4-Layer Framework — 전략 OS
Summary · #WHAT구성 #이상향설정 #가중치설정 #priority설정 #변수간의 종속 관계 인식 #시나리오에 따른 변수의 소멸과 생성 #변수의 조합 #여러 변수에 (+)영향을 주는 긍정적 전략 #여러 변수에 (-)영향을 주는 부정적 리스크 #PPT (Person, Process Technology)
나는 지금까지 외부인의 관점(전략컨설턴트 혹은 투자자)에서 어떤 기업을 평가했다. 따라서, 기업에 대해 What을 알 필요가 있었지만, What들 중 어떤 변수가 Weight이 높은지, 어떤 변수가 우선순위가 높은지, 자산은 어떻게 배분되고 있는지 전혀 알 필요가 없었다.
사업은 투자자의 관점과 다르다. 사업자는 What에 대한 변수를 정확히 이해해야 할 뿐만 아니라, 스스로 문제를 해결해야 하는 실행자이기 때문에 "관점"이 있어야 한다. 이 포인트가 전략 컨설턴트로써 살아온 내가, 사업자로써의 내가 됐을 때 결여되어 있었던 최대의 missing point였다.
4-Layer Framework는 단순히 사업을 구성하는 What이 어떤 것인지를 넘어서서, 실제 사업을 운영할 때 필요한 What에 대한 관점을 제공한다.
왜 대부분의 전략 Framework은 죽어있는가
우리가 흔히 보는 전략 framework — Value Driver, KSF, MECE 분해, KBF 매핑 — 은 모두 "무엇이 존재하는가"를 잘 정리한 카탈로그다. 빠뜨림 없이, 중복 없이, 모든 가능성을 펼쳐 보이는 것이 이 framework의 미덕이다.
그런데 이 카탈로그를 받아 든 경영자는 곧 한 가지 사실을 발견한다.
"모든 What이 평등하게 펼쳐져 있으면, 어디에 자원을 더 써야 할지에 대한 신호가 0이다."
이것이 전략 framework이 자주 죽는 첫 번째 이유다. 분석 도구로는 강하지만, 결정 도구로는 약하다. KSF를 펼치는 데에는 능하지만, KSF를 솎아내는 forcing function이 없다. 모두가 다 "하면 좋은 것"으로 남는다.
죽은 전략의 4가지 증상
- 자원이 분산된다. 모든 KSF가 "중요"하므로, 모든 곳에 조금씩 투자가 흘러간다.
- 우선순위가 회의마다 바뀐다. 가중치 기준이 없으니, 발언권 큰 사람이 그날의 우선순위를 만든다.
- "안 할 것"이 정의되지 않는다. 카탈로그에 적힌 모든 항목이 잠재적 To-Do가 된다.
- 실행 6개월 후, 무엇이 진짜로 진전됐는지 누구도 답하지 못한다.
핵심 이동 — 카탈로그를 벡터로 만들기
죽은 framework을 살리는 단 한 가지 이동이 있다. WHAT의 인벤토리에 "관점"을 더하는 것.
관점이란 무엇인가. 무수히 많은 What 중에 어떤 것에 무게를 둘지(Weight), 그리고 어떤 것을 먼저 실행할지(Priority)에 대한 결정이다.
관점 = Weight × Priority
같은 카탈로그 위에 회사마다 다른 관점이 얹히면, 회사마다 다른 전략이 된다.
그런데 "관점"은 어디서 오는가? 임의로 정할 수 있는 것이 아니다. 관점에는 세 가지 input이 있고, 이 셋이 합쳐져서 Weight와 Priority라는 두 가지 output을 만들어낸다. 이게 4-Layer Framework의 핵심 구조다.
전략 OS — 4-Layer Framework
전체 구조
Layer 이름 핵심 질문 Output
| Layer 1 | WHAT (Inventory) | 무엇이 가능한가 | 선택지의 공간 |
| Layer 2 | STANCE (Direction) | 어디로 가는가 / 지금 어디에 막혀 있는가 | Weight × Priority |
| Layer 3 | LEVERAGE (How + Who) | 어떤 자산을, 누가, 어떤 순서로 움직일 것인가 | 실행 계획 |
| Layer 4 | RECALIBRATION | 언제, 무엇을, 다시 점검할 것인가 | Feedback Loop |
Layer 1은 대부분의 회사가 이미 가지고 있다. 진짜 작업은 Layer 2부터 시작된다.
◼ Layer 1 — WHAT (Inventory Layer)
선택할 수 있는 모든 What의 공간을 MECE하게 그리는 layer. 기존 전략 framework이 가장 잘 다루는 영역이다.
- Value Driver — 이익을 구성하는 변수들 (P × Q − Cost의 하위 분해)
- KSF (Key Success Factor) — Value Driver를 움직이는 핵심 성공 요인
- Assets — KSF를 실행 가능하게 만드는 유/무형 자산
- KBF (Key Buying Factor) — 고객이 우리를 선택하는 결정 요인
이 layer가 끝나면 자연스럽게 다음 질문이 발생한다 — "이 중에 무엇이 더 중요한가?" 이 질문이 Layer 2로 가는 입구다.
◼ Layer 2 — STANCE (Direction Layer)
죽은 카탈로그를 살아있는 벡터로 만드는 핵심 layer. 세 가지 input이 두 가지 output을 만든다.
Input 2a. 이상향 (Aspirational State) — 미래 좌표
- 우리가 도달하고자 하는 도착점의 "작동 가능한 상태"
- 슬로건이 아니라 outcome statement — 외부에서 "이 상태인지 아닌지" 판별 가능해야 한다
- 예시: "세계 최고의 SCM팀은 OOS율 ≤2%, 현금-운영 사이클 ≤45일, demand forecast 정확도 ±10%를 유지한다"
Input 2b. 진단 (Diagnosis) — 현재 병목
- 지금 우리를 막고 있는 단 하나의 지점
- 증상이 아니라 근본 원인 (Rumelt의 Diagnosis 정의)
- 나쁜 진단: "매출이 부족하다"
- 좋은 진단: "매출이 부족한 이유는 수요가 없어서가 아니라, 핵심 바이어가 초기 브랜드 리스크를 감수할 확신을 아직 갖지 못해서다"
Input 2c. Stage — 현재 위치
- 진단과 다른 차원. 진단이 "막힌 곳"이라면, Stage는 "여정의 어디까지 왔는가"
- Lifecycle 좌표: Early / Growth / Scale / Mature
- 같은 진단이라도 Stage가 다르면 처방이 다르다. "채용이 안 된다"는 진단 — Early stage면 founder가 직접, Scale stage면 시스템 설계로 푼다.
Weight (가중치) Priority (우선순위)
| 이상향이 "어떤 What을 요구하는가"를 읽어 부여 = 장기적 중요도. 이상향 도달에 더 결정적으로 기여하는 What일수록 가중치 ↑. (현재 상태와의 거리(gap)가 아니라, 이상향이 그 What에 부여하는 중요도) | (진단) + (Stage) 제약 안에서 가장 먼저 풀어야 할 What = 현시점에 풀 수 있는 것 중 가장 무거운 것. 가장 무거운 What이 자동으로 1순위가 아님 |
Weight를 얻는 순서: ① Layer 1에서 What 인벤토리를 펼친다 → ② 이상향을 깊이 조사해 "이 도착점이 어떤 What을 요구하는가"를 읽어낸다. 이게 weight 감각이다. 이상향(벤치마크)이 바뀌면 같은 인벤토리 위에서 weight 서열이 통째로 바뀐다 — 뒤의 Apple vs Zara가 정확히 이 현상이다.
⚠ Weight는 gap이 아니다 — 가장 흔한 함정 Weight는 "이상향에 비춰 이 What이 얼마나 중요한가(importance)"이지, "현재가 이상향에서 얼마나 멀리 떨어져 있는가(gap)"가 아니다. 둘은 직교하는 별개의 축이다.
- gap을 weight로 쓰면 → "우리가 가장 못하는 것"에 자원을 쏟게 된다. 그 What이 이상향에 무의미해도. (이상향이 '가장 빠른 SCM'인데 사무실 인테리어 gap이 크다고 거기 투자하는 격)
- 반대로 이상향에 결정적인 What은 gap이 작아도(이미 잘하고 있어도) weight가 높다 — 유지·방어해야 하므로.
그럼 gap은 어디 쓰는가? gap은 weight와 곱해져 "기회의 크기"를 만든다 — 기회 ≈ Weight(중요도) × Gap(거리). 높은 weight × 큰 gap = 최대 기회. 높은 weight × 작은 gap = 이미 강점, 유지. gap 자체의 판단(진단+Stage feasibility)은 Priority로 흘러간다.
⚠ 결정적 인사이트 Weight와 Priority는 다르다. Weight는 장기 중요도, Priority는 "지금 풀 수 있는 가장 무거운 것". 이 둘을 분리해야 "중요하지만 지금은 아닌 것"을 의식적으로 미룰 수 있다. 이게 Do Not List의 원자재다.
▸ 확장 1. 변수는 고정되어 있지 않다 — Weight의 조건부성
앞의 정의에서 Weight는 "이상향이 어떤 What을 요구하는가"에서 나온다. 여기에는 숨은 가정이 하나 더 있다 — 이상향이 요구하는 변수의 목록·성질 자체가 고정되어 있다는 것. 즉 KBF, KSF, Value Driver의 구성이 미래에도 지금과 같다고 전제한다.
현실에서 변수는 세 가지 방식으로 변한다.
- 생성(Birth): 없던 KBF가 새로 등장한다. (예: 고객이 갑자기 sustainability를 구매결정요인으로 삼기 시작)
- 소멸(Death): 핵심이던 KSF가 무의미해진다. (예: 기술 표준화로 차별화 요인이 commodity가 됨)
- 변형(Mutation): 변수의 성질·방향이 바뀐다. (예: 가격이 더 이상 P×Q를 키우는 lever가 아니라 brand risk signal로 작동)
→ 따라서 Weight는 점 추정치(point estimate)가 아니라 시나리오에 대한 조건부 값이다.
핵심 이동: 단일 미래를 가정한 Weight → 복수 시나리오에 걸친 Weight
What 시나리오 A 시나리오 B 강건성(Robustness)
| KBF₁ (성분 안전성) | High | High | 강건 — 어느 미래에도 무겁다 |
| KBF₂ (인플루언서 노출) | High | Low | 조건부 — A에서만 무겁다 |
⚠ 두 종류의 베팅을 구분하라
- 강건한 베팅 (Robust bet): 거의 모든 시나리오에서 weight가 유지되는 What → 무조건 투자
- 조건부 베팅 (Conditional bet): 특정 시나리오에서만 weight가 큰 What → (해당 시나리오 발생확률 × 옵션가치)로 판단. 작게, 되돌릴 수 있게(reversible) 투자
Layer 4와의 차이. Layer 4의 recalibration은 변수 변화를 사후에 KPI 이상신호로 잡는 reactive 메커니즘이다. 여기 시나리오 사고는 변화를 사전에 오늘의 weight에 반영하는 proactive 메커니즘이다. 둘은 보완 관계다 — 시나리오로 미리 가격을 매기되, recalibration으로 어느 시나리오가 현실화되는지 추적한다.
▸ 확장 2. 변수는 독립적이지 않다 — 조합 구조와 시스템 Weight
기존 framework은 각 What에 개별적으로 Weight를 매긴다. 마치 변수들이 서로 독립인 것처럼. 하지만 변수들은 상호작용한다. 한 변수의 가치는 다른 변수의 상태에 의존한다.
세 가지 조합 유형:
- 보완재 (Complement): A를 올리면 B를 올리는 가치가 커진다 (∂B가치/∂A > 0). 묶어서 함께 움직여야 효과가 super-additive.
- 예: '임상 데이터(KSF)' × 'B2B 바이어 신뢰(KBF)' — 임상이 강해질수록 바이어 설득의 가치가 커진다
- 대체재 (Substitute): A를 올리면 B를 올릴 한계가치가 줄어든다. 둘 다에 중복 투자하지 마라.
- 예: '인플루언서 노출' × '퍼포먼스 광고' — 같은 인지 획득 목표를 두고 한쪽이 커지면 다른쪽 ROI 하락
- 선행조건 (Prerequisite): B는 A가 임계치를 넘기 전엔 개선 불가능하거나 낭비된다. 순서를 강제한다 (Layer 3 Sequencing의 원자재).
- 예: 'demand forecast 시스템(A)'이 없으면 '안전재고 최적화(B)'는 추측에 불과
→ 핵심 이동: standalone Weight → systemic Weight
systemic Weight = standalone Weight + 이 변수가 다른 변수에 미치는 leverage(연결 구조상의 중심성)
즉, 자기 자신만 보면 standalone 중요도가 중간이어도, 여러 변수를 푸는 keystone 변수는 effective weight가 그보다 높다.
⚠ 결정적 인사이트 개별 변수의 standalone 중요도만 보고 Weight를 매기면, keystone(여러 개를 푸는 길목)을 과소평가하고 dead-end(아무것도 안 푸는 외딴 변수)를 과대평가한다. Weight는 변수의 "크기"가 아니라 변수의 **"위치(연결 구조상의)"**로도 결정된다.
이 조합 구조가 Layer 3의 실행 — "여러 변수를 동시에 움직이는 lever 찾기" — 로 직접 연결된다.
▸ 확장 3. 변수는 정지해 있지 않다 — 시간축(리드타임 × 감가)
확장 1이 "변수가 어느 미래에 중요할지 불확실하다(시나리오 분기)"를 다룬다면, 확장 3은 다른 축이다 — 하나의 타임라인 위에서 변수가 시간에 따라 어떻게 움직이는가(궤적). 확장 1은 가능한 세계들의 폭(breadth), 확장 3은 한 타임라인의 깊이(depth). 둘은 직교한다 — 어떤 변수는 어느 시나리오에서도 확실히 중요하지만(확장 1: robust) 동시에 빠르게 감가하고 리드타임이 길 수 있다(확장 3: 지금 시작해서 계속 먹여야 함).
기존 프레임은 변수를 "현재 시점의 스냅샷"으로 본다. 하지만 변수는 stock이다. 시간축을 붙이면 세 가지가 드러난다.
(1) 궤적 — 변수는 가만 둬도 움직인다 지금 A의 수준만 보지 말고, 개입이 없을 때 2-3개월 뒤 A가 어디로 갈지 본다. 상승(모멘텀), 하락(경쟁 잠식·유행 소멸), 계절성. 예: 'B2B 바이어 신뢰'는 sell-through 증거를 계속 공급하지 않으면 시간이 지나며 희석된다.
(2) 리드타임 — 결과는 투입보다 늦다 (lag) 미래 시점 T에 필요한 상태는 T − 리드타임에 시작해야 존재한다. 이것이 순수 중요도 순서를 뒤집는다 — 리드타임이 긴 변수는 raw weight가 중간이어도 지금 착수해야 한다(critical-path 사고). 예: OEM(정코스) 생산 리드타임 때문에 Q3 재고는 Q1 PO가 필요하다. 3개월 뒤 distributor 미팅용 sell-out 데이터는 지금부터 축적해야 존재한다.
(3) 감가 / 유지비 — 포지션은 공짜로 유지되지 않는다 (Red Queen) 경쟁우위·예측 정확도·바이어 신뢰는 방치하면 감소한다. 획득 비용(build)만 예산화하고 유지 비용(maintain)을 빼면, 지켜놓은 줄 알았던 변수가 조용히 무너진다.
→ Weight × Priority에 두 개의 시간 보정이 붙는다:
보정 무엇을 바꾸나 규칙
| 미래 중요도 (Anticipatory Weight) | Weight | 현재 중요도가 아니라 중요도의 궤적으로 가중. 앞으로 무거워질 변수는 지금 당겨 올린다 |
| 리드타임 당김 (Lead-time Pull) | Priority | 착수 시점 = 필요 시점 − 리드타임. 긴 리드타임 변수는 due date보다 앞서 큐에 넣는다 |
⚠ "미래적 사고"를 확장 1과 혼동하지 마라 그냥 "미래를 생각하자"는 확장 1(시나리오)과 겹쳐 죽는다. 확장 3의 살아있는 핵심은 두 가지 구체 개념이다 — **리드타임(lag)**과 감가(decay). 이 둘이 있어야 "지금 무엇을 시작·유지할지"가 오늘의 결정으로 바뀐다. 없으면 그냥 "나중에 잘하자"는 슬로건이다.
💡 Layer 4와의 연결 감가율이 빠른 변수일수록 recalibration cadence를 촘촘히 가져가야 한다. 즉 확장 3(변수의 시간 동학)이 Layer 4(재점검 주기)의 설계 입력이 된다. 리드타임이 긴 변수는 "이미 착수했어야 하는데 안 한" 상태를 조기에 잡는 trigger가 필요하다.
◼ Layer 3 — LEVERAGE (How + Who Layer)
관점이 정해졌으면 다음은 자산을 어떻게 활용해 가중치 높은 What을 움직일 것인가에 대한 답이다. 세 가지 매핑으로 구성된다.
매핑 질문 산출물
| Asset → Driver | 어떤 자산이 이 What을 움직일 lever인가? | 자산-드라이버 매트릭스 |
| Owner → Asset | 누가 이 자산을 Make / Maintain / Expand 하는가? | Owner Assignment |
| Sequencing | 어떤 순서로 자산을 동원하는가? | 실행 시퀀스 (분기 단위) |
💡 Owner 매핑은 옵션이 아니다 How(자산 활용)와 Who(담당자 지정)를 분리하지 않는다. Owner 없는 자산은 frame 안에서 "있는 것"으로 보이지만 현실에서는 "움직이지 않는 것"이다. Layer 3에 Owner column이 없으면, 전체 framework이 다시 죽은 카탈로그로 돌아간다.
▸ 확장 1. Up-Leverage — 여러 변수를 동시에 올리는 lever
Layer 2의 보완재 구조에서 도출되는 실행 원리. Asset→Driver 매핑을 1:1이 아니라 1:N으로 본다 — 하나의 자산·움직임이 몇 개의 driver를 동시에 올리는가(fan-out).
가장 가치 높은 lever는 fan-out이 큰 lever다. 같은 비용으로 여러 What을 올린다.
판별 질문:
- 이 자산을 Make/Expand하면 몇 개의 driver가 함께 올라가는가?
- Layer 2에서 식별한 보완재 쌍을 동시에 건드리는 단일 움직임이 있는가?
예 (epii SCM): 'demand forecast 시스템' 구축은 ① 수요예측 정확도 ↑ ② 안전재고 최적화로 재고비용 ↓ ③ OOS 손실 ↓ — 단일 자산이 driver 3개를 동시에 움직인다. 채용(Person)은 fan-out 1, 시스템(Tech)은 fan-out 3. 같은 What을 풀어도 fan-out이 다르면 우선순위가 다르다.
→ 이것이 Layer 2의 systemic Weight를 실행으로 옮기는 경로다.
▸ 확장 2. Down-Risk — 여러 변수가 동시에 무너지는 구조
⚠ Up-lever와 Down-risk는 같은 edge를 반대로 탄 것이다.
fan-out이 큰 자산은 최고의 up-lever인 동시에 최대의 concentration risk다. 그 자산이 무너지면 연결된 모든 driver가 동시에 무너진다(contagion). 분산이 안 된 fan-out은 곧 single point of failure다.
이 문서의 SCM 예시가 정확히 이 구조다 — SCM 1명은 구매+생산+물류 3역에 연결된 high fan-out 자산이다. 이상적으론 강력한 lever지만, 그게 Person이라서(가용성 낮고 분산 큰 자산 유형) up-lever가 아니라 down-risk로 작동한다.
→ 따라서 Asset-Driver 매트릭스는 같은 매트릭스를 두 방향으로 읽어야 한다.
방향 질문 산출물
| 정방향 | 어떤 자산을 키우면 여러 driver가 오르는가? | 기회 (Up-lever) |
| 역방향 | 어떤 자산이 무너지면 여러 driver가 떨어지는가? | 리스크 (Down-risk) |
high fan-out 자산은 반드시 자산 유형(아래 PPT)을 점검하라. Person이면 → 분산·이중화하거나 Process·Tech로 이전한다. 이 점검은 Layer 4 recalibration의 고정 항목이 되어야 한다.
▸ 확장 3. PPT — How를 구성하는 자산의 분류 (Person · Process · Tech)
"무엇을 해결할까(What)"가 정해지면 "어떻게(How)"가 남는다. 모든 How는 세 가지 자산 유형의 조합으로 분해된다.
유형 정의 이 문서의 기존 언어 매핑 특성
| Person | 사람의 직접 실행·판단 | 채용, 영웅 의존, 직접 실행, Make(내부) | 유연·빠름 / 가용성↓·분산↑·확장성↓ |
| Process | 절차·R&R·파트너십·위임 | 외부 위임, SOP, Buy, ODM·3PL 관계 | 반복가능·이전가능 / 설계비용·경직성 |
| Tech | 시스템·자동화 | ERP·분석 시스템, Automate | 확장성↑·가용성↑ / 초기투자↑·변경비용 |
세 가지 활용 원리
(1) How 분해 — 하나의 What은 보통 P/P/T 중 하나가 아니라 적정 mix를 요구한다. "demand forecast"를 Person만으로 풀면 영웅 의존, Tech만으로 풀면 데이터 없이 자동화 — 둘 다 실패한다. P(초기 룰 설계) → Process(SOP) → Tech(자동화)의 조합이 정답.
(2) 성숙 경로 — 같은 What도 Stage에 따라 적정 유형이 이동한다. Early에는 Person이 정답(빠른 학습). Growth/Scale에서 같은 걸 Person으로 계속 풀면 ceiling이 된다. Person → Process → Tech로 load를 이전하는 것이 성숙이다. (Layer 2의 Stage input과 직결)
(3) Make-Buy-Automate = PPT 결정의 다른 이름
- Make(내부) ≈ Person
- Buy(외부 위임·파트너) ≈ Process
- Automate(시스템) ≈ Tech
→ 그래서 아래 SCM 예시의 시퀀스 "Make-Buy-Automate 분류 → 외부 위임 → 자동화 → 채용"은 사실 *"이 What을 어느 PPT 유형으로 풀 것인가, 어떤 순서로 유형을 이전할 것인가"*의 결정이었다.
💡 PPT와 Down-Risk의 연결 high fan-out 자산이 위험한 이유를 PPT가 설명한다 — Person 유형은 가용성이 낮고 분산이 크다. 그래서 가장 위험한 구성은 **'high fan-out × Person'**이다(= SCM 1명). 해법은 fan-out을 줄이는 게 아니라, 유형을 Person → Process/Tech로 옮겨 가용성을 높이는 것이다.
◼ Layer 4 — RECALIBRATION (Feedback Layer)
대부분의 전략 framework이 누락하는 layer. 한 번 설계된 전략은 시간이 지나면 outdated된다.
- 진단(병목)은 빠르게 outdated된다 — 분기마다 병목이 이동
- Stage는 전환된다 — 지금 Early여도 6개월 후 Growth일 수 있음
- 이상향 자체가 재정의되어야 한다 — 회사가 커지면 더 큰 이상향이 필요
- 변수 자체가 변한다 — Layer 2 확장 1의 시나리오가 현실화됐는지, 새 KBF가 생성·소멸했는지
이 layer는 "언제 다시 Layer 2-3로 돌아갈 것인가의 ritual"이다.
재점검 대상 Cadence Trigger
| 진단 (병목) | 분기 1회 | KPI가 의외 방향으로 움직일 때 |
| Stage | 6개월 1회 | 매출 2배, 인원 2배, 또는 시장 구조 변화 |
| 이상향 | 12개월 1회 | Stage 전환 시 강제로 |
| Weight × Priority | 분기 1회 | 진단 update 직후 자동 재계산 |
| 변수 인벤토리 (생성·소멸·변형) | 분기 1회 | 새 KBF 신호, 시나리오 현실화 |
| Concentration risk (high fan-out × Person) | 분기 1회 | 신규 single point of failure 발생 시 |
이 cadence가 없으면 작년의 관점으로 올해의 실행을 하게 된다 — Bad Strategy의 가장 흔한 발생 경로다.
이상향 설정 — 가장 어려운, 가장 중요한 작업
Layer 2의 세 input 중에서 이상향(Aspirational State)의 설계가 가장 어렵다. 진단과 Stage는 "지금"을 분석하는 것이므로 데이터로 답할 수 있다. 이상향은 "미래"를 선언하는 것이므로 선택이 필요하다. 이 선택이 곧 회사의 전략적 입장이 된다.
이상향을 설계할 때 흔히 빠지는 함정 3가지를 살펴본다.
⚠ 함정 1. Vagueness — 측정 가능하지 않은 이상향 "세계 최고의 SCM은 재고가 절대 엥꼬나지 않는다." 듣기엔 좋다. 하지만 "엥꼬"가 0%인가, 5%인가, 10%인가? 측정 불가능한 이상향은 슬로건이지 좌표가 아니다.
❌ 나쁜 이상향 ✅ 좋은 이상향
| "재고가 엥꼬 안 남" | "OOS율 ≤2% AND 현금-운영 사이클 ≤45일 AND demand forecast 정확도 ±10%" |
원칙: 이상향은 2-3개의 측정 가능한 outcome metric으로 분해되어야 한다.
⚠ 함정 2. Trade-off Blindness — 모순된 이상향 "재고 절대 엥꼬 안 남" + "현금흐름 정확 예측" — 이 두 가지는 trade-off 관계다. 안전재고를 올리면 cash flow가 나빠진다.
이상향이 "모든 게 다 좋은 상태"로 설계되면, 그것은 작동 불가능한 fantasy다. 좋은 이상향은 어떤 trade-off를 받아들였을 때 도달 가능한 상태를 명시한다.
예시 (좋은 이상향): "OOS율 ≤2%를 달성한다. 이를 위해 안전재고 +5일 허용하고, cash flow에 그만큼의 부담을 감수한다."
⚠ 함정 3. Benchmark Mismatch — 잘못된 "세계 최고" "세계 최고"는 회사마다 다른 의미다. Apple의 SCM 이상향과 Zara의 SCM 이상향은 정반대다.
벤치마크 Apple 모델 Zara 모델 Glossier 모델
| SCM 우선순위 | 마진 + 예측 정확도 | 속도 + 회전율 | 단순성 + SKU 최소화 |
| Trade-off 수용 | 재고비용 ↑ | Forecast 오차 ↑ | 매출 ceiling |
🎯 메타 원칙 이상향 설정은 단순한 동기부여가 아니라 차별화 선언이다. "우리는 X처럼은 되지 않는다"가 "Y처럼 된다"만큼 중요하다. 이상향을 선택하는 행위 자체가 첫 번째 전략적 선택이다.
적용 예시 — SCM 도메인 풀 워크스루
4-Layer Framework을 한 도메인(SCM)에 끝까지 적용한 예시. 어떤 회사든 자신의 도메인에 동일한 흐름을 적용할 수 있다.
Layer 1 — WHAT
| Value Driver | (재고비용 + OOS 손실 + 운영비) / 매출 |
| KSF | 수요예측 정확도, 입출고 효율, 공급사 관계 관리 |
| Assets | SCM 운영 인력, 자체 ERP·분석 시스템, ODM 관계, 3PL 네트워크 |
Layer 2 — STANCE
이상향: "월 단위 OOS율 ≤2%, demand forecast 정확도 ±15%, working capital 90일 이내. Zara 모델 — 속도와 회전을 위해 약간의 재고비용을 감수한다."
진단: "SCM 인력 1명이 구매+생산+물류 3역을 동시에 담당. 본인 부재 시 모든 운영이 멈춤. Single point failure가 전체 운영의 ceiling이 됨."
Stage: "Early → Growth 전환 직전. 영웅 의존 모델로는 다중 SKU 동시 launch가 불가능한 임계점."
조합 구조 (확장 2): '수요예측 정확도'는 keystone — 이것이 풀리면 '안전재고 최적화'와 'OOS 손실 감소'가 연쇄적으로 풀린다(선행조건 + 보완재). standalone 중요도는 중간이지만 systemic Weight는 최상위.
→ Weight 결정 → Priority 결정
| 자동화 가능 영역 가중치 ↑ / 사람 의존 영역 가중치 ↓ (Stage 전환 신호 + keystone 구조 반영) | ① Make-Buy-Automate 분류 ② 자동화 시스템 구축 ③ 채용 (가장 마지막) |
Layer 3 — LEVERAGE
- Asset-Driver mapping: ERP·분석 시스템 → 수요예측 driver (자동화 path)
- Up-leverage (확장 1): demand forecast 시스템 = fan-out 3 (예측정확도 ↑ · 재고비용 ↓ · OOS손실 ↓). 채용보다 우선.
- Down-risk (확장 2): SCM 1명 = high fan-out × Person → single point of failure. 정방향으론 매력적이나 역방향으론 최대 리스크.
- PPT (확장 3): 현재 100% Person 의존 → Process(외부 위임·SOP) + Tech(자동화)로 load 이전이 성숙 경로. Make-Buy-Automate가 곧 이 결정.
- Owner Assignment: SCM 1명 → Maintain only. Make/Expand는 외부 자문 + 시스템 + 경영진.
- Sequencing: Make-Buy-Automate 분류 (4주) → 외부 위임 setup (8주) → 자동화 구축 (12주) → 그 후 채용 검토.
Layer 4 — RECALIBRATION
- 진단 재점검: 분기 리뷰에서 "SCM 1명이 여전히 ceiling인가?" 체크
- Concentration risk: high fan-out × Person 구성이 해소됐는지 분기 점검
- Stage 전환 trigger: 월 매출 안정화 OR 다중 SKU 동시 운영 도달 시
- 이상향 재정의: 12개월 후 Zara 모델 → Apple 모델로 옮길지 결정
정리 — 핵심 메시지
- 기존 전략 framework(Value Driver, KSF, MECE)은 WHAT의 인벤토리일 뿐, 결정 도구가 아니다.
- Framework을 살아있게 만드는 것은 관점(Weight × Priority)이다.
- 관점은 이상향, 진단, Stage 세 가지 input의 합으로 도출된다. 특히 Weight(중요도)는 이상향이 "어떤 What을 요구하는가"에서 나온다 — 현재와의 거리(gap)가 아니다.
- 이상향은 측정 가능 + Trade-off 명시 + 차별화 선언의 3가지 조건을 만족해야 한다.
- 실행 layer에는 항상 Owner Assignment이 포함되어야 한다. Who가 빠진 How는 다시 죽은 카탈로그다.
- 전략은 한 번 설계로 끝나지 않는다. Recalibration cadence가 없으면 작년의 관점으로 올해를 산다.
- Weight는 고정된 변수에 대한 점 추정이 아니다. 변수 자체가 변하는 시나리오에 걸쳐 강건한 것(robust bet)과 조건부인 것(conditional bet)을 구분하라.
- 변수는 독립적이지 않다. 개별 gap이 아니라 조합 구조(보완·대체·선행)상의 위치가 systemic Weight를 결정한다 — keystone을 놓치지 마라.
- 변수는 정지해 있지 않다. 리드타임(결과는 투입보다 늦다)과 감가(포지션은 방치하면 내려간다)를 반영해, 미래 시점에 필요한 것은 지금 착수·유지하라.
- 최고의 up-lever(high fan-out)는 동시에 최대의 down-risk다. 같은 자산 매트릭스를 정방향(기회)·역방향(리스크) 양쪽으로 읽어라.
- 모든 How는 PPT(Person·Process·Tech)로 분해된다. Stage에 따라 load를 Person → Process → Tech로 이전하는 것이 성숙이다.
자가 진단 체크리스트
우리 회사의 전략에 다음이 있는가? 빠진 layer가 우리 framework이 죽어있는 이유다.
- ☐ 우리의 이상향이 측정 가능한 metric으로 정의되어 있는가?
- ☐ 이상향에 명시적인 trade-off가 포함되어 있는가?
- ☐ 현재 우리를 막고 있는 "단 하나의 진단"을 한 문장으로 쓸 수 있는가?
- ☐ 우리의 현재 Stage가 명확히 정의되어 있는가? (Early / Growth / Scale)
- ☐ 주요 자산마다 Make / Maintain / Expand Owner가 지정되어 있는가?
- ☐ 우리는 Weight를 "이상향이 요구하는 중요도"로 매겼는가, 아니면 "현재 못하는 정도(gap)"로 매겼는가?
- ☐ 진단/Stage/이상향을 언제 재점검할지 cadence가 정해져 있는가?
- ☐ 우리의 핵심 What들의 Weight가 단일 미래 가정인가, 복수 시나리오에서 강건한지 검증됐는가? (확장)
- ☐ 핵심 변수들 사이의 보완·대체·선행 관계를 매핑했는가? keystone 변수를 식별했는가? (확장)
- ☐ 핵심 변수마다 리드타임과 감가율을 파악했는가? 미래 시점에 필요한 것을 지금 착수·유지하고 있는가? (확장)
- ☐ 우리의 가장 high fan-out 자산이 무엇인지, 그것이 up-lever인지 down-risk인지 식별했는가? (확장)
- ☐ 각 핵심 What을 Person/Process/Tech 중 어떤 조합으로 풀고 있으며, 그것이 우리 Stage에 맞는 유형인가? (확장)
마지막 한 줄
좋은 전략은 "무엇을 할까"의 카탈로그가 아니라, "무엇을 더 중요하게 볼 것인가, 무엇을 먼저 풀 것인가, 무엇을 하지 않을 것인가" 에 대한 선택의 집합이다.
— 끝 —
'CEO note > Strategy' 카테고리의 다른 글
| GTM 5-Layer Framework v3 (0) | 2026.06.13 |
|---|---|
| 턴어라운드 전략, 턴어라운드 전략 핵심 5요소: 재무구조 정상화, 사업포트폴리오 재편, 비용구조 개선, 시장 입지 강화 (0) | 2023.02.14 |
| 아웃소싱의 장단점 (0) | 2021.11.25 |
| 벤쳐회사 듀딜리전스: 비즈니스모델, 경쟁, 고객, 재무, 자본, 모멘텀, 팀, 법무 등 (0) | 2021.10.28 |
| 기업 전략, M&A전략 (0) | 2021.10.24 |