 도출용 프로젝트와 검증용 프로젝트 간에 계약공기나 금액의 분포가 차이가 없다고 결론지을 수 있다.
구 분 Levene's Test for Equality of Variance T- test for equality of Means
F Sig . t df Sig . (2- tailed )
계약공기 0.042 0.838 0.048 103 0.962
계약금액 5.067 0.027 -0.082 100 0.935
이렇게 선정된 프로젝트의 설문 결과를 토대로 각 프로젝트 별로 관리수준을 예측모델에 입력하여 예측결과를 도출하였고, 예측결과와 설문 응답자가 기입한 해당 프로젝트의 성공정도를 비교하여 그 편차를 척도화하여 예측모델의 정확도를 백분율로 나타내었다. 전체 15개 프로젝트를 예측모델에 적용시켜본 결과 표 6과 같이 성공정도 예측모델의 경우 예측결과와 설문응답의 편차가 평균 0.82로 정확도는 평균 86.3%로 나타났다. 성공정도 예측모델의 경우 도출된 다중회귀모형의 설명력이 55.2%였던데 비해 상대적으로 높은 수준의 정확도를 나타내 통계분석을 통해서 도출된 예측모델의 타당성을 확보해 주는 결과를 보여주고 있다.
프로젝트 성공정도 (1~ 7)
설문응답 모델 예측결과 편 차
1 7 6.71 0.29
2 5 4.18 0.82
3 5 3.28 1.72
4 5 7.00 2.00
5 7 6.15 0.85
6 7 7.00 0.00
7 1 1.00 0.00
8 5 2.96 2.04
9 5 4.83 0.17
10 6 6.28 0.28
11 4 5.98 1.98
12 6 7.00 1.00
13 1 1.00 0.00
14 1 1.37 0.37
15 2 2.83 0.83
모델 정확도 성공정도 예측모델 정확도 = 86.3%
한편, 수익성예측모델의 실무적 활용성을 평가하기 위해서 마찬가지로 해외건설 전문가를 대상으로 한 전문가 집단 설문조사를 실시하였다. 평가항목으로는 ‘모델의 완성도’, ‘모델 알고리즘의 적정성’, ‘리스크 인자의 적정성’, ‘모델의 실무적 활용성’의 4가지 항목에 대하여 리커트(Likert scales) 7점 척도(1: 매우 낮음 ～ 7: 매우 높음)를 통해서 이루어졌다. 국내 건설업체 및 학계의 해외건설 리스크 전문가 10인을 대상으로 한 설문조사 결과, 표 7에서와 같이 전체적인 수익성 예측모델에 대한 평가는 4.88로 비교적 높은 점수를 받은 것을 알 수 있다. 세부 항목을 살펴보면, 모델 알고리즘의 적정성이 평균 5.20으로 가장 높은 평가를 받았으며, 리스크 인자의 적정성, 모델의 완성도는 각각 평균 5.10, 4.80으로 나타났다. 다만 시스템의 실무적 활용성면에서는 다른 항목에 비해서 상대적으로 낮은 평가(평균 4.40)를 받았는데, 수익성 예측모델이 공사특성에 따른 모델이 아니라 범용모델이기 때문에 보다 정확한 예측이 이루어지려면 공사유형이나 발주자, 지역별 특성을 고려한 모델이 구축되어야 한다는 지적이 있어 이러한 평가가 이루어진 것으로 분석된다.
평 가 자 평 가 항 목 종합평점 표준편차
완성도 알고리즘의 적정성 평가기준의 적정성 실무적 활용성
전문가 1 4 4 5 4 4.25 0.50
전문가 2 5 5 5 5 5.00 0.00
전문가 3 5 5 5 4 4.75 0.50
전문가 4 5 6 5 2 4.50 1.73
전문가 5 5 5 6 5 5.25 0.50
전문가 6 4 5 5 6 5.00 0.82
전문가 7 4 6 4 4 4.50 1.00
전문가 8 5 5 4 4 4.50 0.58
전문가 9 5 5 5 4 4.75 0.50
전문가10 6 6 7 6 6.25 0.50
평 균 4.80 5.20 5.10 4.40 4.88 0.36
표준편차 0.63 0.63 0.88 1.17 0.83 0.26
수익성 예측 모델은 해외 건설시장에 진출하는 기업이 프로젝트의 수행초기 단계에서 성공적인 사업수행의 기반을 다지는데 기여할 수 있으며, 웹상에 구축된 프로그램은 작성, 검토, 승인 등이 용이하기 때문에 전사적인 차원의 공동 수행, 상호 검토와 평가가 가능하게 된다. 또한, 사용자가 평가한 수익성 영향인자 정보를 바탕으로 수익 창출과 밀접하게 관련된 여러 가지 지표(Index)를 도출하여 프로젝트의 성공 가능성을 예측하며, 그 결과에 상대적으로 큰 영향을 미친 요인들을 재평가함으로써 수익성의 변화 추이를 살피고 집중관리 대상을 파악할 수 있을 것으로 보인다.
본 연구에서 국내기업이 수행한 과거 126건의 해외건설 프로젝트를 분석하여 통계적인 추이를 도출한 만큼 그 결과의 범용성(Generic applicability)은 충분히 확보하였다고 볼 수 있으나, 특정 진출국의 여건이나 공사유형, 계약방식 등에 따라 다른 프로젝트의 특성을 반영하기에는 미흡하다. 따라서 향후 추가적인 해외공사 데이터를 보완해 나가면서 다양한 특수모델(Specific Model)을 개발하는 것이 가장 이상적이겠지만, 현실적인 어려움을 감안할 때 본 범용모델(Generic Model)을 활용하는 개별 기업들이 자체적인 해외공사 수행 자료를 포함시키면서 지속적으로 모델을 수정해 나감으로써 자사의 요구에 부합하는 결과를 얻는 방법이 보다 효과적이라 판단된다. 이로써 모델의 정확도를 높일 수 있으며, 동시에 의사결정 프로세스의 신뢰성 향상을 기대할 수 있다.

Claims (21)

  1. 건설공사의 수익성을 예측하기 위한 방법에 있어서,
    건설공사의 수익성 예측에 영향을 미치는 복수의 영향인자 데이터를 표시하는 영향인자 데이터 표시단계와;
    상기 각각의 영향인자 데이터에 대한 수준을 평가하도록 하고, 그 평가된 영향인자별 수준 데이터를 입력받는 영향인자별 수준 데이터 입력단계와;
    상기 복수의 영향인자별 수준 데이터를 요인분석에 의해 분석하여, 요인점수 데이터를 산정하는 요인분석단계와;
    다중회귀분석에 의해 상기 각 요인점수 데이터에 해당하는 회귀계수를 산출하는 다중회귀분석단계와;
    상기 요인점수 데이터와 상기 회귀계수를 적용하여 건설공사의 수익성에 관한 평가 데이터를 산정하는 수익성 평가 데이터 산정단계와;
    상기 수익성 평가 데이터에 의해 평가보고서를 작성하는 수익성 평가보고서 작성단계를;
    포함하는 건설공사용 수익성 예측방법.
  2. 제1항에 있어서,
    상기 복수의 영향인자 데이터는
    시공기술력 및 품질관리, 시공자 설계능력, 안전 및 환경문제 통제, 테스팅 또는 시운전시 오류, 시공자 프로젝트 계획 및 관리능력, 각 공사 단계별 조직간 커뮤니케이션, 미경험 프로세스 및 기술요소, 각종 문서관리, 언어소통, 각 단계간 여건변화, 선행공사 영향, 준공, 시운전, 시설물 인도, 기자재 품질, 보관, 설치, 사용, 기자재 납기지연, 현장 기능인력 능력, 발주자 지명 하도급 업체 문제, 장비 공급, 현지 인허가 지연, 자원배분 및 공기관리, 현지 하도급 업체 능력, 지반조건 및 작업환경, 자원수급 관련 지리적 여건, 공사 인프라 시설, 민원 민간단체 요구, 기후 및 날씨, 불가항력, 발주자의 지나친 요구, 입찰 안내서류, 시방규정, 발주자 공사 이해도 및 사업수행능력, 감리자 공정성, 합리성, 일관성, 발주자, 감리자 업무처리, 발주처 요구조건 반영, 발주자 공사재원 확보 및 지불능력, 현장소장 관리능력, 현장소장 재량권/현장요원 대우, 본사와 현장 협업체계, 현자용원 기술 및 관리능력, 인력 및 자원 조기동원, 정국불안, 사회적 혼란, 경제급변, 정책변경, 개입, 기타외압, 청렴도, 담합, 지하거래, 진출국 건설과련 법규 및 제도, 본국 송금규제, 진출국 사전정보, 파이낸싱 비용, 입찰정보 확보, 관련산업 경기전망, 시공자 설계, 발주자 제공 설계, 환율변동 금융 리스크, 비용예측/관리기법, 시공 자금조달, 예비비, 견적기간, 기자재 비용예측, J/V, Consortium 업체 능력, J/V, Consortium 업체와의 보증체계, 가격상승, 불리한 계약조건, 계약문서 해석, 계약공기, 입찰경쟁, 클레임, 민원 해결 위한 전담조직에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  3. 제2항에 있어서,
    상기 요인분석단계는
    요인 추출 및 회전방법에 의해, 상기 복수의 영향인자 데이터 중 상호 높은 상관관계를 갖는 것끼리 상위 개념의 요인에 의한 복수의 그룹 데이터를 형성하는 요인 추출 및 회전단계와;
    회귀방법에 의해 요인계수 데이터를 산정하는 요인계수 데이터 산정단계와;
    상기 복수의 영향인자별 수준 데이터와 상기 요인계수를 적용하여 요인점수 데이터를 산정하는 요인점수 데이터 산정단계를;
    포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  4. 제3항에 있어서,
    상기 요인 추출 및 회전단계의 복수의 그룹 데이터는
    시공자능력요인, 공사특성요인, 프로젝트환경요인, 발주자감리자요인, 조직구성원요인, 진출국환경요인, 프로젝트정보요인, 설계요인, 비용관리요인, 견적요인, J/V, 컨소시엄요인, 계약요인, 입찰요인, 분쟁요인에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  5. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 시공자능력요인 데이터는
    시공기술력 및 품질관리, 시공자 설계능력, 안전 및 환경문제 통제, 테스팅 또는 시운전시 오류, 시공자 프로젝트 계획 및 관리능력, 각 공사 단계별 조직간 커뮤니케이션, 미경험 프로세스 및 기술요소, 각종 문서관리, 언어소통, 각 단계간 여건변화에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  6. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 공사특성요인 데이터는
    선행공사 영향, 준공, 시운전, 시설물 인도, 기자재 품질, 보관, 설치, 사용, 기자재 납기지연, 현장 기능인력 능력, 발주자 지명 하도급 업체 문제, 장비 공급, 현지 인허가 지연, 자원배분 및 공기관리, 현지 하도급 업체 능력에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  7. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 프로젝트환경요인 데이터는
    지반조건 및 작업환경, 자원수급 관련 지리적 여건, 공사 인프라 시설, 민원 민간단체 요구, 기후 및 날씨, 불가항력에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  8. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 발주자감리자요인 데이터는
    발주자의 지나친 요구, 입찰 안내서류, 시방규정, 발주자 공사 이해도 및 사업수행능력, 감리자 공정성, 합리성, 일관성, 발주자, 감리자 업무처리, 발주처 요구조건 반영, 발주자 공사재원 확보 및 지불능력에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  9. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 조직구성원요인 데이터는
    현장소장 관리능력, 현장소장 재량권/현장요원 대우, 본사와 현장 협업체계, 현자용원 기술 및 관리능력, 인력 및 자원 조기동원에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  10. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 진출국환경요인 데이터는
    정국불안, 사회적 혼란, 경제급변, 정책변경, 개입, 기타외압, 청렴도, 담합, 지하거래, 진출국 건설과련 법규 및 제도, 본국 송금규제에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  11. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 프로젝트정보요인 데이터는
    진출국 사전정보, 파이낸싱 비용, 입찰정보 확보, 관련산업 경기전망에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  12. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 설계요인 데이터는
    시공자 설계, 발주자 제공 설계에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  13. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 비용관리요인 데이터는
    환율변동 금융 리스크, 비용예측/관리기법, 시공 자금조달, 예비비에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  14. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 견적요인 데이터는
    견적기간, 기자재 비용예측에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  15. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 J/V, 컨소시엄요인 데이터는
    J/V, Consortium 업체 능력, J/V, Consortium 업체와의 보증체계에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  16. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 계약요인 데이터는
    가격상승, 불리한 계약조건, 계약문서 해석, 계약공기에 관한 데이터 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  17. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 입찰요인 데이터는
    입찰경쟁에 관한 데이터를 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  18. 제4항에 있어서,
    상기 복수의 그룹 데이터 중 분쟁요인 데이터는
    클레임, 민원 해결 위한 전담조직에 관한 데이터를 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  19. 제1항에 있어서,
    상기 영향인자별 수준 데이터 입력단계는
    리커트 7점 척도로 구성된 등간척도에 대하여 평가하도록 하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  20. 제1항에 있어서,
    상기 다중회귀분석단계는
    상기 복수의 그룹 데이터 중 단계별 선택법에 의해 기여도가 낮은 데이터를 제거하는 단계를 포함하는 것을 특징으로 하는 건설공사용 수익성 예측방법.
  21. 제1항 내지 제20항 중 어느 한 항의 건설공사용 입찰의사결정방법을 구현한 프로그램이 기록된 기록매체.
KR1020060016028A 2006-02-20 2006-02-20 건설공사용 수익성 예측방법 KR100811307B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060016028A KR100811307B1 (ko) 2006-02-20 2006-02-20 건설공사용 수익성 예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060016028A KR100811307B1 (ko) 2006-02-20 2006-02-20 건설공사용 수익성 예측방법

Publications (2)

Publication Number Publication Date
KR20070082946A true KR20070082946A (ko) 2007-08-23
KR100811307B1 KR100811307B1 (ko) 2008-03-10

Family

ID=38612415

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060016028A KR100811307B1 (ko) 2006-02-20 2006-02-20 건설공사용 수익성 예측방법

Country Status (1)

Country Link
KR (1) KR100811307B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170114575A (ko) * 2016-04-05 2017-10-16 아주대학교산학협력단 이율배반 특성을 가지는 건설요소기술 및 제품에 대한 qfd-topsis 웹기반 품질평가 방법
CN113793057A (zh) * 2021-09-24 2021-12-14 成都行行行科技有限公司 一种基于回归分析模型的建筑招投标数据生成方法
WO2022059868A1 (ko) * 2020-09-21 2022-03-24 주식회사 나눔건설사업관리 기상 예측에 기반한 공사 공정 관리 방법
CN114626747A (zh) * 2022-03-31 2022-06-14 中国工商银行股份有限公司 资源获取影响因素的权重分析方法、装置、设备和介质
CN115601000A (zh) * 2022-10-13 2023-01-13 中宬建设管理有限公司（Cn） 一种复杂环境下的bim5d模型工程造价方法及系统
CN117952286A (zh) * 2024-03-27 2024-04-30 深圳市睿拓新科技有限公司 一种智能道路施工计划调整系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101672656B1 (ko) * 2015-12-24 2016-11-03 황우곤 민자사업의 사용료조정방식에 의한 사업재구조화 방법 및 장치
KR101812899B1 (ko) 2016-10-27 2017-12-28 황우곤 민자사업의 사용료조정방식에 의한 사업재구조화 방법 및 장치
KR20200012584A (ko) 2018-07-27 2020-02-05 건설기계부품연구원 굴삭기용 작업부하 측정 방법 및 시스템
KR102252007B1 (ko) * 2019-07-16 2021-05-17 주식회사 지에스아이엘 다차원 리스크 매트릭스 생성방법
KR102268294B1 (ko) * 2019-07-16 2021-06-23 주식회사 지에스아이엘 다차원 리스크 매트릭스를 생성하는 데이터 처리 수단
KR102252017B1 (ko) * 2019-07-16 2021-05-17 주식회사 지에스아이엘 다차원 리스크 매트릭스 생성방법
KR102493614B1 (ko) * 2020-10-14 2023-02-06 김혜영 뉴미디어 인플루언서의 정보원 속성 척도 개발 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003203149A (ja) 2002-01-09 2003-07-18 Central Business Consulting Kk 原価管理システム
KR20040025084A (ko) * 2002-09-18 2004-03-24 김억 건축관련공사의 내역 실행원가 관리 시스템 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170114575A (ko) * 2016-04-05 2017-10-16 아주대학교산학협력단 이율배반 특성을 가지는 건설요소기술 및 제품에 대한 qfd-topsis 웹기반 품질평가 방법
WO2022059868A1 (ko) * 2020-09-21 2022-03-24 주식회사 나눔건설사업관리 기상 예측에 기반한 공사 공정 관리 방법
KR20220038843A (ko) * 2020-09-21 2022-03-29 주식회사 나눔건설사업관리 기상 예측에 기반한 공사 공정 관리 방법
CN113793057A (zh) * 2021-09-24 2021-12-14 成都行行行科技有限公司 一种基于回归分析模型的建筑招投标数据生成方法
CN114626747A (zh) * 2022-03-31 2022-06-14 中国工商银行股份有限公司 资源获取影响因素的权重分析方法、装置、设备和介质
CN115601000A (zh) * 2022-10-13 2023-01-13 中宬建设管理有限公司（Cn） 一种复杂环境下的bim5d模型工程造价方法及系统
CN115601000B (zh) * 2022-10-13 2023-10-20 中宬建设管理有限公司 一种复杂环境下的bim5d模型工程造价方法及系统
CN117952286A (zh) * 2024-03-27 2024-04-30 深圳市睿拓新科技有限公司 一种智能道路施工计划调整系统

Also Published As

Publication number Publication date
KR100811307B1 (ko) 2008-03-10

Similar Documents

Publication Publication Date Title
KR100811307B1 (ko) 건설공사용 수익성 예측방법
Tripathi et al. An empirical study on performance measurement factors for construction organizations
Horta et al. Performance assessment of construction companies: A study of factors promoting financial soundness and innovation in the industry
Yurdakul et al. AHP approach in the credit evaluation of the manufacturing firms in Turkey
Memon et al. Using structural equation modelling to assess effects of construction resource related factors on cost overrun
Kim et al. Discriminant analysis for predicting ranges of cost variance in international construction projects
WO2011133904A1 (en) Performance analytics based on high performance indices
Ou-Yang et al. Applying a risk assessment approach for cost analysis and decision-making: a case study for a basic design engineering project
Wong et al. Company failure in the construction industry: A critical review and a future research agenda
Benešová et al. European sugar market–impact of quota system
Mahy et al. Productivity and wage effects of firm‐level upstreamness: Evidence from Belgian linked panel data
Safitri et al. Strategy Based Technology-Based Startups to Drive Digital Business Growth
Bratta et al. Assessing the impact of digital technology diffusion policies. Evidence from Italy
KR20180076242A (ko) Qsc를 활용한 성과 평가방법 및 그 기록매체
Šobota et al. Importance of different perspectives in integrated performance measurement systems
Beshah et al. AHP application in a financial institution
Tiwari et al. The reliability of the standard deviation bid method for awarding construction contracts
Özkan et al. The effects of export import coverage ratio on economy
Vinšalek-Stipić The concept and importance of social audit for sustainable community development
Ahsan The Effect of Cost’s on Profitability An Analysis on Small Manufacturing Businesses
Azzam et al. Trends of Outsourcing Engineering Tasks by Construction Firms in Egypt
Awad et al. Developing Risk Assessment Model For (FIDIC, NEC and Local contracts) in construction projects
Alagbe et al. Moderating effect of business monitoring on the relationship between business advisory services and SMEs performance in Nigeria
Formisano et al. The role of intangibles in improving the predictive ability of Internal Rating System
Fourie The value–based management and share price relationship for companies listed on the banking sector of the JSE Ltd.

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20131230

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20150227

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20160202

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee