파레토 법칙이란? 뜻과 예시, 80대 20의 수학적 원리

🧮 생활 속 수학

파레토 법칙은 결과의 80%가 원인의 20%에서 나온다는 경험칙이다. 이탈리아 토지 조사에서 나온 유래, 매출·고객·버그 예시, 80대 20이 나오는 멱함수 분포와 파레토 분포의 계산, 롱테일 법칙과의 차이, 흔한 오해까지 숫자로 정리했다.

파레토 법칙은 전체 결과의 약 80%가 전체 원인의 약 20%에서 나온다는 경험 법칙이다. 매출의 80%를 상위 20% 고객이 만들고, 소프트웨어 오류의 80%가 20%의 버그에서 나오며, 옷장 속 옷의 20%만 80%의 날에 입는다는 식으로 쓰인다. 물리 법칙처럼 항상 성립하는 정리가 아니라, 세상의 많은 양이 고르게 퍼져 있지 않고 소수에 쏠려 있다는 관찰이다. 이 글은 파레토 법칙 뜻과 예시를 짚은 뒤, 80대 20이라는 숫자가 어떤 분포에서 튀어나오는지 계산으로 보여준다.

파레토 법칙 뜻과 유래 — 토지 조사에서 품질관리까지

이름의 주인공은 이탈리아 경제학자 빌프레도 파레토다. 그는 1896년 무렵 이탈리아 토지 소유 자료를 정리하다가 인구의 약 20%가 토지의 약 80%를 갖고 있다는 사실을 발견했고, 다른 나라와 다른 시대의 소득 자료에서도 비슷한 쏠림이 반복된다는 점에 주목했다. 파레토가 남긴 것은 80과 20이라는 숫자 자체보다, 소득 분포의 위쪽 꼬리가 특정한 수학적 모양을 따른다는 관찰이었다.

이 관찰을 파레토 법칙이라는 이름으로 널리 퍼뜨린 사람은 품질관리 전문가 조지프 주란이다. 그는 1940년대에 공장 불량의 대부분이 소수의 원인에서 나온다는 사실을 파레토의 분포에 빗대 설명하면서 '중요한 소수와 사소한 다수'라는 표현을 썼다. 불량 원인을 빈도순으로 세운 막대그래프인 파레토 차트가 여기서 나왔다. 그래서 파레토 법칙 뜻을 한 줄로 줄이면 '결과는 원인에 비례해 고르게 나오지 않고 소수의 원인에 집중된다'가 된다.

파레토 법칙 예시 — 매출, 고객, 버그, 시간

파레토 법칙 예시로 가장 자주 인용되는 것은 매출과 고객이다. 많은 소매 업체에서 상위 20%의 상품이 매출의 70~80%를 만들고, 기업 고객 영업에서는 상위 20% 거래처가 이익의 대부분을 차지한다. 소프트웨어 분야에서는 마이크로소프트가 2002년에 가장 많이 보고된 버그의 20%를 고치면 오류와 충돌의 80%가 사라진다고 밝힌 일이 유명하다. 도시의 교통사고가 소수의 교차로에 몰리고, 병원 비용의 대부분이 소수의 중증 환자에게 쓰이는 것도 같은 구조다.

여기서 오해 하나를 미리 걷어내자. 80과 20은 더해서 100이 되어야 하는 숫자가 아니다. 앞의 80은 결과의 비율이고 뒤의 20은 원인의 비율이라 서로 다른 집합을 세는 것이다. 그래서 90대 10이나 70대 30, 심지어 95대 5도 모두 파레토 법칙의 범위 안에 있다. 핵심은 비율의 정확한 값이 아니라, 원인을 기여도 순으로 세웠을 때 곡선이 앞쪽에서 가파르게 솟고 뒤로 갈수록 길게 늘어진다는 모양이다.

80대 20은 어디서 나오나 — 파레토 분포로 계산하기

파레토가 본 소득 분포의 꼬리는 멱함수 꼴이었다. 어떤 값 $x$보다 큰 소득을 가진 사람의 비율이 $x$의 거듭제곱에 반비례해 줄어든다는 뜻이다. 이것을 파레토 분포라고 부르며, 최솟값 $x_m$과 모양을 정하는 지수 $\alpha$ 두 개의 숫자로 결정된다.

$$P(X > x) = \left(\frac{x_m}{x}\right)^{\alpha}, \qquad x \ge x_m$$

$X$는 소득이나 매출 같은 양, $x_m$은 그 양의 최솟값, $\alpha$는 꼬리가 얼마나 빨리 얇아지는지를 정하는 지수다. $\alpha$가 작을수록 큰 값이 자주 나와 쏠림이 심해진다.

이 분포에서 상위 $p$ 비율의 사람이 전체의 몇 %를 갖는지는 깔끔한 식으로 나온다. 정규분포처럼 평균 근처에 몰린 분포에서는 상위 20%가 전체의 30% 남짓을 갖는 것이 고작인데, 파레토 분포에서는 지수 하나가 그 몫을 결정한다.

$$S(p) = p^{\,1 - 1/\alpha}, \qquad 0.2^{\,1 - 1/1.16} \approx 0.80$$

$S(p)$는 상위 $p$ 비율이 차지하는 전체의 몫이다. $p = 0.2$를 넣어 $S = 0.8$이 되도록 풀면 $\alpha \approx 1.16$이 나온다. 이 값이 80대 20 법칙에 해당하는 파레토 지수다.

계산을 따라가 보자. $0.2^{1-1/\alpha} = 0.8$의 양변에 로그를 취하면 $1 - 1/\alpha = \ln 0.8 / \ln 0.2 \approx 0.139$이고, 여기서 $\alpha \approx 1.16$이 된다. 같은 식에 다른 값을 넣으면 $\alpha = 1.5$일 때 상위 20%의 몫은 약 58%, $\alpha = 2$일 때 약 45%로 줄어든다. 즉 80대 20은 파레토 지수가 1.16 근처인 세계의 이야기이고, 지수가 커질수록 세상은 고르게 변한다. 파레토 지수 $\alpha$는 불평등 지표인 지니계수와도 직접 연결되는데, 파레토 분포에서 지니계수는 아래 식으로 계산된다.

$$G = \frac{1}{2\alpha - 1}, \qquad \alpha = 1.16 \;\Rightarrow\; G \approx 0.76$$

$G$는 0이면 완전 평등, 1이면 한 사람이 전부 갖는 상태다. 80대 20 법칙이 성립하는 분포의 지니계수 0.76은 실제 국가 소득 지니계수 0.3~0.5보다 훨씬 큰 값으로, 파레토 법칙이 얼마나 강한 쏠림을 뜻하는지 보여준다.

파레토 분포의 또 다른 특징은 척도 불변성이다. 상위 20% 안에서 다시 상위 20%를 뽑아도 같은 비율이 반복된다. 80대 20을 두 번 적용하면 4%의 원인이 64%의 결과를 만든다는 계산이 나오는데, 실제로 도서 판매나 앱 다운로드처럼 쏠림이 심한 시장에서는 이런 다단계 집중이 관찰된다. 지수 하나로 이런 구조를 설명할 수 있다는 점이 파레토 법칙을 단순한 격언에서 통계 모형으로 끌어올린다.

롱테일 법칙과 파레토 법칙의 차이

롱테일 법칙은 파레토 법칙의 반대말처럼 소개되지만, 사실은 같은 분포의 다른 부분을 보는 관점이다. 파레토 법칙이 곡선의 머리, 즉 상위 20%에 집중하라고 말한다면, 롱테일 법칙은 뒤로 길게 늘어진 꼬리를 전부 더하면 머리만큼 커질 수 있다고 말한다. 크리스 앤더슨이 2004년 온라인 서점과 음원 서비스를 분석하며 붙인 이름으로, 매장 진열 공간의 제약이 사라지면 한 달에 한두 권 팔리는 책 수십만 종의 합이 베스트셀러 매출과 맞먹는다는 것이 요지였다.

수학적으로 꼬리의 합이 얼마나 큰지는 역시 파레토 지수가 정한다. 지수가 1에 가까울수록 꼬리가 두꺼워 무시할 수 없고, 지수가 커지면 꼬리는 빨리 사라진다. 추천 알고리즘은 이 지수를 실제로 바꾸는 장치다. 인기순으로만 보여주면 머리가 더 커지고, 개인 취향을 바탕으로 꼬리 쪽 상품을 노출하면 꼬리가 두꺼워진다. 그러니 파레토 법칙과 롱테일 법칙 중 어느 쪽이 맞느냐는 질문은 잘못됐고, 지금 이 시장의 지수가 얼마냐가 제대로 된 질문이다.

파레토 법칙 문제점과 흔한 오해

첫 번째 오해는 80대 20을 고정된 숫자로 믿는 것이다. 위 계산에서 보았듯 비율은 분포의 지수에 따라 달라지고, 같은 회사라도 상품군마다 다르다. 두 번째는 인과관계의 착각이다. 매출의 80%를 만든 상위 20% 상품이 잘 팔린 이유가 상품 자체의 힘인지, 광고비를 그쪽에 몰아준 결과인지는 파레토 법칙이 말해주지 않는다. 잘 팔리는 것에 자원을 더 주면 더 잘 팔리는 되먹임이 생기므로, 파레토 법칙은 종종 스스로를 실현하는 예언이 된다.

세 번째 문제점은 나머지 80%를 버려도 된다는 해석이다. 원인의 80%가 결과의 20%만 만든다고 해도 그 20%는 여전히 존재하며, 고객 20%를 잘라내면 남은 고객의 구성이 바뀌어 다음 계산에서는 또 다른 20%가 나타난다. 파레토 법칙은 어디에 먼저 손을 댈지 순서를 정하는 도구이지, 무엇을 없앨지 정하는 도구가 아니다. 실제 결정에서는 각자의 비용 구조와 시장 조건이 달라 같은 80대 20이라도 대응이 달라진다.

이 글을 쓰기 전에 내 블로그의 방문 통계를 글별로 내려받아 정렬해 봤다. 글 수의 상위 20%가 전체 조회의 78%를 차지했고, 다시 그 안의 상위 20%가 전체의 절반 가까이를 가져갔다. 위 식에 넣어 보니 지수가 1.2 안팎으로, 교과서의 80대 20과 거의 같았다. 흥미로운 건 조회가 적은 꼬리 글들도 검색 유입은 꾸준히 있어서, 합치면 무시할 수 없는 양이었다는 점이다. 파레토 법칙과 롱테일이 한 화면에 같이 있었던 셈이다.

함께 읽으면 좋은 글

지니계수란? 뜻과 계산법, 로렌츠 곡선으로 보는 원리 벤포드 법칙이란? 뜻과 증명, 회계부정 적발 원리 중심극한정리 뜻과 증명, 표본 30개의 이유

참고 자료

위키백과 — 파레토 법칙 Wikipedia — Pareto distribution (지니계수·상위 몫 공식) Wired — Chris Anderson, The Long Tail (2004)