시나리오의 관찰자 오류

시나리오 기반의 전략적 의사결정을 실행할 때 발생할 수 있는 작성자 오류 개념을 설명드리고 그러한 오류를 해결할 수 있는 방법을 살펴보도록 하겠습니다. 시나리오 분석 의사결정은 매우 합리적인 의사결정처럼 보입니다. 우리가 의사결정을 할 때 일반적 시나리오 그리고 비관적 시나리오 그리고 긍정적 시나리오 일반적으로 경영 의사결정 할 때 일반적 예를 들어서 내년도 뭐 예를 들어 우리나라의 GDP가 평균 이만큼 성장할 거다 그렇다고 한다면 비관적으로는 이 정도 긍정적으로 이 정도 레인지에서 어떠한 우리 의사결정 요인이 발생할 거다 라고 하는 방식으로 시나리오를 만들어요 그리고 이런 걸로 의사결정 하는 것은 합리적으로 보입니다 그런데 이 방식의 문제점은 시나리오는 반드시 기획자가 선택을 합니다. 기획자가 기획자이거나 아니면 사업담당자라든가 사람이 결국은 일반적의 기준과 비관적의 기준과 긍정적의 기준을 만들어 냅니다. 따라서 작성자의 I want bias 개입 가능성이 높아요 예를 들어서 우리가 사업기획서를 보다 보면 사업기획서에서 우리가 보면 이 마케팅 캠페인의 매출 발생 범위를 놓고 본다면 매출 이익이 발생할 가능성과 이익이 손실이 발생할 가능성이 있다고 한다면 사람들은 알게 모르게 손실 마이너스 숫자가 만들어낸 시나리오를 만들어 내는 게 익숙하지가 않아요 그런 것들은 사람 자체가 어떤 의도를 가졌다기보다는 내부적으로 I want bias라는 개념이 개입될 가능성이 높습니다 의사결정 상황에 대한 의도적 맹점에 대한 처리가 어렵고요 모든 가능한 조합을 테스트한 건 불가능해요 작성자가 특정 시추에이션을 설정한 다음에 요 녀석을 가지고 시나리오를 만들어내다 보니까 작성자의 경험이나 역량에 따라서 시나리오의 변동폭이 상당히 큽니다 자 그러면 이러한 문제점을 해결하려면 어떻게 해야 될 거냐 그럴 때 우리가 선택할 수 있는 방법이 몬테카를로 시뮬레이션 이라는 방식을 쓸 수가 있습니다 자 몬테카를로 시뮬레이션은 일단 조금 전에 설명드렸던 시나리오 분석 의사결정의 단점 작성자 바이어스 개입 가능성이 거의 없습니다 그리고 의사결정 상황에 대한 도출 가능한 최솟값이나 최댓값에 대한 수치 모델이 제공됩니다 그리고 원하는 확률 레인지의 기댓값 계산이 가능해요 우리가 원하는 어떤 매출이 있다면 이 매출이 나올 가능성은 70%냐 아니면 예를 들어서 손실이 발생한다면 손실 발생 가능성이 15%인지와 같은 확률모형을 제시하는 게 가능합니다 이에 따라서 시나리오를 보면 몬테카를로 시뮬레이션 보고서를 기반으로 의사결정한다면 결과적 채택에 대한 자신감이 증가할 수 있습니다 의사결정 상황에 대한 거의 모든 가능성을 시뮬레이션 방식으로 테스트를 할 수 있고요 따라서 의사결정 상황에 대한 논리적 설명 가능성이 매우 높은 장점을 갖습니다 자 그러면 이러한 몬테카를로 시뮬레이션 의사결정은 어떻게 실행하는지 같이 살펴보도록 하겠습니다