공급망 분석이란?

분석은 종종 그래프, 차트 형식의 시각화나 기타 수단을 사용하여 관련된 신뢰 데이터의 요약을 기반으로 데이터 구동 의사결정을 내릴 수 있는 능력을 나타냅니다. 공급망은 일반적으로 엄청난 양의 데이터를 생성합니다. 공급망 분석은 이 모든 데이터에 대한 이해를 도우며, 패턴을 파악하여 인사이트를 얻을 수 있도록 합니다.

다양한 유형의 공급망 분석에는 다음이 포함됩니다.

  • 설명 분석. 내부/외부 시스템과 데이터 모두에 대해 공급망 전반의 가시성과 사실의 단일 소스를 제공합니다.
  • 예측 분석. 조직이 가장 가능성이 높은 결과 또는 향후 시나리오와 그 비즈니스 영향을 파악하도록 도와줍니다. 예를 들어, 예측 분석을 사용하여 중단과 위험을 파악하고 완화할 수 있습니다.
  • 처방 분석. 기업이 문제점을 해결하고 최대한의 비즈니스 가치를 위해 협력하도록 도와줍니다. 기업이 로지스틱 파트너와 협력하여 혼란을 경감시키는 데 드는 시간과 노력을 줄이도록 도와줍니다.
  • 코그너티브 분석. 조직이 자연어(개인이나 팀이 질문에 대답할 수 있는 방식)로 복잡한 질문에 대답할 수 있도록 도와줍니다. 이는 기업들이 "우리가 X를 어떻게 개선하거나 최적화할 수 있을까?" 등의 복잡한 문제나 이슈를 통해 생각할 수 있도록 지원합니다.

공급망 분석은 인공지능(AI) 등의 코그너티브 기술을 공급망 프로세스에 적용하기 위한 기반이기도 합니다. 코그너티브 기술은 마치 사람처럼 이해하고 추론하며 학습하고 상호작용하지만, 이는 엄청난 용량과 속도로 진행됩니다.

공급망 분석의 이 진화된 모습은 공급망 최적화를 새로운 시대로 안내합니다. 이는 자동으로 많은 양의 데이터를 샅샅이 살펴봄으로써 조직이 예측을 향상시키고 비효율성을 식별하며 고객의 요구에 보다 잘 대응하고 혁신을 추진하며 혁신적 아이디어를 추구하는 데 도움을 줄 수 있습니다.

공급망 분석이 중요한 이유

공급망 분석은 조직이 보다 스마트하고 빠르며 효율적인 의사결정을 내리도록 도와줍니다. 이점에는 다음이 포함됩니다:

  • 높은 투자수익률(ROI) 확보. 최근의 Gartner 조사에 따르면, ROI를 달성하지 못한 4%와 비교하여 조사 대상 기업 중 29%가 분석을 사용하여 높은 수준의 ROI를 달성했다고 밝혔습니다.⁴
  • 위험을 보다 잘 이해. 공급망 분석은 알려진 위험을 식별할 수 있으며, 공급망 전반의 패턴과 경향을 정확히 파악하여 향후 위험을 예측하는 데 도움을 줍니다.
  • 계획의 정확도 향상. 고객 데이터를 분석함으로써 공급망 분석은 향후 수요를 보다 잘 예측하도록 기업들을 도와줄 수 있습니다. 이는 조직이 수익성이 낮아질 때 생산을 최소화할 제품을 결정하거나 초기 주문 후 고객이 어떤 요구를 할지 파악할 수 있도록 도와줍니다.
  • 군살을 뺀 공급망 달성. 기업들은 보다 나은 정보에 기초한 의사 결정을 위해 공급망 분석을 사용하여 웨어하우스, 파트너 응답 및 고객 요구사항을 모니터링할 수 있습니다.
  • 미래 준비. 기업들은 지금 공급망 관리에 대한 고급 분석을 제공하고 있습니다. 고급 분석은 정형 및 비정형 데이터를 모두 처리함으로써 기업들이 최적의 의사결정을 내리기 위해 적시에 경보를 받을 수 있도록 해줍니다. 이는 적은 비용과 지속 가능성에 최대한 영향을 주지 않는 방법으로 위험을 최소화하는 경보를 제공하기 위해 여러 소스 간에 상관 및 패턴을 빌드할 수 있습니다.

AI 등의 기술이 공급망 분석에서 보다 일반화되어 있으므로, 기업들은 추가적인 이점이 급증할 것으로 보고 있습니다. 자연어 데이터 분석의 한계 때문에 이전에 처리되지 않은 정보를 이제는 실시간으로 분석할 수 있습니다. AI는 이질적인 소스, 사일로 및 시스템의 데이터를 빠르고 철저하게 읽고 이해하며 상관시킬 수 있습니다. 그리고 데이터의 해석을 기반으로 실시간 분석을 제공할 수 있습니다. 기업들은 훨씬 더 광범위한 공급망 정보를 보유하게 됩니다. 새로운 비즈니스 모델을 지원하면서도 보다 효율화되고 혼란을 피할 수 있습니다.

공급망 분석의 진화

과거에 공급망 분석은 대부분 수요 계획과 예측을 위한 통계 분석 및 정량화 가능한 성능 지표로 제한되었습니다. 데이터는 공급망의 다른 참여자로부터 제공된 스프레드시트에 저장되었습니다.

1990년대에는 기업들이 EDI(Electronic Data Interchange) 및 ERP(Enterprise Resource Planning) 시스템을 채택하여 공급망 파트너 간에 정보를 연결하고 교환했습니다. 이러한 시스템은 설계, 계획 및 예측에서의 비즈니스 지원과 함께 분석용 데이터에 대한 손쉬운 액세스를 제공했습니다.

2000년대에 들어서 기업들은 비즈니스 인텔리전스와 예측 분석 소프트웨어 솔루션으로 돌아서기 시작했습니다. 이러한 솔루션은 기업들이 공급망 네트워크가 움직이는 방법, 더 나은 의사 결정을 내리는 방법 및 네트워크를 최적화하는 방법을 보다 심층적으로 이해하는 데 도움을 주었습니다.

오늘날의 과제는 기업들이 공급망 네트워크에서 생성된 방대한 양의 데이터를 최대한 활용하는 것입니다. 2017년까지, 일반적인 공급망은 5년 전보다 50배나 더 많은 데이터에 액세스했습니다.¹ 그러나 이 데이터의 25% 미만이 분석되었습니다. 게다가 전체 공급망 데이터의 약 20%가 정형 데이터이고 쉽게 분석될 수 있는 반면에, 공급망 데이터의 80%가 비정형 또는 다크 데이터입니다.² 오늘날의 기업들은 이 다크 데이터를 최대한 적절히 분석할 수 있는 방법을 찾고 있습니다.

연구들은 공급망 분석의 다음 선구자로서 코그너티브 기술이나 인공지능을 지적합니다. AI 솔루션은 정보 보관 및 프로세스 자동화 그 이상으로 향하고 있습니다. AI 소프트웨어는 인간과 같은 방식으로 생각하고 추론하며 학습할 수 있습니다. 또한 AI는 엄청난 양의 데이터와 정보(정형 및 비정형 데이터)를 처리하고 해당 정보의 요약과 분석을 즉각적으로 제공할 수도 있습니다.

IDC는 2020년까지 모든 비즈니스 소프트웨어의 50%가 일부 코그너티브 컴퓨팅 기능을 통합할 것으로 추정하고 있습니다.³ AI는 시스템과 소스의 데이터를 강력하게 상관시키고 해석하기 위한 플랫폼을 제공할 뿐만 아니라, 기업들이 공급망 데이터와 정보를 실시간으로 분석할 수 있도록 해줍니다. 새로운 블록체인 기술과 결합하여 미래의 기업들은 이벤트를 사전에 예측할 수 있게 됩니다.

효과적인 공급망 분석의 핵심 기능

공급망은 고객과 소비자를 위한 비즈니스의 가장 명백한 얼굴입니다. 기업이 공급망 분석을 더 잘 수행할수록, 비즈니스 명성과 장기 지속 가능성을 더 잘 보호할 수 있습니다.
The Thinking Supply Chain에서 IDC의 Simon Ellis는 미래의 효과적 공급망 분석의 5가지“C”를 식별합니다.

  • 연결됨(Connected). 소셜 미디어의 비정형 데이터, 사물인터넷(IoT)의 정형 데이터, 기존 ERP 및 B2B 통합 툴을 이용하여 사용 가능한 추가적인 기존 데이터 세트에 액세스할 수 있습니다.
  • 협업적(Collaborative). 공급업체와의 협업이 개선된다는 것은 여러 기업의 협업과 참여를 가능하게 하는 클라우드 기반 상거래 네트워크의 사용이 늘어나고 있음을 의미합니다.
  • 사이버 인식(Cyber-aware). 공급망은 사이버 침입과 해킹으로부터 시스템을 강화해야 하며, 이는 전사적인 관심사가 되어야 합니다.
  • 코그너티브 적용(Cognitively enabled). AI 플랫폼은 공급망에서 의사결정과 조치를 조합, 조정 및 실행함으로써 현대 공급망의 컨트롤 타워가 됩니다. 대부분의 공급망은 자동화되어 있으며 자체 학습이 가능합니다.
  • 종합적(Comprehensive). 분석 기능은 실시간으로 데이터와 스케일링되어야 합니다. 인사이트는 포괄적이고 빨라집니다. 지연은 미래의 공급망에서 허용되지 않습니다.

오늘날의 공급망 네트워크에서 효과적인 분석에는 보다 고객 중심적인 능력인, 정확성과 무결성 유지 및 신속한 대응이 필요합니다. 기업들은 비정형 및 자연어 기반 데이터를 포함하여 이질적 데이터 소스의 방대한 양의 데이터를 빠르게 분석할 수 있는 공급망 분석 솔루션을 찾고 있습니다. 마지막으로, 공급망 분석은 날씨, 전쟁, 근로자 및 규정과 같은 외부 요인을 포함하여 날로 숫자가 증가하는 공급망 변수를 예측해달라는 요청을 받습니다.

공급망 분석을 위한 소프트웨어 사용

공급망 분석이 너무 복잡해지면서 공급망 성능을 최적화하기 위해 많은 유형의 소프트웨어가 개발되었습니다. 적시에 정확한 공급망 정보 제공에서부터 판매 모니터링까지, 소프트웨어 제품이 전 과정을 처리합니다.

예를 들어, IBM은 공급망 분석의 효율성을 높이기 위해 많은 소프트웨어 제품을 개발했으며, 일부 소프트웨어는 AI 기술도 사용합니다. AI 기능을 갖춘 공급망 소프트웨어는 실제로 계속 변화되는 처리 과정을 학습할 수 있으며 변화에 대한 요구를 예측할 수 있습니다. IBM 제품에는 다음이 포함됩니다.

IBM Sterling Supply Chain Insights with Watson

AI 기능을 사용하면 기업이 데이터 소음을 줄이고 인사이트를 얻음으로써 보다 빠르고 자신 있게 행동할 수 있습니다.

Watson Supply Chain Fast Start

AI 기반 공급망으로 향하는 기업의 여정을 가속화할 수 있는 애자일 워크샵을 제공합니다.

IBM Sterling Supply Chain Business Network

기업들이 단일 대시보드에서 모든 관련 트랜잭션을 볼 수 있게 해줍니다. 소프트웨어는 IT 개입 없이 문제를 빠르게 파악하고 평가할 수 있으므로, 몇 시간이 아닌 몇 분만에 해결이 가능합니다.

IBM Planning Analytics

기업들이 효율성을 촉진하고 시기적절하고 신뢰할 수 있는 계획을 수립하기 위해 계획, 예산 수립, 예측 및 분석 프로세스를 자동화하도록 도와줍니다.

공급망 분석에 대한 사례 연구와 블로그

Lenovo는 IBM Sterling Supply Chain Insights with Watson을 사용함

Lenovo

수 일에서 수 분으로 공급망 중단에 대한 평균 대응 시간이 감소합니다. 이전보다 최대 90% 빨라집니다.

보다 스마트한 공급망을 위한 데이터 분석

데이터 분석

데이터 분석을 적용하여 어떻게 작업과 결과를 개선할 수 있을까요?

리소스

소스

1. “The path to a thinking supply chain,” Simon Ellis, John Santagate, IDC Technology Spotlight, 2018년 8월(PDF, 1.2MB)

2. “The AI journey: Artificial intelligence and the supply chain,” IBM Watson Supply Chain

3. “Creating a thinking supply chain for the cognitive era,” Matt McGovern, Watson Customer Engagement, 2017년 3월 27일

4. “Why supply chain analytics is a must have,” Christy Pettey, Gartner, 2015년 5월 14일