The Korean Fashion and Textile Research Journal
[ Article ]
The Korean Fashion and Textile Research Journal - Vol. 28, No. 5, pp.542-552
ISSN: 1229-2060 (Print) 2287-5743 (Online)
Print publication date 31 Oct 2026
Received 25 Aug 2026 Revised 09 Oct 2026 Accepted 19 Oct 2026
DOI: https://doi.org/10.5805/SFTI.2026.28.5.542

도시형 의류봉제기업의 경영애로와 정책지원 수요에 관한 연구 : 서울 금천구 의류봉제기업을 중심으로

황정인†
한양여자대학교 패션산업과
Managerial Difficulties and Policy Support Requirement of Urban Apparel Sewing Firms : Evidence From Geumcheon-gu, Seoul
Jeong-In Hwang†
Department of Fashion Industry, Hanyang Women’s University; Seoul, Korea

Correspondence to: †Jeong-In Hwang E-mail: jeongin@hywoman.ac.kr

©2026 The Korean Fashion and Textile Research Journal(KFTRJ). This is an open access journal. Articles are distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

This study examined the production and transaction characteristics, managerial difficulties, and policy support requirements of urban firms engaged in apparel sewing as well as the differences in such needs by firm characteristics and their associations with managerial difficulties. A survey was administered to 101 apparel sewing firms in Geumcheon-gu, Seoul, in 2025. Descriptive statistics and rank-sum weighted scores were used to identify managerial difficulties and policy support priorities. Cross-tabulation, Fisher’s exact tests, odds ratios with 95% confidence intervals, and Benjamini–Hochberg false discovery rate correction were applied to examine differences and associations. The results showed that declining orders due to the economic downturn and rising labor costs were major external difficulties, while financial constraints and difficulty securing highly skilled workers were primary internal challenges. The highest policy priority was financial and tax support, followed by client and order linkage, advanced equipment support, and new worker recruitment support. Policy support requirements differed significantly according to sales level, major client type, and own-brand ownership. Significant associations were also found between difficulty securing highly skilled workers and support for new worker recruitment, aging facilities and equipment and support for advanced equipment, insufficient marketing and branding capabilities and support for global market entry and insufficient digital transformation capabilities and support for digital fashion training and consulting. These findings indicate that the need for policy support varies by firms’ characteristics and specific managerial difficulties. They also serve as empirical evidence for demand-based support for urban apparel sewing firms.

Keywords:

urban apparel sewing firms, managerial difficulties, policy support requirements, production and transaction structure, customized policy support

키워드:

도시형 의류봉제기업, 경영애로, 정책지원 수요, 생산 및 거래구조, 맞춤형 정책지원

1. 서 론

패션산업은 디자인, 제조, 유통 및 소비가 상호 연계되어 가치를 창출하는 복합산업으로, 다양한 경제주체 간의 협력과 네트워크를 기반으로 작동한다. 이 가운데 의류봉제산업은 패션산업의 제조단계를 담당하는 핵심 기반산업이며, 패션기업의 생산 아웃소싱 확대에 따라 그 중요성이 지속되고 있다.

그러나 국내 의류봉제산업은 소규모 사업체 중심의 산업구조, 숙련인력의 고령화와 신규인력 부족, 생산설비 노후화 등 구조적 취약성을 보이고 있다. 2025년 국내 의류제조업 실태조사에 따르면 사업체 23,507개사 중 5인 미만 사업체가 81.3%이며, 전체 사업체의 64.5%가 서울에 집중되어 있다. 또한 종사자 89,337명 중 60대 이상이 46.6%를 차지하고, 부족인력 10,578명 중 숙련봉제사가 5,056명으로 가장 많았다(Korea Fashion Association, 2025). 이러한 구조적 특성과 함께 경기변동에 따른 일감 감소, 인건비 상승, 거래처 확보의 어려움 등은 기업의 생산과 경영을 제약하는 요인으로 작용하고 있다. 특히 노동집약적이고 외부 수주 의존도가 높은 봉제기업은 외부 환경과 내부 자원·역량에 따라 경영애로가 상이할 수 있으며, 이에 따라 필요한 정책지원의 유형과 우선순위도 달라질 수 있다. Kwon and Choo(2024)는 봉제산업의 경영환경이 노동비용 뿐 아니라 거래 파트너 기업의 경영성과와도 시차를 두고 연계될 수 있음을 제시하였다.

서울 금천구는 이러한 도시형 의류봉제기업의 경영애로와 정책지원 수요를 분석하기에 의미 있는 산업적 특성을 지닌다. 금천·구로지역은 1960년대 이후 섬유·봉제 등 노동집약적 제조업을 기반으로 성장하였으며, 산업구조 고도화를 거쳐 현재의 서울디지털산업단지(G밸리)로 전환되었다. 특히 G밸리 2·3단지가 위치한 금천구는 전통적인 의류제조 기반과 IT·지식기반산업이 공존하며, 2단지는 패션디자인산업, 3단지는 고도기술산업을 중심으로 산업구조의 고도화가 추진되어 왔다(Park, 2011; Seoul Metropolitan Government, 2023). 또한 구로·가산지역의 의류패션산업은 브랜드 및 관련 기업과 생산기업 간의 기능적 분업과 거래관계를 통해 가치사슬과 생산네트워크를 형성해 왔다(Lee & Kim, 2014). Hwang(2025)은 금천구가 고부가가치 복종의 고품질 패션제품 생산에 특화된 반면, 해외 생산기지와의 가격 경쟁, 브랜드 일감 감소, 신규인력 부족과 종사자 고령화 등으로 지역 제조기업의 경쟁력이 약화되고 있음을 제시하였다. 따라서 금천구는 전통적인 의류제조 집적기반과 생산·거래 네트워크, 산업구조 전환이 동시에 나타나는 지역으로, 기업특성에 따른 경영애로와 정책지원 수요를 분석하기에 적합한 지역적 특징을 보인다.

기존 연구는 의류봉제산업의 산업구조, 공간적 집적, 가치사슬과 생산네트워크, 노동환경 및 정책지원 필요성을 규명해 왔다. 그러나 주로 산업 또는 지역 수준의 구조와 변화요인을 분석하거나 경영애로와 지원방안을 개별적으로 제시하는 데 초점을 두어, 기업의 규모와 생산·거래구조 등 기업특성에 따른 정책지원 수요의 차이와 개별 경영애로에 대응하는 정책지원 수요 간의 관련성을 기업 단위에서 실증적으로 분석한 연구는 상대적으로 제한적이다. 따라서 도시형 의류봉제기업을 동질적인 정책대상으로 보기보다 기업특성과 경영애로에 따른 정책수요의 차이를 구체적으로 규명할 필요가 있다.

이에 본 연구는 서울 금천구 소재 의류봉제기업을 대상으로 기업의 일반적 특성과 생산·거래구조를 파악하고, 주요 경영애로와 정책지원 수요의 우선순위를 분석하며, 기업특성에 따른 정책지원 수요의 차이와 주요 경영애로에 대응하는 정책지원 수요 간의 관련성을 실증적으로 분석하고자 한다. 이를 통해 기업 전반에서 공통적으로 나타나는 정책수요와 기업특성 및 경영애로에 따라 차이를 보이는 정책수요를 구체화하고, 도시형 의류봉제기업의 실제 경영조건과 수요를 고려한 정책지원 방안 마련을 위한 기초자료를 제공하고자 한다.


2. 이론적 배경

2.1. 도시형 의류봉제산업의 생산 및 거래구조

의류패션산업은 기획·디자인에서 원·부자재 조달, 패턴·샘플, 재단, 봉제, 마무리 및 유통·판매에 이르는 여러 단계의 가치사슬을 형성하며, 각 단계에 전문화된 기업과 인력이 기능을 분담하고 상호 연계하여 생산하는 산업적 특성을 가진다(Dicken, 2011; Dickerson, 2003). 특히 패션기업의 생산 아웃소싱이 확대되면서 브랜드기업, 프로모션기업, 봉제기업 및 부분임가공기업 등이 생산과정의 서로 다른 기능을 담당하고, 기업 간 거래와 외주를 통해 생산네트워크를 형성하는 구조가 나타나고 있다(Kwon, 2020; Kwon & Choo, 2020; Lee & Kim, 2014).

의류봉제기업의 생산구조는 기업이 생산과정에서 담당하는 기능과 생산관여 수준에 따라 구분할 수 있다. 선행연구에서는 의류제품의 위탁 생산방식을 임가공, CMT(cut, make and trim), OEM(original equipment manufacturing), ODM(original design manufacturing) 등으로 구분하고 있으며, 생산기업이 원·부자재 조달, 생산관리 및 제품개발 등의 기능을 담당하는 정도에 따라 가치사슬에서 수행하는 역할과 책임 범위가 달라지는 것으로 설명하고 있다(Kim & Ahn, 2019; Kwon, 2020; Lee & Kim, 2014).

봉제기업의 생산체제는 생산품목과 주문량, 납기, 숙련인력 및 생산설비 등의 조건에 따라 다양하게 구성된다. 국내 봉제산업에서는 대량생산에 적합한 라인생산과 숙련인력을 중심으로 여러 공정을 수행하는 객공 또는 팀 단위 생산 등이 활용되어 왔으며, 최근 다품종·소량생산의 확대에 따라 생산방식의 유연성이 중요하게 다루어지고 있다(Kwon, 2020; Oh & Kim, 2016). Kwon(2020)은 전통적인 라인생산이 공정을 세분화하여 작업자가 특정 공정을 반복 수행함으로써 생산효율을 높이는 방식인 반면, 소량생산에서는 여러 공정을 수행할 수 있는 숙련인력을 중심으로 한 팀 단위 생산이 고난도 제품과 품질 대응에 활용되고 있음을 제시하였다.

의류봉제산업은 전문화된 생산기능의 분업과 함께 관련 기업과 직능이 특정 지역에 공간적으로 집적하는 특성을 보인다(Lee & Kim, 2014; Roh, 2020; Yoo & Lee, 2013). Yoo and Lee(2013)는 수도권 패션제조업의 7개 직능을 대상으로 공간적 집적 특성과 직능 간 연계성을 분석하여, 직능별 공간적 집적 양상이 상이하며 각 직능의 공간적 분포가 다른 직능의 집적과 관련되어 있음을 제시하였다. Lee and Kim(2014)은 구로·가산지역의 브랜드기업, 프로모션기업 및 임가공기업이 가치사슬의 서로 다른 기능을 담당하면서 원·하청 및 외주관계를 통해 생산네트워크를 형성하고 있음을 밝혔다. 지역 내 브랜드기업은 일부 생산을 프로모션기업이나 임가공기업에 위탁하고, 프로모션기업 역시 자체 생산시설뿐 아니라 지역 내외의 임가공기업을 활용하여 제품을 생산하는 구조이다. 이러한 생산네트워크는 구로·가산지역을 넘어 서울의 다른 의류제조지역과 수도권·지방 및 일부 해외지역으로 연결된다. 이처럼 도시형 의류봉제산업의 생산활동은 개별기업의 생산능력뿐 아니라 외부 전문기업과의 기능적 분업 및 거래관계를 통해 이루어지는 특성을 가진다. Heo and Lim(2019)은 서울 소재 의류 브랜드기업의 생산의뢰 방식을 분석하여 생산수량, 납기, 품질 및 원가관리와 생산공장과의 커뮤니케이션 및 정보관리가 생산의뢰 과정의 주요 요소임을 제시하였다. 선행연구에서는 거래기업 간 신뢰와 커뮤니케이션, 주문물량 및 결제조건 등이 지속적인 거래관계에 영향을 미치는 요인으로 제시되어 왔다(Kwon, 2020; Kwon & Choo, 2020; Lee & Kim, 2014). 특히 패션브랜드와 봉제기업 간의 거래는 단순한 제품생산뿐 아니라 생산정보와 기술, 품질 관리 및 납기 대응 등이 결합된 기업 간 관계라는 점에서 봉제기업의 생산 및 경영구조를 파악하는 중요한 요소가 된다.

이상의 선행연구를 종합하면 의류봉제산업은 생산공정의 기능적 분업, 생산관여 수준에 따른 생산방식, 생산품목과 소재에 따른 생산전문성, 생산조직, 외주·분업관계 및 주요 거래처와의 거래네트워크가 상호 연계된 생산구조를 형성하고 있다(Kwon, 2020; Kwon & Choo, 2020; Lee & Kim, 2014; Oh & Kim, 2016; Yoo & Lee, 2013). 특히 구로·가산지역은 다양한 패션 제조 직능과 가치사슬 단계가 공간적으로 집적되어 있고 기업 간 생산 및 거래관계가 형성된 지역으로 분석되어 왔다(Lee & Kim, 2014; Yoo & Lee, 2013). 이에 본 연구에서는 금천구 의류봉제기업의 생산방식, 생산형태, 주력 생산품목과 소재 및 주요 거래처 등의 특성을 분석하여 지역 의류봉제기업의 생산 및 거래구조를 파악하고자 한다.

2.2. 의류봉제기업의 구조적 경영애로

국내 의류봉제산업은 소규모 기업 중심의 노동집약적 생산 구조를 기반으로 하고 있으며, 선행연구에서는 업체의 영세성, 생산물량 확보, 인력 고령화, 생산비용 상승 및 생산시설·장비 문제 등이 주요 경영과제로 제시되어 왔다. Roh(2020)은 서울 의류제조업의 주요 문제로 업체의 영세성과 열악한 작업환경, 임금상승에 따른 생산비 증가 등을 제시하였으며, 생산시설·장비의 노후화, 높은 인건비 및 우수인력 확보의 어려움 등을 주요 경영애로로 분석하였다.

생산물량 및 일감 확보 역시 주요 문제로 나타났다. Roh(2020)은 소비침체와 글로벌 경쟁 강화, SPA 브랜드의 성장 등에 따른 동대문 패션상권의 변화가 관련 봉제업체의 생산환경에도 영향을 미쳤으며, 강북구와 중랑구 의류제조업체가 동대문 패션시장에 높은 의존도를 보이고 있음을 확인하였다. 또한 지역 의류제조업의 주요 과제로 일감확보 방식의 개선을 제시하였다.

인력 측면에서는 고령화와 인력확보의 어려움이 지속적으로 제기되어 왔다. Lee(2024)는 도시형 의류제조 소공인이 숙련기술을 보유하고 있음에도 사업의 영세성, 공간 및 장비 부족, 고령화 및 글로벌 아웃소싱 등의 제약에 직면하고 있다고 설명하였다. Roh(2020) 역시 우수인력 확보의 어려움을 의류제조업체의 경영애로로 제시하였다.

Kwon and Choo(2024)는 2004~2017년 시계열자료에 대한 그랜저 인과관계 분석을 통해 최저임금이 전체 봉제기업 수와 전체 고용자 수 및 마이크로 규모 봉제기업 수의 변화에 선행하는 관계를 확인하였으며, 이러한 관계는 특히 1년 시차에서 뚜렷하게 나타났다. 또한 패션상장기업의 영업이익은 2년 시차에서 전체 봉제산업의 고용자 수, 3년 시차에서 마이크로 규모 봉제기업 수에 선행하는 것으로 나타났다. 이는 노동비용과 같은 외부환경뿐 아니라 거래 파트너 기업의 경영성과도 봉제산업의 규모 및 고용 변화와 시간적 선후관계를 가질 수 있음을 보여준다.

이상의 선행연구를 종합하면 국내 의류봉제기업의 경영애로는 생산물량 감소, 거래처 확보 및 생산비용 상승과 같은 외부 환경 요인과 숙련인력 확보, 자금, 생산시설·장비 및 기업역량과 같은 내부 요인으로 구분하여 살펴볼 수 있다.

2.3. 경영애로와 정책지원 수요

의류봉제기업에 대한 정책지원은 소규모 제조기업이 직면하는 생산, 인력, 시설·장비 및 판로 등의 경영애로와 관련하여 논의되어 왔다. Roh(2020)은 서울 의류제조업의 주요 과제로 지역 내 일감 확보, 우수 봉제인력 양성, 작업환경 및 생산기반 개선 등을 제시하였다. Lee(2024)는 도시형 의류제조 소공인을 지원하기 위한 공동장비 및 작업공간 제공, 교육, 컨설팅 등의 지원기능을 분석하였다.

Hwang(2025)은 서울시 금천패션제조지원센터의 운영성과를 분석하여 도시형 의류봉제 소공인에 대한 지원이 생산 인프라, 일감연계, 판로개척, 창업 및 기업역량 강화 등의 영역으로 이루어지고 있음을 제시하였다. 특히 소규모 제조기업이 개별적으로 확보하기 어려운 자동재단(CAM), CAD 및 공용 생산장비를 공동으로 활용하도록 지원하고, 브랜드기업과 지역 제조기업 간 일감연계, 시제품 제작, 크라우드펀딩 및 온·오프라인 유통채널 진입 등을 지원하는 형태가 확인되었다. 해당 연구에서는 서울시 패션제조지원센터가 공동 생산인프라를 기반으로 생산공정 효율화와 원가절감 등을 지원하는 동시에 창업·판로개척·일감연계 등의 프로그램을 운영하는 것으로 분석하였다.

기업이 보유한 자원을 활용하고 재구성하는 역량의 중요성은 중소기업의 국제화 연구에서도 확인되고 있다. Fredrich et al.(2022)은 기업의 동적역량이 국제화 수준에 영향을 미치고 이를 통해 기업성장에 간접적으로 영향을 미치며, R&D 집약도와 협력 집약도의 균형이 국제화에 따른 성장효과에 중요한 조건으로 작용함을 제시하였다.

정부지원과 기업역량 간의 관계에 관한 연구한 Kim and Yang(2022)은 국내 수출 제조기업을 대상으로 정부의 친환경 지원, 친환경 동적역량, Green SCM 및 수출경쟁력 간의 관계를 분석함으로써 정책지원이 단순한 재정적 지원을 넘어 중소제조기업의 부족한 역량을 보완하고 새로운 기업역량을 형성함으로써 경쟁력 향상으로 연결될 수 있다고 분석하였다.

해외 의류제조 중소기업을 대상으로 한 Pathirana and Yarime(2018)의 연구에서는 스리랑카 의류제조 중소기업의 에너지 효율 기술도입 과정에서 자금, 지식 및 기술 부족 등을 주요 제약요인으로 제시하고 정보와 금융에 대한 접근성 및 관련 기관 간 협력의 필요성을 논의하였다. Gangoda et al.(2023)은 의류산업의 디지털화와 자동화에 따라 생산인력에게 요구되는 기술역량이 변화하고 있음을 분석하고 이에 대응한 인력교육과 역량개발의 중요성을 제시하였다.

이상의 선행연구를 종합하면, 중소 제조기업은 자금, 인력, 기술, 설비, 시장 및 정보 등 다양한 영역에서 자원과 역량의 제약을 경험하며, 정책지원은 이러한 제약을 보완하고 기업역량을 강화하는 외부지원 수단으로 기능하고 있는 것으로 확인된다.

그러나 기존 의류봉제산업 연구는 산업의 경영애로를 파악하거나 지원사업의 유형과 성과를 각각 분석하는 데 주로 초점을 두고 있어, 개별 의류봉제기업이 경험하는 경영애로와 이에 대응하는 정책지원 수요 간의 관계를 기업 단위에서 실증적으로 검증한 연구는 상대적으로 제한적이다. 따라서 본 연구는 의류봉제기업의 주요 경영애로와 정책지원 수요를 각각 파악하는 데 그치지 않고, 특정 경영애로를 경험하는 기업이 이에 대응하는 정책지원을 실제로 더 필요로 하는지를 실증적으로 분석함으로써 의류봉제기업에 대한 수요기반 맞춤형 정책지원의 근거를 제시하고자 한다.


3. 연구방법 및 자료수집

3.1. 연구문제

본 연구는 서울시 금천구 소재 의류봉제기업의 특성과 생산·거래구조, 경영애로 및 정책지원 수요를 파악하고, 기업특성에 따른 정책지원 수요의 차이와 경영애로에 대응하는 정책지원 수요 간의 관련성을 분석하고자 다음과 같은 연구문제를 설정하였다.

  • 연구문제 1. 금천구 의류봉제기업의 일반적 특성과 생산 및 거래구조는 어떠한가?
  • 연구문제 2. 금천구 의류봉제기업이 경험하는 외부환경 및 내부역량 관련 주요 경영애로는 무엇인가?
  • 연구문제 3. 금천구 의류봉제기업의 주요 정책지원 수요는 무엇인가?
  • 연구문제 4. 의류봉제기업의 주요 기업특성에 따라 정책지원 수요에는 차이가 있는가?
  • 연구문제 5. 의류봉제기업의 주요 경영애로와 이에 대응하는 정책지원 수요 간에는 어떠한 관련성이 있는가?

3.2. 조사대상 및 자료수집

본 연구는 서울시 금천구 소재 의류봉제기업을 대상으로 2025년 9월 1일부터 9월 30일까지 설문조사를 실시하였다. 자료수집은 조사대상 기업의 응답 편의성을 고려하여 온라인 조사와 방문조사를 병행하였다. 설문 응답자는 기업의 경영 및 생산 현황을 전반적으로 파악하고 있는 기업대표자로 한정하였다. 조사대상은 「2024년 서울금천패션제조기업 연감」 (Seoul Fashion Manufacturing Support Center, 2024)에 수록된 기업과 금천구 소재 의류봉제기업 협의체인 (사)서울의류협회 회원사를 기준으로 총 200개 기업으로 구성하였다. 1차 조사에서는 이들 기업을 대상으로 이메일을 통해 설문지를 배포하여 41부를 회수하였으며, 이후 1차 조사에 응답하지 않은 기업을 대상으로 방문조사를 실시하여 60부를 추가로 회수하였다. 최종적으로 총 101부를 회수하여 50.5%의 응답률을 보였으며, 101개 기업의 응답자료를 최종 분석에 활용하였다.

3.3. 조사도구 및 변수구성

본 연구의 조사도구는 금천구 의류봉제기업의 생산 및 거래구조, 경영애로와 정책지원 수요를 파악하기 위해 구조화된 설문지로 구성하였다. 설문문항은 의류봉제기업의 생산 및 거래구조와 경영애로, 기업지원 수요를 다룬 선행연구(Hwang, 2025; Kwon & Choo, 2024; Lee, 2024; Roh, 2020)와 기존 의류제조업 실태조사의 조사영역 및 문항을 검토하여 구성하였다.

설문문항의 내용타당성을 확보하기 위해 조사 실시 전 의류제조산업 현장 전문가 2인, 학계 전문가 2인 및 정책지원기관 관계자 1인 등 총 5인의 전문가 검토를 실시하였다. 전문가 검토에서는 문항의 적절성, 이해가능성 및 산업현장 적용성을 중심으로 검토하였으며, 그 결과를 바탕으로 의미가 중복되거나 현장 적용성이 낮은 문항을 조정하고 의류봉제기업 대표자가 쉽게 이해할 수 있도록 일부 문항의 표현을 수정하여 최종 설문지를 구성하였다.

경영애로 문항은 선행연구에서 반복적으로 제시된 생산물량 및 거래처 확보, 생산비용 상승, 인력부족, 자금, 생산시설·장비 및 기업역량 등의 요인을 토대로 구성하였다. 이를 기업 외부의 시장 및 거래환경과 관련된 외부환경 요인과 기업 내부의 자원 및 역량과 관련된 내부역량 요인으로 구분하였다. 외부환경 관련 문항에는 경기침체로 인한 일감 감소, 인건비 상승, 거래처의 납품단가 인하 요구, 거래처 확보 어려움, 원부자재 가격 인상 등을 포함하였으며, 내부역량 관련 문항에는 자금사정 악화, 고숙련 인력 확보 어려움, 시설·설비 노후화, 마케팅·브랜딩 역량 부족 및 디지털 전환 역량 부족 등을 포함하였다.

정책지원 수요 문항은 선행연구와 기존 의류제조 지원사업에서 제시된 주요 지원영역을 토대로 자금 및 세제, 인력확보 및 교육, 생산설비 고도화, 거래처 및 일감연계, 연구개발, 디지털 전환, 글로벌시장 진출 등의 영역으로 구성하였다. 이를 통해 경영애로와 정책지원 수요의 주요 영역이 선행연구 및 기존 산업조사에서 논의된 핵심 요인을 포괄하도록 하였다. 경영애로와 정책지원 수요는 각 영역에서 중요도가 높은 항목을 1순위부터 3순위까지 선택하도록 구성하였다. 이와 함께 구조화된 문항에서 파악하기 어려운 정책수요를 보완적으로 확인하기 위해 서울시 차원에서 가장 시급하게 요구되는 정책지원에 대한 개방형 문항을 포함하였다(Table 1).

Survey items and variables

3.4. 자료분석방법

자료분석은 IBM SPSS Statistics 28.0을 이용하여 빈도분석과 기술통계분석을 실시하였다. 경영애로와 정책지원 수요의 우선순위를 파악하기 위해 응답자가 선택한 1·2·3순위에 각각 3점, 2점, 1점의 선형 순위가중치를 적용하였다. 이러한 방식은 순위정보를 수치적 가중치로 변환하는 rank-based weighting 방법 중 rank-sum(RS) 방식에 기초한 것으로, 순위가 낮아질수록 가중치를 선형적으로 감소시키는 방식이다(Barron & Barrett, 1996). Rank-sum 방식에서 3개 순위에 대한 정규화 가중치는 각각 3/6, 2/6, 1/6이며, 이는 본 연구에서 적용한 3·2·1점과 동일한 상대적 가중구조를 갖는다. 이에 따라 가중점수는 각 항목의 ‘1순위 응답빈도×3 + 2순위 응답빈도×2 + 3순위 응답빈도×1’로 산출하였다.

한편 총 선택빈도와 선택률은 해당 항목을 1~3순위 중 한 번이라도 선택한 기업의 수와 비율을 나타내므로 경영애로 또는 정책지원 수요의 선택 범위를 파악하는 지표로 활용하였다. 반면 가중점수는 선택 여부와 함께 응답자가 부여한 순위정보를 반영하므로 항목 간 상대적 우선순위를 파악하는 보조지표로 활용하였다. 따라서 본 연구에서는 선택률과 가중점수를 상호 대체적인 지표로 해석하지 않고, 선택률은 해당 항목이 기업들 사이에서 얼마나 광범위하게 선택되었는지를, 가중점수는 순위를 고려한 상대적 우선순위를 나타내는 지표로 구분하여 해석하였다.

기업특성에 따른 정책지원 수요의 차이를 검토하기 위해 교차분석을 실시하였다. 정책지원 수요는 각 항목을 1~3순위 중 한 번이라도 선택한 경우와 선택하지 않은 경우로 구분하였으며, 기대빈도가 작은 셀이 존재하는 경우 Fisher의 정확검정을 적용하였다. 또한 복수의 통계적 검정에 따른 제1종 오류의 증가 가능성을 통제하기 위해 Benjamini–Hochberg 방법에 의한 FDR(false discovery rate) 보정을 실시하였다. 기업특성별 분석은 표본규모와 일부 범주의 낮은 빈도를 고려하여 탐색적으로 수행하였으며, 집단별 선택률과 통계적 유의성 및 효과크기를 종합적으로 검토하였다.

경영애로와 정책지원 수요 간의 대응관계는 전체 경영애로 및 정책지원 항목을 대상으로 사전에 검토하였다. 대응관계는 첫째, 경영애로와 정책지원이 동일한 자원 또는 기능영역에 해당하고, 둘째, 해당 정책지원이 경영애로의 원인 또는 제약요인을 직접적으로 보완·완화할 수 있는 관계로 한정하였다. 이러한 기준에 따라 일감·거래처, 자금·세제, 인력, 생산설비, 마케팅·시장진출, 디지털 역량 및 기술역량 영역에서 총 9개의 직접 대응관계를 분석대상으로 설정하였다. 반면 인건비 상승, 납품단가 인하 요구, 원부자재 가격 인상 및 대금결제 지연 등은 자금지원 이 비용부담을 간접적으로 완화할 수 있으나 해당 경영애로에 직접 대응하는 정책수단으로 보기 어려워 분석대상에서 제외하였다. 또한 환경·입지 관련 규제 등은 본 연구에서 조사된 정책지원 항목 중 직접적으로 대응하는 항목이 없어 제외하였다.

관련성 분석에서는 순위 자체의 차이보다 특정 경영애로의 선택 여부와 이에 대응하는 정책지원 수요의 선택 여부 간 관련성을 검증하는 데 목적이 있으므로, 순위별 가중점수를 적용하지 않고 각 항목의 선택 여부(선택=1, 미선택=0)를 기준으로 이분형 변수를 구성하였다. 이를 바탕으로 2×2 교차분석을 실시하였으며, 표본규모와 일부 셀의 낮은 기대빈도를 고려하여 통계적 유의성은 Fisher의 정확검정(fisher's exact test)을 통해 검증하였다. 또한 두 변수 간 관련성의 방향과 크기를 파악하기 위해 오즈비(odds ratio, OR)와 95% 신뢰구간(confidence interval, CI)을 산출하였다.

여기서 a,b,c,d는 2×2 교차표의 각 셀 빈도를 의미하며, OR = 1은 관련성이 없음을, OR>1은 경영애로 선택기업에서 해당 지원수요 선택 오즈가 높음을 의미한다. 통계적 유의수준은 p < .05로 설정하였다. 또한 복수의 대응관계에 대한 반복검정에 따른 제1종 오류의 증가 가능성을 고려하여 Benjamini-Hochberg 방법을 이용한 false discovery rate(FDR) 보정을 실시하였으며, 보정 전 p-value와 보정된 p-value를 함께 제시하였다(Table 2).

OR=a/bc/d=adbc

Research questions and analytical methods


4. 연구결과

4.1. 조사대상 기업의 일반적 특성과 생산 및 거래구조

Table 3는 조사대상 기업의 일반적 특성을 보여준다. 설립시기를 살펴보면 2011~2015년 설립기업이 28.0%로 가장 높은 비중을 차지하였으며, 2016~2020년 27.0%, 2021년 이후 21.0% 순으로 나타났다. 사업유형은 일반과세 사업자가 81.0%로 대부분을 차지하였고, 법인사업자는 18.0%로 나타났다. 업태는 봉제 업체가 88.0%로 가장 높은 비중을 차지하였으며, 샘플 7.0%, 특종 3.0%, 패턴 1.0% 순으로 나타났다. 2024년 기준 조사기업의 평균 매출액은 약 8억 원, 평균 사업장 규모는 85평이었으며, 기업당 평균 종사자 수는 약 11명으로 나타났다. 자체 브랜드를 보유한 기업은 16.0%로, 대부분의 조사기업은 자체 브랜드를 보유하지 않은 것으로 조사되었다.

General characteristics of the surveyed firms

Table 4는 조사대상 기업의 생산 및 거래 특성을 보여준다. 거래처 기준 생산형태는 OEM이 61.0%로 가장 높은 비중을 차지하였으며, ODM 20.0%, CMT 19.0% 순으로 나타났다. 생산방식은 객공생산 48.0%와 라인생산 45.0%가 대부분을 차지하였고, 블록생산은 7.0%로 나타났다. 주생산품목은 여성정장류가 37.0%로 가장 많았으며, 캐주얼웨어 29.0%, 남성정장류 14.0% 순으로 나타났다. 주 생산소재는 우븐이 60.0%로 가장 높은 비중을 차지하였고, 다이마루 25.0%, 특종 10.0% 순으로 조사되었다.

Production and transaction characteristics of the surveyed firms

주요 거래처는 백화점 브랜드가 33.0%로 가장 높은 비중을 차지하였으며, 온라인쇼핑몰 26.0%, 디자이너 브랜드 20.0%, 프로모션 10.0%, 해외브랜드 6.0% 순으로 나타났다. 또한 조사기업의 89.0%가 소량생산이 가능한 것으로 나타났다.

종합하면, 조사대상 기업은 봉제업체를 중심으로 구성되어 있으며, OEM 생산의 비중이 높고 여성정장류와 캐주얼웨어 및 우븐 소재의 생산 비중이 상대적으로 높은 특성을 보였다. 또한 백화점 브랜드, 온라인쇼핑몰 및 디자이너 브랜드 등 다양한 거래처와 생산관계를 형성하고 있으며, 다수의 기업이 소량생산에 대응할 수 있는 생산구조를 갖는 것으로 나타났다.

4.2. 의류봉제기업의 경영애로

먼저 외부환경 관련 경영애로를 분석한 결과는 Table 5와 같다. 경기침체로 인한 일감 감소는 전체 101개 기업 중 85개사(84.2%)가 선택하여 가장 높은 선택률을 보였으며, 1순위 응답도 43개사로 가장 많아 가중점수 193점으로 1위를 차지하였다. 다음으로 인건비 상승은 80개사(79.2%), 가중점수 168점으로 2위였으며, 거래처의 납품단가 인하 요구는 52개사(51.5%), 가중점수 110점으로 3위로 나타났다.

External managerial difficulties

거래처 확보 어려움은 38개사(37.6%)가 선택하였으나 1순위 응답은 3개사에 그치고 3순위 응답이 26개사로 많아 가중점수는 53점으로 나타났다. 그 밖에 해외 저가제품과의 경쟁 심화 36점, 원부자재 가격 인상과 납품대금 결제 지연이 각각 17점으로 상대적으로 낮았다.

이러한 결과는 조사기업들이 외부환경과 관련하여 경기침체에 따른 일감 감소와 인건비 상승을 가장 광범위하면서도 우선적인 경영애로로 인식하고 있음을 보여준다. 특히 거래처 확보 어려움보다 일감 감소의 가중점수가 크게 나타난 것은 신규 거래처 확보 자체뿐 아니라 기존 거래관계에서의 발주량 감소와 전반적인 생산물량 축소가 기업경영에 보다 직접적인 부담으로 작용하고 있음을 시사한다.

내부역량 관련 경영애로를 분석한 결과는 Table 6과 같다. 단순 선택률에서는 고숙련 인력 확보 어려움이 79개사(78.2%)로 가장 높았으며, 자금사정 악화가 75개사(74.3%)로 뒤를 이었다. 그러나 순위별 중요도를 반영한 가중점수에서는 자금사정 악화가 182점으로 가장 높았고, 고숙련 인력 확보 어려움은 173점으로 2위를 차지하였다. 이는 고숙련 인력 확보 어려움은 다수 기업이 공통적으로 경험하는 경영애로인 반면, 자금사정 악화는 기업들이 보다 우선적으로 해결해야 할 문제로 인식하고 있음을 보여준다. 실제로 자금사정 악화를 1순위로 선택한 기업은 45개사로, 고숙련 인력 확보 어려움을 1순위로 선택한 34개사 보다 많았다. 이외에도 4대보험 및 세금 부담은 62개사(61.4%), 가중점수 111점으로 3위, 시설·설비 노후화는 48개사(47.5%), 81점으로 4위를 차지하였다. 반면 마케팅·브랜딩 역량 부족, 기술역량 부족, 국내·외 시장정보 부족 및 디지털 전환 역량 부족은 상대적으로 낮은 가중점수를 보였다. 종합하면 내부 경영애로는 자금, 숙련인력 및 비용부담과 같은 기업의 직접적인 경영·생산 여건에 집중되는 경향이 나타났다.

Internal managerial difficulties

4.3. 의류봉제기업의 정책지원 수요

의류봉제기업의 정책지원 수요를 분석한 결과는 Table 7과 같다. 자금지원 및 세제혜택은 96개사(95.0%)가 선택하여 가장 높은 선택률을 보였으며, 특히 63개사가 1순위로 선택하여 가중점수 244점으로 가장 높은 우선순위를 나타냈다. 이는 조사 기업 대부분이 자금 및 세제지원을 필요로 할 뿐 아니라 이를 가장 시급한 정책지원으로 인식하고 있음을 보여준다. 다음으로 거래처(일감) 확보 및 연계는 73개사(72.3%), 가중점수 132점으로 2위였으며, 최신장비 도입 지원은 61개사(60.4%), 105점으로 3위, 신규인력 확보 지원은 43개사(42.6%), 80점으로 4위를 차지하였다. 반면 글로벌시장 진출 지원, 디지털 패션 교육·컨설팅, 기존인력 재교육 및 연구개발 지원은 상대적으로 낮은 수준으로 나타났다.

Policy support needs of apparel sewing firms

이러한 결과는 금천구 의류봉제기업의 정책지원 수요가 자금·세제지원과 거래처·일감 연계에 가장 집중되어 있으며, 생산 설비 개선과 인력확보에 대한 지원 수요가 그 뒤를 잇고 있음을 보여준다.

4.4. 기업특성에 따른 정책지원 수요의 차이

주요 기업특성별 정책지원 수요의 차이를 전체 항목에 대해 검토한 결과, 일부 항목에서 집단 간 차이가 확인되었다(Table 8). 다중비교에 따른 제1종 오류 가능성을 고려하여 Benjamini–Hochberg 방법에 의한 FDR 보정을 실시하였으며, 최종적인 통계적 유의성은 FDR 보정값을 기준으로 판단하였다.

Differences in policy support needs by major firm characteristics

매출규모에 따른 자금지원 및 세제혜택 수요는 유의한 차이가 나타났다(adjusted p = .016). 사후분석 결과, 10억 원 이상 기업의 선택률(82.8%)은 5억 원 미만 및 5억 원 이상 10억 원 미만 기업(각 100.0%)과 유의한 차이를 보였다(adjusted p = .036). 이는 자금·세제지원이 기업 전반의 공통적인 정책수요이면서 상대적으로 매출규모가 작은 기업에서 더욱 광범위하게 나타나는 수요임을 보여주며, 소규모 의류제조기업의 자금 및 경영자원 제약을 제시한 선행연구와 맥락을 같이한다(Hwang, 2025; Lee, 2024; Roh, 2020).

생산·거래방식에서는 OEM 수행 여부에 따른 최신장비 도입지원 등 일부 차이가 보정 전 확인되었으나 FDR 보정 이후에는 유의하지 않았다. 따라서 생산·거래방식에 따른 정책지원 수요의 차이는 제한적으로 해석할 필요가 있으며, 이는 생산방식의 차이에도 불구하고 영세한 기업규모와 제한된 경영자원이라는 공통적인 구조적 특성을 지닌다는 기존 연구와 관련하여 해석할 수 있다(Hwang, 2025; Lee, 2024; Roh, 2020).

주거래처 유형에서는 백화점 브랜드 거래기업의 디지털 패션 교육 및 컨설팅 선택률(1.5%)이 비거래 기업(20.0%)보다 유의하게 낮았다(OR=.06, 95% CI=.01–.52, adjusted p=.019). 이는 거래구조에 따라 정책지원 수요가 상이하게 나타날 가능성을 보여주지만, 실제 디지털 역량을 직접 측정하지 않았으므로 거래처 특성에 따른 수요 차이로 제한하여 해석할 필요가 있다.

자체 브랜드 보유기업의 글로벌시장 진출지원 선택률(37.5%)은 미보유기업(8.4%)보다 유의하게 높았다(OR=6.51, 95% CI=1.82–23.30, adjusted p=.049). 이는 자체 브랜드 보유기업에서 시장개척 및 해외진출 관련 지원수요가 상대적으로 높게 나타날 수 있음을 보여주며, 기업의 동적역량과 국제화 간의 관련성을 제시한 Fredrich et al.(2022)과 정부지원 및 기업역량과 수출경쟁력의 관련성을 제시한 Kim and Yang(2022)의 연구를 지지한다.

4.5. 주요 경영애로와 정책지원 수요 간의 관련성

주요 경영애로와 이에 대응하는 정책지원 수요 간의 관련성을 분석한 결과(Table 9), 9개의 대응관계 중 4개 관계가 FDR 보정 이후에도 통계적으로 유의하였다. 고숙련 인력 확보 어려움은 신규인력 확보지원(OR = 6.50, 95% CI = 1.78–23.72, adjusted p = .008), 시설·설비 노후화는 최신장비 도입지원(OR = 4.06, 95% CI = 1.71–9.64, adjusted p=.006)과 유의한 관련성을 보였다. 또한 마케팅·브랜딩 역량 부족은 글로벌시장 진출지원(OR = 15.24, 95% CI = 4.11–56.50, adjusted p < .001), 디지털 전환 역량 부족은 디지털 패션 교육·컨설팅(OR = 30.67, 95% CI = 2.42–388.29, adjusted p = .036)과 유의한 관련성이 나타났다.

Associations between major managerial difficulties and corresponding policy support needs

이러한 결과는 봉제인력 양성과 생산기반 지원의 필요성을 제시한 Roh(2020), Lee(2024)의 연구 및 CAM·CAD 등 생산장비의 공동활용을 주요 지원방식으로 제시한 Hwang(2025)의 연구와 맥락을 같이한다. 또한 마케팅·브랜딩 역량 부족과 글로벌시장 진출지원 간의 관련성은 기업의 동적역량과 국제화의 관계를 분석한 Fredrich et al.(2022), 정부지원 및 기업역량과 수출경쟁력 간의 관계를 제시한 Kim and Yang(2022)의 연구와 연결된다. 디지털 전환 역량 부족과 교육·컨설팅 수요 간의 관련성 역시 의류산업의 디지털화와 자동화에 대응한 인력교육 및 역량개발의 중요성을 강조한 Gangoda et al.(2023)의 연구와 맥락을 같이한다. 이는 기존 연구에서 제시한 인력·생산기반 및 기업역량 관련 지원 필요성을 개별 경영애로와 이에 대응하는 정책지원 수요 간의 관련성으로 구체화한 결과이다.

반면 경기침체에 따른 일감 감소 및 거래처 확보 어려움과 거래처·일감연계지원, 자금사정 악화 및 4대보험·세금 부담과 자금·세제지원, 기술역량 부족과 기존인력 재교육 간에는 유의한 관련성이 확인되지 않았다. 그러나 거래처·일감연계지원은 애로를 경험하지 않은 기업에서도 높은 선택률을 보여, 일감 확보를 의류제조업의 주요 과제로 제시한 Roh(2020)과 일감연계를 주요 지원영역으로 제시한 Hwang(2025)의 연구와 맥락을 같이한다. 특히 자금·세제지원은 전체 조사기업의 95.0%가 선택하여 천장효과(ceiling effect)의 가능성을 고려할 필요가 있으며, 이는 금융 접근성 부족을 의류제조 중소기업의 주요 제약 요인으로 제시한 Pathirana and Yarime(2018)의 연구와도 연결된다. 또한 마케팅·브랜딩 역량 부족을 선택한 기업은 15개사, 디지털 전환 역량 부족을 선택한 기업은 3개사에 불과하고 관련 신뢰구간이 넓어 효과크기는 탐색적 수준에서 신중하게 해석할 필요가 있다.


5. 결 론

본 연구는 서울 금천구 소재 의류봉제기업 101개사를 대상으로 생산 및 거래구조, 경영애로와 정책지원 수요를 파악하고, 기업특성에 따른 정책지원 수요의 차이와 경영애로에 대응하는 정책지원 수요 간의 관련성을 실증적으로 분석하였다.

첫째, 조사대상 기업은 OEM 중심의 생산구조와 백화점 브랜드 및 온라인쇼핑몰 중심의 거래구조를 보였으며, 다수 기업이 소량생산에 대응하고 있었다. 이는 서울지역 의류봉제산업이 소규모 생산기업을 기반으로 분업적 생산체계를 형성하고 있다는 기존 연구(Lee & Kim, 2014; Roh, 2020)와 유사하며, 이러한 생산·거래구조가 금천구에서도 지속되고 있음을 보여준다.

둘째, 주요 경영애로는 외부환경 측면에서 경기침체에 따른 일감 감소, 인건비 상승, 납품단가 인하 요구가, 내부역량 측면에서는 자금사정 악화, 고숙련 인력 확보 어려움, 4대보험 및 세금 부담, 시설·설비 노후화가 높은 우선순위를 보였다. 이는 일감 및 숙련인력 확보와 생산기반의 취약성을 주요 문제로 제시한 Roh(2020)과 대체로 일치하며, 도시형 의류봉제기업의 경영애로가 시장환경 변화와 내부 자원·역량의 취약성이 복합적으로 작용하는 구조임을 보여준다.

셋째, 정책지원 수요는 자금지원 및 세제혜택, 거래처·일감 확보 및 연계, 최신장비 도입지원, 신규인력 확보지원 순으로 높게 나타났다. 이는 자금, 일감, 인력 및 생산환경에 대한 지원 필요성을 제시한 선행연구(Hwang, 2025; Lee, 2024; Roh, 2020)와 맥락을 같이하며, 경영안정과 생산기반 개선을 함께 고려할 필요성을 보여준다.

넷째, 기업특성별 분석에서는 매출규모에 따라 자금·세제지원 수요에 차이가 나타났으며, 상대적으로 매출규모가 작은 기업에서 자금·세제지원 수요가 높게 나타났다. 또한 백화점 브랜드 거래 여부에 따라 디지털 패션 교육·컨설팅 수요가 달랐으며, 자체 브랜드 보유기업은 글로벌시장 진출지원에 대한 수요가 높았다. 이는 정책지원 수요가 기업의 규모, 거래구조 및 브랜드 보유 여부에 따라 차별적으로 나타날 수 있음을 보여주며, 기업역량과 국제화 간의 관련성을 제시한 Fredrich et al.(2022)의 연구와도 연결된다.

다섯째, 경영애로와 정책지원 수요 간에는 고숙련 인력 확보 어려움–신규인력 확보지원, 시설·설비 노후화–최신장비 도입지원, 마케팅·브랜딩 역량 부족–글로벌시장 진출지원, 디지털 전환 역량 부족–디지털 패션 교육·컨설팅의 네 관계에서 유의한 관련성이 확인되었다. 이는 인력 및 생산기반 지원의 필요성을 제시한 선행연구(Lee, 2024; Roh, 2020)와 생산 인프라뿐 아니라 판로개척 및 기업역량 강화의 필요성을 제시한 Hwang (2025)의 논의를 구체화한 결과로 볼 수 있다. 반면 자금·세제 지원과 거래처·일감 연계지원은 특정 경영애로 여부와 관계없이 전반적으로 높은 수요를 보여, 특정 기업에 한정되기보다 공통적·기반적 정책수요의 성격을 갖는 것으로 볼 수 있다.

이상의 결과를 종합하면, 도시형 의류봉제기업에 대한 정책 지원은 기업 전반의 공통수요와 기업특성 및 경영애로에 따른 차별적 수요를 함께 고려할 필요가 있다. 상대적으로 매출규모가 작은 기업에는 자금·세제지원, 시설·설비 노후화 기업에는 장비도입 및 공동장비 활용, 고숙련 인력 확보에 어려움을 겪는 기업에는 신규인력 유입과 숙련기술 전수를 연계할 수 있다. 또한 마케팅·브랜딩 역량이 부족하거나 자체 브랜드를 보유한 기업에는 시장개척 및 글로벌 진출지원을, 디지털 전환 역량이 부족한 기업에는 생산환경과 활용수준을 고려한 교육·컨설팅을 연계하는 등 기업특성과 경영애로를 기준으로 지원대상을 세분화할 필요가 있다.

본 연구의 학술적 의의는 기존 연구가 도시형 의류봉제산업의 영세성, 인력부족, 생산기반의 취약성 및 정책지원 필요성을 주로 개별적으로 논의해 온 것에서 나아가, 기업특성에 따른 정책지원 수요의 차이와 개별 경영애로에 대응하는 정책지원 수요 간의 관련성을 기업 수준에서 실증적으로 분석하였다는 점에 있다. 이를 통해 기존의 ‘어떤 지원이 필요한가’에 대한 논의를 ‘어떤 특성과 경영애로를 가진 기업에서 어떠한 지원수요가 나타나는가’로 구체화하였다는 데 의의가 있다.

다만 본 연구는 다음과 같은 한계를 갖는다. 첫째, 금천구 소재 101개 기업을 대상으로 하여 연구결과를 다른 의류봉제 집적지역이나 국내 산업 전체로 일반화하는 데 한계가 있다. 둘째, 횡단면 자료이므로 변수 간 관련성을 확인할 수 있으나 인과관계나 정책지원의 실제 효과를 검증할 수 없다. 셋째, 기업 대표자의 자기보고식 응답에 기초하여 주관적 인식이 결과에 영향을 미쳤을 가능성이 있다. 넷째, 경영애로와 정책지원 수요를 1~3순위로 측정하여 개별 항목의 절대적 강도를 파악하는 데 한계가 있다. 다섯째, 일부 항목은 선택기업 수가 적고 오즈비의 신뢰구간이 넓어, 특히 디지털 전환 역량 관련 결과는 탐색적으로 해석할 필요가 있다. 여섯째, 온라인과 방문조사를 병행하였으나 조사방식에 따른 응답 차이를 별도로 분석하지 못하였다.

향후 연구에서는 조사대상을 다른 의류봉제 집적지역으로 확대하여 지역 간 차이를 비교하고 충분한 표본을 확보할 필요가 있다. 또한 객관적인 경영지표와 정책지원 이용 여부를 함께 분석하고, 종단자료를 통해 매출, 고용, 생산성 및 판로확대 등 기업성과의 변화를 추적함으로써 정책지원의 실제 효과를 검증할 필요가 있다.

Acknowledgments

본 연구는 서울특별시 「2026년 금천패션제조지원센터 운영 사업」과 연계하여 수행되었음.

References

  • Barron, F. H., & Barrett, B. E. (1996). Decision quality using ranked attribute weights. Management Science, 42(11), 1515-1523. [https://doi.org/10.1287/mnsc.42.11.1515]
  • Dicken, P. (2011). Global shift: Mapping the changing contours of the world economy (6th ed.). New York, NY: Guilford Press.
  • Dickerson, K. G. (2003). Inside the fashion business (7th ed.). Upper Saddle River, NJ: Prentice Hall.
  • Fredrich, V., Gudergan, S., & Bouncken, R. B. (2022). Dynamic capabilities, internationalization and growth of small- and medium-sized enterprises: The roles of research and development intensity and collaborative intensity. Management International Review, 62(4), 611-642. [https://doi.org/10.1007/s11575-022-00480-3]
  • Gangoda, A., Krasley, S., & Cobb, K. (2023). AI digitalisation and automation of the apparel industry and human workforce skills. International Journal of Fashion Design, Technology and Education, 16(3), 319-329. [https://doi.org/10.1080/17543266.2023.2209589]
  • Heo, H.-S., & Lim, H.-S. (2019). A study of the way how Korean fashion brand company makes their order arrangement: Focused on fashion brand companies in Seoul. The Korean Fashion and Textile Research Journal, 21(2), 179-188. [https://doi.org/10.5805/SFTI.2019.21.2.179]
  • Hwang, J.-I. (2025). A study on strategies for revitalizing the fashion manufacturing industry ecosystem: Based on the performance analysis of the Geumcheon Fashion Manufacturing Support Center. Journal of the Korea Fashion & Costume Design Association, 27(3), 119-133. [https://doi.org/10.30751/kfcda.2025.27.3.119]
  • Kim, C.-B., & Yang, H.-J. (2022). The effect of green government support according to changes in distribution and logistics on export competitiveness of SMEs: Focusing on the mediating effect of green dynamic capabilities and green SCM. Korea Trade Review, 47(5), 161-179. [https://doi.org/10.22659/KTRA.2022.47.5.161]
  • Kim, H.-S., & Ahn, Y.-S. (2019). A study on the development method of the domestic sewing industry for the re-vitalization of K-fashion. Journal of the Korea Fashion & Costume Design Association, 21(4), 181-194. [https://doi.org/10.30751/kfcda.2019.21.4.181]
  • Korea Fashion Association. (2025, December 31). 2025 apparel manufacturing industry survey report. Korea Fashion Association. Retrieved January 18, 2026, from http://www.koreafashion.org/news/notice/read.jsp?reqPageNo=1&stype=all&sval=%EC%9D%98%EB%A5%98%EC%A0%9C%EC%A1%B0%EC%97%85&no=3513
  • Kwon, K. Y. (2020). Co-evolution of Korean sewing industry [Doctoral dissertation, Seoul National University]. RISS. https://www.riss.kr/link?id=T15689993
  • Kwon, K. Y., & Choo, H. J. (2020). The relationship between the fashion industry and macro variables-Focus on fashion listed company. The Korean Fashion and Textile Research Journal, 22(1), 38-54. [https://doi.org/10.5805/SFTI.2020.22.1.38]
  • Kwon, K. Y., & Choo, H. J. (2024). Time series analysis of co-evolving variables in the garment industry. Journal of Fashion Design, 24(1), 121-139. [https://doi.org/10.18652/2024.24.1.8]
  • Lee, J. (2024). A study on the location and spatial characteristics of urban clothing manufacturing support centers: Focused on the 16 cases in Seoul [Master's thesis, Seoul National University]. RISS. https://www.riss.kr/link?id=T17109733
  • Lee, S. W., & Kim, K. M. (2014). The value chain and the networks of apparel industry in Guro-Gasan, Seoul. Journal of the Economic Geographical Society of Korea, 17(3), 465-481. [https://doi.org/10.23841/egsk.2014.17.3.465]
  • Oh, S., & Kim, J. S. (2016). The productivity comparison of women's coats sewing process- Focused on line-worker team & time-worker team. Korea Design Forum, 53, 117-126. [https://doi.org/10.21326/ksdt.2016..53.010]
  • Park, J. Y. (2011). 서울디지털산업단지(G밸리)의 발달과정과 입지변화 [Development process and locational changes of the Seoul Digital Industrial Complex (G-Valley)] [Master's thesis, Korea University]. RISS. https://www.riss.kr/link?id=T12519184
  • Pathirana, S., & Yarime, M. (2018). Introducing energy efficient technologies in small- and medium-sized enterprises in the apparel industry: A case study of Sri Lanka. Journal of Cleaner Production, 178, 247-257. [https://doi.org/10.1016/j.jclepro.2017.12.274]
  • Roh, D. Y. (2020). A study on the activation of the clothing industry in Seoul: concentrated on Gangbuk and Jungnang clothing manufacturing [Master's thesis, University of Seoul]. RISS. https://www.riss.kr/link?id=T15644801
  • Seoul Fashion Manufacturing Support Center. (2024, September 13). 2024 서울금천패션제조기업연감 [2024 Seoul Geumcheon Fashion Manufacturing Company Yearbook]. SFSC. Retrieved August 11, 2025, from https://sfsc.or.kr/anews/?q=YToyOntzOjEyOiJrZXl3b3JkX3R5cGUiO3M6MzoiYWxsIjtzOjQ6InBhZ2UiO2k6Mzt9&bmode=view&idx=100270735&t=board
  • Seoul Metropolitan Government. (2023, February). 2040 서울도시기본계획 본보고서 [2040 Seoul Comprehensive Plan: Main Report]. Seoul Urban Space Portal. Retrieved June 22, 2025, from https://urban.seoul.go.kr/view/html/PMNU3030000001
  • Yoo, J. Y., & Lee, K. (2013). Spatial distribution characteristics of fashion industries and the interrelationships among functional sectors of fashion production in the Seoul metropolitan area. Journal of the Economic Geographical Society of Korea, 16(1), 1-16. [https://doi.org/10.23841/egsk.2013.16.1.1]

Table 1.

Survey items and variables

CategoryV ariables Measurement
Firm characteristics Business type, business category, sales, workplace size, number of employees, own brand Nominal/ratio scale
Production characteristics CMT, OEM, ODM, production system, materials, product categories, production volume Nominal/ratio scale
Transaction characteristics Major clients, small-batch production, minimum order quantity Nominal/ratio scale
External managerial difficulties Declining orders, rising labor costs, difficulty securing clients, rising material costs Top three priorities
Internal managerial difficulties Financial constraints, facilities and equipment, skilled workforce, digital capabilities Top three priorities
Policy support needs Financial support, workforce, equipment, order linkage, training, R&D, global market entry Top three priorities

Table 2.

Research questions and analytical methods

Research question Main analysis
Research question 1 Frequency analysis and descriptive statistics
Research question 2 Selection rate and rank-sum weighted score
Research question 3 Selection rate and rank-sum weighted score
Research question 4 Cross-tabulation analysis by firm characteristics, chi-square/Fisher’s exact test, and Benjamini–Hochberg FDR correction
Research question 5 Predefined mapping of corresponding relationships, Fisher’s exact test, odds ratios (ORs) with 95% confidence intervals (CIs), and FDR correction

Table 3.

General characteristics of the surveyed firms

Category Item Value Percent
Year
established
Before 2000
2001–2005
2006–2010
2011–2015
2016–2020
2021 or later
–
–
–
–
–
–
10.0
5.0
9.0
28.0
27.0
21.0
Business
type
General taxpayer
Corporation
Simplified taxpayer
–
–
–
81.0
18.0
1.0
Business
category
Sewing
Sample making
Specialized sewing
Pattern making
Other
–
–
–
–
–
88.0
7.0
3.0
1.0
1.0
Sales 2024 average Approx. KRW 800 million –
Workplace size Average per firm 85 pyeong –
Number of employees Average per firm 11 –
Own brand Yes
No
–
–
16.0
84.0

Table 4.

Production and transaction characteristics of the surveyed firms

Category Item Percent
Production order type OEM
ODM
CMT
61.0
20.0
19.0
Production system Team-based production
Line production
Block production
48.0
45.0
7.0
Main product category Women's formal wear
Casual wear
Men's formal wear
Leisure/Sportswear
Uniforms
Accessories/Underwear
Children's wear
Other
37.0
29.0
14.0
8.0
7.0
2.0
2.0
1.0
Main material Woven
Cut-and-sewn knit
Specialty material
Knit
Other
60.0
25.0
10.0
3.0
2.0
Major client Department store brand
Online shopping mall
Designer brand
Promotion company10.0
Overseas brand (export)
Wholesale market
Other
33.0
26.0
20.0
10.0
6.0
3.0
2.0
Small-batch production capability Yes
No
89.0
11.0

Table 5.

External managerial difficulties

Managerial difficulty 1st 2nd 3rd Total n Selection rate Weighted score Rank
Declining orders due to economic downturn 43 22 20 85 84.2 193 1
Rising labor costs 26 36 18 80 79.2 168 2
Client pressure to reduce unit prices 20 18 14 52 51.5 110 3
Difficulty securing clients 3 9 26 38 37.6 53 4
Intensified competition with low-priced foreign products 4 7 10 21 20.8 36 5
Rising raw material costs 1 4 6 11 10.9 17 6
Delayed payments from clients 3 3 2 8 7.9 17 7
Changes in online/offline distribution structure 1 1 4 6 5.9 9 8
Environmental and location regulations 0 1 1 2 2.0 3 9

Table 6.

Internal managerial difficulties

Managerial difficulty 1st 2nd 3rd Total n Selection rate Weighted score Rank
Financial constraints 45 17 13 75 74.3 182 1
Difficulty securing highly skilled workers 34 26 19 79 78.2 173 2
Burden of social insurance and taxes 13 23 26 62 61.4 111 3
Aging facilities and equipment 5 23 20 48 47.5 81 4
Insufficient marketing and branding capabilities 1 5 9 15 14.9 22 5
Insufficient technical capabilities 1 5 6 12 11.9 19 6
Lack of domestic and international market information 2 2 5 9 8.9 15 7
Insufficient digital transformation capabilities 0 0 3 3 3.0 3 8

Table 7.

Policy support needs of apparel sewing firms

Policy support need 1st 2nd 3rd Total n Selection rate Weighted score Rank
Financial and tax support 63 22 11 96 95.0 244 1
Client and order linkage 12 35 26 73 72.3 132 2
Support for advanced equipment 10 24 27 61 60.4 105 3
Support for recruiting new workers 12 13 18 43 42.6 80 4
Support for global market entry 3 4 7 14 13.9 24 5
Digital fashion training and consulting 1 2 5 8 7.9 12 6
Retraining of existing workers 2 0 2 4 4.0 8 7
R&D support 0 0 4 4 4.0 4 8

Table 8.

Differences in policy support needs by major firm characteristics

Firm characteristic Policy support need Group comparison, n (%) OR (95% CI) Raw p Adjusted p
Note. Values are n (%). Adjusted p-values were calculated using the Benjamini–Hochberg FDR procedure. Different superscript letters indicate significant pairwise differences (adjusted p<.05). OR = odds ratio; CI = confidence interval. Only comparisons significant before or after FDR correction are presented.
Sales
(KRW million)
Financial and tax support <500: 37/37 (100.0)a / 500–<1,000: 30/30 (100.0)a
/ ≥1,000: 24/29 (82.8)b
— .002 .016
Production order type
(OEM)
Support for advanced equipment OEM: 58/90 (64.4) / Non-OEM: 3/11 (27.3) 4.83 (1.20–19.51) .024 .117
Major client
(Department store brand)
Support for recruiting new workers Yes: 34/66 (51.5) / No: 9/35 (25.7) 3.07 (1.25–7.54) .019 .078
Digital fashion training and consulting Yes: 1/66 (1.5) / No: 7/35 (20.0) 0.06 (.01–.52) .002 .019
Own brand Support for advanced equipment Yes: 6/16 (37.5) / No: 55/83 (66.3) 0.31 (.10–.93) .048 .104
Digital fashion training and consulting Yes: 4/16 (25.0) / No: 4/83 (4.8) 6.58 (1.45–29.89) .022 .088
Support for Global market entry Yes: 6/16 (37.5) / No: 7/83 (8.4) 6.51 (1.82–23.30) .006 .049

Table 9.

Associations between major managerial difficulties and corresponding policy support needs

Managerial difficulties Corresponding policy support needs Support selected by firms
with difficulty (%)
Support selected by firms
without difficulty (%)
OR
(95% CI)
Raw p Adjusted p
Note. “With/Without Difficulty” indicates firms with/without the corresponding managerial difficulty. Values are n (%). Raw p-values are from two-sided Fisher’s exact tests. OR=odds ratio; CI=confidence interval.
1Adjusted p-values were calculated using the Benjamini–Hochberg FDR procedure.
Declining orders due to economic downturn Client and order acquisition and linkage 61/85 (71.8) 12/16 (75.0) 00.85 (0.25–2.89) 1.000 1.000
Difficulty in securing clients Client and order acquisition and linkage 29/38 (76.3) 44/63 (69.8) 01.39 (0.55–3.50) .647 .728
Financial constraints Financial support and tax benefits 73/75 (97.3) 23/26 (88.5) 04.76 (0.75–30.27) .106 .191
Burden of social insurance and taxes Financial support and tax benefits 60/62 (96.8) 36/39 (92.3) 02.50 (0.40–15.68) .372 .517
Difficulty in securing highly skilled workers Support for recruiting new workers 40/79 (50.6) 03/22 (13.6) 06.50 (1.78–23.72) .003 .008
Aging facilities and equipment Support for introducing advanced equipment 37/48 (77.1) 24/53 (45.3) 04.06 (1.71–9.64) .001 .006
Lack of marketing and branding capabilities Support for global market entry 08/15 (53.3) 06/86 (7.0) 15.24 (4.11–56.50) <.001 <.001
Insufficient digital transformation capabilities Digital fashion training and consulting 02/3 (66.7) 06/98 (6.1) 30.67 (2.42–388.29) .016 .036
Insufficient technical capabilities Retraining existing workers 01/12 (8.3) 03/89 (3.4) 02.61 (0.25–27.29) .402 .517