파트 I: 수요계획을 개선하는 방법

수요계획은 공급망의 실효성(effectiveness)을 높이는 핵심 요소입니다. 그러나 효율성(efficiency) 과 정확도(accuracy)를 높이기 위해서는 해결해야 할 여러 과제가 있습니다. 계획담당자들의 일반적인 질문은 ‘수요 계획을 향상시키려면 어떻게 해야 하는가’입니다.

수요계획 시스템과 프로세스를 업그레이드 또는 새로운 구현을 고려하고 있거나, 단순히 운영수준을 향상시키기 위해서, 보다 빠르고, 확실하며, 유용하게 수요계획을 활용할 수 있는 몇 가지 방법이 있습니다.

필요에 따른 올바른 수요계획 운영의 시간단위 (Time Bucket) 결정

먼저 고려해야 할 옵션은 수요계획 수립의 시간 단위를 세분화하여 계획을 세우는 것입니다. 세분화한다는 것은 시간을 더 쪼개거나 세부사항(detail) 수준을 높이는 것입니다. 이 두 가지 모두 더 높은 정확도나 프로세스 민첩성을 통해 향상의 기회를 얻을 수 있습니다. 이 모든 것은 입출력 데이터 및 의사결정에 세분화된 시간 단위를 맞추는 것으로 귀결됩니다. 각 활동에 대해 최고 수준에서 작업하는 것이 중요합니다.​

머신 러닝과 정교한 예측을 위해 다양한 수요에 영향을 주는 동인(driver)을 사용하는 것이 수요 계획의 새로운 표준으로 자리잡고 있습니다. 그러나 계획 시스템에서 유효한 시간 수준 (Time Bucket)이 변수 가공(feature engineering)에 적합하지 않을 경우, 동인(driver)의 실효성이 저하됩니다. 최적의 AI/ML 예측 생성을 위해서는 주단위, 주내에서 주를 (월을 기준으로) 나누는 Partial 주단위, 일단위가 필요할 수 있습니다.​

데이터가 계획한 계획 운영 주기 수준과 일치하지 않게 입수되면 (예를 들어, 월단위 계획 주기를 기반으로 계획을 수립하지만, 매주 데이터가 입수되는 경우) 수요 계획을 개선할 수 있는 기회가 생깁니다. 예를 들어, 간편화(simplification)를 위해 월 단위 데이터 로드로 변경하거나, 트렌드 및 계절성 인사이트를 확보하기 위해 시간 계층 수준(time hierarchy level)을 월 단위에서 주 단위로 낮추는 것입니다.​

계획 시스템이 월 단위 수준보다 상세한 데이터를 유지할 수 없는 경우, 개선을 위해 선택할 수 있는 옵션은 간편화(simplification) 뿐입니다. 트렌드 분석을 향상시키고, AI/ML을 통해 수요 감지(demand sensing) 및 형성(shaping)을 위한 여정을 시작하려면 더 세밀한 시간 세분화를 모델링해야 합니다. 여기에서 ‘기술 (솔루션)’은 Enabler (보조) 역할을 합니다. 다차원 및 계층 구조를 활용할 수 있는 계획 솔루션을 구현하십시오. 더 많은 수준을 자유롭게 사용할 수 있게 되면 원하는 범위에 걸쳐 더 적절한 수준에서 최적의 작업을 수행할 수 있습니다. (참고 영상: What Level to Forecast at?)

수요계획 수립주기의 빈도

‘시간’이라는 주제에서 보자면, ‘계획의 수립 주기의 빈도를 변경하는 것’도 좋은 방법입니다. 일반적인 수요 계획 주기는 월 단위로 실행되나, 수요 변동성으로 인해 이는 달라질 수 있습니다. 수요 변화에 영향을 주는 동인의 시그널은 매일 또는 매주 나타나기 때문에 월 단위 계획 프로세서에서는 이를 놓치기 쉽습니다. 결과적으로 다음 계획 주기까지도 이에 대해 인식하지 못할 수도 있습니다. 즉, 수요에 영향을 미치는 이벤트를 확인하고 이에 대응하는데 대응이 느리다는 얘기입니다.

​이에 대한 해결책은 공급망이 변화에 더 빠르게 대응할 수 있도록 보다 민첩한 수요 계획 프로세스를 구현하는 것입니다. 물론, 더 빠른 주기는 수요 계획자에게 더 많은 업무 처리(throughput)를 요구합니다. 이에 수요 시그널이 현실을 제대로 반영하고 있는지에 대한 신뢰가 매우 중요합니다. 모든 카테고리의 행과 열이 아닌, 변경이 생긴 곳에만 집중하는 기능을 통해 수요 계획의 효율성과 정확성을 크게 높일 수 있습니다.

​계획 주기의 빈도를 변경한다고 해서 모든 판매제품(상품), 판매지역, 판매시점의 조합을 동일한 방식으로 관리해야 하는 것은 아닙니다. 안정적이고 느리게 움직이며 신뢰할 수 있는 데이터는 불규칙하고 변화무쌍하며 중요한 데이터 조합보다는 적은 빈도로 평가하고 훨씬 가볍게 다뤄질 수 있도록 계획운영 프로세스 및 시스템을 운영하도록 구성할 수 있습니다. 모든 데이터에 대해 동일한 표준 운영 및 검토 방식을 적용할 필요는 없습니다.

단변량(univariate)에서 다변량(multivariate)로 전환

기존의 수요 계획 솔루션은 판매 주문 또는 배송과 같은 과거 데이터를 가져와 시계열 방법을 통해 통계적 예측을 생성합니다. 이를 단변량(univariate) 계획 또는 단일 변수 계획이라고 합니다. 이 같은 전통적인 예측은 과거 패턴 (즉, 지난 해의 실적)에 너무 많은 가중치를 줍니다. 결과적으로 수요 계획자는 앞으로 다가올 이벤트와 최근 트렌드를 반영하여 조정하는 데 상당한 시간을 소모하게 됩니다.

​다변량(Multivariate)은 머신 러닝이 가격, 검색 트렌드 및 다양한 지수, 계절성 인플루엔자와 같은 유사질환 (ILI) 발생 데이터, 휴일, 날씨, 소비자 심리와 같은 여러 변수를 평가하여 보다 정교한 통계 예측을 생성할 수 있는 현대적인 계획 접근법입니다. 단변량 및 다변량 접근법은 사업의 여러 부문 (시장별, 상품별, 고객군별등)에 대해 차별적으로 실행하고, 그들의 결과를 조합하여 하이브리드 예측 결과를 생성할 수 있습니다.​

현재 수요계획 시스템이 단변량(univariate) 기법 기반이고 내, 외부 소스의 선행/후행 데이터를 사용할 수 없는 경우, 다변량으로 전환하기 위해서는 수요계획 프로세스 관련 투입인력과 시스템을 변경하는 것이 효율적입니다. 데이터 사이언티스트 인력에 투자하십시오. 그리고 의미 있는 의사 결정을 위해 시장 수요에 영향을 주는 다양한 동인 (Driver) 데이터를 수집, 처리, 정리, 제시할 수 있는 오픈 소스 시스템을 사용하십시오. 그러나 이 접근방식을 시작하기 위해 디지털 트랜스포메이션이 선행되어야 한다고 생각할 필요는 없습니다. 최적의 데이터 소스를 조사하고 계획 니즈에 맞는 세분화와 적합성에 대해 지금 바로 평가해 보십시오.

Summary

이러한 개선의 단계를 밟기 위해 내년 IT 예산 확보를 기다릴 필요가 없습니다. 지금 바로 수요계획 (시간) 단위의 세분화 수준 변경, 수요계획 수립 주기 빈도 또는 외부 동인 데이터가 수요 계획에 필요한 개선 사항을 제공할 수 있는지 여부를 평가해보시기 바랍니다.

기고 원문을 확인해 보세요.

Request a Live Demo

Schedule a live, personalized demo with one of our industry experts.

request demo