NEWS
보도자료
특집기사
SAS Intelli-Zine
SASCOM 매거진
뉴스레터 신청

‘비즈니스 분석’으로 기업 가치를 높인다!

일본 선진 기업의 비즈니스 분석 ‘예측’ 사례
-야마시타 카츠유키(SAS Japan 비즈니스 개발부 SCI 그룹장)

 

2008년 9월, 미국의 서브프라임 모기지 사태에 따른 ‘리먼 쇼크’의 여파로 경제 회복이 더딘 상태에서 2011년 3월, 일본 이바라키현에 대지진이 발생했다. 이로 인해 일본은 극심한 디플레이션을 겪고 있으며, 기업 활동도 침체되고 있다. 장기적인 불황은 그러나, 일본만이 아닌 전 세계 기업들이 함께 당면한 과제이다.

이 같은 경제불황을 타계하고 지속적인 성장을 위해 기업들은 무엇을 준비해야 할까. 세계적인 시장조사기관인 ‘가트터’의 조사(Gartner Executive Program Survey 2010)에 따르면, 최고 정보 관리자(CIO)들은 2011년도 중요한 사업전략 중 하나로 ‘정보·분석 기능의 이용 확대’를 손꼽았다. 비즈니스 분석으로 기업가치를 높이고 성장을 도모하겠다는 것이다.

비즈니스 분석에는 다양한 요소가 있지만, 그 핵심은 ‘예측’이다. 특히 제조업에서는 경영과 재무, 마케팅, 조달, 생산, 물류, 판매, 사후 서비스에 이르기까지 거의 모든 과정에서 예측을 필요로 한다. 과거에는 예측을 위해 ‘시계열 예측’ 방법을 도입했다. 하지만 최근에는 예측 방법과 모델이 고도화되고 있으며, 이를 통해 더욱 정교하게 예측을 수행하고 있다.

 

주요 예측 방법

제조업에서 많이 사용하는 예측 방법으로는 시계열 모델에 의한 예측, 수요 변동 요인 모델에 의한 예측, 커브 피팅, 하이브리드 예측 등 네 가지가 있다.

▶시계열 모델에 의한 예측은 과거 수요 실적에서 계절에 따른 수요 변동 효과 또는 주기가 불규칙한 노이즈 등의 시계열 성분을 분해하여 미래의 수요 출하량을 예측하는 것으로, 예측 모델은 성분의 추출 방법과 예측 값의 합성 방법에 따라 달라진다.
▶수요 변동 요인 모델에 의한 예측은 시계열 모델에 의한 예측뿐만 아니라, 수요 변동에 영향을 미칠 수 있는 외부 요인을 통합하여 그 영향력을 측정하여 보다 정확한 예측을 할 수 있다.
▶커브 피팅 예측 모형은 제품 또는 부품의 라이프사이클 전반에 대한 예측을 수행하는 것으로, 제품의 최종 매도의 판별 및 최종 생산, 조달량 결정 등에 이용한다.
마지막으로, ▶ 하이브리드 예측은 시계열 모델과 다른 분석 방법을 함께 이용하는 것으로, 지금까지 어려웠던 신제품 예측에 유용하다.

그렇다면 이들 예측 방법이 실제 어떻게 적용되고, 그로 인해 기업은 어떤 효과를 거두었는지 사례를 통해 살펴보자.

 

예측으로 경쟁력 확보한 기업들

업계에서 최고의 서비스 비율을 유지하는 한 자동차 제조업체가 있다. 이 회사는 고객 서비스를 위해 10~15년 정도 부품을 유지하고 있는데, 재고 수준에 대한 장기 예측의 정확도가 낮아 재고 폐기물이 높았다. 결국, 서비스 비율을 유지하면서도 재고를 낮추기 위해 A/S 부품에 대한 운영 시스템을 쇄신하기로 했다. 이를 위해 SAS는 장기 수요 예측 시스템인 ‘SAS Service Part Optimization’을 기반으로, 시계열 예측과 커브 피팅 예측 모델을 적용했다.

우선, 시계열 예측 기법을 도입해 ‘A/S 부품 예측 재고 계획 시스템’을 구축했다. 여기서 중요한 건, 용도에 맞는 적절한 예측 모델과 정확한 수요를 파악하는 시스템을 구축해야 한다는 것이다. 필요 재고량을 계산하기 위해 SAS는 200만 SKU(Stock Keeping Unit, 상품 관리·재고 관리를 위한 최소 분류 단위) 부분에 대한 예측을 매주, 매월 단위로 실시하고, 800만 SKU까지 견딜 수 있도록 시스템을 설계했다. 이로써 막대한 수의 수리 부품 예측에 대한 정확도를 높였다.

한편 장기 예측을 위해서 커브 피팅 모델을 이용했는데, A/S 부품의 경우 대체품까지 고려하고, 부품의 속성을 고려해 모델 패턴 만들었다. 이 시스템 덕에 이 회사는 일본 내에서 15%, 미국에서 20% 정도 예측 정확도가 개선됐다. 재고 수준도 10~13퍼센트 하락했다. 이로써 A/S 부품의 수명 주기 예측과 장기 재고의 적정화, 폐기율 감소라는 목표를 이룰 수 있었다.

한 냉열 기기 제조 업체도 정확한 A/S 부품 예측으로 재고 수준을 낮출 수 있었다. 업무 및 가정용 에어컨 등을 생산하는 이 기업은 점점 늘어나는 재고로 골머리를 앓고 있었다. 진단 결과, 이 회사는 월별 A/S 부품 주문 업무가 표준화되어 있지 않았고, 경험과 직감에만 의존하고 있었다. 월별 A/S부품 발주량도 점점 많아지고 재고도 늘어갔다. 더욱이 태국, 인도네시아 등지로 생산거점을 이전했지만 A/S 부품은 일본에서 생산하고 있었고, 이 A/S 부품을 대량 매입한 바람에 A/S 부품의 재고율이 매우 심각한 수준이었다.

SAS는 월별 수요를 예측하기 위해 ‘SAS Demand Driven Forecasting’을 기반으로, 시계열 모델에 의한 예측, 수요 변동 요인 모델에 의한 예측, 커브 피팅 예측 모델 등의 예측 기법을 적용했다. 월별 과거 출하 실적을 바탕으로 통계 기법을 통해 미래의 예측 값을 산출하여 일반적인 A/S 부품 주문에 대한 수요를 예측했다. 또 장기 예측을 위한 예측 모델을 기반으로 미래의 예측 값을 산출했다. 2010년 겨울부터 시스템을 가동한 결과, 주문에 대한 수요 예측은 기존 방법보다 15~20% 향상되어 적정 발주량 산출에 기여하는 것으로 밝혀졌다.

마지막으로, 종합 경비회사인 ALSOK의 ATM 자금 예측이다. 이 회사는 ATM 운용에 필요한 자금을 예측하기 위해 과거의 실적 데이터를 바탕으로 개별 담당자가 추정한 예측 값을 사용해왔다. 그러나 담당자마다 스킬의 편차가 크고, 예측 값과 실적 간에 괴리가 생겼을 때 원인을 정밀하게 분석하기 어려웠다. 또한 복잡한 자금 운영관리로 운영 비용이 증가하고 있었다. 이를 해결하기 위해 SAS는 수요 예측 솔루션인 ‘SAS® Demand Driven Forecasting’을 기반으로, 시계열 예측 기법과 수요 변동 요인 모델에 의한 예측을 적용하기로 했다.

ALSOK의 고객사인 세븐일레븐은 편의점에 있는 ATM기기에 현금을 넣기 위해 은행에서 돈을 빌린다. 때문에 세븐일레븐은 ATM기기의 현금 보유를 최적화하고자 했다. ALSOK는 자금 순환 절차를 간소화하기 위해 SAS는 ATM의 패턴을 파악한 예측 모델을 만들었다. 편의점 ATM은 점포의 입지와 고객층에 의해서 만엔 지폐 입출금이 많은 ATM과 천엔 지폐 입출금이 많은 ATM, 그리고 입출금이 다소 적은 ATM 등 다양한 특성을 가지고 있다. 이렇듯 ATM별로 특성이 다르기 때문에 그 특성에 따른 수요 예측 모델을 만들고, 모델을 생성해서 정확한 수요 예측을 실현한 것이다. 그 결과 ALSOK는 자금 수요 예측의 정확도가 높아졌고, 이로 인해 자금 조달 비용을 절감하고, 기업간 부서 간의 업무 프로세스를 자동화하고 운영 비용을 절감할 수 있었다.

 

예측 모델 만들기 포인트

그렇다면 이토록 효과적인 예측 모델을 어떻게 만들어야 할까. 앞서 살펴봤듯 예측 시스템은 시계열 예측만으로는 충분하지 않다. 목적에 따른 예측 결과를 얻으려면 시계열 이외의 예측 기법을 함께 적용하고, 예측 결과 해석하고 보완하는 과정이 중요하다.

따라서 첫째, 예측의 목적을 고려해서 모델을 선택해야 한다. 앞서 예로 든 네 가지 예측 모델 외에도 데이터 마이닝과 다변량 분석 등 다양한 기술을 활용하여 분석, 예측함으로써 다양한 예측 요구에 대응할 수 있다. 최근에는 이미 판매하고 있는 상품의 과거 실적에서 판매패턴이 유사한 상품을 그루핑하고, 그룹화된 수요 패턴에 대해 상품 특성별 패턴을 프로파일화 및 패턴분류화 작업을 통하여 효과적인 제품 특성을 이끌어내는 ‘클러스터 분석을 활용한 수요 패턴의 그룹화 및 제품 특성 분석’ 기법도 등장하고 있다.

둘째, 예측 모형을 블랙박스화해서는 안 된다. 예측 결과가 산출 근거를 설명할 수 없으면 사용자의 피드백을 반영할 수 없고, 관계자와의 의견 일치를 이루기 어렵다. 따라서 산출 근거를 제시할 수 있어야 하며, 만일 예측이 빗나갔을 경우 이유를 분석해서 반영해야 하므로 너무 복잡하게 모델을 사용해선 안 된다

셋째, 시뮬레이션 도구 즉, 가설 검증을 제공할 수 있어야 한다. 고도의 의사결정을 하려면 가설에 근거하여 검증을 반복해야 한다. 따라서 대량의 정보를 분석해 의사결정을 지원하는 시뮬레이션을 적용한다. 신제품 예측의 경우, 가설 입안과 가설 검증, 실적 파악, 실적 확인, 그리고 다시 이를 반영한 가설 입안 등 일련의 주기를 만들어 예측하는 시뮬레이션을 도입함으로써 정책에 대한 근거를 만들 수 있다.

위기는 항상 있어왔고 앞으로도 있을 것이다. 한 가지 분명한 사실은 폭증하는 데이터의 양만큼 비즈니스 환경은 빠르게 변화하고, 기업의 위기 또한 예전과는 다른 속도로 맞게 될 거라는 점이다. 상황을 감지하고 대응할 땐 이미 늦었다. 비즈니스 분석을 통해 모든 상황을 예측하고, 남보다 앞서 준비하는 기업만이 이 시대를 살아갈 수 있다. SAS가 제공하는 다양한 예측 모델은 분명, 큰 힘이 될 것이다.

 

고객지원
기술문의, 구입문의, 일반문의, 고객소리함
자료실
E-브로셔, White paper
데모 & 투어
뉴스레터
SAS Intelli-Zine
뉴스레터 신청
Events
이벤트와 세미나 정보
대표전화 : 02-2191-7000
교육문의 : 02-2191-7002
기술문의 : 02-2191-7003
Global Contact List