머신러닝을 이용한 소상공인 창업기업의 폐업 예측모형개발

A Study on the Development of Predictive Model for Closure of Small Business Start ups using Machine Learning: Focusing on the Wholesale & Retail Industry

본 연구에서는 중소벤처기업부와 통계청에서 제공한 「2019년 기준 소상공인 실태조사」데이터를 활용하여 소상공인 산업 중 가장 큰 비중을 차지하는 도소매업의 폐업 가능성을 예측하는 영향요인을 확인하였다. 이를 통해 소상공인의 폐업을 감소시키기 위한 소상공인의 지원 방안에 대한 결론과 정책적 함의를 도출하였다. 또한, 본 연구는 방법론적 측면에서, 머신러닝의 다양한 알고리즘을 시도함과 동시에 분류 비대칭 문제 완화 방법론을 접목함으로써 소상공인의 폐업 가능성을 예측하는 최적의 예측모형을 찾고자 하였다. 이를 통해 본 연구는 소상공인 도소매업의 ‘폐업 가능성’이라는 직접적이고 정량적인 의사결정 지표를 도출했다는 점에서 실무적 시사점이 있다. 머신러닝 분석 방법을 활용하여 분석한 결과, 그 중 가장 예측성능이 높게 나타난 랜덤포레스트가 최종 모형으로 선정되었다. 랜덤포레스트를 이용한 최종모형은 소상공인 폐업 가능성을 예측하는 정확도가 93.06%, 민감도가 92.43%, 특이도는 93.66%, AUC면적 또한 0.98로 나타나 결과적으로 본 연구의 예측모형은 소상공인의 폐업가능성을 예측하는데 있어서 좋은 성능을 가진다고 할 수 있다. 또한, 소상공인의 폐업 가능성에 영향을 미치는 주요요인을 분석한 결과, 그 요인들은 정부지원경험, 동일업종경쟁심화로 인한 경영애로사항, 영업이익, 총 창업비용, 연간매출액, 임차료 등으로 나타났다. 따라서 향후 이러한 연구결과를 활용하여 정부와 지자체에서는 폐업 상황에 직면한 소상공인을 위한 대책이나 지원제도 마련에 활용할 수 있을 것이다.

This study used data from the 2019 small business Survey provided by the inistry of SMEs and Startups and the National Statistical Office. In addition, the influencing factors predicting the possibility of closure of wholesale and retail businesses, which account for the largest proportion among start-ups, were identified. Through the developed prediction model, we proposed conclusions and policy implications on how to support small business owners to reduce the closure of small business owners. In addition, this study attempted to various algorithms of machine learning in terms of methodology. And at the same time, we tried to find the optimal prediction model that predicts the possibility of small business closure by applying the classification asymmetry problem mitigation methodology. Through this this study has practical implications in that it derived direct and quantitative decision-making indicators of the “possibility of closure” of the wholesale and retail business of small business owners. As a result of analysis using the machine learning analysis method, Random Forest, which showed the highest predictive performance, was selected as the final model. The final model using Random Forest has accuracy 93.06%, sensitivity 92.43%, specificity 93.66%, and AUC value 0.98, and as a result, the predictive model of this study has good performance in predicting the possibility of small business closure. In addition, as a result of analyzing the main factors affecting the possibility of small business owners' closure, they were government support experience, management difficulties caused by intensifying competition in the same industry, operating profit, total start-up cost, annual sales, and rent. Therefore, by utilizing these research results in the future, the government and local governments will be able to use them to prepare measures or support systems for small business with a high possibility of business closure.