술 한 잔하며 배우는 돈 버는 법 01 감보다 계산이 돈을 번다

사업을 하다 보면 하루에도 몇 번씩 선택의 기로에 섭니다.

"이 물건을 들여와야 하나?"

"지금 투자해도 괜찮을까?"

"가격을 올려도 손님이 떠나지 않을까?"

이런 결정 하나가 몇백만 원, 때로는 몇억 원의 차이를 만들기도 합니다.

예전에는 이런 선택을 잘하는 사람을 두고 감이 좋다, 직관이 뛰어나다, 운이 따른다고 했습니다. 물론 지금도 경험과 감각은 중요합니다. 하지만 세상은 많이 달라졌습니다.

이제는 감만 믿지 않습니다.

쌓인 데이터를 분석하고, 여러 가능성을 미리 계산해 본 뒤 가장 유리한 선택을 찾습니다. 사람 머리로 하기 어려운 계산은 컴퓨터가 대신합니다.

사업을 하는 사람이라면 결국 하나의 질문으로 돌아옵니다.

"이 선택이 정말 돈이 될까?"

안타깝지만 미래를 정확히 맞히는 사람은 없습니다. 워런 버핏도, 세계 최고의 투자자도 내일을 100% 예측하지는 못합니다.

대신 실패할 가능성을 줄이는 방법을 연구합니다.

그 대표적인 방법 가운데 하나가 몬테카를로 시뮬레이션입니다.

이름은 조금 낯설지만 원리는 의외로 단순합니다.

미래를 한 번만 예측하는 것이 아니라 수만, 수십만 번의 미래를 가상으로 만들어 보는 것입니다.

원자재 가격이 오를 수도 있고, 환율이 움직일 수도 있습니다. 경쟁사가 새로운 제품을 내놓을 수도 있고, 경기가 갑자기 나빠질 수도 있습니다.

이처럼 수많은 변수를 컴퓨터에 넣고 수십만 번 계산해 보면 어떤 결과가 가장 많이 나오는지 알 수 있습니다.

예를 들어 이런 식입니다.

"수익이 날 가능성은 75%."

"본전일 가능성은 20%."

"큰 손실을 볼 가능성은 5%."

미래를 맞히는 것이 아니라 위험을 숫자로 보여주는 것입니다.

그 숫자를 보고 투자할지, 조금 더 기다릴지 결정하는 것입니다.

그런데 이름이 재미있습니다.

왜 하필 '몬테카를로'일까요?

이 이야기는 1940년대로 거슬러 올라갑니다.

당시 수학자 스태니슬로 울람은 병원에 입원해 혼자 카드 게임인 솔리테어를 하고 있었습니다.

문득 이런 생각이 들었습니다.

"카드를 무작위로 섞었을 때 이 게임을 끝까지 성공할 확률은 얼마나 될까?"

직접 계산하려 했지만 경우의 수가 너무 많았습니다.

그러자 발상을 바꿨습니다.

"공식을 만들려고 애쓰지 말고 컴퓨터가 이 게임을 수십만 번 반복하게 하면 되지 않을까?"

바로 여기에서 오늘날 몬테카를로 시뮬레이션의 아이디어가 탄생했습니다.

그렇다면 왜 이름이 몬테카를로일까요?

당시 연구는 맨해튼 프로젝트라는 극비 군사 연구였습니다. 연구 내용을 밖으로 드러낼 수 없어 암호명이 필요했습니다.

그때 동료 과학자가 이런 제안을 합니다.

"이 방법도 결국 확률 게임을 계속 반복하는 것 아닌가. 카지노로 유명한 몬테카를로라는 이름을 쓰자."

그 암호명이 그대로 남아 지금은 전 세계가 사용하는 공식 명칭이 되었습니다.

카지노를 떠올리면 이해가 쉽습니다.

룰렛을 한 번 돌리면 어디에 공이 멈출지 아무도 모릅니다.

하지만 같은 룰렛을 백만 번 돌리면 결과는 확률대로 나타납니다.

카지노는 한 번의 승패를 믿지 않습니다.

수없이 반복했을 때 나타나는 확률을 믿습니다.

몬테카를로 시뮬레이션도 같은 원리입니다.

미래는 알 수 없지만 미래를 수십만 번 가상으로 계산해 보면 어떤 선택이 유리한지 훨씬 객관적으로 판단할 수 있습니다.

이 방법은 이미 금융회사와 대기업에서 오래전부터 활용하고 있습니다.

여의도의 자산운용사와 증권사에는 수학과 통계학, 물리학, 컴퓨터공학을 전공한 퀀트들이 수천억 원의 자금을 운용합니다.

그들이 보는 것은 차트보다 데이터이고, 감보다 계산입니다.

결국 사업도 마찬가지입니다.

중요한 것은 미래를 맞히는 능력이 아니라 틀릴 가능성을 줄이는 능력입니다.

 

요즘처럼 시장은 불안하고 돈의 가치도 빠르게 변하는 시대일수록, 감에만 의존하기보다 데이터를 바탕으로 판단하는 힘이 더 중요해지고 있습니다.

어렵게 생각할 필요는 없습니다.

복잡한 수학을 배우려는 것이 아니라, 사업에서 더 좋은 선택을 하는 방법을 함께 살펴보려는 것입니다.

이 연재에서는 '경영문제 최적화를 위한 의사결정'을 어려운 수식이 아니라 실제 사례로 하나씩 풀어보려고 합니다.

감보다 계산이, 직관보다 데이터가 왜 더 나은 선택으로 이어지는지 함께 살펴보겠습니다.