퍼블릭 스토리지(Public Storage)와 웰타워(Welltower)가 자본배분(capital allocation)과 운영분석(operational analytics)을 고도화하기 위한 전략적 데이터사이언스 파트너십을 발표했다. 이번 협력은 웰타워의 자본배분 역량과 퍼블릭 스토리지의 운영 데이터 분석 기술을 결합해 인수·개발·처분·대출 등 전반적인 투자 결정의 효율성을 높이는 것을 목표로 한다.
2026년 3월 1일, RTTNews의 보도에 따르면, 웰타워는 2016년에 설립된 데이터사이언스 플랫폼을 통해 머신러닝·딥러닝·인공지능(AI)을 활용하여 위험조정수익률(risk-adjusted return)이 높은 투자 기회에 동적으로 자본을 배분해 왔다. 이 플랫폼은 컴퓨터공학·공학·통계학·수학 박사급 인력으로 구성된 팀이 주도하며, 획득·개발·처분·대출 등 다양한 투자 활동에 걸쳐 모델링 기반의 의사결정을 지원한다.
퍼블릭 스토리지는 반면에 매출관리(revenue management), 고객행동 모델링(customer behavior modeling), 수요예측(demand forecasting), 효율성 분석(efficiency analytics) 등 넷오퍼레이팅인컴(net operating income) 성장과 마진 확대를 견인하는 업계 선도적 운영 데이터사이언스 역량을 구축해왔다. 이번 계약을 통해 퍼블릭 스토리지는 웰타워의 맞춤형(bespoke) 모델들을 라이선스해 보다 정교하고 효율적으로 자본을 배치함으로써 세부 인수건(acquisition-by-acquisition)에서의 수익률을 개선할 계획이다.
퍼블릭 스토리지는 이 이니셔티브가 자사의 Value Creation Engine을 강화하고 PS4.0™ 전략에 따라 주당가치(compound per-share value)를 증대하는 데 기여할 것으로 기대한다고 밝혔다. 또한 퍼블릭 스토리지는 자사의 운영 분석 노하우를 웰타워와 공유해 웰타워 비즈니스 시스템(Welltower Business System) 전반의 운영 성과와 데이터 기반 의사결정 능력을 향상시키겠다고 발표했다.
용어 설명
이 기사에서 사용된 주요 용어는 다음과 같다. 자본배분(capital allocation)은 회사가 유한한 자본을 인수·개발·배당·상환·금융상품 등 다양한 용도에 배분하는 의사결정 과정을 의미한다. 운영 데이터사이언스(operational data science)는 매출관리, 수요예측, 고객행동 분석 등 현업 운영 데이터를 분석해 비용 절감과 수익성 개선을 도모하는 기법이다. 머신러닝(Machine Learning)과 딥러닝(Deep Learning)은 대량의 데이터를 통해 패턴을 학습하고 예측하는 통계적·계산적 기법을 뜻하며, AI(인공지능)는 이러한 알고리즘을 포함한 광범위한 자동화된 의사결정 기술을 포괄한다.
전문적 분석
이번 파트너십은 상업용 부동산과 관련된 리츠(REITs) 업계에서 데이터 기반 의사결정이 자본 효율성 개선으로 연결되는 분명한 사례다. 정교한 자본배분 모델을 통해 웰타워가 확보해온 위험조정수익률 중심의 투자 프레임워크를 퍼블릭 스토리지의 현장 기반 운영 데이터와 결합하면, 인수 건별로 더 높은 신뢰도의 수익성 추정이 가능해진다. 이는 곧 불확실성이 높은 지역이나 자산에 대해 보다 세밀한 가격결정과 배분을 가능하게 하며, 결과적으로 포트폴리오 전반의 자본비용(weighted average cost of capital)에 대한 하방 리스크를 낮출 수 있다.
운영 측면에서는 퍼블릭 스토리지의 매출관리와 수요예측 역량이 웰타워에 이전되면, 웰타워가 소유하거나 관리하는 시설의 입주율(occupancy)과 단위면적당 매출(ARPA) 개선에 기여할 수 있다. 특히 셀프스토리지(self-storage) 비즈니스는 고객행동의 계절성·지역성에 크게 좌우되므로, 고도화된 고객 세분화와 수요예측 모델은 단기간 내 수익성 개선으로 이어질 가능성이 높다.
시장 및 경제적 영향 전망
단기적으로 이 파트너십의 발표는 두 기업의 투자자 커뮤니케이션에서 긍정적으로 해석될 수 있다. 데이터 기반의 자본 배분과 현장 운영 최적화는 리스크 조정 수익률을 높이고 마진을 개선하는 방향으로 작동하므로, 중장기적으로는 주당순이익(EPS)과 배당여력 개선으로 이어질 여지가 있다. 다만 이러한 효과는 모델의 예측 정확도, 실제 자본 집행의 속도, 시장 여건(금리·수요)에 따라 차별화될 것이다.
경제 전반에 미치는 영향은 상대적으로 제한적이지만, 리츠 섹터 내에서 데이터사이언스의 적용이 확산될 경우 자본 효율성 제고를 통한 자산 재배치가 가속화될 수 있다. 이는 특정 지역이나 자산 유형에 대한 투자 집중 또는 축소를 촉발해 지역별 상업용 부동산 가격 및 임대료에 영향을 미칠 가능성이 있다. 또한 금융기관의 대출 심사 관행도 데이터 기반의 리스크 산정 도입으로 인해 세분화되는 방향으로 변화할 수 있다.
실무적 시사점
기관 투자자들은 이번 협력을 통해 두 기업이 얻을 수 있는 시너지와 리스크 관리 능력 향상을 주목할 필요가 있다. 특히 포트폴리오 의사결정에서 정량적 모델의 역할이 커지는 상황에서 모델의 투명성, 데이터 품질, 실증(backtesting) 결과가 투자 판단의 핵심 변수가 될 것이다. 규제 당국과 신용평가기관 또한 데이터 기반 리스크 관리 체계의 도입을 면밀히 관찰할 가능성이 있다.
결론적으로, 퍼블릭 스토리지와 웰타워의 이번 데이터사이언스 제휴는 REITs 업계에서 자본배분과 운영효율성 측면의 진화된 사례로 평가된다. 향후 자본 집행의 결과와 두 기업의 모델 통합 과정에서 나타나는 성과 지표들이 시장의 신뢰를 좌우할 것이다.
