Applying Artificial intelligence and Big data analysis in predicting the effectiveness of Strategic decision-making in the Hotel Industry - Decision Support System

고위험 비즈니스의 세계에서, 번창하는 기업과 실패하는 기업 사이의 차이는 종종 단 하나의 결정적인 선택, 즉 어디에 돈을 투입할 것인가라는 문제로 귀결됩니다. 수십 년 동안 호텔 산업의 리더들은 경험, 직관, 그리고 이미 일어난 과거를 되돌아보는 보고서에 기반하여 이러한 전략적 결정을 내려왔습니다. 그들은 과거의 재무제표를 검토하며 미래가 과거와 비슷하기를 바라면서, 새로운 별관을 지을지, 부채를 구조조정할지, 혹은 가격 전략을 변경할지를 결정하곤 했습니다. 하지만 현대 시장은 이러한 구식 접근법을 따르기에는 너무나 빠르고 복ox합니다. 소비자 취향은 하룻밤 사이에 변하고, 경제 조건은 격렬하게 요동치며, 가용 가능한 정보의 양은 압도적입니다. 이를 헤쳐 나가기 위해, 비즈니스 전략을 도박이 아닌 과학처럼 다루며, 단 1달러를 쓰기도 전에 방대한 데이터를 사용하여 무엇이 일어날지를 예측하는 새로운 접근 방식이 등장했습니다.

이러한 변화는 두 가지 강력한 도구의 협력에 의존합니다. 첫 번째는 빅데이터로, 이는 공식 재무 기록, 산업 보고서, 심지어 온라인 고객 리뷰의 비정형 텍스트와 같이 다양한 곳에서 수집된 방대한 양의 정보를 의미합니다. 두 번째는 인공지능, 구체적으로는 머신러닝이라 불리는 컴퓨터 프로그램의 한 종류입니다. 정해진 규칙을 따르는 전통적인 소프트웨어와 달리, 머신러닝은 컴퓨터가 데이터 속에서 스스로 패턴을 연구할 수 있게 해줍니다. 컴퓨터는 회사가 가진 부채 규모, 작년의 이익, 그리고 고객의 만족도와 같은 요소들의 어떤 조합이 미래의 성공이나 실패로 이어지는지를 학습합니다. 이러한 시스템에 역사적 데이터를 입력함으로써, 연구자들은 미래 결정의 결과를 높은 정확도로 예측하도록 훈련할 수 있습니다.

테이도 대학교(Tay Do University)의 연구자인 찐 꾸앙 민(Trinh Quang Minh)은 빅데이터와 인공지능의 결합이 실제로 호텔 경영진의 더 나은 전략적 선택을 도울 수 있는지 테스트하기 위해 연구를 시작했습니다. 이 연구는 급격한 성장과 상당한 변동성으로 알려진 베트남의 호텔 산업에 초점을 맞췄습니다. 연구자는 2010년부터 2025년까지 10년 동안의 정보를 다양한 호텔 기업으로부터 수집했습니다. 여기에는 사이곤투어리스트(Saigontourist)나 빈펄(Vinpearl)과 같은 주요 그룹의 상세한 감사 보고서뿐만 아니라, 규모가 작은 상장 기업 및 부티크 호텔의 데이터도 포함되었습니다. 데이터는 숫자에 국한되지 않았습니다. 평균 객실 요금 및 객실 점유율과 같은 산업 벤치마크는 물론, 대중의 정서를 파악하기 위한 온라인 고객 리뷰의 원문 텍스트도 포함되었습니다.

연구의 핵심은 다양한 비즈니스 시나리오를 시뮬레이션할 수 있는 디지털 엔진을 구축하는 것이었습니다. 연구자는 수집된 데이터를 정제하여 누락된 부분을 채우고, 서로 다른 규모의 기업 간에 공정하게 비교될 수 있도록 숫자를 정리했습니다. 그런 다음, 예측 도구로서 작동할 여러 유형의 머신러닝 모델을 훈련시켰습니다. 일부 모델은 전통적인 통계적 방법이었고, 다른 모델은 변수 간의 복잡하고 비선형적인 관계를 처리할 수 있는 더 발전된 트리 기반 시스템이었습니다. 목표는 자본 투자나 구조조정 계획과 같은 특정 전략적 결정이 재무적 회복과 장기적 성공으로 이어질지를 가장 잘 예측할 수 있는 모델이 무엇인지 확인하는 것이었습니다.

결과는 고급 머신러닝 모델, 특히 XGBoost 및 Random Forest와 같은 트리 구조 앙상블 기반 모델이 광범위한 벤치마크에서 전통적인 통계적 방법보다 유의미하게 뛰어난 성능을 보였다는 것을 나타냈습니다. 다기간 재무 회복을 예측하도록 설계된 테스트에서, 가장 정교한 모델은 91% 이상의 정확도를 달랐습니다. 그러나 연구는 모델이 매우 작고 특정한 샘플 세트(단 6개의 샘플)에서 테스트되었을 때 100%의 정확도를 기록했다는 점을 명시적으로 경고하며, 저자는 이 결과를 진정한 일반화가 아닌 "과적합(overfitting)"과 높은 데이터 분리성에 의한 결과로 설명했습니다. 논문은 모델이 오래된 선형 방식보다 비즈니스 요인들 사이의 비선도적 연결을 포착하는 데 더 뛰어나지만, 작은 테스트 세트에서의 완벽한 점수는 제한된 샘플 크스 때문일 가능성이 높으며, 대규모 구현을 위해서는 일반화 능력을 최적화하기 위한 추가 데이터가 필요하다고 언급했습니다.

단순히 성공과 실패를 예측하는 것을 넘어, 본 연구는 정확히 무엇이 그러한 결과를 이끄는지 밝혀냈습니다. 컴퓨터가 어떤 정보에 가장 크게 의존했는지 분석함으로써, 연구는 전략적 성공 뒤에 있는 지배적인 요인들을 식별했습니다. 가장 결정적인 동인은 결정 전의 재무 건전성, 구체적으로는 자산 대비 부채 비율과 자본 프로젝트에 대한 지출 규모였습니다. 이러한 재무 지표들은 예측력의 3분의 1 이상을 차지했습니다. 두 번째로 중요한 요인은 총 영업 이익 및 객실당 매출(RevPAR)과 같은 기업의 역사적 운영 성과였습니다. 흥미롭게도, 연구는 비정형 고객 정서, 즉 온라인 리뷰에 표현된 감정이 주요한 시장 조절 요인으로서 작용하여, 주요 결정 이후 호텔이 얼마나 빨리 회복할지에 영향을 미칠 수 있다는 점을 발견했습니다.

이 작업의 궁극적인 목표는 단순히 더 나은 예측 도구를 만드는 것이 아니라, 호텔 이사회와 경영진을 위한 실질적인 의사결정 지원 시스템을 만드는 것이었습니다. 이 시스템을 통해 리더들은 값비싼 전략을 실행하기 전에 "만약 ~한다면(what-if)" 시뮬레이션을 실행할 수 있습니다. 그들은 시스템에 다음과 같은 질문을 던질 수 있습니다. "만약 우리가 새로운 별관을 짓기 위해 이 정도의 부채를 떠안는다면, 이것이 3년 후의 이익에 어떤 영향을 미칠까?" 또는 "만약 우리가 지금 가격 전략을 변경한다면, 고객 정서가 우리의 객실 점유율에 어떤 영향을 미칠까?" 연구는 이러한 데이터 기반 접근 방식을 사용함으로써, 호텔 리더들이 직관에 의존하는 것에서 벗어나 위험과 잠재적 보상에 대한 명확하고 증거에 기반한 이해를 바탕으로 고위험 결정을 내릴 수 있다고 제안합니다.

발견한 내용은 유망하지만, 연구자는 최종 테스트에 사용된 데이터 세트의 크기로 인한 한계를 인정하고 있습니다. 모델은 특정 베트남 호텔 데이터 세트로 훈련되었으며, 해당 맥락 내에서는 매우 높은 정확도를 보였으나, 연구자는 예측이 어디서나 유효함을 보장하기 위해 향후 연구에서 더 넓은 범위의 호텔을 포함하도록 확장해야 한다고 언급했습니다. 그럼에도 불구하고, 이 연구는 환대 산업(hospitality business)을 관리하는 새로운 방법에 대한 강력한 토대를 제공합니다. 이는 역사적 재무 데이터와 현대적 인공지능을 결합함으로써, 호텔 산업이 미래를 바라보는 강력한 새로운 렌즈를 얻을 수 있으며, 불확실성을 관리 가능한 변수로, 전략적 기획을 정밀한 과학으로 바꿀 수 있음을 입증합니다.