| 빅데이터와 SCM / 빅데이터, 혁신적 비즈니스 창출 ‘Key’ | |||
 
|
|||
| admin | |||
|
|||
|
빅데이터, 혁신적 비즈니스 창출 ‘Key’ 아마존 예측배송·차이냐오 클라우드 물류솔루션... 시작은 빅데이터  4차산업 초연결시대. 스마트폰, IoT, 센서 네트워크 등의 발달로 엄청난 수의 데이터가 생성되고 있다. 그러나 수많은 데이터중에서 사회적 분석가치가 있는 데이터는 일부일 뿐으로, 대용량 데이터를 저장, 분석, 해석하고 새로운 의미를 창출하는 것이 매우 중요해지고 있다. 특히 SCM에서 생성되는 대량의 데이터는 관련 기업 경영자에게 ‘Game Changing(기존의 시장 상태와 업계를 재편성해 경쟁우위를 확보)’ 기회를 제공한다는 점에서, 데이터 주도적인 비즈니스 모델을 통해 미래의 차세대 SCM에서 경쟁우위를 확보하는 것이 필요하다. 대한상의에서 발표한 ‘SCM 혁신의 키, 빅데이터 활용’ 보고서에서 고려대 산업경영공학부 이철웅 교수는 SCM에서의 빅데이터 활용을 ▲운영효율 관점 ▲고객경험 관점 ▲신규 가치창출 관점 ▲협업 및 커뮤니케이션 관점 등 4가지로 구분하고 각각의 사례를 제시했다. 수요 예측·경로 최적화 등 프로세스 효율 향상  운영효율 관점에서는 빅데이터를 활용해 시장수요 예측, 실시간 경로 최적화, 창고배치 최적화, 라스트마일 최적화, 물류위험 관제 등의 프로세스 운영 효율을 향상하고 비용을 절감하는 동시에 운영 수익을 높일 수 있다. 대표적인 사례로는 해상운송 위험 관제 플랫폼인 삼성SDS의 첼로(Cello)와 실시간 경로를 최적화하는 DHL의 스마트 트럭이 있다. 해상운송 지연은 대부분 환적항에서의 적체 현상으로 인해 발생한다. 지연을 막기 위해서는 수많은 항로, 선박, 날씨 등과 같은 정보를 수시로 파악해야 하는데, 이때 빅데이터 분석 기술이 필요하다. 따라서 빅데이터 분석을 위한 실시간 선박 운항 정보, 위험 및 예측 정보, 화물의 실시간 상태 정보 등의 ‘가시성 데이터’를 확보할 수 있는 빅데이터 플랫폼인 첼로가 개발됐다. 첼로는 해상운송 지연 예측과 물류위험 관제에 필요한 선박 트래킹 정보 및 선박의 이상 상황 발생 위험 정보를 수시로 관리하고, 텍스트마이닝 분석을 통해 전세계 주요 항만 및 공항에서 발생하는 파업이나 지진, 홍수, 태풍 등의 다양한 정보를 실시간으로 플랫폼 사용자에게 제공한다. 이를 통해 해상운송에서의 리스크로 인한 SCM 차질을 최소화해 운영 효율을 향상시키고 있다. DHL은 RFID 및 지리정보기술과 함께 빅데이터 기반의 경로계획 시스템을 개발, 화물 상하차시 화물로부터 받는 RFID 데이터를 실시간으로 경로계획 시스템에 업로드하고 화물에 입력된 정보에 따라 동적인 최적배송 순서와 최적경로를 자동으로 계산한다. 또한 베를린에서는 교통정체가 극심한 지역을 운행하는 택시로부터 GPS 위치정보가 자동으로 운행경로계획 시스템에 전송되면, 이를 기반으로 현 주문상황이나 교통량에 기반한 운송경로를 새로 계산해 스마트 트럭에 전송한다. 고객 행동 분석 ‘고객 기호·니즈 파악’ 고객경험 관점에서는 고객 행동에 대한 빅데이터를 분석해 고객의 기호와 요구사항을 파악하고, 기존 고객 및 잠재 고객과 상호작용할 수 있는 방법을 찾는다. 더블유쇼핑의 T커머스가 대표적으로, 더블유쇼핑은 T커머스를 시작한 이후부터 축척된 모든 편성 데이터와 고객 개인간의 주문 데이터를 바탕으로 빅데이터 기술과 딥러닝 기술을 T커머스 서비스에 적용해 과학적인 편성 시스템 및 상품별 편성시간에 대한 매출 예측 기술을 개발했다. 즉, 빅데이터 분석 기술과 인공지능 기술을 접목해 각 상품을 가장 많이 주문하는 시간을 찾아내고 특정 시간에 편성했을 때 발생할 매출 예측치를 기반으로 최적의 편성 방법론을 개발했다. 구체적으로 T커머스 운영시 발생되는 주문, 고객 정보 등의 데이터를 빅데이터 기술을 적용해 분석하고 그 결과를 시각화해 상품 구성, 상품별 시간대 편성, 고객 대응 서비스 등의 업무의사결정 프로세스에 활용했다. 샤이니 서버를 활용해 반응형 시각화 웹으로 구현했으며, 방송 기간, 구성 상품, 고객 연령, 고객 성별 등 구성 조건을 선택해 시각화된 분석 결과를 활용할 수 있도록 하고 있다. 고객·물류 데이터 추적 ‘운송 유형·판매 시점 조정’ 신규 가치창출 관점에서는 공급망에서 고객 및 물류 데이터를 추적하고 가시화함으로써 업무의 효율화를 도모하고 작업자의 안전 및 생산성 향상을 추구한다. 즉, 물류 데이터를 토대로 특정 제품에 대한 운송 유형, 픽업 위치, 판매 시점을 조정할 수 있게 된다. 아마존의 예측 배송이 대표적인 사례이다. 예측 배송은 고객의 구매 여부가 결정되지 않은 상황에서 고객 주소지 근처 물류센터로 고객이 살 가능성이 높은 상품을 미리 배송해 놓는 것이다. 이는 아마존의 빅데이터 분석 역량에 바탕을 두는 서비스로, 고객의 과거 구매 이력, 검색 상품 정보 및 장바구니 목록 등의 빅데이터를 분석해 상품의 수요를 미리 예측하고 주문 전에 고객과 가장 가까운 물류센터로 제품을 보내, 고객이 해당 물품을 주문하면 리드타임을 획기적으로 줄이고 바로 배송될 수 있도록 하는 서비스이다. 예측 배송과 관련해 월스트리트저널은 “예측배송은 방대한 고객 데이터를 제대로 활용하고 있는 아마존만이 가능한 서비스로, 경쟁업체들과 비교해 강력한 차별화 포인트가 될 수 있을 것”이라고 평가한바 있다. 빅데이터 기반 플랫폼 통해 정보 공유 협업 및 커뮤니케이션 관점에서는 빅데이터 기반의 플랫폼을 통해 쉽고 빠르게 정보를 공유할 수 있게 됐다. 플랫폼 등장 이전에는 제품의 공급자간, 공급자와 사용자간, 사용자간의 실시간 정보 공유가 어려워 공급 불균형이나 물류운송 지연, 불합리한 재고 적체 등의 문제가 유발됐다. 그러나 빅데이터 기반 플랫폼을 통한 빠른 정보 공유로 공급사슬간의 협업 및 커뮤니케이션을 촉진할 수 있게 됐다. 차이냐오의 클라우드 물류 솔루션은 빅데이터 기반의 공동 물류 네트워크를 잘 보여주는 사례이다. 모든 배송 절차에 빅데이터 분석 등의 첨단 기술을 적용해 비용을 최적화하는 물류업계의 새로운 비즈니스 모델로, 실시간 트래킹 서비스, 수요 예측, 공급사슬 관리를 통해 빠르고 정확한 배송을 구현한다. 현재 차이냐오 및 협력사가 보유한 128개 물류센터에서 일 평균 600만개 물량을 처리하고 있는데, 이중 58%가 차이냐오의 물류관리 솔루션을 통해 배송된다. 차이냐오는 중국의 많은 물류기업과 함께 공동물류 네트워크를 구축하기 위해 우선 빅데이터를 원활하게 수집할 수 있도록 물류업체간 통용할 수 있는 표준 전자송장을 개발했다. 이를 통해 차이냐오는 이전 ‘N-N‘ 모델에서 ’N-1-N‘을 구축해 협업 및 커뮤니케이션을 원활하게 진행할 수 있게 됐다. 차이냐오는 소비자에게 직배송을 하지 않는다. 자체 보유한 물류 인프라를 활용하되, 국내외 물류회사와의 제휴를 통해 공동 물류 네트워크를 통해 배송 업무를 하고 있다. 이는 중국처럼 면적이 큰 나라에서 비용을 효과적으로 절감할 수 있는 전략이다. 또한 최근 알리바바 연구보고서에 따르면, 차이냐오 물류네트워크에 참여한 물류업체의 평균 처리 오류율을 40% 줄이는 동시에 12억위안의 배송비용을 절감한 것으로 나타났다. 물류현장 데이터와 설비 결합 ‘새로운 가치 창출’ 이철웅 교수는 보고서에서 SCM에서 빅데이터를 활용하고자 하는 기업은 ▲분석하고자 하는 핵심 데이터 범위가 명확해야 하고 ▲분석하고자 하는 데이터의 가시성을 확보해야 하며 ▲빅데이터 기반의 스마트 설비를 개발해 물류 프로세스를 최적화시켜야 한다고 강조했다. 우선 유통·물류기업이 수많은 빅데이터중에서 예측에 필요한 데이터를 추출해 분석할 때, 수요 예측에 대해 가치창출 가능성이 높은 데이터부터 분석해야 빅데이터 분석을 통한 성과를 극대화할 수 있다. 이철웅 교수는 ‘Known knowns(기지의 범주)’에 주목해야 한다고 밝혔다. 즉, 기업내에 축적된 노하우처럼 그 가치를 알고 있지만 체계적인 관리가 되어 있지 않은 데이터로, 기업 내부로부터 추출한 데이터가 분석에 가장 핵심이 되는 데이터라는 것이다. 아마존의 예측 배송도 기업내부에 쌓인 과거 고객의 구매정보 및 검색 상품 정보를 활용한 서비스로, Known knowns 데이터로 가장 빠르게 가치창출할 수 있다는 사실을 알 수 있다. 이철웅 교수는 내부의 데이터를 ‘이미 알고 있던 것’으로 치부해 버리고 잘 활용하지 않으면서 불확실한 외부 데이터부터 분석하는 것은, 많은 유통·물류기업이 빅데이터 분석에 많은 자원을 투입하고도 활용도가 낮은 결과를 산출하는 주요 원인이라고 지적했다. 또한 물류기업은 데이터 가시성을 확보해야 한다. 여기서 데이터 가시성이란 그림, 음성, 날씨변화 등과 같은 비정형 데이터까지 포함해 데이터 수집, 처리, 분석 및 전송을 체계화해서 상시 모니터링 결과를 제시할 수 있어야 한다. 데이터 가시성을 통해 기존 상황을 즉시 파악할 수 있기 때문에 특히 물류기업은 운송의 긴급상황 대응, 수배송 경로 최적화, 물류비용 절감 등에 많은 도움을 얻을 수 있다. 이처럼 데이터 가시성을 확보할 수 있는 빅데이터 플랫폼은 기존 대용량 데이터뿐만 아니라 다양한 반정형, 비정형 데이터까지 분석하고 최적화된 계획이나 솔루션을 제시할 수 있어, 빅데이터 플랫폼을 개발하는 추세가 확대되고 있다. 아울러 DHL 스마트 트럭과 같이 빅데이터 기반의 스마트 설비를 개발해 물류 프로세스를 최적화시키는 것도 필요하다. 물류현장에서의 높은 노동 강도와 수작업으로 인해 문제가 발생하거나 비효율적으로 작업하는 경우가 많다. 그러나 빅데이터 기반의 스마트 설비를 활용할 경우 작업자의 작업 효율을 향상시킬 수 있다. 차이냐오의 스마트 창고의 경우 화물포장 로봇이 화물 관련 빅데이터를 분석해 수동포장보다 더욱 정확한 포장박스 사이즈를 맞춰 작업 효율을 높이고 포장박스 비용을 줄이고 있다. 이철웅 교수는 “물류작업 현장에서 발생하는 데이터로부터 다양한 설비를 결합하면 빅데이터의 새로운 가치를 창출하는 가능성이 높아진다”며, “물류기업들은 작업현장에서 맞는 스마트 설비를 적극적으로 개발해 물류 각 단계의 작업 프로세스 최적화에 힘써야 한다”고 강조했다. <저작권자 ⓒ 월간 물류매거진(www.ulogistics.co.kr) 무단전재 및 재배포금지> |
| 
|
