기업의 지식기반 특성이 기술혁신형 M&A 후 혁신 성과에 미치는 영향: 머신러닝 기반 지식 분류를 이용한 실증 연구

정은준; 이상욱; 강진아

주제분류

...

저널정보

저자정보

정은준 (서울대학교)
이상욱 (LG생활건강)
강진아 (서울대학교)

이용수
내서재: 1

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

본 연구는 기술혁신형 M&A 상황에서 인수기업의 지식기반에 따른 인수 후 혁신 성과를 머신러닝 기반 신규 분류 체계를 활용하여 실증 분석한 연구이다. 기존 연구 문헌 분석을 통해 인수기업의 지식 기반 특성인 ‘지식의 다양성’과 ‘인수-피인수 기업간의 지식 분야 유사성’이 인수 후 혁신 성과에 미치는 영향에 대한 가설을 설정하고, 이를 머신러닝 기반의 신규 분류 체계로 실증 분석함으로써 새 분류 체계의 당위성을 확인하였다. 더불어 기존의 기술 분류 체계로 정의할 수 없는 기술 영역의 지식 보유 정도를 기업의 ‘지식 분야 유연성’으로 정의하고, 이것이 인수기업의 흡수역량에 작용하여 인수 후 혁신 성과에 영향을 미칠 수 있는지를 검증하였다. 실증분석 결과 머신러닝 기반 신규 분류 체계에서, 인수기업의 인수 전 지식 기반의 다양성과 인수-피인수기업의 지식 분야 유사성은 M&A 후에 창출되는 혁신의 양에 긍정적인 영향을 미치는 반면, 혁신의 질에 대해서는 인수기업의 지식 기반 다양성만이 유의한 양의 상관관계를 가지는 것으로 나타났다. 또한 인수기업의 지식 분야 유연성은 M&A 후 창출되는 혁신의 양에는 긍정적인 영향을 미치지만, 혁신의 질과는 유의한 상관관계가 존재하지 않음을 알 수 있었다. 이러한 실증 분석 결과를 통해 지식 분야의 특성과 혁신 활동 사이의 관계에 대한 이론적 함의를 도출할 수 있었고, 기술혁신형 M&A를 통해 외부에서 새로운 혁신 역량을 습득하여 활용하고자 하는 경영인 및 실무자에게도 목적에 맞는 인수 대상 설정에 참고할 수 있는 전략적 아이디어를 제공할 수 있었다. 뿐만 아니라 최근 사회과학 분야에도 활발하게 도입되고 있는 자연어 처리 및 머신러닝과 같은 신규 방법론을 활용함으로써, 기술 경영 분야의 후속 연구가 나아갈 새로운 방향성을 제시하였다.

This study is an empirical research on the impact of acquiring firm’s knowledge base characteristics on technological M&A innovation performance using a novel machine-learning-based knowledge classification system.
Based on extant literature on absorptive capacity and innovation performance, two hypotheses were established on the impact of acquiring firm’s knowledge diversity and similarity of knowledge base between acquiring firm and acquired firm on post-M&A innovation performance. The validity of machine-learning-base new knowledge classification system was confirmed by empirically analyzing these two hypotheses. In addition, we define knowledge base flexibility as the degree of knowledge a firm has in areas that cannot be defined by the extant classification system, and empirically verify whether the flexibility can affect post-M&A innovation performance.
[그림 본문 참조]
As a result of the empirical analysis, we find that the diversity of acquiring firm’s knowledge base and the similarity in the knowledge field between the acquiring and acquired firms have positive impact on the number of post-M&A innovation, while the quality of the innovation was not affected. Moreover, it was found that acquiring firm’s knowledge flexibility has a positive effect on the quantity of post-M&A innovation, but there was no significant correlation with the quality of post-M&A innovation.
Through these empirical tests, we derive important theoretical implications on the relationship between the knowledge base characteristics and knowledge transfer via technological M&A. In addition, this research provides critical strategic insight that can be applied in determining M&A partners for managers and practitioners who are looking to find new technological opportunities from outside the firm via M&A. Lastly, this research suggests a new research direction in the field of technology management by utilizing natural language processing and machine learning.