공급사슬에 데이터를 이식하고 분석으로 완성한다

공급사슬에 데이터를 이식하고 분석으로 완성한다
공급사슬 인텔리전스

온라인 기술이 오프라인에 빠르게 접목되면서 물류에 거대한 변화의 물결이 일고 있다.
사람의 판단에 의존해 왔던 프로세스에 데이터와 분석 기능을 접목함으로써 예측 가능하고 확장 가능한, 고도화된 물류 시스템으로 변화하고 있는 것이다.
그 변화의 모습은 혁신이라 할 만큼 빠르고 놀랍다. 이에 그 중심에 있는 공급사슬 인텔리전스의 현재를 살펴보고 미래의 모습을 예측해보자.
글. 편집실

공급사슬 인텔리전스 개념의 출발

물류는 ‘공급사슬관리(SCM: Supply Chain Management)’에 의해 움직인다. 원자재 공급자부터 제조자, 도매 및 소매, 그리고 고객에 이르기까지 제품 전반에 걸쳐 시장 참여자들을 잇는 공급망이 긴밀히 연결돼 있다, 해서 공급사슬이라 부르는 것이다. 그리고 복잡한 공급망을 다양한 매개체와 기술로 관리하는 것이 공급사슬관리인데, 변수가 너무도 많아 전통적으로 인력에 의존해왔다.

인터넷이 개발되면서부터는 공급사슬관리를 담당하는 인력 간 소통과 실시간 정보 공유가 고도화됐지만, 프로세스 어디에서 터질지 모를 변수에 대처하고 그에 따른 미래 예측을 해야 하는 부분은 여전히 사람에 의존해야 했다.

그러던 중 공급사슬관리의 고도화 필요성이 제기됐다.

여기엔 코로나19 팬데믹도 한몫했다. 소비자 수요가 오프라인에서 온라인으로 급격히 이동하면서 오프라인 거래가 급감하고, 반대로 온라인 거래가 폭발했는데, 급작스럽게 디지털화된 공급사슬관리 수요가 커져버리다 보니 인력에 의해 관리되던 기존 체계로는 기민한 대응이 어려웠기 때문이다. 팬데믹이 종식되고 점차 일상으로 돌아가게 되는 시기가 오면 또 다시 공급사슬관리에는 유연한 변화가 요구될 수 있겠지만, 변수는 단순히 코로나19에 그치지는 않을 것이다. 아마도 미래에는 예측할 수 없는 더 많은 변수들이 공급사슬을 끊임없이 흔들 것으로 전망된다. 결국, 공급사슬관리 고도화는 데이터에 기반한 정확한 예측에서 시작되는 것이 옳다. 이것이 바로 ‘공급사슬 인텔리전스’ 개념의 출발점이다

재고관리와 운송 부문에 혁신을 가져온 기술

공급사슬 인텔리전스는 공급사슬관리 시스템에서 추출된 데이터를 기반으로, 프로세스 최적화 수요계획 수립과 품질관리 등 다양한 분석 기능을 수행한다. 분석된 정보는 공급사슬 참여자에게 실시간으로 공유되고, 발생한 변수에는 다양한 예측 및 대응 모델을 제공해 공급사슬 운영 전반을 최상의 상태로 유지할 수 있게 한다.

공급사슬관리의 고도화가 가능하게 된 것은 디지털화가 가속화됨에 따라 사물인터넷, 머신러닝 및 인공지능 같은 데이터 혁신과 고도화된 자동화 혁신이 이루어졌기 때문인데, 공급사슬 인텔리전스가 구현되면서 체계 전반에는 엄청난 변화가 이루어지고 있다. 산업 전반에 녹아들며 더 많은 서비스, 더 많은 가치, 더 빠르고 더 저렴한 물류를 창출해내고 있는 것이다.

우선 재고관리 부문에서는 인공지능에 의해 통제되는 자율주행 이동 로봇, 블록체인과 사물인터넷 기반의 자동화 분류체계, 그리고 데이터와 머신러닝 기술을 통해 수요를 예측하는 인공지능체계 등이 활용되고 있다.

예를 들어, 단순히 실시간 재고 정보를 관리자에게 보여주는 것이 전통적 공급사슬관리였다면, 공급사슬 인텔리전스에서는 특정 제품 수요가 몰리거나 재고가 일정 수준으로 떨어지면 자동으로 재발주하거나, 이러한 데이터를 바탕으로 소비자 수요패턴을 미리 예측해 효율적으로 재고관리를 하는 등 자체적 업데이트를 실시하게 되는 것이다. 공급자에게 재고관리는 공급사슬관리의 시작점이다. 물류의 속도를 아무리 높여도 고도화된 재고관리가 되지 않으면, 공급사슬관리가 의미 없기 때문이다. 이에 아마존, 월마트 등 글로벌 유통공룡들은 물류센터의 디지털화와 자동화 등 재고관리 고도화에 매년 천문학적 투자를 아끼지 않고 있다.

또 운송 부문에서도 화주의 견적 요청부터 배송에 이르기까지, 사람이 수집하고 입력하고 공유해 왔었는데, 이제는 공급사슬 인텔리전스 체계를 통해 이 과정에서 발생하는 오류를 완전히 제거한다. 동시에 소비자에게 배송할 때 역시 자율주행차량, 로봇, 드론 등 교통망 상황에 따라 최적의 운송수단 및 경로를, 사람이 아닌 인공지능에게서 제공받아 물류 서비스의 질과 경쟁력을 높이고 있다.

국내 배달앱의 배달로봇, 아마존과 페덱스의 배송로봇 및 드론 등이 대표적인 예다. 이들이 상용화의 문을 두드릴 수 있었던 것은 방대한 데이터를 바탕으로 배송 전반에서 발생할 수 있는 위험, 변수, 안전문제 등을 관리할 수 있는 수준에 올랐기 때문이다.

데이터 분석 및 예측으로 산업 고도화 절정

데이터 분석 능력은 공급사슬관리의 디지털 트랜스포메이션을 가속화 시키고 물류 전반의 미래를 바꾸고 있을 뿐만 아니라 다양한 산업에도 영향을 미치고 있다. 대표적인 예가 위성이 촬영한 이미지를 인공지능으로 분석하는 위성영상 머신러닝 기술이다. 스페이스X의 로켓발사체 재활용 기술이 도입돼 위성의 운영과 활용에 소요되는 비용이 크게 낮아지면서 위성이 수집하는 데이터를 비즈니스에 적극적으로 활용할 수 있을 만큼 진입장벽이 낮아졌다.

예컨대, 실리콘밸리의 지리정보데이터기업인 오비탈 인사이트는 국제 항구의 컨테이너를 촬영한 위성 이미지를 통해 물류시간을 예측하는 서비스를 제공하고 있다. 또 미국의 스마트팜 스타트업인 데카르트 랩스는 미 대륙에서 재배되는 콩, 밀, 옥수수 등 곡물의 위성이미지 색상을 분석해 예상 수확량은 물론 선물거래소에서 거래되는 선물가격까지 예측하는 서비스를 선보이고 있다. 수집되는 데이터의 범위와 양에 따라 공급사슬관리가 어느 정도까지 고도화될 수 있는지를 보여주는 좋은 사례라 할 수 있다.

공급사슬 인텔리전스의 해결과제와 미래

IT 전문미디어 지디넷에 따르면, 전 세계 공급사슬 인텔리전스 시장 규모는 2017년 5억 달러 규모에서 2025년 250억 달러가 될 것으로 전망된다. 또 물류 시장 컨설팅펌 로지스틱스IQ의 분석에서는 2030년 전 세계 공급사슬 인텔리전스 시장 규모가 750억 달러까지 확대될 것으로 내다보고 있다. 물류에 있어서 미래의 거대 자본이 공급사슬 인텔리전스 구축에 몰리게 된다는 의미다. 데이터와 인공지능에 의해 고도화된 공급사슬은 사람이 관리하는 것보다 장기적으로 비용이 적게 들고, 훨씬 정확한 예측이 가능하며 확장 가능한 물류 시스템을 보장하기 때문이다.

지금 이 순간에도 온라인뿐 아니라 오프라인에서 이루어지는 모든 비즈니스도 데이터에 기반한 디지털 트랜스포메이션이 가속화되고 있다. 공급사슬관리 고도화 수요가 높아짐에 따라 공급사슬 공급자(국가, 기업, 단체 등)는 더욱 고도화된 디지털 혁신과 자동화 혁신을 통해 경쟁 우위를 확보해야 하는 과제를 안고 있다. 또 경쟁우위를 차지하는 것 말고도 다른 공급사슬 파트너와 데이터 통합이나 유연한 연계를 할 수 있는 방안 역시 과제로 주어졌다. 이에 이러한 트렌드에 빠르게 대응하고 선점하는 공급사슬 공급자가 결국 공급사슬 전반을 지배하는 물류 지배자가 될 것이다.