SaaS 도구 3개 중 선택
기준: 가격(가중8), 기능(9), UX(7), 지원(5). A도구: 9/6/8/7, B도구: 6/9/7/8, C도구: 7/8/9/6. 가중합: A 217, B 218, C 221. C가 근소하게 1위.
점수 차이가 1%p 이내로 실질적으로 동등합니다. 무료 체험 후 팀 선호도를 추가 기준으로 고려하세요.
의사결정 매트릭스
다기준 가중 점수 평가로 최적의 옵션을 추천합니다.
평가 기준
옵션별 점수 (1~10)
| 옵션 | 비용 (w:8) | 품질 (w:9) | 일정 (w:7) | |
|---|---|---|---|---|
최적 선택지
최적 선택지 옵션 B
가중 점수 182점 / 최대 240점
- 1위 정규화 점수75.8/ 100점가중 점수를 100점 만점으로 변환
가중 점수 182점 / 최대 240점: 옵션 B
순위 결과
175.8점
옵션 B
270.8점
옵션 A
370.8점
옵션 C
옵션별 정규화 점수 비교
차트 그리는 중…
풀이 보기
결과 공유하기
의사결정 매트릭스는 여러 기준(비용, 품질, 일정 등)에 가중치를 부여하고, 각 대안을 점수화하여 최적의 선택지를 찾는 도구입니다. 기준별 가중치(1~10)와 대안별 점수(1~10)를 입력하면 가중 합계와 100점 만점 정규화 점수를 산출합니다. 감정이 아닌 데이터 기반으로 의사결정을 구조화하며, 복수의 이해관계자가 참여하는 의사결정에서 특히 유용합니다. 기준과 대안을 자유롭게 추가/삭제할 수 있고, 기준별 기여도 분석으로 어떤 요소가 결과를 좌우하는지 파악합니다. 업체 선정, 기술 스택 선택, 사무실 입지 결정, 채용 후보 평가 등에 활용하세요.
실생활 예시
이럴 때 이렇게 계산해요.
사무실 입지 결정
기준: 임대료(10), 교통(8), 면적(6), 주변 편의시설(4). 강남: 3/9/5/9, 성수: 7/7/8/7, 판교: 8/5/9/5. 정규화 점수: 강남 60, 성수 72, 판교 69.
비용 중심 평가에서 성수가 1위. 교통이 더 중요하다면 가중치를 높여 재평가하세요.
개발 프레임워크 선택
기준: 학습 곡선(7), 생태계(9), 성능(6), 채용 용이성(8). React: 6/10/7/9, Vue: 8/7/7/6, Svelte: 9/5/9/3. 가중합: React 251, Vue 207, Svelte 183.
생태계와 채용 가중치가 높아 React가 1위. 소규모 팀이라면 학습 곡선과 성능 가중치를 높여 Svelte도 재검토할 수 있습니다.
배달 플랫폼 입점 결정
기준: 수수료(10), 노출도(9), 배달 속도(7), 고객 지원(5). A플랫폼: 4/10/8/7, B플랫폼: 8/6/7/8, C플랫폼: 7/7/9/6. 정규화 점수: A 72, B 67, C 70.
A플랫폼이 노출도 덕분에 1위이나, 수수료가 높아 수익성은 B가 나을 수 있습니다. 초기 인지도 확보에는 A, 안정 운영에는 B가 유리합니다.
관련 계산기
같이 쓰면 좋아요. 옆으로 넘겨 보세요.
자주 묻는 질문
궁금한 거 모아 봤어요. 눌러서 펼쳐 보세요.
가중치를 어떻게 설정하는 것이 좋나요?
팀원 전체가 합의하여 결정하는 것이 이상적입니다. 먼저 가장 중요한 기준에 10점을 주고, 나머지를 상대적으로 배분하세요. 모든 기준이 비슷한 가중치라면 매트릭스의 변별력이 떨어지므로 차이를 두는 것이 좋습니다.
점수 차이가 근소하면 어떻게 판단해야 하나요?
정규화 점수 차이가 5점 이내면 실질적으로 동등한 대안입니다. 이 경우 반영하지 못한 정성적 요소(팀 선호도, 전략적 가치)를 추가로 고려하거나, 기준을 세분화하여 재평가하세요.
기준이 너무 많으면 오히려 혼란스럽지 않나요?
5~7개가 적정 범위입니다. 10개 이상이면 중요하지 않은 기준이 결과를 왜곡할 수 있습니다. 가중치가 낮은 기준(3 이하)은 제거를 검토하세요.
의사결정 매트릭스에 비용은 어떻게 반영하나요?
비용은 "낮을수록 좋은" 역방향 기준입니다. 가장 비싼 대안에 1점, 가장 저렴한 대안에 10점을 부여하거나, 10 - (해당 비용/최고 비용 × 10) 공식으로 정규화할 수 있습니다.
정성적 요소(팀 분위기, 브랜드 이미지)도 포함할 수 있나요?
네, 1~10점으로 수치화하면 됩니다. 다만 주관적 판단이 개입되므로 여러 사람이 독립적으로 점수를 매긴 뒤 평균을 사용하면 편향을 줄일 수 있습니다.
매트릭스 결과와 직관이 다르면 어떻게 해야 하나요?
직관과 다른 결과가 나왔다면 두 가지를 확인하세요. 첫째, 가중치가 자신의 실제 우선순위를 반영하는지. 둘째, 점수 입력에 편향이 없었는지. 그래도 다르다면 매트릭스가 놓친 암묵적 기준이 있을 수 있으니 해당 요소를 추가하세요.
계산 원리
의사결정 매트릭스는 다기준 의사결정 분석(MCDA, Multi-Criteria Decision Analysis)의 가중합 모형(Weighted Sum Model)을 사용합니다. 각 대안 i의 점수 S(i) = Σ(w_j × s_ij)로, w_j는 기준 j의 가중치, s_ij는 대안 i의 기준 j에 대한 점수입니다. 가중치 합이 일정하지 않아도 상대 비교는 가능하지만, 정규화하면 각 기준의 기여도를 직관적으로 파악할 수 있습니다.
정규화 점수는 S(i)를 이론적 최대 점수(모든 기준에서 10점)로 나누어 0~100 범위로 변환합니다. 이를 통해 "대안 A는 이상적 선택의 72%에 해당"과 같은 절대적 해석이 가능합니다. 기준별 기여도는 (w_j × s_ij / S(i)) × 100으로, 어떤 기준이 결과를 주도하는지 분석합니다.
이 모형은 기준 간 독립성을 가정합니다. 즉, 한 기준의 점수가 다른 기준에 영향을 주지 않아야 합니다. 예를 들어 "가격"과 "가성비"를 동시에 기준으로 쓰면 가격 요소가 이중 반영됩니다. 기준 간 중복이 없도록 설계하는 것이 정확한 분석의 전제 조건입니다.
사용 방법
평가 기준 설정
비교할 기준(비용, 품질 등)과 각 기준의 가중치(1~10)를 입력합니다.
대안 추가
비교할 대안(옵션)을 추가합니다.
점수 입력
각 대안에 기준별 점수(1~10)를 입력합니다.
결과 확인
가중 합계, 정규화 점수, 순위를 확인합니다.
용어 사전
- 가중합 모형(WSM)
- 각 기준의 점수에 가중치를 곱해 합산하는 다기준 의사결정 방법.
- 가중치(Weight)
- 각 평가 기준의 상대적 중요도. 높을수록 해당 기준이 결과에 큰 영향을 미칩니다.
- 정규화 점수
- 가중 합계를 이론적 최대 점수로 나누어 0~100 범위로 변환한 비교용 점수.
- 기준별 기여도
- 특정 기준이 최종 점수에 차지하는 비중. 어떤 요소가 결과를 좌우하는지 파악하는 지표.
- MCDA
- Multi-Criteria Decision Analysis. 여러 기준을 동시에 고려하는 의사결정 분석 방법론.
- 민감도 분석
- 가중치나 점수를 변경했을 때 순위가 바뀌는지 확인하는 검증 방법.