08 • 한국기업데이터

KED Quarterly Brief

1. 포스트 코로나, 빅데이터, 실시간 데이터 기반의 산업 위기 예측 및 위험 관리 모니터링

(한국기업데이터 빅데이터센터 안영재 센터장, 데이터플랫폼센터 서용환 부부장)

분기보고서 • 09

포스트 코로나, 빅데이터, 실시간 데이터 기반의 산업 위기 예측 및 위험 관리 모니터링- 한국기업데이터 빅데이터센터 안영재 센터장 (yjan@kedkorea.com)

- 데이터플랫폼센터 서용환 부부장 (yhseo@kedkorea.com)

개요. 포스트 코로나 테마분석

“예측 가능하고 통제할 수 있는 위험은 더 이상 위험이 아니다”

코로나19와 같은 예측이 불가능한 이벤트(외부충격)에 대해서는 위험감지 모니터링을 통해 조기에

산업/경제의 위험을 알려주는 조기경보시스템(Early Warning System)이 반드시 필요하다고 생각한다.

그동안 많은 정부 정책에 활용하던 통계 및 실태조사에는 한계가 있었다. 예를 들면 1~2년 시차가 있는

통계지표를 활용한 정책을 수립하거나 광역통계만 있고 기초지자체(시·군·구 등) 통계의 부족으로 분석의

한계도 있었으며, 무엇보다도 가장 큰 문제는 각 위험지표를 모니터링 할 시스템이 없다는 점이다.

이에 빅데이터 기반의 산업생태계 분석 플랫폼과 EW-Index를 통해서 고용, 성장, 혁신, 위험지표

등을 실시간 모니터링 한 사례와 향후 미래 예견적인 정책이 가능한 지역/산업생태계 플랫폼 및 조기경보

시스템에 대한 제언을 드린다.

코로나19 확산이 초래한 Global 공급망(GVC) 충격

과거 팬데믹과의 큰 차이는 경제적 영향력이 큰 국가에 영향을 미치고 있다는 점이다. 전 세계적으로

GDP 60%, 제조업의 65%, 제조업 수출의 41%에 영향을 미치고 있으며, 특히 GVC(Global Value

Chain)쪽에 큰 충격이 가해지고 있다. 공급 측면에서 보면 공장의 폐쇄, 조업 중단의 부분에 공급 충격이

있고 소비자 수요에 대한 급격한 감소, 그 다음 불용 재고의 증가로 인해서 수요의 충격이 있다.

즉 공급망 단절 및 급격한 수요 감소로 인한 GVC 리스크가 존재하는 것이며, 이로 인해서 중소기업의

유동성 위기가 심각하고 수출기업들의 피해가 심각해지는 것이다. 이런 공급망의 위기 때문에 GVC

디지털화에 대한 니즈가 증가하고 있다.

10 • 한국기업데이터

KED Quarterly Brief

코로나19 위기상황에 따른 빅데이터 활용

코로나19 확산으로 수요 감소 및 공급 축소 현상이 발생하고 있으며, 이에 따른 기업의 영업실적 부진 및

신용등급 하락이 심화되고 있다. 특히 단기부채 상환 및 연장에 대한 어려움 및 유동성 경색을 초래하고

있으며, 저금리 기조 아래 연명해온 한계기업들에 대한 흑자도산 가능성도 우려되고 있다.

1장. 포스트 코로나 테마분석

1. COVID-19 확산이 초래한 Global Value Chain 충격

COVID-19 확산이 초래한 Global 공급망 충격은 공급충격에서 수요충격으로 이어지고 있으며,

공급망(Supply Chain)의 위기로 전이되고 있으며, 공급망 단절과 수요 감소의 악순환이 반복

• 공급 충격(Supply-Side Shocks)

– 확진자 발생에 따른 공장 폐쇄, 원재료/부품부족, 조업 중단, 국경폐쇄로 육상 물류 중단, 현금 유동성 부족으로

휴업

• 수요 충격(Demand-Side Shocks)

– 소비자 수요의 급격한 감소, 기존 주문 취소 및 불용재고 증가, 가격인하 압박, 결제 연기로 인한 자금 부족

• 공급망 위기(Global Value Chain Risk)

– 글로벌 기업 및 수출 중심 기업 피해 극심, 중견/중소기업의 유동성 위기 심각, 공급망 단절, 급격한 수요 감소

(악순환)

• 공급망 디지털화 (Global Value Chain Digital)

– 협력사 네트워크 실시간 가시성 확보, 공급망 전체 구조 파악 및 디지털화, 복원력과 대응성 중심의 공급망

재설계, 리쇼어링 (국내 제조 역량 강화)

분기보고서 • 11

2. 글로벌 공급망 (GVC) 충격 사례

국내 자동차 업체는 중국의 와이어 하네스 업체를 대상으로 주문 집중 발주 → COVID-19에

따른 공급 문제 발생

• 와이어 하네스는 생산은 대부분 수작업 진행으로 인건비가 생산원가의 높은 비중 차지

• 국내 업체는 중국 3개 업체/40개 공장에서 구매 중이었으나 COVID-19 로 인해 국내 공장 가동 중단

– 2020년 2월, 자동차 부품 수입이 –41.9% 감소, 와이어 하네스는 21.1% 지속 감소

• 이런 복원력과 시장 대응성을 위해 공급망 재설계가 필요함

그림 1┃A조선 부실에 따른 거래 네트워크 위험전이 사례

기업 부도는 대규모 질병감염 사례와 같이 연쇄적인 부도로 연결

• 기업 거래비중에 따른 거래처의 부도전이는 매우 중요한 지표이며, 중소기업의 부도비율 중 약 37%는 거래

처의 부실 또는 연쇄부도를 의미함

• 기업 네트워크 분석을 통해, 중요기업이 위험지표에 있을 때, 거래처에 미치는 영향 확인

12 • 한국기업데이터

KED Quarterly Brief

2장. 대규모 질병 감염에 따른 기업 현황 파악

1. COVID-19 위기상황에 따른 빅데이터 활용

그림 2┃위기상황 모니터링을 위한 빅데이터 활용 방안

· 코로나19 위기상황에 따른 빅데이터 활용 지표

위기

발생

위기

확산

위기

심각

부도

폐업

기업 도산소상공인 폐업

기업의 대출 증가, 종업원 수감소, 대출 연체 증가와 같은

위기 심각단계 도달

내수 및 소비심리 위축, 공장 가동률감소로 인한 기업 매출액 감소 발생

질병 확산, 글로벌 경제위기 등위기 상황 발생

카드가맹점 실적 정보거래처 네트워크 정보KED EW Index 정보

기업 대출 정보기업 단기연체 정보법인카드 연체 정보종업원수 증감 정보

기업 부도 정보휴/폐업 정보

위기가 심각해지면금융기관은 대출을 회수함

“정챙자금 투입을 통한위기 확산 방지 가능”

위기 대응을 위한빅데이터 분석

COVID-19 확산으로 수요 감소 및 공급 축소 현상이 발생하고 있으며, 이에 따른 기업의 영업실적

부진 및 신용등급 하락이 심화되고 있음

• 단기부채 상환 및 연장에 대한 어려움을 야기시키며, 유동성 경색을 초래함

– 단기 유동성 문제는 재무상태표, 손익계산서가 아닌 현금흐름상의 문제이며, 현재 이슈와 같은 불확실성 하에서

기업들은 현금 유동성 확보에 총력을 기울이고 있음

– 저금리 기조 아래 연명해 온 한계기업들에 대한 자연스러운 구조조정이 가능하며, 정상기업에 대한 흑자도산 가능성

도 우려되고 있음

데이터를 기반으로 위기 대응을 위한 빅데이터 기반의 모니터링을 수행함

• 신용카드 가맹점 실적 정보 : 신용카드 가맹점 기준의 매출실적 정보를 이용하여, 대규모 질병 감염에 따른

영향도 모니터링

분기보고서 • 13

• 국민연금 고용현황 : 국민연금공단의 정보를 활용하여, 월별 사업장의 종업원 수 증감을 확인하고, 사업장

상태를 확인하여 기업의 경영상태 감지

• 기업 여신현황 : 기업들의 대출정보 들은 신용정보원 (舊 은행연합회)으로 집중되며, 신용공여 정보를 활용

하여 기업들의 차입금 현황을 파악하며, 자금의 변동현황 등을 이용하여 해당 산업의 유동성 및 금융버퍼

현황을 추정함

• 판매처/구매처 현황 : 기업 네트워크 탐색은 관심의 대상이 되는 특정 기업의 거래관계 또는 특정 제품을

생산하는 기업 간의 거래관계를 파악하여 기업의 고객, 공급자, 경쟁자 등의 이해 당사자 구조를 파악

• 원리금/법인카드 단기연체 현황 : 한국기업데이터가 집중하는 원리금 연체정보, 법인카드 연체정보를 활용

하여 거래차주의 당사 연체이력, 법인카드 거래 이상 징후 등을 파악하여 기업들의 부실에 대한 선제 지표로

활용

• 기업 생멸현황 (신설/휴폐업) : 신설법인정보, 휴폐업정보를 통해 기업의 생멸을 모니터링

• EW (Early Warning) 등급 기반의 선제적 기업 부실 예측 : 한국기업데이터의 조기경보 모형은 재무정보,

단기연체정보, 신용공여 정보, 부가세 정보, 휴폐업 정보, 국민연금 정보 등을 활용하여 기업의 부실을 사전

적으로 조기 예측함

2. 신용카드 가맹점 실적 변동 현황

그림 3┃COVID-19 발생에 따른 신용카드 매출실적 변동 현황

경남

-3%

-4%

-23%

-19%

-8%

-3%

-6%

-6%

-9%

-6%

-19%

-13%

-7%

4%

-19%

-26%

-8%

-8%

-29%

-17%

-2%

-1%

-33%

-18%

-20%

-10%

6%

-19%

-25%

-44%

-8%

-27%

-22%

-27%

충남

서울

서울-22%

강원-27.3%

경북-32.6%

대구-43.6%

울산-24.9%

부산-28.8%

경남-23.3%

제주-26.5%

광주-13.1%

전남-16.6%

전북-18.4%

대전-25.7%

세종-8.4%

충남-19.3%

충북-18.6%

경기-19.3%

인천-18.7%

강원

경기

광주

인천

대전

부산

전남

경북

전북

충북

울산

대구

제주 세종

6주차 소비

증감율 전

국

6주차 소비 증감율 현황(전국) 6주차 소비 증감율 현황(시/도)

전국 6주차 평균 감소율(-22%)

전국 6주차 평균 감소율(-22%)

5주차 증감률 6주차 증감률

14 • 한국기업데이터

KED Quarterly Brief

국내 첫 사망자 발생 이후, 신용카드 가맹점 매출실적이 큰 폭으로 감소

• 신천지 첫 확진자 발생(2.18) 및 국내 첫 사망자 발생(2.20) 이후, 신용카드 가맹점 매출실적이 지속적인

감소 추세로 전환

• 경북(-33%) 및 대구(-44%) 지역에서 큰 폭의 실적 감소 현상이 발생 → 전년 동월 대비 매출실적 감소

수준이 전국에서 가장 높게 나타남

그림 4┃2020년 신용카드 가맹점 실적분석

세부업종별 소비 증가율*

* 소비증가율 : 전년 동기 대비 개인카드 소비 증가율 = (2019년 대비 2020년 소비 증감액) / 2019년 소비금액

백화점

기타의료기관

아울렛

약국

패션

놀이동산

대형마트

골프장

수퍼마켓

영화관

편의점

화장품

식자재

안경

유흥주점

미용실

패밀리레스토랑

택시

요식

12주차 13주차

버스

목욕탕/마사지

주유

종합병원

전통시장숙박

개인병원

화훼

-19%

7%

-2%

8%

-3%

-25%-15%

17%

-3%

-39%

-25%

-36%-33% -26%

-17% -13%-11%

-45%

-13%

-93%

-14%-12%

-16%

-34%-32%

-41%

-14%

20%

-10%

-9%

7%

-10%

-39%-33%

-6%-14%

-6%

6% 9%

-3%

22%

6%

-31%

-19%

-65%

-13%-17%

-13%

-42%

-24%

-9%

-21%

3%

-1%

가맹점 신용카드 매출분석 시, 오프라인 쇼핑과 식음료, 여가 부분은 실적이 크게 하락한 반면, 비대면

온라인 부분은 실적이 크게 강화된 것을 확인

• 패션, 화장품이 전년 동기 대비 –33% 감소하여 가장 큰 폭으로 감소하였으며, 필수 소모품인 슈퍼마켓,

식자재는 +6% 증가함

• 목욕탕/마사지, 백화점, 놀이동산, 영화관 등 사람이 밀집되는 업종에서 감소폭이 큰 것으로 나타남

분기보고서 • 15

3. 국민연금 정보를 활용한 고용현황 파악

그림 5┃국민연금 정보 기반의 고용현황 지수 및 실업지수 추세

0.12

0.11

0.10

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

-0.01

-0.02

-0.03

-0.04

-0.05

1 1 12 2 23 3 34 45 56 67 78 89 910 1011 1112 12

2018 2019 2020

1.49%1.27%

0.97%

0.99%

1.13%0.75% 0.75% 0.79%

0.53%0.30%

-0.33%

1.31%

0.77%

2.01% 2.59%

4.73%

5.63%

4.02%

0.01%

1.78%

0.82%

1.57%1.72%

0.38%-0.32%

-2.19%

1.39%

3.55% 3.40%

-1.50%

2.29%

4.28%

2.52%

3.38%

7.30%

9.93%

11.79%

-4.39%

고용지수 = 국민연금가입자 증가율(M12)

실업지수 = 퇴직자 증가율(M12)

일반적으로 기업의 종업원 현황은 매출액과 정비례하는 관계를 나타내고 있으며, 해당 지표의 변동은

대규모 질병감염 사태와 같은 외부 충격 이벤트에서 가장 선제적으로 모니터링 해야 함

• 전체 법인기업 대상으로 고용추세를 모니터링한 결과, 감소 추세에 있는 것을 확인

– 2020년 2월에는 고용지수(=국민연금 가입자 증가율)가 (-) 형태로, 고용인원이 감소하고 있는 것을 확인

– 특히, 2020년 이후에는 실업지수(=퇴직자 증가율)가 큰 폭으로 증가하고 있는 것으로 보아, COVID-19 에 따른

기업들의 실적 부진이 가시화 되는 것을 의미

16 • 한국기업데이터

KED Quarterly Brief

그림 6┃“숙박/음식“, ”항공운송“ 산업 고용현황 지수 및 실업지수 추세

0.25

0.20

0.15

0.10

0.05

0.00

-0.05

국민연금 가입자 증가율

퇴작자 증가율

04. 음식 / 숙박 업종

4.23%3.29%

4.57%5.88%

7.16% 7.56%8.44%

9.24%8.37% 7.48%

25.89%

4.12%

2.39%

3.36%2.90%

-1.72%

-1.69%-1.21%

-1.84%

-4.68%

0.88%

-4.77%

-2.06%

0.87%

※2020년 1월 이후 COVID-19에 따른 고용 감소 및 퇴직자 증가 추세(25.98%)

1 1 12 2 2 43 3 3 54 45 56 67 78 89 910 1011 1112 12

2018 2019 2020

1.8

1.6

1.4

1.2

1.0

0.8

0.6

0.4

0.2

0.0

국민연금 가입자 증가율

퇴작자 증가율

15. 항공 / 운송 업종

※해당 산업의 지속적인 불황 및 COVID-19에 따른 추가 영향 반영

→ 퇴사율 15% 이상 상회

3.92% 4.04%

4.79% 5.18% 3.66% 6.61% 6.47%6.54% 4.63%

-0.62%-3.68%

1.90%

8.67%6.22% 5.99%

8.92%

0.00%

15.76% 10.26%

32.02%35.48%

95.01%

152.32%

178.81%

6.51%

1 1 12 2 2 43 3 3 54 45 56 67 78 89 910 1011 1112 12

2018 2019 2020

2.99%

분기보고서 • 17

• 전통적인 오프라인 업종의 특성을 가진 숙박/음식, 항공운송 산업은 대규모 질병 발생에 대한 영향도가 매우

높은 것으로 파악

– 숙박/음식 : 2020년을 기점으로 고용지수가 감소하고 있으며, 3월에는 음수 형태로 나타나고 있으며, 실업지수는

증가 현상(=25% 상회)이 관찰됨

– 항공/운송 :고용지수는 원만하게 감소하고 있으며, 여행자 수요가 본격적으로 감소한 2020년 3월 이후에는 퇴직자

율이 100%를 초과하는 결과를 나타냄. 항공운송 업계의 고질적 경영악화 상태에서 COVID-19에 따른 경영난이

추가 가중화된 것을 파악

4. 신용공여 정보 기반의 차입금 현황 파악

기업들의 대출정보들은 신용정보원(구 은행연합회)에 집중되며, 신용공여 정보를 활용하여 기업들의

차입금 현황을 파악할 수 있음. 운전자금의 변동 현황 등을 이용하여 해당 산업의 유동성 및 금융

버퍼 현황을 추정 할 수 있음

그림 7┃기업 신용공여 정보 현황

350%

300%

250%

200%

150%

100%

50%

0%

14. 항공/운송 : 운전자금 증가율 현황(M12)

20190131

20190228

20190329

20190430

20190531

20190628

20190731

20190830

20190930

20191031

20191129

20191231

20200131

20200228

20200331

20200429

20200529

1. 지속적인 운전자금 보유량 유지

* COVID-19 첫 사망자 발생 (2020.02.20)

2. COVID-19 이후,급격한 차입금 증가 현상 관찰

77.5% 80.0%72.1%

77.6%

20.9%

22.6%

23.9%27.2%

46.7%

75.1% 73.0% 73.3%

71.8%

153.9%

248.0%

336.4%

70.2%

· 개요 : 신용정보원을 통해 집중된 대출 이력· 정보출처 : 한국신용정보원· 업데이트 주기 : 월

A은행

시설자금

- 영업활동에 기초가 되는 고정 시절에 투자 되는 자금

(공장건물, 사무소, 점포, 숙소 등)

장기 대출 낮은 금리 높은 신용등급

운전자금

- 기업 경영을 위해 투자되는 자금 상품/용역의 흐름에 따라

발생하는 소요자금

단기 대출 높은 금리 낮은 신용등급

C카드

B보증

D캐피탈

은행, 보증기관,

카드/캐피탈, 저축은행,

조합 등 45개 금융기관

• 항공/운송업의 운전자금 증가율은 COVID-19 이전에는 평균 70% 수준을 유지하지만, 국내 첫 사망자가

발생한(02.20.) 이후에는 전년 동월대비 차입금이 급격하게 증가하는 것을 확인

18 • 한국기업데이터

KED Quarterly Brief

그림 8┃단기성 자금 융통에 따른 포지셔닝 현황

01 건설업

07 조선업

12 목재/종이

61 제조(경공업)

02 석유/화학

08 해운

13 반도체/전자부품

62 제조(중공업)

03 섬유/의류

09 철강/비철금속

14 정보통신

64 도소매업

04 숙박/음식

10 부동산공급

15 항송운송

65 기타 서비스

05 자동차

11 부동산임대/서비스

16 의약품제조

운전자금 증가율 (M1)

0%-5% 5% 10% 15% 20% 25% 30%

1%

10%

100%

1000%

차입금(운전자금) 기반의 포지셔닝 현황 (2020.5.31 기준)

운전

자금

증가

율 (

M1

2)

15 항공운송,

23.93%, 336.40%

62 제조(중공업),

-2.78%, 16.51%

07 조선업, 0.56%, 39.68%

16 의약품제조, 8.29%, 34.91%

* 운전자금 증가율(M1)

= (기준시점[M0] - 전월[M1]) / 전월[M1] x 100

운전자금을 기반으로 장/단기에 따른 금융비용 부담여력(=전월대비/12개월 대비 운전자금 증가율)을

정의하여 포지셔닝 분석 수행

• 운전자금이 전월대비 5%, 12개월 전 대비 10% 이상 증가한 업종은 항공운송, 숙박/음식1), 제조(중공업),

정보통신 으로 나타나고 있음

• 단기간에 운전자금이 급격히 증가하는 것은 금융비용에 대한 부담을 가중시킬 것임

– 항공운송업은 전년 동월 대비 336%, 전월대비 23% 정도로 운전자금 대출이 급격히 증가 → 해당 자금의 특성2) 과

고용현황3) 수준을 감안할 경우, 영업실적 수준이 좋지 않음을 간접적으로 유추할 수 있음. 비교적 단기간에 걸쳐

운전자금 적체가 이루어졌으며, 이는 기업의 금융비용 부담이 가중되는 것일 확인할 수 있음

– 제조업(중공업) 군집은 전월대비 운전자금이 2.78% 수준으로 감소하였으며, 전년 동월 대비 16.51% 수준의 차입

금 증가율 현황을 나타내고 있음. 이는 평균적인 수준에 해당하며, COVID-19 에 따른 영향이 타 업종에 비해 상대적

으로 크지 않은 것을 확인할 수 있음

1) 숙박/음식 업종은 2020.03월 기준으로 해당 요건을 충족

2) 대출을 쉽게 발생 시킬 수 있지만, 대출 규모가 크지 않으며 상대적으로 금리가 높은 수준

3) 2020년 3월 이후, 작년 동월 대비 퇴직자 증가율이 100% 이상 증가

분기보고서 • 19

5. 판매처/구매처 현황

그림 9┃반도체 산업과 거래 기업(판매처) 군들의 부도율 추세 현황

개요 - 특정 기업의 거래관계 또는 특정 제품을 생산하는 기업간의

거래관계를 파악하여 기업의 고객, 공급자, 경쟁자 등의

이해 당사자 구조를 파악

대상 반도체 - 거래기업 : 제조(중공업)

KED의 기업 품목 데이터를 기반으로 거래 관계를 Node와 Link로 시각화

데이터 분석

- 특정 산업군별 거래 관계망을 조망하여 산업 생태계 내 기업 간 구조를 분석

20%

15%

10%2019

12

2020

1

2020

2

2020

3

2020

4

2020

5

2020

6

2020

7

15.21% 15.30%15.82%

62 제조(중공업)

16.81%

15.10%

15.31%

15.79%16.20%

기업 네트워크 탐색은 검색하고자 하는 특정 기업의 거래관계 또는 특정 제품을 생산하는 기업 간의

거래관계를 파악하여 기업의 고객, 공급자, 경쟁자 등의 이해 당사자 구조를 파악

• 반도체 산업과 거래 관계(판매처)에 있는 산업의 부도율을 도식화하여, COVID-19 발생이 거래처에 어떤

영향이 있었는지를 파악

– 반도체를 구매하는 제조(중공업) 업종은 2020년 3월 이후로 부도율이 상승하는 것을 확인

6. 원리금 연체 현황

그림 10┃(소재/부품/장비) 전기장비 산업의 연체율(원리금) 추세 현황

1.50%

1.00%

0.50%

0.00%2019

10

0.21% 0.21% 0.21% 0.21%0.11%

0.54%0.64%

0.79%0.68%

0.32%

2019

11

2019

12

2020

1

2020

2

2020

3

2020

4

2020

5

2020

6

2020

7

중기업 - 28. (소재/부품/장비) 전기장비

20 • 한국기업데이터

KED Quarterly Brief

기업의 생멸 현상 중 부도 또는 폐업은 멸(滅)에 해당하며, 특히 부도 기업의 경우에는 거래 기업들의

피해 정도가 폐업 수준에 비해 상당히 높게 나타나고 있음

• 기업이 부도가 발생하기 전, 일반적으로 원리금 연체가 발생하고 있으며 90일 이상 연체일 경우에는 해당

기업을 부도로 간주하게 됨. 따라서 단기 연체 정보는 기업의 부도 발생에 대한 선행지표로 활용

– 단기연체 정보를 이용하여 COVID-19 영향도를 분석한 결과, (소재/부품/장비) 전기장비 업종에서 연체율이

증가되는 것을 확인하며 소비자와 직접 대면하는 오프라인 업종(관광, 숙박)에서도 연체율이 증가되고 있음

7. 신용카드 실적정보 기반의 긴급재난지원금 영향도 분석 (Case Study : 제주)

그림 11┃신용카드 매출실적 정보를 이용한 긴급재난지원금 영향도 분석

황금연휴(4.30~5.5)

정부 긴급재난지원금 신청(5.11~6.5)

제주형 1차 재난지원금 신청(4.20~5.22)

제주공항워킹스루 선별진료소 시행

제주도 코로나 첫 확진자방역대책상황실 설치

코로나 추가 확진자

제주공항특별입도절차 시행

이태원 클럽발지역감염 확산

(5.6~ )

전국 현상과 동일하게 국내 첫 사망자 발생 이후, 제주 지역에서도 신용카드 가맹점 매출실적이 큰

폭으로 감소하는 것을 확인할 수 있으며, 재난지원금이 신청되는 기간까지 그 GAP(작년 동기대비)

은 지속적으로 유지되고 있음

4) 데이터 사용 분석 기간인 6.30 까지는 지속되고 있음

분기보고서 • 21

• 2월 20일을 기점으로 신용카드 실적이 1차적으로 하락하는 현상 발생

• “제주형 1차 재난지원금 신청” 및 연휴 (4.30 ~ 5.5)에 따라 작년 동기와 유사한 수준으로 매출실적이 복구

되었음

– 이태원 클럽 발생 및 지역감염 확산(5.6~)에 따라 일시적으로 실적이 감소함

– 정부의 긴급재난지원금 신청(5.11 ~ 6.5)에 따라 전년 동기 대비 실적이 복구되는 추세 발생

– 단, 긴급재난지원금의 지속 효과4)에 대해서는 추가적인 연구가 필요하며 지속적인 모니터링이 필요한 것으로 판단.

분석 기간(~6.30)까지는 유지가 되는 것으로 관측됨

3장. EW기반 산업위기예측

1. EW (Early Warning) 등급 기반의 선제적 기업 부실 예측

일반적으로 신용평가 모형은 상대적으로 1년 이상의 장기간에 대한 신용도(PD, Probability of

Default)를 평가하는데 특화되어 있지만, 조기경보 모형(Early Warning)은 비교적 갱신주기가 짧은

단기성 정보를 이용하여 적시성 있게 신용도를 평가하며 기업 부실화를 얼마나 빨리 인지하는 것에

특화되어 있음

그림 12┃조기경보 모형(EW, Early Warning)에 의한 등급 산출 과정 및 등급 체계

다양한 정보 활용

결산 재무제표

단기 연체정보

불량정보

CB Score

기업 생멸정보

조회/개설정보

위험징후정보

단기 연체정보

금융거래정보

보증/대출정보

고용정보

기타

분반기 재무제표

다양한 정보 활용 다양한 정보 활용

대기업

외감기업

제조업

비외감기업

건설업

소기업

도소매업

개인사업자

기타업

규모구분 업종구분

등급산출

재무모형

동태모형

대표자모형

조기경보등급

정상

관찰

주의

조기경보

은행은 KED 위기예측 모델을 활용하여 기업의 위기를 정확히 예측

22 • 한국기업데이터

KED Quarterly Brief

RISK FACTOR 조기경보 (EW,Early,Warning) 최종 EW 모형

1. 재무정보

2. 채무불이행

3. 신용공여

4. 법인등기변동

5. 부가세정보

6. 휴/폐업

7. 조회기록

8. 단기연체

9. 상거래 연체

정상

관심

관찰1(관심)

관찰2(위험)

휴업

부도

폐업

Scoring 모형(재무 동태 모형)

+

Filtering 모형

최종 EW 등급 확정

KED 조기경보 모형은 단기연체정보 외, 기업 신용공여 정보, 부가세 정보, 부동산 및 법인 등기 열람 서비스 (RealTop)을 통해

입수되는 권리 침해 정보, 대표자 변동 이력 정보와 함께, 국민연금, 금감원 공시정보 등을 활용하여 등급의 적확성 및 적시성을 제고함

• 조기경보모형은 재무정보, 금융거래 정보, 휴폐업 정보, 연체정보, 판매처/구매처 정보, 고용현황, 실적 정보

등을 활용하며 정상, 관심, 관찰, 휴업, 부도, 폐업 등급으로 구성

• EW Index 는 등급별 가중치를 적용하여 합산한 형태로 계산되며, 추정 부도율을 의미하고 해당 지역의

부실율과 정비례하는 관계를 나타냄

분기보고서 • 23

2. EW Index 사후검증 및 산업위기 모니터링

그림 13┃“산업위기 특별대응지역”지정 현황 및 EW Index 유효성 검증

산업위기 특별대응지역

- 산업 구조 조정 등 경제위기로 지역 내 대규모 휴폐업/실직 등 위기에 봉착한 경우, 범부처가 합동으로 지원할 수 있는 경제 산업분야의 특별 재난 지역

· 거제, 통영/고성, 영암/목포/해남, 울산 동구는 고시 제4조 제 1항 및 2항에 따른 지정 기준을 충족하여 현장실사 결과 지역

경제 침체가 확인되어 지정 추진

· 창원 진해구는 STX조선 구조조정 등으로 고용이 악화되었으며 ('17. 4. 5. 고용위기지역 지정) 현장실사 결과 지역 경제 침체가

확인되므로 고시 제4조 5항에 따라 지정 추진

조선업 위기

군산

거제

울산 동구

창원 진해구

통영·고성

목포·영암·해남

현장실사 의견

지역경제 상황

� 군사지역의 경우, 조선업 外 자동차

산업(한국 GM)의 침체로 인한 경기

불황이 고용감소로 이루어짐

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

울산 동구 - 07. 조선업

9 1110 128 1 93 115 72 104 126 8 1 93 115 72 104 126 8 1 93 11 115 72 104 12 126 8 1 193 35 572 2104 46 8

2015 2016 2017 2018 2019 2020

경고 경고

주의 주의

관찰 관찰

0.1027

0.1472

0.2896

0.3743 0.3770

0.3161

0.36220.3369

0.3770

0.4350

0.4854 0.4798

0.4286

0.4475

0.4973

0.5556

0.4256

※2016년 8월,

지역산업위기 감지

2018.06. 산업위기지역 선정Lead Time 22 개월 확보

시/도

시군구

전국

• EW Index 사후 검증 작업 수행을 위해, “산업위기 특별대응지역”을 대상으로 적합성 및 유효성 검증작업을

진행

– 지수 값이 관찰(0.4), 주의(0.5), 경고(0.6) 이상을 상회할 경우에는 각각의 위험 수준에 비례하게 해당 지역 산업경

제가 위험하다는 것으로 판단

– 울산 동구 지역의 조선업은 2018년 6월에 산업위기 지역으로 선정되었으며, EW Index 는 2016년 8월에 절대적

위험 수준의 임계값을 저촉함 → 산업위기 지역으로 선정되기 약 2년 전에 그 위험을 사전적으로 캐치함으로써 실제

업무에서의 유효성을 입증함

24 • 한국기업데이터

KED Quarterly Brief

그림 14┃“산업위기 특별대응지역”지정 현황 및 EW Index 유효성 검증

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

01 1 12 2 23 3 34 4 45 5 56 6 67 7 78 89 910 1011 1112 12

0.1273

경고

주의

관찰

0.1475

0.2727

0.3726

0.3333 0.3443

0.4386

0.5094

0.3684

경고

주의

관찰

울산 전체 - 23.(소재부품장비) 비금속 광물제품

2018 2019 2020

1 1 12 2 23 3 34 4 45 5 56 6 67 7 78 89 910 1011 1112 12

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0.1726

경고

주의

관찰

0.1860 0.1628

0.2243

0.2480

0.4293

충남 전체 - 24.(소재부품장비) 1차 금속제품

2018 2019 2020

경고

주의

관찰

• EW Index를 이용하여 COVID-19 영향도를 분석함

– 울산지역 “(소재부품장비) 비금속 광물제품” 및 충남지역 “(소재부품장비) 1차 금속제품“ 산업에서 급격한 지수 증가

현상이 관찰되며, 상대적 위험 및 절대적 위험에 대한 임계값 저촉이 확인됨 → 산업위기 발생에 대한 모니터링

권고

분기보고서 • 25

• Case Study : 지역별 제조업 EW Index 현황

EW_INDEX 지수 경남 고성군 제조업 지수

2회에 걸친 PD의 급격한 증가현상이 발생하였으며, 해당 기간 이후에는 전국 평균 대비 약 170% 이상의 지속적인 PD GAP 유지

'14 '15 '16 '17 '18 '19

0.10

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9

※ 2015년 3월, 2016년 4월에 Trigger Level 만족. Early Warning Signal 발생

③ 1차 (2015.02), 2차(2016.06)에 걸친 Early Warning Signal 발생

산업위기지역 선정(2018.05.29)

― (전국) 제조업 부도율은 평이한 추세

② 2017.02 이후, PD 안정화 추세. 단, 전국 평균대비 GAP 발생에 따른 상황 악화

① 1차 연쇄부도(2014.04~2015.05), 2차 연쇄부도(2015.09~2017.01), PD의 급격한 증가현상 관찰

'14 '15 '16 '17 '18 '19

3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9

EW_INDEX 지수 전남 영암군 제조업 지수

전국 대비하여 지속적인 PD 증가 추세가 관측되며, “경남 거제시”, “전북 군산”과 유사한 패턴을 나타내고 있음

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

① 2014년 5월 기준으로 지속적인 PD 증가 추세(β > 0)이며, 전국 평균 추세와 GAP 발생

산업위기지역 선정(2018.05.29)

② 2016년 3월 기준, PD 비중이 120%를 초과하므로, Trigger Level 임계치 도달. →EW Signal 발생

― (전국) 제조업 부도율은 평이한 추세

26 • 한국기업데이터

KED Quarterly Brief

'14 '15 '16 '17 '18 '19

0.10

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9

① 2014년 5월 기준으로 지속적인 PD 증가 추세(β > 0)이며, 전국 평균 추세와 GAP 발생

산업위기지역 선정(2018.05.29)

② 2016년 3월 기준, PD 비중이 120%를 초과하므로, Trigger Level 임계치 도달. →EW Signal 발생

― (전국) 제조업 부도율은 평이한 추세

EW_INDEX 지수 전북 군산시 제조업 지수

전국 대비하여 지속적인 PD 증가 추세가 관측되며, “경남 거제시”, “전남 영암”과 유사한 패턴을 나타내고 있음

EW_INDEX 지수 경남 거제시 제조업 지수

시간의 경과에 따라, PD 기울기 차이가 발생하여 지역 산업 위험도가 높아지는 경우에 해당됨

Early Warning 발생에 따른 선제적 대응 방안 구성을 위한 버퍼 확보

'14 '15 '16 '17 '18 '19

0.10

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9 12 3 6 9

① 2014년 10월 기준으로 지속적인 PD 증가 추세(β > 0)이며, 전국 평균 추세와 GAP 발생

산업위기지역 선정(2018.05.29)

② 2017년 7월 기준, PD 비중이 120%를 초과하므로, Trigger Level 임계치 도달. →EW Signal 발생

― (전국) 제조업 부도율

※ PD Relative Risk = 120%, 거제시 제조업 PD = 6.6%, 전국 평균 PD = 5.5(2017년 7월 기준)

분기보고서 • 27

결론. 빅데이터 기반 정책 제언

경제지표 활용 가능성

• 산업위기대응 특별지역이 확정되면 막대한 경제적, 사회적 사후처리 비용이 발생하므로, 별도의 지표를 활용

하여 선제적 대응이 필요

• 해당 지수의 추세, 변동성을 활용하여 “지역경제 위기지역”과 경제 위기에 대한 사전적 인지 가능성 존재

– 기 선정된 “경제위기지역”에 대한 패턴 분석 및 사후 검증 절차를 진행하여 지표 신뢰성 확보

– EW (Early Warning) Index를 활용하여 산업 전반의 위기 현황 모니터링

주요 추진 과제

• 전염병이 공급망의 새로운 리스크 요인으로 부각됨에 따라 소재, 부품, 장비 수급의 불안, 신종 코로나 발생과

같은 외부 충격요인도 “경제 위기 이벤트”로 간주하여 충분한 수준의 현황 파악 및 대응방안을 강구해야 함

• 항공/운송, 숙박/음식과 같은 대면 업종/산업에서는 매출 실적 감소에 따른 유동성 위기가 발생하고 있으며,

고용인원 감소 및 퇴직자 증가, 대출금액 증가에 따른 금융비용 부담 증가와 같은 현상이 관찰되고 있어 정부

차원에서의 공공 대응방안을 강구해야 함

• 일부 소재/부품/장비 관련 업종에서 구조적 취약점을 드러내고 있으며, GVC 다양화에 따른 대응방안 강구

및 기업 거래관계(판매처, 구매처) 등에서 영업실적 저하 및 채무 불이행에 따른 연쇄 도산 등에 대한 모니터

링을 수행해야 함

– COVID-19 와 같이 예측이 불가능하고 통제가 힘든 위험요소의 경우 모니터링을 통한 대응수립이 중요함

– 기업 및 공공빅데이터를 활용하여 지역산업 현황 및 동향에 대한 체계적/실시간 파악 필요

• 카드 소비 패턴 및 실적 파악을 통해 코로나 19에 대한 피해 및 충격을 파악하며, 지자체별 재난지원금

정책에 대한 효과 분석 및 향후 정책방향 제고

• 포스트 코로나, 산업 지원정책의 효과를 제고하기 위해 근거 기반(Evidence Based) 의 정보시스템 구축 필요

– 데이터에 근거한 과학적인 행정기반 확보, 의사결정체제가 필요

– 포스트 코로나, 경제/산업은 빅데이터 기반의 분석을 통한 “미래예측” 및 실시간 “모니터링”을 통한 즉각적인 대응이

필요