![The Pareto principle may apply to fundraising, i.e., 20% of the donors contributing towards 80% of the total.](https://upload.wikimedia.org/wikipedia/commons/e/eb/Pareto_principle.png)

파레토 법칙

최종 수정 2026.03.25

The Pareto principle may apply to fundraising, i.e., 20% of the donors contributing towards 80% of the total.

파레토 법칙(80:20 법칙, 핵심 소수의 법칙, 요인 희소성의 원리[^1][^2]라고도 함)은 많은 결과에서 대략 80%의 결과가 20%의 원인("핵심 소수")에서 비롯된다는 법칙이다.[^1]

1941년, 경영 컨설턴트 Joseph M. Juran은 이탈리아의 사회학자이자 경제학자인 Vilfredo Pareto의 저작을 읽은 후 품질 관리 및 개선의 맥락에서 이 개념을 발전시켰다. Pareto는 1906년 로잔 대학교에서 강의하면서 80:20의 관계에 대해 기술한 바 있다.[^9] 그의 첫 번째 저작인 Cours d'économie politique에서 Pareto는 이탈리아 왕국 토지의 약 80%를 인구의 20%가 소유하고 있음을 보여주었다. 파레토 법칙은 파레토 효율성의 개념과는 간접적으로만 관련되어 있다.

수학적으로 80:20 법칙은 거듭제곱 법칙 분포(파레토 분포라고도 함)와 관련이 있다. 많은 자연 현상에서 특정 특성들은 거듭제곱 법칙 통계에 따라 분포한다.[^3] "매출의 80%는 고객의 20%에서 나온다"는 것은 경영학의 격언이다.[^10]

역사

1941년, 루마니아 태생의 미국 엔지니어 Joseph M. Juran은 이탈리아의 박학자 Vilfredo Pareto의 연구를 접하게 되었다. Pareto는 이탈리아 토지의 약 80%를 인구의 20%가 소유하고 있다는 점에 주목했다.[^4][^3] Juran은 문제의 80%가 원인의 20%에서 비롯된다는 근사법을 품질 경영 분야에 적용했다. 이후 경력 후반에 Juran은 80%의 기여가 무가치하다는 식으로 이 원리를 해석하는 것을 방지하기 위해 이를 "핵심 소수와 유용한 다수"로 표현하는 것을 선호했다.[^11]

수학적 설명

파레토 원리의 입증은 공정 변동의 큰 비율이 공정 변수의 작은 비율과 관련되어 있다는 것으로 설명된다.[^2] 이는 파레토 분포라는 더 넓은 현상의 특수한 경우이다. 파레토 분포를 특성짓는 매개변수 중 하나인 파레토 지수 α를 α = log45 ≈ 1.16으로 선택하면, 효과의 80%가 원인의 20%에서 비롯되는 결과를 얻는다.[^12]

80:20이라는 용어는 작용하는 일반 원리를 나타내는 약칭에 불과하다. 개별 사례에서 분포는 90:5나 70:30에 더 가까울 수 있다. 두 숫자는 서로 다른 것을 측정하는 것이므로 합이 100이 될 필요가 없다는 점에 유의해야 한다. 파레토 원리는 "거듭제곱 법칙" 관계를 보여주는 예시이며, 이러한 관계는 산불이나 지진과 같은 현상에서도 나타난다.[^13] 브누아 만델브로는 인구의 소득 역학에 기반하여 경제학 및 사회과학 분야에서 이 패턴에 대한 설명을 제시했다. 그의 논리에 따르면, 일정한 최소 소득 임계값 이상에서 개인의 소득이 고정된 비율(예: 두 배)만큼 증가하거나 감소할 확률은 모든 소득 수준에서 일정하게 유지된다. 결과적으로, 특정 소득 x를 버는 개인과 그 절반인 x/2를 버는 개인의 비율은 x의 절대값에 관계없이 동일하게 유지된다. 이 척도 불변 속성은 거듭제곱 법칙 분포의 핵심적인 특징이다. 이것이 넓은 범위의 크기에 걸쳐 자기 유사적이기 때문에, 정규 분포 또는 가우스 분포 현상과는 완전히 다른 결과를 만들어낸다. 거듭제곱 법칙 분포를 보이는 희귀한 극단적(또는 재앙적) 사건의 발생 확률은 가우스 분포나 지수 분포 같은 다른 일반적인 모델과 비교하여 몇 자릿수나 더 클 수 있다. 이 사실은 주가 변동과 같은 것에 가우스 관계가 적절하다는 가정 하에 모델링된 정교한 금융 상품의 빈번한 붕괴를 설명한다.[^14]

80:20 법칙에 대한 α의 유도

예를 들어, 부의 파레토 분포를 고려하자. (유형 1) 파레토 분포는 다음과 같이 정의된다:

p(x)= \begin{cases} \frac{\alpha,x_\mathrm{m}^\alpha}{x^{\alpha+1}} & x \ge x_\mathrm{m}, \ 0 & x < x_\mathrm{m}. \end{cases}

여기서 x_m은 척도 매개변수이고 \alpha는 형상 매개변수이다. 변수 x는 (예를 들어) 달러로 표시된 부를 나타내고, p(x)dx는 x에서 x+dx 달러 사이의 부를 가진 인구의 비율을 나타낸다. N을 전체 인구로 정의하면, x에서 x+dx 달러 사이를 소유한 사람의 수는 N p(x) dx이 되고, 이들이 소유한 총액은 N x,p(x) dx 달러가 된다.

x_a에서 x_b 달러 사이의 부를 가진 총 인원수는 다음과 같다:

N\int_{x_a}^{x_b} p(x)dx

그리고 이들이 보유하는 금액은:

N \int_{x_a}^{x_b} x,p(x)dx

달러의 총 부가 된다. 전체 부는:

N \int_{x_m}^\infty x,p(x)dx

달러이다. 부의 척도에서 하위에 해당하는 인구의 80%는 x_m에서 x_o 달러 사이를 소유한 사람들이 되며, 따라서:

\frac{N\int_{x_m}^{x_o} p(x)dx}{N\int_{x_m}^\infty p(x)dx} = 1-\left(\frac{x_m}{x_o}\right)^\alpha= 0.8

이고, 이들이 부의 20%를 보유한다면:

\frac{N\int_{x_m}^{x_o} x,p(x)dx}{N\int_{x_m}^\infty x,p(x)dx} = 1-\left(\frac{x_m}{x_o}\right)^{\alpha-1}= 0.2

위의 두 방정식을 \alpha와 x_o에 대해 풀면 \alpha=\log_4(5) 및 x_o=4, x_m을 얻는다.

지니 계수와 후버 지수

"A:B" 표기법(예: 0.8:0.2)을 사용하고 A + B = 1일 때, 지니 지수(G) 및 후버 지수(H)와 같은 불평등 측정 지표를 계산할 수 있다. 이 경우 두 지표는 동일하다:

H=G=|2A-1|=|1-2B|=\frac{1}{2\alpha-1}

이는 80:20의 경우 \mathrm{G}\approx 0.756을 산출한다.

A:B = \left( \frac{1+H} 2 \right): \left( \frac{1-H} 2 \right)

분석

어떤 원인을 먼저 해결해야 하는지를 보여주는 파레토 분석 도표

파레토 분석은 많은 가능한 조치들이 관심을 두고 경쟁하는 상황에서 유용한 공식적인 기법이다. 본질적으로, 문제 해결자는 각 조치가 제공하는 이점을 추정한 다음, 달성 가능한 최대 이점에 합리적으로 근접한 총 이점을 제공하는 가장 효과적인 조치들을 선별한다.

파레토 분석은 문제의 원인을 바라보는 창의적인 방법으로, 사고를 자극하고 생각을 체계화하는 데 도움이 된다. 그러나 처음에는 작지만 시간이 지남에 따라 커질 수 있는 잠재적으로 중요한 문제들을 배제할 수 있다는 한계가 있다. 따라서 고장 모드 및 영향 분석(FMEA)이나 결함 수목 분석(FTA) 등 다른 분석 도구와 병행하여 사용해야 한다.

이 기법은 대다수의 문제를 해결하기 위해 다루어야 할 주요 원인들을 파악하는 데 도움이 된다. 주요 원인이 파악되면, 이시카와 다이어그램(특성요인도 또는 생선뼈 분석이라고도 함)과 같은 도구를 사용하여 문제의 근본 원인을 규명할 수 있다. 모든 상황에서 20%의 원인이 80%의 문제를 결정한다는 가정 하에 파레토를 "80:20" 법칙이라고 흔히 부르지만, 이 비율은 단지 편리한 경험 법칙일 뿐이며, 불변의 자연 법칙이 아니고 그렇게 간주되어서도 안 된다.

리스크 관리에서 파레토 분석의 적용은 경영진이 프로젝트에 가장 큰 영향을 미치는 리스크에 집중할 수 있게 해준다.[^15]

80:20 법칙을 사용하여 중요한 원인을 파악하는 단계:[^16]

발생 빈도를 백분율로 작성한다
원인의 중요도 내림차순으로 행을 정렬한다 (즉, 가장 중요한 원인을 먼저 배치)
표에 누적 백분율 열을 추가한 다음, 정보를 도표로 작성한다
도표(#1): x축에 원인을, y축에 누적 백분율을 나타내는 곡선을 그린다
도표(#2): x축에 원인을, y축에 빈도 백분율을 나타내는 막대 그래프를 그린다
y축의 80% 지점에서 수평 점선을 그어 곡선과 교차시킨다. 그런 다음 교차점에서 x축까지 수직 점선을 내린다. 이 수직 점선은 중요한 원인(왼쪽)과 사소한 원인(오른쪽)을 구분한다
차트를 명시적으로 검토하여 전체 문제의 최소 80%에 해당하는 원인이 포착되었는지 확인한다

응용

경제학

파레토의 관찰은 인구와 부에 관한 것이었다. 파레토는 이탈리아 토지의 약 80%가 인구의 20%에 의해 소유되고 있음을 발견했다.[^4] 이후 그는 다른 여러 나라에 대해서도 조사를 수행했으며, 놀랍게도 유사한 분포가 적용된다는 사실을 발견했다.

이 효과를 보여주는 차트가 1992년 유엔 개발 프로그램 보고서에 실렸는데, 세계에서 가장 부유한 상위 20%의 인구가 세계 소득의 82.7%를 차지한다는 것을 보여주었다.[^17] 그러나 국가 간에는 지니 계수를 보면 부의 분포가 이 기준치를 중심으로 상당히 다양하게 나타남을 알 수 있다.[^18]

{| class="wikitable" |+ 세계 GDP 분포, 1989년 |- ! scope="col" | 인구 5분위 ! scope="col" | 소득 |- | 최상위 20% | 82.70% |- | 2번째 20% | 11.75% |- | 3번째 20% | 2.30% |- | 4번째 20% | 1.85% |- | 최하위 20% | 1.40% |}

이 원리는 분포의 꼬리 부분에서도 성립한다. 메릴랜드 대학교 칼리지파크 캠퍼스의 물리학자 Victor Yakovenko와 AC Silva는 1983년부터 2001년까지 미국 국세청의 소득 데이터를 분석한 결과, 인구 상위 1~3%의 소득 분포 역시 파레토의 원리를 따른다는 것을 발견했다.[^19]

Talent: How to Identify Energizers, Creatives, and Winners Around the World에서 경제학자 Tyler Cowen과 기업가 Daniel Gross는 파레토 원리가 경제 성장의 대부분을 창출하는 상위 20%의 가장 재능 있는 개인들의 역할에 적용될 수 있다고 제안했다.[^20] 슈퍼마켓 업계의 격언에 따르면 20%의 제품이 80%의 이익을 제공한다고 한다.[^5] 1988년 뉴욕 타임스에 따르면, 많은 비디오 대여점들이 매출의 80%가 20%의 비디오테이프에서 발생한다고 보고했다(다만 바람과 함께 사라지다와 같이 드물게 대여되는 고전 작품도 좋은 구색을 갖춘 것처럼 보이기 위해 비치해야 했다).[^6]

컴퓨팅

컴퓨터 과학에서 파레토 원리는 최적화 노력에 적용될 수 있다.[^7] 예를 들어, 마이크로소프트는 가장 많이 보고된 상위 20%의 버그를 수정함으로써 해당 시스템에서 관련 오류 및 충돌의 80%를 제거할 수 있다고 언급했다.[^21] Lowell Arthur는 "코드의 20%에 오류의 80%가 있다. 그것들을 찾아서 고쳐라!"라고 표현했다.[^22]

산업 안전 보건

산업 안전 보건 전문가들은 위험 요소 우선순위 설정의 중요성을 강조하기 위해 파레토 원리를 사용한다. 위험 요소의 20%가 부상의 80%를 차지한다고 가정하고, 위험 요소를 분류함으로써 안전 전문가들은 부상이나 사고의 80%를 유발하는 20%의 위험 요소를 집중적으로 대응할 수 있다. 반대로, 위험 요소를 무작위 순서로 처리할 경우, 안전 전문가는 나머지 부상의 20% 중 일부만을 차지하는 80%의 위험 요소 중 하나를 수정할 가능성이 더 높다.[^23]

효율적인 사고 예방 관행을 보장하는 것 외에도, 파레토 원리는 위험 요소가 경제적인 순서로 처리되도록 보장한다. 이 기법은 활용된 자원이 가장 많은 사고를 예방하는 데 최적으로 사용되도록 하기 때문이다.[^8]

공학 및 품질 관리

파레토 원리는 종합 품질 관리 및 식스 시그마 기법에서 사용되는 핵심 도구 중 하나인 파레토 차트의 기반을 제공한다. 파레토 원리는 물류 및 조달 분야에서 재고 최적화와 재고 유지 및 보충 비용 최적화를 위해 널리 사용되는 ABC 분석 및 XYZ 분석의 기준선 역할을 한다.[^24] 전기기계 에너지 변환기와 같은 공학 제어 이론에서도 80:20 원리는 최적화 노력에 적용된다.[^7]

근본 원인에 대한 통계 기반 탐색의 놀라운 성공은 경험적 원리와 수학적 논리의 조합에 기반한다. 이 경험적 원리는 일반적으로 파레토 원리로 알려져 있다. 변동 인과성에 관해 이 원리는 일반 방정식의 수많은(이론적으로 무한한) 항의 기울기에 비무작위적 분포가 존재한다고 명시한다.

모든 항은 정의상 서로 독립적이다. 상호 의존적인 요인은 곱셈 항으로 나타난다. 파레토 원리는 지배적인 항의 효과가 두 번째로 큰 효과 항보다 훨씬 크며, 이는 다시 세 번째 항보다 훨씬 크고, 이하 마찬가지라고 명시한다. 이 현상에 대한 설명은 없으며, 그래서 이를 경험적 원리라고 부른다.

수학적 논리는 제곱합의 제곱근 공리로 알려져 있다. 이는 가장 가파른 기울기에 의한 변동을 제곱한 후, 두 번째로 가파른 기울기에 의한 변동의 제곱을 더하는 식으로 진행해야 한다고 명시한다. 총 관측 변동은 개별 기울기에 의한 변동의 제곱을 모두 합한 총합의 제곱근이 된다. 이는 다변수에 대한 확률 밀도 함수 또는 다변량 분포에서 유도된다(각 항을 독립 변수로 취급한다).

파레토 원리와 제곱합의 제곱근 공리의 조합은 일반 방정식에서 가장 강한 항이 관측된 효과의 변동을 완전히 지배한다는 것을 의미한다. 따라서 가장 강한 항이 가설 검정을 위해 수집된 데이터를 지배하게 된다.

시스템 과학 분야에서 Joshua M. Epstein과 Robert Axtell은 경제 내 각 에이전트에 대해 정의된 개별 행동 규칙을 기반으로 분산 모델링 접근 방식을 사용하여 슈거스케이프(Sugarscape)라는 에이전트 기반 시뮬레이션 모델을 만들었다. 그들의 결과에서 부의 분포와 파레토의 80:20 원리가 나타났으며, 이는 이 원리가 이러한 개별 규칙의 집합적 결과임을 시사한다.[^25]

건강 및 사회적 결과

2009년 미국 의료연구품질관리국(Agency for Healthcare Research and Quality)은 환자의 20%가 만성 질환으로 인해 의료비의 80%를 발생시킨다고 밝혔다.[^26] 2021년 분석에 따르면 의료 비용의 불균등한 분포가 나타났으며, 고령 환자와 건강 상태가 좋지 않은 환자일수록 더 많은 비용이 발생했다.[^27] 80:20 법칙은 슈퍼전파 사건에서의 감염 분포에 대한 경험 법칙으로 제안되었다.[^28] 그러나 감염력의 정도는 인구 내에서 연속적으로 분포하는 것으로 밝혀졌다. 슈퍼전파가 발생하는 전염병에서 대다수의 개인은 상대적으로 적은 수의 2차 접촉자를 감염시킨다.