DONGDAEMUN.
R1, 우리는 ROE 10위였다 — 10팀 중 꼴찌.
R2, 종합 1위로 끝냈다.
경영 시뮬레이션의 8분기 기록이다. 다만 이 페이지의 주인공은 팀 성적표가 아니라 내가 설계한 판단의 논리다 — 실패를 덮지 않고 입력값으로 쓴 방식, 다른 팀의 행동을 데이터로 읽은 방식, 시뮬레이션이 권한 답을 다시 의심한 방식.
핵심 결정의 논리는 내가 제안했고, 3인 CEO 체제가 그 논리를 각자 관점에서 검증해 합의로 완성했다. 게임 안에서 무엇을, 왜, 어떻게 결정했는가의 전체 드라마다.
R1 10팀 꼴찌 → R2 11팀 1위
R1 대비 손익계산서 확정
종합·ROE·매출수량 3관왕
게임을 30초에 이해하기
이 시뮬레이션을 모르는 사람을 위해 규칙을 먼저 편다. 뒤에 나오는 결정들의 무게는, 이 판이 어떤 판인지를 알아야 보이기 때문이다.
한국·일본·인도·브라질·영국
미국·호주·중국·이집트·이탈리아 등
R1 4 + R2 4
같은 시장에서 입찰
가격 + 능력치로 순위
ROE·총자산·매출수량
이 판이 어떤 게임인지는 봤다. 그런데 승부는 규칙이 아니라, 그 규칙을 어떻게 읽느냐에서 갈렸다 — 그 핵심이 환산지수다.
환산지수가 왜 게임의 핵심인가
INLINE · 직접 조작입찰은 부른 가격만으로 정해지지 않는다. 능력치가 붙어 환산값이 낮은 쪽이 이긴다. 아래는 우리 능력치 +6%가 걸린 기본 상태 — 같은 70만을 불러도 환산은 65.80으로 앞선다. 슬라이더와 토글을 직접 움직여 봐도 된다.
환산값 = 단가 − (단가 × 능력치%). 우리는 R2-1에 능력치를 영구로 +6%까지 올려, 같은 단가를 불러도 환산에서 자동으로 앞섰다. 이 구조가 R2 거의 모든 풀 낙찰의 토대였다.
수치 표기 규칙 — 확정 · 추정 · 계산 (본문 태그의 기준)
모든 재무 수치는 이며, 핵심 지표는 게임 종료 시점 손익계산서 확정값을 우선으로 인용한다. 본문 곳곳의 태그에 마우스를 올리면 각 값의 성격이 표시된다.
결과부터 — 3관왕
결말을 먼저 확정하고 과정으로 들어간다. 종합·ROE·매출수량 세 축을 모두 1위로 마쳤다. 흥미로운 건 등수가 아니라, 꼴찌에서 여기까지 온 경로다.
| 평가 항목 | 동대문 순위 | 수치 | 비고 |
|---|---|---|---|
| 종합 | 🏆 1위 | — (11팀 중) | 정량 + 정성 종합 |
| ROE | 1위 | 71.18% | ROE 2위 JIP(50.37%) 대비 +20.81%p |
| 매출수량 | 1위 | 누적 6,408개 | R1 2,430 + R2 3,978 |
| 총자산 | 2위 | 21.51억 | 1위 7조 컴퍼니와 근소 차이 |
ROE, 얼마나 앞섰나
최종 화면엔 두 개의 2위가 있다 — 종합 2위와 ROE값 2위는 다른 팀이다. 헷갈리지 않도록 셋을 나란히 둔다.
격차 +20.81%p는 ROE 값 2위인 JIP 기준이다. 종합 2위(7조)와는 또 다른 팀 — 우리 ROE는 둘 다 크게 앞선다.
먼저, 무엇이 무너졌나
R1은 좋은 시즌이 아니었다. ROE 10위, 10팀 중 꼴찌로 마쳤다. 그런데 이 실패를 덮는 대신 해부했고, 거기서 나온 학습이 R2 전체의 안전판이 됐다. 가장 큰 손실부터 뜯어본다.
기계는 샀지만 돌릴 사람이 없었다. 한 사람의 판단으로 밀어붙인 이 결정 하나가 R1 ROE를 10위까지 끌어내렸다. 여기서 "큰 결정은 반드시 팀 전원 합의"라는 원칙이 나왔다.
한국 280개 미낙찰
R1-1에서 한국이 한산했던 것(낙찰률 56%)을 보고 R1-2에 들어갔다. 그런데 다른 팀들도 같은 데이터를 봤다. 모두가 한국으로 몰려 입찰이 171%로 폭증했다.
학습 · 과거의 한산은 다른 팀도 본다. 한산 = 다음에도 한산이라는 보장은 없다. 의 최초 학습.미국 200개 침몰
제품시장 미국에서 돌발 상황으로 200개가 침몰했다. 다만 사전에 가입한 돌발 보험이 발동해 1.4억을 보전받았다 — 위험 자체는 못 막았지만, 손실은 막았다.
학습 · 미래의 위험에 도 자산이다. R2-4 보험 풀세트 가입으로 이어졌다.기계 60대 매몰
직전 분기 미낙찰로 쌓인 재고를 만회하려 기계 60대를 추가로 샀다. 자금을 여기 다 써 인력을 못 뽑았고, 기계는 그대로 놀았다. 약 3.6억이 잠겼다.
학습 · 큰 결정에 단독 판단은 금물. 위 메커니즘이 그 증거다. → 팀 전원 합의 원칙.R1 분기별 전체 로그 보기 — 4분기 결정·결과·교훈
| 분기 | 핵심 결정 | 결과 | 교훈 |
|---|---|---|---|
| R1-1 | 4시장 분산 진입 | 500개 풀 낙찰 · 매출 3.46억 | 데이터 수집 시작 |
| R1-2 | 한국 시장 메이저 | 280개 미낙찰 (171% 폭증) | 한산 데이터 의존 금지 |
| R1-3 | 인도 시장 진입 (안정 가정) | 450개 미낙찰 (228% 폭증) | 안정 시장의 역설 |
| R1-4 | 기계 60대 추가 매입 | 60대 매몰 (약 3.6억) | 팀 전원 합의 원칙 |
R1-3 인도 450개 미낙찰도 같은 "안정 시장의 역설"이었다. 모두가 안전하다 판단한 시장이 가장 위험했다. 세 번의 미낙찰·매몰이 R2의 세 원칙을 낳았다.
실패가 원칙이 된 순간
R1이 데이터 수집과 실수의 시즌이었다면, R2는 그 학습을 응용하는 시즌이 됐다. 앞의 실패들을 그냥 후회로 남기지 않고, 각각을 다음 결정에 바로 쓸 원칙으로 바꿨다 — 아래는 그 실패와 원칙을 일대일로 이은 것이다. 이 전환이 이 기록의 축이다.
한산→폭증, 메타게임으로 읽는다
과거 데이터는 다른 팀도 본다. 그래서 "한산했으니 안전"은 함정이다. 각 시장의 다음 상태를, 다른 팀의 시선까지 넣어 예측한다.
R1-2 한국 · R1-3 인도에서능력치 = 무형자산, 환산 우위의 원천
같은 단가라도 능력치가 붙으면 환산에서 이긴다. R&D·HR·공급망에 먼저 투자해 영구 +6%를 확보하면, 그 뒤 모든 입찰에 복리로 작동한다.
R2-1에서 구축앵커링을 역이용한다
다른 팀은 시장 기준가에 무의식적으로 묶인다. 그 인지 편향을 분석해, 기준가를 의도적으로 벗어난 단가에 베팅한다 — 비싸 보이지만 환산은 유리하게.
R2-3 인도에서 실행큰 결정은 팀 전원 합의로
세 사람이 각자 다른 관점에서 검토한다. 한 사람이 놓친 위험을 다른 사람이 잡고, 망설이는 결정에 근거를 보탠다. R1-4 매몰이 준 교훈이다.
R1-4 매몰 이후R2 시즌 동안 이 네 원칙이 안전판으로 돌아갔다. 결과는 명확하다. R2 자원 매몰 0건, 입찰 풀 낙찰률 약 95%. 실패가 원칙이 되자, 같은 실수는 반복되지 않았다.
핵심 결정의 논리는 내가 먼저 제안했다. 다만 그 제안이 통과한 건, 3인 CEO의 검증을 견딜 만큼 근거가 탄탄했기 때문이다. 한 사람이 놓친 위험을 다른 사람이 잡고, 망설이는 결정에 서로 근거를 보탰다. 강한 제안과 서로의 검증이 맞물린 게 이 팀의 방식이었다 — 마케팅이 결국 그렇듯, 좋은 논리는 혼자 세우되 함께 다듬을 때 완성된다.
그리고 넉 점을 뒀다
R2는 학습 적용 + 비교우위 구축 + 비대칭 베팅의 시즌이었다. 네 개의 결정적 장면이 있었고, 뒤로 갈수록 한 분기가 아니라 다음 분기까지 내다본 결정이 됐다. 마지막 장면은 아래 시뮬레이터에서 직접 뒤집어 볼 수 있다.
왜 "비싸 보이는" 25만이 유리했나 (R2-3 인도)
다른 팀은 명목 단가만 봤다 — 기준가 21만에서 +4만이니 "비싸다". 하지만 환산값으로 보면 인도가 오히려 유리했다. 다른 팀의 앵커링 심리를 역이용하자는 이 착안을 내가 제안했고, 두 축을 나란히 두면 그 정체가 보인다.
미국 점유율, 4분기 일관 정복
R2 내내 미국 한 시장을 향해 점유율을 밀어올렸다. 각 점은 실제 낙찰수량 ÷ capacity로 나온 계산값이며, 그 사이는 보간하지 않았다 — 네 개의 검증된 점만 잇는다.
R2-4의 약 55%는 1,216 ÷ 2,210 계산값 계산. 이 일관된 상승선이 아래 시뮬레이터에서 다룰 마지막 결정의 배경이다.
가정을 직접 뒤집어 보기
R2-4, 마지막 분기. 1차 시뮬레이션은 분산을 권했다. 하지만 나는 그 시뮬레이션이 서 있던 가정 자체를 의심했다 — 재고 분포와 타팀 행동을 다시 분석해 미국 단일 베팅을 제안했고, 팀이 이 논리를 검토·수긍해 합의했다. 아래 토글을 켜고 꺼 보면, 왜 그 가정을 뒤집었는지가 드러난다.
미국 단일 베팅, 그 결정의 재현
아래 토글은 1차 시뮬레이션이 깔고 있던 가정 — "다른 팀들이 미국에 메이저로 들어온다" — 하나를 조작한다. 켜진 채로 보면 분산이 정답이다. 끄면, 재고 데이터가 그 가정을 무너뜨린다.
마지막 분기, 선택지는 둘이었다 — 여러 시장에 나눠 담는 분산이냐, 미국 한 곳에 다 거는 단일이냐. 1차 시뮬레이션이 각 안의 풀 낙찰 확률과 매출을 이렇게 뽑았다.
1차 시뮬레이션은 미국 약 1,200개 기준으로 이 값을 뽑았다. 숫자만 보면 분산이 두 배 이상 안전하다. 단, 이 계산은 전부 "다른 팀들이 미국에 메이저로 들어온다"는 가정 위에 서 있었다. 토글을 꺼서 그 가정을 검증한다.
재고 화면을 열어 보니, 상위 팀 여섯이 각자 1,000개 넘는 제품재고를 안고 있었다.
미국 시장이 한 번에 받을 수 있는 양(capacity)은 2,210개. 1,000개+ 재고를 가진 팀이 여섯이면 미국 한 곳에 다 들어갈 수 없다 → 분산이 불가피하다 → 우리가 한 번도 안 들어간 데다 기준가가 높은 이탈리아가 그들에게 가장 자연스러운 배출구다. "미국이 붐빈다"는 전제가 뒤집힌다.
(1,216 ÷ 2,210 계산값)
(사이버머니)
가설 적중
재고 1,216개를 전부 미국 70만원에 걸어 풀 낙찰. 동시에 이탈리아 입찰이 203% 폭증하며 "타팀이 이탈리아로 몰린다"는 가설이 그대로 맞았다. 이탈리아 203%는 아래 미국 풀 낙찰 화면에서 직접 확인된다(입찰 3,527 ÷ capacity 1,740 ≈ 202.7%).
이 시뮬레이터는 스크립트 없이도 위에서 아래로 — 가정(ON) → 재검증(OFF) → 실제 결과 — 순서대로 읽을 수 있도록 만들어졌다.
자본이 아니라, 결정이 갈랐다
상위 팀들이 왜 우리 뒤였는지는, 그들에게 무엇이 부족했는지가 아니라, 가진 것을 왜 쓰지 못했는지를 보면 드러난다. 자원은 충분했다. 갈린 건 결정이었다.
가장 많이 가졌지만
제품재고 1,365개 (전 팀 최다)
총자산 1위
재고를 남기지 않았다
제품재고 0개 (완전 소진)
매출수량 1위
7조 컴퍼니 종합 2위
자본 우위 + 균형 진출. 재고를 가장 많이 쌓았지만, 어느 한 시장에 몰아넣는 결정을 못 했다.
우리 차별 · R2-4 미국 약 55% 단독 점유 — 자본이 아니라 결정JIP ROE값 2위 50.37%
균형 운영에 후반 가속까지 붙어 ROE 값 2위. 다만 R2-4 핵심 국면에서 미국을 선점하지 못했다.
우리 차별 · R2-2부터 미국을 점진 정복 — 한 발 앞섬HighDB R1 ROE 1위 → R2 종합 8위
R1 효율 극대화로 ROE 1위였지만, R2에 능력치 추가 강화를 멈췄다. 환산 우위를 잃고 종합 8위·ROE 10위로 추락.
우리 차별 · R2에도 능력치를 계속 쌓아 추월 — 정체하지 않음실패는, 기록했기 때문에 자산이 됐다
R2 8개의 큰 결정 중 7개는 맞았고 1개는 미세 오답이었다. 중요한 건 그 오답조차 버려지지 않았다는 것이다. 기록했기 때문에 다음 분기의 입력값이 됐다.
위험 회피 ≠ 분산. 다른 팀 행동을 예측한 동적 분산·집중이 진짜 안전이다.
비교우위(능력치)가 진짜 안전판. 자본이 비슷하면 환산 우위가 승부를 가른다.
비대칭 베팅은 직관이 아니라 환산식 + 행동 패턴 분석의 결과. 데이터에 근거한 직관과, 데이터를 무시한 도박은 다르다.
증거
위의 모든 수치는 게임 화면에 근거한다. 재무제표 네 장과 실물 보상을 그대로 둔다. 각 이미지는 눌러서 크게 볼 수 있다.
손익계산서 (R2 종료) — 매출·영업이익·당기순이익
매출액 28.45억 · 영업이익 9.53억(영업이익률 33.5%) · 당기순이익 8.72억. 매출수량 3,978개(= R2 분기별 제품 낙찰 R2-1 1,000 + R2-2 862 + R2-3 900 + R2-4 1,216). 단위 만원.
재무상태표 (R2 종료) — 총자산 21.51억 · 재고 0
총자산 21.51억 · 현금 16.07억 · 재고 완전 소진(0). 재고 0이 매출수량 1위의 직접 원인이다. 단위 만원.
손익계산서 — 공헌이익 구조 (BEP 37.4%)
단위당 공헌이익 35.0만원(마진율 49%). 손익분기점 비율 37.4% — 교재의 "초안정 구간"(60% 미만)에 든다. 단위 만원.
비용 비교 — 다른 팀 대비 인건비 약 28% 절감
인건비 27,960만원 — 상위 팀 4848(39,150만)의 약 72% 수준(약 28% 절감). 부서 전환으로 채용 없이 capacity를 확보한 결과다. 단위 만원.
부상 실물 — 우수 팀 상품권
더 깊게 읽기
이 페이지가 편집한 원본과, 프로그램 수료의 근거다.
동대문 기업보고서
시뮬레이션 종료 후 제출한 기업 분석·전략 보고서 원본. 이 페이지의 모든 판단을 뒷받침하는 1차 자료.
수료증
DB그룹 기업경영체험스쿨 116회 수료 증빙.
이 사고방식이, 게임 밖에서도 통하는가
닫힌 3일의 경매에서 통한 판단이 열린 실제 시장에서도 성립하는지 — 삼양식품과 e.l.f. Beauty의 실제 재무·시장 데이터로 검증한 기록으로 이어진다.
전이증명 보기 →