TEMEP Wiki

Small but not least changes: The art of creating disruptive innovations

Youwei He, 이정동 (2025) · Journal of Informetrics 19:101703 · DOI ↗

자동차 4,496 종의 38,127 개 기술 특성을 “chromosome” 으로 인코딩해 제품 영향 네트워크 을 구축하고, Funk-Owen-Smith 의 파괴 지수 를 제품 공간에 적응시킨 제품 파괴 지수 (PDI) 를 제안한 논문. 정량 분석 결과 대규모 변경 이 아니라 핵심 기술의 작지만 전략적인 변경 이 disruptiveness 를 더 잘 견인한다는 SBNL 원칙 (Small But Not Least Changes) 을 도출. 2014 Tesla Model S (PDI = 0.424) vs 2014 Chevrolet Spark EV (PDI = -0.866) 의 case study 가 핵심 증거. 이정동 anchor 의 제5기 진화론적 체계의 완성 라인의 정점에 위치하는 작업.

📝 Corrigendum 참조 — 원 publication 의 article-level keyword set 이 Corrigendum to "Small but not least changes: The art of creating disruptive innovations" [Journal of Informetrics 19(3) (2025) 101703] 로 정정되었다 (본문·결과 불변).1

  • RQ: 제품 수준 disruptiveness 를 정량적으로 측정할 수 있는가, disruptive innovation 의 design principle 은 무엇인가?
  • 방법론: 제품 영향 네트워크, 염색체 표현, 제품 파괴 지수, 파괴 지수 (D-index), 코사인 유사도, OLS 회귀
  • 데이터: Edmunds 플랫폼의 미국 시장 출시 자동차 (20132024 모델, 4,496 종), 38,127 개 기술 특성, 분석 표본 4,114 종 (20142023)
  • 주요 발견: 1-year 평균 PDI = -0.296 (대부분 비-disruptive). 2015~2023 PDI 하락 트렌드, 모든 차종 (Fuel · Hybrid · Electric). 핵심 회귀: Retention Quality (★★★ +) · Addition Quantity (★★★ +) · Ancestor PDI (★★★ +) 는 PDI 증가, Retention Quantity (★★★ -) 는 감소 → 질적 핵심 보존 + 양적 작은 추가 가 disruptiveness 견인. Tesla Model S (PDI 0.424) > Chevrolet Spark EV (-0.866), 명품차 < 일반차.
  • 시사점: Disruptive design 은 “모든 것을 바꾸는” 게 아니라 “핵심 기술을 정조준해 작게 바꾸고 나머지는 보존 하는” 전략. 항공·생명공학·제약 등 데이터 희소 산업에도 PDI 적용 가능.

연구의 개념적 framework (Figure 2). 제품 chromosome → 인접행렬 + gene weight → [[product-similarity-space]] · [[product-phylogenetic-network]] → PDI 와 진화 변수 (Retention/Reduction/Addition/Creation Quality·Quantity) → 회귀로 disruptiveness 의 design principle 도출. 측정 가능한 진화 프레임의 완성형 도식.

요약

파괴적 혁신 이론 (Christensen 1997 · 2003) 은 시장 dynamics 의 핵심 개념이지만, 제품 수준 정량 측정 도구가 부재해 사례연구와 시장 모형에 의존해 왔다. Funk-Owen-Smith (2017) 의 파괴 지수 (D-index) 는 인용 네트워크 기반으로 논문 · 특허의 disruptiveness 를 정량화했으나, 제품 공간 에는 명시적 인용 관계가 없어 직접 적용 불가능했다. 본 논문은 이정동 anchor 의 제5기 진화론적 체계의 완성 라인 안에서, 제품 영향 네트워크 의 유사도 를 인용 유사 link 로 변환하는 방법으로 그 공백을 메워 제품 파괴 지수 (PDI) 를 제안한다.

핵심 방법은 세 단계다. 첫째, 자동차 4,496 종을 38,127 개 기술 특성 (engine type · cruising range · dimensions 등) 의 chromosome vector 로 표현. 범주형은 0/1, 연속형은 L1 normalization. 둘째, 코사인 유사도 로 제품 쌍 유사도 계산 후, dynamic threshold (focal-ancestor 와 focal-descendant 유사도의 local + global 평균의 최솟값) 으로 유사도를 인용-유사 link 로 변환. 제품 영향 네트워크 은 각 제품을 top-3 most similar 이전 제품에 연결해 다중 조상 구조 (parsimony 최소화) 로 구성. 셋째, PDI = (n_i - n_j) / (n_i + n_j + n_k) 의 D-index 를 focal 만 link 한 후손 (i, disruptive 신호) vs focal 과 ancestor 모두 link 한 후손 (j, consolidating) vs ancestor 만 link 한 후손 (k) 의 분류로 적용. PDI > 0 이면 disruptive.

검증은 다층적이다. (i) Park et al. (2023) 의 “disruptiveness 시간 감소” 패턴이 자동차에서도 재현됨 (2015~2023 PDI 하락). (ii) 차종 series 내에서 초기 모델일수록 PDI 높음 (Min-Max 정규화 후 percentile 분석). (iii) Tesla Model S (3 세대, 2014, PDI 0.424) vs Chevrolet Spark EV (1 세대, 2014, PDI -0.866) case — Tesla 는 작게 바꿨지만 핵심을 정조준, Chevrolet 은 크게 바꿨지만 핵심 제외. (iv) 명품차 vs 일반차 비교 — 명품차의 PDI 가 일반차보다 낮음 (Christensen 의 저가시장에서 disruption 시작 가설과 정합). 회귀 결과 (Section 4): Retention Quality (질적 보존, 핵심 기술 유지) 는 PDI 와 양의 관계, Retention Quantity (양적 보존, 모든 기술 유지) 는 음의 관계 → 핵심은 보존하되 비핵심은 바꿔야 disruptive. Addition Quantity 와 Ancestor PDI 도 양의 관계 → 작은 변경 + 거인의 어깨 위 가 결정적. SBNL 원칙 (Small But Not Least Changes) 이 자연스럽게 도출된다. 이정동 anchor 의 축적의 시간 · 축적된 역량 위에 작은 변경 이라는 명제의 제품 수준 정량 증거 이다.

핵심 결과

기술 변화 변수의 정의 (frequency weight 기준):

변수정의PDI 와의 관계
Retention Quality직계 조상에서 가중치 (중요도) 가중 으로 보존된 gene 비율+ (★★★)
Retention Quantity직계 조상에서 개수 로 보존된 gene 비율- (★★★)
Reduction Quality변이로 사라진 중요 gene 비율-
Addition QuantityHGT/MT 로 새로 획득한 gene 비율+ (★★★)
Creation Quantitymutation 만으로 생성된 brand-new gene 비율+ (★★)
Ancestor PDI직계 조상 3 개의 평균 PDI+ (★★★)

Case study (Table 5):

2014 Tesla Model S2014 Chevrolet Spark EV
Gene count147152
Important genes97119
New important genes786
Inherited important genes9033
First ancestor2013 Mercedes-Benz CL-Class2013 GMC Savana 3500
First ancestor similarity0.9180.310
PDI0.424-0.866
Review rate4.84.5
Price (USD)69,90026,685

Tesla 는 유사한 조상을 골라 핵심 기술의 90 개를 보존하고 7 개만 새로 추가, Chevrolet 은 유사도 0.31 의 멀리 떨어진 조상에서 86 개 new important gene — 결과는 정반대. 1-year 평균 PDI = -0.296 (자동차는 incremental innovation 지배), 2015~2023 하락 트렌드 모든 차종 (Fuel · Hybrid · Electric) 공통.

방법론 노트

제품 파괴 지수 (PDI) 는 파괴 지수 (D-index, Funk-Owen-Smith 2017; 단순화 Wu et al. 2019) 를 제품 공간에 적응시킨 척도:

PDI=ni−njni+nj+nkPDI = \frac{n_i - n_j}{n_i + n_j + n_k}

여기서 nin_i = focal 과만 link (high similarity) 된 후속 제품 수 (disruptive 신호), njn_j = focal 과 ancestor 모두 link, nkn_k = ancestor 만 link.

제품 영향 네트워크 구성 알고리즘 (parsimony length 최소화):

N∗=arg⁡min⁡N[∑i=1m∑k=1nd(ei,jk)]N^* = \arg\min_N \left[ \sum_{i=1}^m \sum_{k=1}^n d(e_{i,j_k}) \right]

constraint: tjk<tit_{j_k} < t_i (조상은 후손보다 시간상 앞서야 함), ei,jk∈Ee_{i,j_k} \in E, j1,...,jnj_1, ..., j_n 은 ii 에 대한 nn 개 (= 3) 최단거리 노드. d(ei,jk)d(e_{i,j_k}) 는 코사인 유사도 의 distance 변환.

threshold (Eq. 2) 는 local 평균 유사도와 global 평균 유사도의 최솟값으로 동적 결정:

thresholdk,j,i=min⁡(sin⁡k,j+sin⁡i,j2,∑∑sin⁡k,j+sin⁡i,j2mn)\text{threshold}_{k,j,i} = \min \left( \frac{\sin_{k,j} + \sin_{i,j}}{2}, \sum \sum \frac{\sin_{k,j} + \sin_{i,j}}{2mn} \right)

식별 전략은 (i) year FE 와 CPC 기반 random year effect 로 시간 트렌드 통제, (ii) 자동차 시장 1-year cycle 에 맞춰 1-year window 사용 (longer cycle 산업은 window 조정 필요), (iii) frequency weight 와 TF-IDF weight 의 robustness 비교. PDI 의 자동차-구체적 패턴 (PDI 평균 < 0) 은 자동차 산업의 long lifecycle · entrenched design path 특성 때문이며, 항공 · 생명공학 등 다른 산업 적용 시 일반화 가능성 검증 필요 (limitation 으로 명시).

연구 계보

직접적 방법론 조상은 이정동 그룹의 제품 영향 네트워크 라인 — Lee et al. (2022, IEEE TEM, 모바일 제품 11,013 개 phylogenetic tree), Jeong and Lee (2024, Technovation, jeongdonglee-2024-where-and-how feature phone 진화), Park et al. (2024, Industrial and Corporate Change, Evolutionary mechanism for diversity dynamics in technology using a phylogenetic tree approach: directional suggestions for photovoltaic technology), Lee et al. (2023, institutional inertia in power sector). 명시적 인용. D-index 측은 Funk and Owen-Smith (2017, Management Science), Wu et al. (2019, Nature), Park et al. (2023, Nature) 의 disruptiveness 시간 감소 trend. 개념적 조상은 Christensen and Raynor (2003, 2013) 의 disruptive innovation 이론, Henderson and Clark (1990) 의 architectural innovation, Govindarajan and Kopalle (2006) 의 radical vs disruptive 구분, Adner (2002) 의 inherited vs novel attribute 분류. 이정동 anchor page 의 제5기 진화론적 체계의 완성 라인 분류에서 본 논문은 그 정점 — sibling Evolutionary mechanism for diversity dynamics in technology using a phylogenetic tree approach: directional suggestions for photovoltaic technology (PVT diversity dynamics) · Technological speciation: Navigating new needs through trial and error – A rifle case study (소총 종분화 정량화) · Exaptation: unveiling the potential for technological innovation (특허 exaptation) 과 함께 측정 가능한 진화 4 부작 을 완성한다. anchor 가 명시한 “PDI 와 SBNL 원칙은 ‘많이 바꾸면 혁신적’ 이라는 상식을 전복” 이라는 평가에 정확히 부합하는 작업.

See also

Corrigendum

본 paper 는 Corrigendum to "Small but not least changes: The art of creating disruptive innovations" [Journal of Informetrics 19(3) (2025) 101703] 로 정정 사항이 출판되었다. Journal of Informetrics publication-process 단계의 article-level keyword 정정 — 본문·식·결과·정책 결론은 전부 불변.

Footnotes

  1. 본 paper 의 article-level keyword set 이 publication-process 단계에서 정정되었으며, Corrigendum to "Small but not least changes: The art of creating disruptive innovations" [Journal of Informetrics 19(3) (2025) 101703] 로 발행되었다. Corrigendum 참조. ↩

인접 그래프

1-hop 이웃 20개
  • 인물 2
  • 방법론 6
  • 개념 4
  • 주제 2
  • 수록처 1
  • 분류 1
  • 논문 4
이정동Youwei He염색체 표현제품 영향 네트워크제품 파괴 지수코사인 유사도파괴 지수OLS 회귀기술 재조합제품 계보제품 유사도 공간SBNL 원칙진화경제학파괴적 혁신Journal of Inform…혁신 경제학 Small but not least c…
휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동