A Novel Enhanced Weighted Product Approach Using Euclidean Normalization and Standard Deviation for Accurate Ranking

매일 리더와 관리자들은 단 하나의 숫자를 보는 것만으로는 해결할 수 없는 선택들에 직면합니다. 그들은 여러 가지 서로 다른 요인들을 동시에 저울질하며 직원을 채용하거나, 공급업체를 선정하거나, 프로젝트를 선택해야 합니다. 어떤 요인은 돈에 관한 것이고, 다른 것은 기술에 관한 것이며, 또 다른 것은 성격이나 속도에 관한 것입니다. 문제는 이러한 요인들이 서로 다른 방식으로 측정된다는 점에 있습니다. 하나는 달러로 표시되는 급여이고, 다른 하나는 100점 만점의 시험 점수이며, 세 번째는 언어 능력에 대한 등급입니다. 이처럼 서로 다른 척도를 직접 비교하려고 하면, 가장 중요한 요소보다는 숫자가 가장 큰 요인에 유리하게 결과가 왜곡될 수 있습니다. 이것이 다기준 의사결정(multi-criteria decision making)의 핵심 문제입니다. 즉, 수학적 계산이 현실을 왜곡하지 않도록 하면서, 상충하고 다르게 측정된 정보 조각들을 어떻게 균형 있게 다룰 것인가 하는 것입니다.

연구자들은 이러한 다양한 척도를 정규화하거나 표준화하여 공정하게 비교할 수 있는 방법들을 만들어 이 문제를 해결하려고 오랫동안 노력해 왔습니다. 그러나 전통적인 방식들은 데이터가 불규칙하거나, 요인의 중요성이 편향될 수 있는 인간의 의견에 의해 결정될 때 어려움을 겪는 경우가 많습니다. 인도네시아의 한 연구팀은 이제 이러한 복잡성을 처리할 수 있는 새로운 방법을 제안했습니다. 그들은 기존의 의사결정 도구인 가중 곱법(Weighted Product method)을 개선한 버전을 개발했습니다. 데이터 지점 사이의 거리를 측정하는 특정한 방식과 데이터가 얼마나 변하는지를 살펴보는 수학적 기법을 결ền하여, 이전의 접근 방식보다 더 안정적이고 객적적인 시스템을 만들어냈습니다. 그들의 연구는 인간의 판단에 전적으로 의존하기보다 데이터 자체가 각 요인의 중요도를 결정하게 함으로써, 후보자나 선택지의 최종 순위가 더욱 신뢰할 수 있고 입력값의 작은 변화에도 잘 견딜 수 있음을 시사합니다.

연구진은 자신들이 'WP-DISTA'라고 명명한 이 새로운 접근 방식을 아홉 명의 지원자 중에서 최적의 구직자를 선발하는 실제 시나리오를 통해 테스트했습니다. 이 시나리오에서 각 후보자는 학력, 경력 연수부터 기술적 능력, 의사소통 능력, 그리고 필기 및 면접 성적에 이르기까지 일곱 가지의 뚜렷한 기준에 따라 평가되었습니다. 일부 기준은 점수가 높을수록 좋은 '이득(benefit)' 항목이었던 반면, 다른 기준은 점수가 낮을수록 바람직한 '비용(cost)' 항목이었습니다. 연구팀은 이 데이터를 새로운 시스템에 입력했는데, 이 시스템은 단순히 최고값과 최저값만을 보는 것이 아니라 점들 사이의 기하학적 거리에 기반한 방법을 사용하여 모든 서로 다른 점수를 공통된 척도로 조정했습니다. 이 단계는 수백 단위의 시험 점수와 같이 매우 큰 숫자를 가진 기준이 1점에서 10점 사이의 척도를 가진 기준을 실수로 압도하지 않도록 보장했습니다.

데이터의 균형이 맞춰지면, 시스템은 후보자들이 특정 영역에서 서로 얼마나 다른지를 바탕으로 각 기준의 중요도를 계산했습니다. 만약 후보자 그룹이 모두 거의 비슷한 수준의 학력을 가지고 있다면, 그 요인은 최선의 인재와 나머지를 구분하는 데 도움이 되지 않으므로 낮은 가중치를 부여했습니다. 반면, 후보자들의 기술적 능력이 크게 차이 난다면, 그 요인은 강점과 약점을 구분하는 데 더 효과적이므로 더 높은 가중치를 부여했습니다. 이 과정은 인간이 어떤 요인이 가장 중요한지 추측할 필요를 없애고, 주관적인 의견을 객관적인 변동성 측정치로 대체했습니다. 그 후 시스템은 이러한 조정된 점수와 가중치를 결합하여 각 후보자의 최종 순위를 계산하고, 누가 이상적인 자격 요건에 가장 근접한지를 결정했습니다.

이 새로운 방식의 결과는 놀라울 정도로 일관적이었습니다. 연구진이 자신들의 새로운 시스템이 생성한 순위를 다섯 가지의 기존 의사결정 방식과 비교했을 때, 그 일치도는 매우 높았습니다. 새로운 접근 방식은 하나의 비교 방법과는 0.9914의 상관계수로 거의 완벽하게 일치했으며, 또 다른 방법과는 0.9742로 매우 밀접하게 일치했습니다. 이러한 높은 일치도는 새로운 방식이 이상하거나 고립된 결과를 내놓는 것이 아니라, 이미 사용되고 있는 최선의 관행들과 정렬되어 있음을 시사합니다. 더 중요한 것은, 연구진이 기준의 중요도를 약간 변경하여 채용 담당자가 평소보다 경험을 조금 더 중요하게 여기기로 결정하는 상황을 시뮬레이션함으로써 시스템의 안정성을 테스트했다는 점입니다. 이러한 변화에도 불구하고 후보자들의 순위는 바뀌지 않았습니다. 1위 후보는 여전히 1위에 머물렀고, 최하위 후보는 최하위에 머물렀으며, 이는 시스템이 견고하고 요인의 가중치가 미세하게 변동하더라도 쉽게 흔들리지 않음을 입증했습니다.

결론적으로, 이 연구는 데이터가 스스로 말하게 함으로써 의사결정 도구를 어떻게 더 공정하고 신뢰할 수 있게 만들 수 있는지를 보여줍니다. 이 새로운 방법은 서로 다른 유형의 정보를 비교하는 복잡한 현실을 성공적으로 처리하여, 단 하나의 요인이 그 규모(scale) 때문에 결과에 지배적인 영향을 미치지 않도록 보장했습니다. 데이터의 균형을 맞추기 위한 기하학적 접근법과 중요도를 결정하는 수학적 방식을 통합함으로써, 연구진은 명확하고 안정적인 순위를 산출하는 시스템을 구축했습니다. 이 연구는 복잡한 선택을 내려야 하는 조직과 개인들에게 실질적인 대안을 제공하며, 상충하는 기준들 사이에서 더 큰 확신을 가지고 최종 결정이 가용한 옵션들의 진정한 강점을 반영하도록 돕는 길을 제시합니다.