데이터에 기초한 물류

임석철 교수 (아주대 기업물류연구센터)
E-MAIL: scrim@madang.ajou.ac.kr


기업의 물류시스템을 최적설계, 운영, 평가하기 위해서는 물류관련 데이터
를 체계적으로 수집, 분석, 활용하는 것이 매우 중요하다. 그러나 불행히도
대다수의 기업에서는 필요한 데이터가 축적되어 있지 않거나, 데이터가 신
뢰성이 없어 무용지물이거나, 또는 보유중인 데이터를 적절하게 분석할 수
있는 인력이 없어 활용하지 못하고 있는 실정이다. 오늘날 정보통신시대다
인터넷이다 광속 전자거래다 사이버(Cyber)다 하는 현란한 수식어들이 난무
하는 가운데 우리는 모든 업무가 쉽게 자동으로 척척 돌아가는 것이 당연한
것이라고 착각하기 쉽다. 그러나 손가락으로 버튼만 누르면 모든 필요한
정보가 척척 나타나려면 필요한 데이터가 모두 구비되어 있고 이들이 적절
하게 분석 및 가공될 수 있어야만 한다.
지난 1960년대 이후 컴퓨터의 발달로 자료처리의 속도와 데이타 저장용량이
획기적으로 증가하였다. 그러나 컴퓨터는 “Garbage-In, Garbage-Out” 이
라고 하듯이 엉터리 입력자료가 들어가면 엉터리 결과가 나오는 것이다.
이제까지 정보화라는 용어는 정보의 전달 내지 공유에만 신경을 썼지 무슨
정보가 전달되는지 그 정보의 내용 또는 품질에는 별로 신경을 쓰지 않았다
. 흔히 데이터(Data)를 가공하여 정보(Information)를 생성하고, 정보를 가
공하여 지식(Knowledge)을 생성한다고 한다. 그렇다면 정보와 지식의 원료
가 되는 데이터가 오늘날 정보지식시대의 기초가 되는 것임을 상기할 때 데
이터의 중요성은 기업물류에서 결코 간과되어서는 안된다.
기업에서 물류관련 핵심 문제점을 정확하게 파악하기 위해서는 “경험과 감
에 의한” 것이 아닌 “데이타에 기반한” 체계적인 현상분석이 필수적이다
. 이를 위해서는 첫째, 필요한 데이터가 무엇인지를 알아야 하고, 둘째, 필
요한 데이터의 정확한 값들이 오류없이 수집, 축적되어야 하며, 셋째, 획득
된 분석결과를 합성하여 의미있는 결론이나 통찰력(Insight)을 물류기획과
의사결정에 활용해야 한다.
그러면 먼저 기업이 물류를 잘 하기 위해서 필요한 데이터가 무엇인지를 어
떻게 판단할까. 이를 결정하기 위해서는 데이터를 어디에 사용할 것인지 그
효용을 정해야 하고, 동시에 이 데이터를 정확하게 수집 및 축적하는데 비
용이 얼마나 드는지를 고려해야 한다. 즉, 비용과 효용을 비교할 때 비용보
다 효용이 커야 한다는 것이다.
예를 들어 물류센터에서 배송차량이 하루동안 방문하는 거래처에 대한 데이
터는 분명히 필요한 데이터이다. 그런데 거래처들의 방문순서도 데이터로
수집할 것인가 말 것인가. 방문순서만 수집한다면 의미가 없으니 아예 각
거래처를 방문할 때의 시각도 함께 수집한다면 거래처간 트럭운행 소요시간
도 시간대별로 측정할 수 있게 될 것이고, 이를 잘 가공하여 지리정보와 연
계한다면 최적의 배차계획 수립과 시뮬레이션에 유용한 데이터가 될 것이니
그 용도는 확실한 셈이다.
그러면 이 데이터를 얻기 위한 비용은 어떤가. 방문순서와 시각을 운전기사
에게 정확하게 기재하라고 요구하면 과연 제대로 할것인가. 아니면 하루일
과를 마치고 업무일지를 제출할 때 기억을 더듬어서 방문시각을 적당히 적
어 낼 것인가. 이를 방지할 방법은 있는가. 자동으로 데이터를 입력시키려
면 어떤 기기를 얼마 들여 장치할 것인가. 이런 식으로 데이터의 비용과 효
용을 비교해 볼 수 있을 것이다.
둘째, 필요한 데이터의 정확한 값들이 빠짐없이 수집, 축적되려면 어떻게
해야 하나. 바코드(POS)나 전자저울같은 전자기기로부터 생성되는 데이터는
대부분 쉽고 정확하게 자동으로 수집될 수 있다. 그렇지 않은 데이터들,
예를 들어 전표로 수집된 거래내역 등은 일일이 컴퓨터에 입력을 해야 하며
, 이 과정에서 입력오류나 누락의 위험이 있다.
이러한 실수를 극소화하기 위해서는 작업자의 주의력을 높이기 위해 작업오
류를 평가지표에 반영하거나 또는 소프트웨어적인 Double-Checking 등이 있
다. 예를 들어 입고, 출고, 재고데이타는 정기적인 재고 실사 데이터와 함
께 상호 체크될 수 있다.
업무프로세스상의 책임 모호성으로 데이터의 정확성이 훼손될 위험성도 높
다. 예를 들어 영업사원이 1월 10일 수주입력시 어떤 주문의 납기를 17일로
입력했는데, 생산부서는 주문대기가 많아 이 주문의 납기를 23일로 생산시
스템에 조정입력하면서 수주데이타는 수정하지 않은 경우 추후 수주데이타
를 분석하면 이 주문은 데이터의 불일치로 분석결과를 왜곡할 수 있다. 이
러한 경우를 방지하기 위해서는 Fool-Proof식 (틀릴 수가 없도록 만들어진)
업무프로세스의 설계가 필요하다. 데이터는 가공된 결과가 아닌 원데이타
상태로 축적해야만 향후 용도에 따라 자유자재로 가공할 수 있다.
셋째, 분석결과의 해석은 고도의 지식과 경험을 필요로 한다. 직관적인 이
해를 돕기 위해 각종 그래프 등을 가장 효과적인 형태로 작성하는 것도 중
요하다. 대부분 평균값을 많이 사용하지만 최대, 최소값을 고려하여 한계치
(Bound)를 설정하거나, 통계적 가설검정(예를 들어 창고에 새로운 로케이션
관리 S/W를 도입한 이후 선입선출 정도가 과거와 차이가 있나 없나.), 구
간추정치(예를 들어 시간당 주문도착율의 95% 신뢰구간) 등의 통계지식도
필요하다.
데이터 분석결과를 신속, 정확하게 활용하여 보다 정확한 실시간 의사결정
을 내리는 것이 중요하다. 예를 들어 영업사원이 수주활동을 벌이면서 자사
의 데이터 시스템에 접속하여 재고상황, 생산일정계획 등을 즉시 볼 수 있
다면 수주협상에 크게 도움이 될 것이다.
과거데이터를 잘 활용하면 가상 시나리오에 대한 What-if 분석도 가능해진
다. 예를 들어 지난 1년간 자사 공장으로부터 전국의 모든 행선지로 제품을
운송한 두 회사가 출하물량의 상세 데이터를 가지고 있다면 “만일 작년에
두 회사가 공동수송을 시행했다면 수송비가 얼마나 절감되었을까?”에 대
한 Deterministic Simulation도 해볼 수 있다.
이처럼 중요한 데이터기반 물류를 효과적으로 수행하기 위해서는 기업내 모
든 데이터를 총괄 관리할 수석 데이타관리자(Chief Data Officer)를 임명할
것을 제안하는 바이다.
CDO의 임무는 기업이 축적하는 모든 데이터의 명칭, 항목, 축적기간, 용도,
책임자, 분석방법 등을 책임관리하고 각 데이터가 오류없이 빠짐없이 수집
, 입력, 축적, 수정되고 있는지를 지속적으로 확인하며, 경영의사결정에 영
향을 미칠 주요 데이터 분석결과를 보고하는 일 등이다. CDO는 통계, 컴퓨
터, 기획, 분석, 종합능력과 업무프로세스 지식을 겸비한 산업공학 전공자
가 가장 적합할 것이다.
물류데이타 분석의 구체적인 예로서 주문데이타 분석은 수주제조업(Make-To
-Order)의 경우 주문데이타(고객, 품목, 주문량, 주문일, 납기일, 생산개시
일, 완료일, 출하일, 출하량 등)를 분석하여 고객별 주요품목별로 년중 발
주빈도, 발주량, 납기, 생산리드타임, 제품보관(재고)기간, 납기준수율 등
을 분석할 수 있다. 수주생산에서는 흔히 영업사원들이 자기 물량 확보를
위해 납기를 앞당기거나 물량을 실제이상으로 주문입력하는 경우가 많다.
이러한 과잉주문은 생산일정계획에 큰 부담을 주고 전체적인 납기준수율을
크게 떨어뜨리게 된다. 이를 바로잡기 위하여 예를 들어 생산완료일<납기일
<출하일인 주문, 즉 요구납기 이전에 생산이 완료되었는데도 출하요청이 납
기이후에 오는 주문은(출하일-납기일) 납기를 앞당긴 과잉주문이라고 볼수
있으며, 이를 영업사원별, 고객별, 월별, 품목별로 분석해 보면 적절한 조
치방안을 찾을 수 있다. 이러한 데이터 분석으로 경우에 따라서는 “현재
생산능력이 부족하여 납기준수율이 저조하니 생산능력을 증설해야 한다”는
방침을 뒤집을 수도 있다.
즉, 데이터 분석만으로 수십억원을 고스란히 절감하면서도 납기준수율을 높
이는 쾌거를 올릴 수도 있는 것이다.
이 밖에도 재고데이타 분석(품목, 제품입출고량, 입출고일, 자재주문일, 주
문량, 도착일, 재고량 등), 수배송데이타 분석(운송일자, 기사, 차량번호,
용량, 종류), 행선지, 품목, 물량(무게, 부피), 경로, 운임, 경유지간 소요
시간 등, 물류코스트 데이터 분석 등이 가능하며, 이 밖에도 둘 이상의 데
이터를 합성하여 다양한 분석이 가능하다.
이제 우리 기업물류도 보다 체계적이고 과학적인 접근을 해야 하며, 그 첫
걸음은 정확한 데이터 분석에 의한 정확한 정보를 공유한 합리적 의사결정
일 것이다. 우리 회사의 물류관련 데이터 현황은 어떤지 한번 찬찬히 들여
다보고 “데이타에 기초한” 튼튼한 물류시스템을 구축해 나가자.