페르미 추정 계산기

페르미 추정이란?

페르미 추정(Fermi Estimation)은 노벨 물리학상 수상자 엔리코 페르미가 즐겨 쓰던 어림 계산법으로, 정확한 자료가 없는 질문을 근거를 댈 수 있는 작은 숫자 몇 개의 곱으로 바꿔 답의 크기를 가늠합니다.

• 큰 문제를 작은 변수로 — ‘모르겠다’ 대신 ‘인구 × 비율 × 빈도’처럼 각각은 짐작할 수 있는 양으로 쪼갭니다.
• 근거 있는 가정 — 인구·가구 수처럼 공식 통계가 있는 값은 통계를 쓰고, 비율·빈도는 왜 그 숫자인지 한 줄로 설명할 수 있어야 합니다.
• 곱해서 자릿수 맞추기 — 목표는 소수점까지의 정답이 아니라 ‘수만인가 수백만인가’를 맞히는 것입니다.
• 과정이 곧 결과물 — 어떤 가정이 결과를 가장 크게 좌우하는지 드러나므로, 다음에 무엇을 조사해야 할지가 분명해집니다.

페르미 추정 4단계

1. 문제 정의 — ‘무엇을, 어느 범위에서, 어떤 단위로’를 먼저 정합니다. ‘서울 커피 판매량’보다 ‘서울에서 하루에 팔리는 아메리카노 잔 수’가 계산 가능한 질문입니다.
2. 변수 분해 — 결과 단위가 맞도록 변수를 곱셈(필요하면 나눗셈)으로 잇습니다. 서로 겹치지 않게, 각 변수에 근거를 댈 수 있을 만큼만 쪼갭니다.
3. 가정 입력 — 공식 통계가 있는 값(인구·가구 수)은 통계를, 비율·빈도는 경험이나 작은 표본에서 나온 근거를 씁니다. 변수마다 최솟값·최댓값도 함께 적어 둡니다.
4. 곱셈·검증 — 기준값으로 곱한 뒤 보수적·낙관적 시나리오로 범위를 보고, 가능하면 다른 경로(매출에서 거꾸로, 공급 쪽에서)로 한 번 더 추정해 자릿수가 맞는지 확인합니다.

페르미 추정의 활용 분야

• 비즈니스·창업 — 신사업 시장 규모(TAM·SAM·SOM), 매장 하루 매출, 앱 사용자 수처럼 자료가 없는 초기 숫자를 가늠할 때
• 면접·교육 — 컨설팅·기획 직군 면접의 추정 문제, 경영학 케이스 스터디, 과학 수업의 어림 계산 연습
• 정책·연구 — 일회용 컵·음식물 쓰레기 같은 환경 부담, 전기차 충전 전력처럼 정밀 조사 전에 규모를 먼저 보는 단계
• 일상 호기심 — 지구 해변의 모래알 수, 평생 먹는 쌀알 수처럼 감이 오지 않는 큰 수를 자릿수로 체감할 때

시나리오 비교의 가치

페르미 추정의 결과는 숫자 하나가 아니라 범위로 읽어야 합니다. 이 도구의 시나리오 탭은 변수마다 슬라이더의 최솟값·최댓값(없으면 기준값의 ±30%)을 하나씩 넣어 보고, 결과를 낮추는 쪽 끝값을 모아 보수적, 높이는 쪽 끝값을 모아 낙관적 시나리오를 만듭니다. 나눗셈으로 들어가는 변수(예: 피자집 1개당 서비스 인구)는 값이 클수록 결과가 작아지므로 자동으로 반대쪽에 배정됩니다.

민감도는 각 변수만 20% 올렸을 때 결과가 몇 % 바뀌는지로 계산합니다. 단순 곱셈 변수는 모두 20%로 같게 나오고, 나눗셈 변수는 약 17%(1 − 1/1.2)로 조금 작게 나옵니다. 그래서 민감도가 비슷할 때는 ‘범위가 가장 넓은 변수’, 즉 최솟값과 최댓값의 비가 가장 큰 변수부터 자료를 찾아 좁히는 것이 효과적입니다.

변수를 쪼개면 오차는 얼마나 쌓일까?

곱셈으로 이어진 추정에서 각 변수의 오차는 결과에 곱해져 들어갑니다. 변수 하나하나가 대개 참값의 절반~두 배 안에서 틀린다고(전형 오차 ×2) 해 보죠. 모든 변수가 같은 방향으로 두 배씩 틀리는 최악의 경우 결과는 2ⁿ배 벗어나지만, 서로 독립인 오차는 일부 상쇄되어 전형적인 오차는 2^√n배 정도로만 커집니다. 아래 표는 이 가정(각 변수의 로그 오차가 표준편차 log 2인 정규분포)으로 계산한 값입니다.

표에서 보듯 변수 4개를 각각 두 배 안쪽으로 맞히면 결과가 ‘1/3~3배’ 안에 들 확률은 약 57%로, 감으로 한 번에 찍어 열 배쯤 틀리는 경우(37%)보다 높습니다. 이것이 페르미 추정이 통하는 이유입니다. 반대로 변수를 늘려도 각 변수의 근거가 나아지지 않으면 오차만 쌓이므로, 쪼갤 때마다 ‘이 변수는 전체를 직접 짐작하는 것보다 확실히 쉬운가?’를 물어보세요. 변수끼리 서로 연관되어 있으면(예: 커피 마시는 비율과 1인당 잔 수를 모두 높게 잡는 습관) 상쇄가 일어나지 않아 최악 쪽에 가까워진다는 점도 기억해 둘 만합니다.

자주 쓰는 한국 통계 (페르미 추정용)

인구·가구 수처럼 공식 통계가 있는 값은 어림하지 말고 통계를 쓰는 것이 페르미 추정의 기본입니다. 템플릿과 자유 추정에서 자주 쓰는 값을 모았습니다.

기준 시점이 적힌 값은 해당 기관 발표치를 반올림한 것이고, ‘어림값’은 추정 연습용 대략치입니다. 보고서·사업계획서에 쓸 때는 반드시 KOSIS 등에서 최신 값을 확인하세요.

2026년 9월 기준 점검페르미 추정용 한국 통계 어림값출처 KOSIS 국가통계포털(새 창) ·한국은행 ECOS(새 창) ·국토교통 통계누리(새 창)

컨설팅 면접에서의 페르미 추정

컨설팅·전략기획 직군 면접에서는 "한국에 자동차 정비소는 몇 개 있을까?", "강남역 앞 카페의 하루 매출은?", "한국에서 1년에 팔리는 우산은 몇 개?" 같은 질문이 단골로 나옵니다. 면접관이 보는 것은 숫자 자체보다 다음과 같은 과정입니다.

1. 논리 구조 — 수요 쪽(사람·가구)으로 풀지 공급 쪽(매장·설비)으로 풀지 먼저 밝히고, 변수가 빠짐없이 겹치지 않게 나뉘었는가
2. 가정의 근거 — ‘20%’라고만 하지 않고 왜 20%인지 한마디 근거를 붙였는가
3. 계산 — 큰 수를 반올림해 암산하기 쉽게 다루고, 단위를 끝까지 맞췄는가
4. 검증 — 결과를 상식이나 다른 경로의 추정과 비교해 말이 되는지 확인했는가
5. 전달 — 중간 과정을 소리 내어 설명해 면접관이 따라올 수 있었는가

연습할 때는 이 도구의 자유 추정 탭에서 변수를 직접 쪼개 본 뒤, 시나리오 탭에서 어느 가정이 결과를 가장 크게 흔드는지 확인하고 그 가정의 근거를 말로 설명해 보세요.

TAM·SAM·SOM 분석 (시장 규모)

시장 규모를 세 겹으로 나눠 보는 틀로, 사업계획서와 투자 설명 자료에서 흔히 씁니다. 바깥에서 안으로 좁혀 갈수록 현실적인 숫자가 됩니다.

이 도구의 ‘SaaS 한국 TAM’ 템플릿은 대상 기업 70만 개 × 제품 필요성 30% × 구매 의향 10% × 연간 결제 60만 원으로 약 126억 원을 냅니다. 구조상 구매 의향까지 곱했으므로 엄밀히는 TAM보다 SAM에 가까운 값입니다. 흔한 실수는 TAM을 크게 부풀린 뒤 ‘그중 1%만 가져와도’라고 말하는 것인데, 점유율 1%의 근거(영업 인력, 마케팅 예산, 경쟁사 수)가 없으면 SOM은 설득력이 없습니다. SOM은 위에서 깎아 내려오기보다 ‘첫해 영업 가능한 고객 수 × 전환율 × 객단가’처럼 아래에서 쌓아 올려 교차 확인하는 편이 안전합니다.

자주 묻는 질문

추천 학습 자료

• How to Solve It — George Pólya. 문제를 작은 문제로 나눠 푸는 사고법의 고전
• Guesstimation — Lawrence Weinstein·John Adam. 과학·일상 속 페르미 문제 풀이 모음
• Thinking in Bets — Annie Duke. 불확실한 상황에서 확률로 판단하는 법
• Case in Point — Marc Cosentino. 컨설팅 케이스 면접 준비서