권세혁HOME
  • SDV(데이터 가치화)
  • 강의노트
    • 기초수학·수리통계·조사방법
    • 기초통계·회귀·다변량분석
    • 머신러닝·딥러닝
    • AI·감성분석
  • 통계챗봇
  • 오늘의 검색 트렌드
  • 통계, 다르게 읽기
  • 통계로 보는 세상(티스토리 e책방)
  • 데이터 플랫폼
  • 유튜브
  1. 📖 (비율과 백분율의 함정) 매출이 50% 늘었다는 말에 속지 않는 법
  • 📋 전체 목록

  • 📖 (비율과 백분율의 함정) 인구 1만 명당 범죄율을 사용하는 이유
  • 📖 (비율과 백분율의 함정) 위험이 두 배 증가했다는 뉴스는 얼마나 위험한가?
  • 📖 (비율과 백분율의 함정) 지지율 3% 상승인가, 3%포인트 상승인가?
  • 📖 (비율과 백분율의 함정) 매출이 50% 늘었다는 말에 속지 않는 법
  • 📖 (숫자를 대표하는 방법) 같은 평균, 전혀 다른 세상
  • 📖 (숫자를 대표하는 방법) 연봉은 평균보다 중앙값으로 보아야 하는 이유
  • 📖 (숫자를 대표하는 방법) 우리 반 평균이 올랐는데 학생들은 왜 불만일까?
  • 📖 (숫자를 대표하는 방법) 별점 4.5점짜리 식당은 믿을 만한가?
  • 📖 (숫자를 대표하는 방법) 내 체온 36.5도는 정말 정상인가?
  • 📖 지각하는 사람들의 비밀
  • 📖 대기 시간의 비밀
  • 📖 평균의 함정
  • 📖 p-값은 왜 0.05인가?
  • 📖 카톡 답장 속도와 호감도의 통계학
  • 📖 (그래프는 어떻게 우리를 속이는가) 막대그래프의 축을 자르면 차이가 커진다
  • 📖 (그래프는 어떻게 우리를 속이는가) 두 개의 세로축이 만드는 가짜 상관관계
  • 📖 (그래프는 어떻게 우리를 속이는가) 누적그래프는 왜 항상 좋아 보일까?
  • 📖 (그래프는 어떻게 우리를 속이는가) 선형 눈금과 로그 눈금은 무엇이 다른가?
  • 📖 (그래프는 어떻게 우리를 속이는가) 좋은 그래프는 무엇을 숨기지 않는가?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 농구에서 ’슛 감각이 올랐다’는 말은 사실일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 동전이 다섯 번 앞면이면 다음은 뒷면일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 성공한 사람만 보면 성공법이 보이지 않는다
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 시험을 망친 다음 점수가 오르는 이유
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 기억에 잘 남는 사건이 더 자주 일어난다고 느끼는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 연승과 연패, 우연일까 실력일까
  • 📖 (기록의 착시, 대표값의 재발견) 작은 표본이 만드는 큰 착각 — 야구 타율 3할의 의미
  • 📖 (기록의 착시, 대표값의 재발견) 세대별 평균이 말해주는 진짜 의미 — 평균 키가 자라는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 평균으로 설명되지 않는 데이터들 — 최빈값이 필요한 순간
  • 📖 (기록의 착시, 대표값의 재발견) 평균의 함정 총정리 — 평균 수심 1m 강물이 위험한 이유
  • 📖 (흩어짐과 역설) “보통”의 폭을 재는 법 — 표준편차란 무엇인가
  • 📖 (흩어짐과 역설) 재벌 총수가 낀 동네 평균 소득 — 이상치 하나가 바꾸는 평균
  • 📖 (흩어짐과 역설) 입시에서 표준점수를 쓰는 이유 — 편차값의 비밀
  • 📖 (흩어짐과 역설) 단위가 다른 두 집단을 견주는 법 — 변동계수로 비교하기
  • 📖 (흩어짐과 역설) 부분에서 이기고도 전체에서 지는 이유 — 심슨의 역설
  • 📖 (숫자로 사람을 줄 세우는 법) 숫자 하나로 사회를 요약하기 — 지니계수로 읽는 불평등
  • 📖 (숫자로 사람을 줄 세우는 법) 어느 쪽이 더 공정할까 — 상대평가 vs 절대평가
  • 📖 (숫자로 사람을 줄 세우는 법) 1점 차이가 갖는 진짜 무게 — 순위의 착시
  • 📖 (숫자로 사람을 줄 세우는 법) 5.0과 4.8 사이, 표본크기의 문제 — 별점 평균의 함정
  • 📖 (숫자로 사람을 줄 세우는 법) 별점 대신 순위를 매기는 이유 — 넷플릭스 평점 시스템
  • 📖 (공식 통계 숫자 읽는 법) 평균수명 60세 시대의 오해 — 기대수명이라는 숫자의 함정
  • 📖 (공식 통계 숫자 읽는 법) 나만의 장바구니 물가지수 — 체감 물가와 통계 물가
  • 📖 (공식 통계 숫자 읽는 법) 누구를 세고 누구를 빼는가 — 실업률의 숨은 정의
  • 📖 (공식 통계 숫자 읽는 법) 분모가 다르면 결론도 다르다 — 치명률 숫자 읽는 법
  • 📖 (공식 통계 숫자 읽는 법) 인과추론 감각을 기르는 법 — 미신적 상관관계 모음
  • 📖 (확률과 우연의 세계) 23명만 모여도 생일이 겹칠 가능성이 높은 이유 — 생일 문제
  • 📖 (확률과 우연의 세계) 같은 번호가 연속으로 나오면 조작일까? — 독립사건
  • 📖 (확률과 우연의 세계) 무작위 숫자는 왜 고르게 흩어지지 않는가? — 군집 착각
  • 📖 (확률과 우연의 세계) 로또 번호에 명당이 존재할까? — 동일확률과 선택편향
  • 📖 (확률과 우연의 세계) 희귀한 사건이 매일 뉴스에 나오는 이유 — 다중 기회
  • 📖 (확률의 도구들) 확률을 세는 언어 — 표본공간과 사건이란 무엇인가
  • 📖 (확률의 도구들) “적어도 하나”의 확률 — 여사건으로 풀면 쉬워지는 문제
  • 📖 (확률의 도구들) 경우의 수 세기 — 카드 한 장을 뽑을 때 확률 계산법
  • 📖 (확률의 도구들) 오해하기 쉬운 개념 — 독립이라는 것의 진짜 의미
  • 📖 (확률의 도구들) 복권 기댓값으로 알아보기 — 기댓값이란 무엇인가
  • 📖 (분포가 들려주는 이야기) 세상의 모든 데이터는 정규분포일까? — 정규분포 신화와 한계
  • 📖 (분포가 들려주는 이야기) 키는 정규분포에 가깝고 소득은 그렇지 않은 이유 — 분포 모양이 다른 이유
  • 📖 (분포가 들려주는 이야기) 평균에서 세 표준편차 밖이면 이상한 값일까? — 68-95-99.7 법칙
  • 📖 (분포가 들려주는 이야기) 하루에 걸려오는 전화 수는 어떤 분포를 따를까? — 포아송분포
  • 📖 (분포가 들려주는 이야기) 분포를 모르면 평균도 해석할 수 없다 — 분포 이해의 중요성
  • 📖 (조건부확률과 베이즈의 사고) 검사 결과가 양성이면 정말 병에 걸린 것일까? — 기저율
  • 📖 (조건부확률과 베이즈의 사고) 정확도 99% 검사가 틀릴 수 있는 이유 — 조건부확률
  • 📖 (조건부확률과 베이즈의 사고) 범인이 범행 현장에 있을 확률과 현장에 있던 사람이 범인일 확률 — 조건의 방향
  • 📖 (조건부확률과 베이즈의 사고) 스팸메일 필터는 어떻게 배워가는가? — 베이즈 갱신
  • 📖 (조건부확률과 베이즈의 사고) 새로운 증거가 들어오면 믿음도 바뀌어야 한다 — 베이지안 사고
  • 📖 (위험과 불확실성을 이해하는 법) 비 올 확률 60%는 무슨 뜻인가? — 확률적 예보 읽는 법
  • 📖 (위험과 불확실성을 이해하는 법) 100년 빈도 홍수는 100년에 한 번만 오는가? — 재현빈도의 오해
  • 📖 (위험과 불확실성을 이해하는 법) 보험회사는 어떻게 사고를 예측하는가? — 기대손실
  • 📖 (위험과 불확실성을 이해하는 법) 발생 가능성은 낮지만 피해가 큰 사건을 어떻게 볼 것인가? — 저확률·고피해 리스크
  • 📖 (위험과 불확실성을 이해하는 법) 위험은 확률과 피해 크기의 결합이다 — 위험 평가의 원칙
  • 📖 (확률의 뒷이야기) 문을 바꾸면 정말 유리할까 — 몬티홀 문제
  • 📖 (확률의 뒷이야기) 시행이 많아질수록 진짜 확률에 가까워지는 이유 — 큰 수의 법칙
  • 📖 (확률의 뒷이야기) 벼락 맞을 확률과 나란히 놓아보면 — 로또 1등의 확률
  • 📖 (확률의 뒷이야기) 그럴듯하게 느껴지는 이유 — 혈액형 성격론과 바넘 효과
  • 📖 (확률의 뒷이야기) 우연과 확증편향 사이 — 징크스는 통계적으로 존재할까
  • 📖 (위험 인식과 승부의 확률) 무엇이 더 위험한지 확률로 따져보면 — 비행기 vs 자동차
  • 📖 (위험 인식과 승부의 확률) 절대적 숫자와 상대적 숫자 — 백신 부작용 확률 읽는 법
  • 📖 (위험 인식과 승부의 확률) 확률적 행운이 바꾼 삶 — 복권 당첨자들의 그 후
  • 📖 (위험 인식과 승부의 확률) 먼저 차는 팀이 유리한 이유 — 승부차기의 심리 확률
  • 📖 (위험 인식과 승부의 확률) 숫자로 검증한 홈어드밴티지 — 홈그라운드의 이점

목차

  • “매출 200% 성장!” vs “고작 5% 성장”
  • 퍼센트는 기준값이 있어야 의미를 가진다
  • “-50%, 그다음 +50%”는 원점으로 돌아오지 않는다
  • 결론: 퍼센트를 볼 때 항상 물어야 할 것

(비율과 백분율의 함정) 매출이 50% 늘었다는 말에 속지 않는 법

통계기초
기술통계
스타트업의 ‘매출 200% 성장’과 대기업의 ’고작 5% 성장’, 실제로 더 많이 번 쪽은 어디일까? 퍼센트 증가율 뒤에 숨은 기준값의 함정을 다룹니다.
Author

권세혁

Published

August 3, 2026

“매출 200% 성장!” vs “고작 5% 성장”

스타트업 관련 기사를 읽다 보면 “매출 몇백 퍼센트 성장”이라는 제목이 유독 자주 보인다. 창업 강의에서 이런 기사를 예시로 들 때마다, 나는 학생들에게 꼭 되묻는다. “그래서 원래 매출이 얼마였는데요?” 스타트업 A가 보도자료를 냈다고 해보자. “전월 대비 매출 200% 성장!” 같은 날, 대기업 B는 실적 발표에서 담담하게 말한다. “이번 분기 매출 성장률은 5%였습니다.”

숫자만 보면 A가 B보다 40배는 더 잘나가는 것처럼 보인다. 그런데 실제로 두 회사의 통장에 얼마가 더 들어왔는지 확인해보면 이야기가 완전히 달라진다.

퍼센트는 기준값이 있어야 의미를 가진다

증가율은 이렇게 계산된다.

\[\text{증가율(\%)} = \frac{\text{증가분}}{\text{기준값}} \times 100\]

똑같은 “증가분”이라도 기준값이 작으면 증가율은 크게, 기준값이 크면 증가율은 작게 나온다. 반대로 말하면, 증가율만 보고는 실제로 얼마가 늘었는지 전혀 알 수 없다.

스타트업 A vs 대기업 B, 실제 숫자
구분 이전 매출 이후 매출 증가율 실제 증가액
스타트업 A 100만 원 300만 원 +200% 200만 원
대기업 B 1,000억 원 1,050억 원 +5% 50억 원

증가율은 A가 40배 높지만, 실제로 더 많이 번 쪽은 B다. B의 증가액은 A의 2,500배다.

왼쪽: 증가율만 보면 스타트업 A가 압도적이다. 오른쪽: 실제 증가액(로그 눈금)을 보면 대기업 B가 압도적이다. 같은 두 회사인데, 어느 숫자를 보느냐에 따라 승자가 뒤바뀐다.

언론이나 광고에서 신생 기업이 유독 “몇백 퍼센트 성장”을 강조하는 이유가 여기에 있다. 기준값이 작을수록 퍼센트는 쉽게 커진다. 틀린 계산은 아니지만, 그 숫자만으로 실제 규모를 판단하면 안 된다.

더 깊이: 성장률에는 기하평균이 맞다

여러 기간의 증가율을 하나로 요약할 때는 산술평균이 아니라 기하평균을 써야 한다. 강의노트 〈기초통계 2. 데이터와 통계 — 측정형 데이터〉에서는 기하평균을 “비율 자료나 성장률 분석에 적합”한 대표값으로 소개한다. 매출 성장률처럼 %로 표현되는 값을 여러 해에 걸쳐 비교할 때 특히 중요하다.

“-50%, 그다음 +50%”는 원점으로 돌아오지 않는다

퍼센트의 함정은 여기서 끝나지 않는다. 주가가 하루는 50% 떨어지고, 다음 날 50% 오른다면 원래 가격으로 돌아올까?

기준값이 움직이면 퍼센트도 어긋난다
  • 첫날: 100 → –50% → 50
  • 다음날: 50 → +50% → 75

떨어질 때의 기준값은 100이었지만, 오를 때의 기준값은 이미 50으로 줄어 있다. 그래서 “50% 떨어지고 50% 올랐다”고 해도 원금 100은 돌아오지 않고 75에 머문다. 손실의 기준값은 크고, 회복의 기준값은 작다.

손실률(x축)이 커질수록, 원래 금액으로 되돌아오는 데 필요한 상승률(y축)은 손실률보다 훨씬 더 커진다. 50% 하락은 50% 상승이 아니라 100% 상승이 있어야 회복된다.

10% 하락은 11.1% 상승이면 회복되지만, 80% 하락은 무려 400% 상승이 있어야 원금이 회복된다. 손실이 커질수록 이 격차는 기하급수적으로 벌어진다.

결론: 퍼센트를 볼 때 항상 물어야 할 것

증가율 뒤에 숨은 기준값 확인하는 법
  1. “몇 % 늘었다”는 말을 들으면 곧바로 “그래서 원래 얼마였는데?”를 묻는다.
  2. 기준값이 작은 대상(신생 기업, 작은 지표)은 퍼센트가 쉽게 부풀려진다는 점을 감안한다.
  3. 하락과 상승이 반복될 때는 각각 다른 기준값에서 계산된다는 것을 기억한다. 하락폭이 클수록 회복에 필요한 상승폭은 훨씬 크다.
  4. 비교할 때는 퍼센트와 절대량을 함께 본다. 둘 중 하나만 보면 그림의 절반만 보는 것이다.

퍼센트는 숫자를 비교하기 편하게 만들어주는 도구이지만, 그 뒤에 있는 기준값을 감추기도 한다. “얼마나 늘었는가”를 제대로 알고 싶다면, 비율과 함께 반드시 원래 숫자를 확인해야 한다.

나는 요즘도 “매출 300% 성장” 같은 창업 기사를 보면 반사적으로 원 매출부터 검색해본다. 습관을 들이고 나니, 화려한 제목에 속는 일이 눈에 띄게 줄었다.

권세혁 교수의 통계책방 사이트 소개 슬라이드 (클릭하면 크게 보기)
사이트 소개 슬라이드 확대
 
 

방문자 수 since 2026.08.08