로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

SR1. 스마트 SCM 개관

월마트 제친 아마존 성장 비결은? 공급사슬 전체의 변화를 꾀한 ‘3I’혁신

민정웅 | 235호 (2017년 10월 Issue 2)

20230619_164833


Article at a Glance

스마트한 공급사슬을 구성하는 3가지 빌딩 블록 ‘3I’

: 기술 활용 기반(Instrumented), 상호 연결(Interconnected), 지능화(Intelligent)

 

스마트 SCM의 효용성 및 가치

1. 유연성: 상황 변화에 따른 공급사슬의 조정 통해 비용 절감 및 리스크 최소화

2. 가시성: 정교한 계획 수립 통해 실행력 제고

3. 고객 지향: 제품수명주기 전체에 걸친 고객 니즈 파악해 공급사슬에 반영

4. 통합과 최적화: 글로벌 물류의 병목구간을 파악하고 복합적 요소들을 고려한 의사결정 통해 관리 효율화 실현

 
스마트 SCM의 개념

공급사슬관리(Supply Chain Management ·SCM)란 용어가 최초로 일반인들에게 알려진 것은 1982년이다. 당시 부즈알렌해밀턴(Booz Allen Hamilton)의 컨설턴트였던 케이트 올리버(Keith Oliver)가 파이낸셜타임스와 인터뷰를 하면서 이 용어를 공식적으로 사용하기 시작했다. 올리버는 필립스 생산부서의 재고관리 관련 문제를 컨설팅하다가 이를 ‘생산’부서 하나의 문제가 아닌 기업 전체, 그리고 고객과 협력업체를 포함한 다양한 이해당사자 간의 ‘프로세스’ 문제로 인식했다. 그리고 이를 해결하기 위한 개념적 방안으로 SCM이라는 용어를 만들어냈다. 문제의 범위를 공장 내부에서 외부로 확대한 것이다.

오늘날 SCM이 고민하고 있는 문제의 핵심도 1982년 올리버가 고민했던 문제와 크게 다르지 않다. 바로 기업 내외부의 협력을 통해 어떻게 수요와 공급의 균형을 맞출 것인가 하는 문제다. 수요와 공급의 불균형 문제는 종국적으로 최종 소비자와는 어떻게든 연관될 수밖에 없다. 이 때문에 종종 일반인들에게도 이 문제가 관심의 대상이 되기도 한다. 2011년 라면업계를 강타했던 ‘꼬꼬면’ 사례나 2014년 선풍적인 인기를 끌었던 ‘허니버터칩’ 사례가 대표적이다. 팔도에서 내놓은 꼬꼬면은 ‘하얀 짬뽕 국물의 반란’이라는 이름하에 전통적인 빨간 국물의 라면 시장을 송두리째 뒤흔들었다. 꼬꼬면은 출시 3일 만에 400만 개가 판매될 정도로 높은 인기를 누렸고, 이처럼 폭발적인 수요를 감당해 낼 수 없었던 팔도는 부랴부랴 500억 원을 들여 새로운 공장을 증설했다. 하지만 수요가 갑자기 급감하면서 팔도는 큰 손해를 입었다. 허니버터칩도 폭증하는 수요에 부응하기 위해 공급 설비에 대규모 투자가 이뤄졌지만 이후 수요는 크게 줄어들었다. 이른바 ‘증설의 저주’를 경험한 것이다. 수요와 공급의 균형은 이처럼 기업 전체에 심각한 영향을 미칠 수 있다.

그렇다면 수요와 공급의 균형을 이루는 SCM이 ‘스마트’해진다는 건 무엇을 의미할까? 스마트 SCM은 공급사슬 전체에 대한 자동화(automation), 자율화(autonomy), 연결성(connectivity)을 강조하는 새로운 비즈니스 시스템이다. 당연히 실행능력의 범위는 단절된 ‘단일’ 기업으로부터 공급사슬 ‘전체’를 지능적, 체계적으로 아우르는 데까지 확장된다. 따라서 스마트 SCM은 다양한 기술을 활용해 데이터를 수집·분석하고, 공급사슬 각 구성원 간의 실시간 커뮤니케이션을 보장하며, 지능형 의사결정을 통해 고객의 만족도를 향상시키는 능력이 필수적이다. 이를 통해 스마트 SCM은 비즈니스 프로세스의 효율성을 향상시키고 비용을 줄여 새로운 비즈니스 모델과 가치를 창조해낸다. 더욱 많은 정보를 이용한 최적의 의사결정과 보다 효과적이고 효율적인 프로세스의 재구성을 통해 더 나은 제품과 서비스로 고객의 가치를 증대시키는 것이다. 스마트 SCM의 개념이 아직은 모호하고, 이를 설명하는 방식에도 다양한 의견이 존재하지만, 대체적으로 스마트한 공급사슬은 소위 ‘3I(Instrumented, Interconnected, Intelligent)’로 요약할 수 있는 3가지 빌딩블록(building blocks)을 핵심 구성요소로 가지고 있다.

1. 기술활용기반(Instrumented)

SCM에 필요한 제반 정보는 RFID 등과 같은 다양한 센서나 기기에 의해 자동으로 생성돼야 한다. 과거에는 이들 정보가 사람에 의해 수집되고 기록되며 공유됐지만 스마트 SCM에서는 이런 정보의 생성과정이 기술기반의 디바이스나 장치, 혹은 시스템에 의해 이뤄져야 한다. 이렇게 생성된 정보는 공급사슬에 대한 전반적인 가시성을 향상시켜준다. 정보의 가시성은 직접적으로 관련 있는 이벤트를 볼 수 있게(see) 해줄 뿐 아니라 직접적인 관련이 없는 이벤트라 할지라도 만일의 경우를 대비한 감시 차원의 정보수집(witness)도 가능하게 해준다. 따라서 단순 수작업에 기반해 사람이 일일이 정보를 모니터링하는 프로세스 대신 컨테이너나 트럭, 제품, 그리고 생산설비 스스로가 사람을 위해 정보를 보고하는 방식으로 전환된다.

2. 상호연결(Interconnected)

스마트 SCM에서는 공급사슬을 구성하는 기업들의 창고와 트럭, IT 시스템, 제품 등이 서로 연결된다. 그 덕택에 지금까지 우리가 경험해보지 못했던 새로운 수준의 상호연결성이 가능해진다. 이러한 상호연결성에는 고객이나 협력업체, IT 시스템과 같은 전통적인 연결 대상뿐 아니라 공급사슬에서 모니터링되는 모든 사물 개체까지도 포함한다. 이러한 연결성은 공급사슬에 대한 전체적인 가시성을 제공해 줄 뿐 아니라 모든 공급사슬 구성원을 포함하는 대규모의 협업도 가능케 한다.

3. 지능화 (Intelligent)

스마트 SCM은 부분 최적화(local optimization)가 아닌 전체 최적화(global optimization)의 해답을 제공해줄 수 있어야 한다. 이를 위해서는 복잡한 문제를 해결할 수 있는 인텔리전스(intelligence)가 필수적이다.

일반적으로 공급사슬의 의사결정 문제는 제약조건이 복잡하기 때문에 하나의 정답만 존재하는 경우는 거의 없다. 따라서 복잡하게 얽혀 있는 제약조건과 대안을 평가해 다양한 시나리오에 대한 결과를 시뮬레이션할 수 있는 기능이 필수적이다. 스마트 SCM은 여기서 한걸음 더 나아가 인간의 개입 없이 학습을 통해 스스로 의사결정을 내릴 수 있는 역량을 갖출 수 있어야 한다. 공급사슬 네트워크상에 어떠한 교란 상황(가령, 자연재해나 예기치 않은 사고와 같이 수요나 공급상에 갑작스런 변동이 발생하는 경우)을 인지하게 되면 시스템은 스스로 네트워크를 재조정해 문제의 해결과 복구를 지시할 수 있을 것이다. 그뿐만 아니라 생산시설, 물류시설, 차량 운영 등과 같은 물리적 자산의 이용에 관한 권한을 취득해 그때그때 상황에 따라 탄력적으로 의사결정을 내리고 실행할 수도 있을 것이다. 이러한 지능형 SCM은 실시간 의사결정뿐 아니라 미래의 예측에도 활용될 수 있는데 향후에는 ‘인지 후 대응(sense-and-respond)’ 방식에서 ‘예측 후 실행 (predict-and-act)’ 방식으로 진화할 것이다.

이러한 세 가지 특징을 통해 스마트 SCM은 개별적인 기술의 도입을 통해 폐쇄적 환경하에서의 스마트화를 거쳐 구매와 생산, 판매 등에 이르는 공급사슬 전반으로 확장될 수 있다. (그림 1)


20230619_164859


스마트 SCM의 효용성과 가치

기술 활용 기반, 상호연결, 지능화라는 요건을 갖춘 스마트 SCM은 오늘날 공습사슬 현장에서 직면하고 있는 많은 문제점들을 해결할 수 있다. 스마트 SCM이 제공해주는 효용성과 가치는 다음과 같은 4가지 측면으로 이야기할 수 있다.

1. 유연성: 유연성을 통한 비용의 절감

스마트 SCM은 유연성을 기본으로 한다. 오늘날의 공급사슬은 태생적으로 공급자 및 협력업체, 생산자, 유통, 기타 서비스 제공자들의 네트워크로 구성돼 있기 때문에 주변 여건과 상황의 변화에 즉각적으로 대응할 수 있는 온디맨드(on-demand) 역량이 필수적이다. 공급사슬 관리자는 주어진 자원을 최적으로 활용하기 위해 다양한 상황에 대한 시뮬레이션을 통해 비용과 서비스 수준, 시간과 품질의 영향을 확인하고 대안별 장단점을 분석할 수 있다. 예를 들면, 판촉 기간 동안 협력업체가 보내온 재고 및 배송 정보를 시스템에 내장된 비즈니스 규칙과 기준에 따라 분석하고, 이를 토대로 재고 등과 관련한 예외 상황의 발생 여부를 예측할 수 있다. 만일 이러한 상황이 예상된다면 유통업체의 시스템은 구매담당자에게 현 상황을 공지하고, 자동으로 해당 공급업체에 주문을 발주할 수 있다. 제품 배송 지연이 예상되면 제3의 물류업체에 배송을 의뢰할 수도 있다. 이러한 방식으로 기업은 결품에 따른 비용이나 판매 실기에 따른 막대한 손실을 줄일 수 있다.

아울러 유연성은 공급사슬의 리스크 관리에도 유용한 해답을 제공할 수 있다. 밀접하게 연결된 공급사슬이 더욱 복잡해짐에 따라 지엽적으로 발생한 작은 문제는 종종 다른 곳에서 심각한 문제로 전이될 수 있다. 따라서 리스크 관리는 한 기업이 통제할 수 없는 광범위한 시스템의 문제다. 스마트 SCM은 이러한 유연성을 바탕으로 수많은 연결 대상으로부터 수집된 정보를 활용해 리스크를 경감할 수 있는 협력 전략을 신속하게 진행할 수 있다.

2. 가시성: 스마트 SCM의 핵심 기반

기업의 경영진은 비록 문제가 당장 발생하지는 않았더라도 공급사슬의 모든 현황을 상세히 알고 싶어 한다. 납품업체의 창고에는 얼마만큼의 재고가 보관돼 있는지, 협력업체의 생산라인에서 조립되고 있는 제품의 수량은 어느 정도인지, 유통 매장에 보관돼 있는 완제품의 재고는 며칠 분량인지 등이 바로 이러한 정보들이다. 그러나 이러한 정보에 대한 가시성을 해당 업체를 통해 확보하기란 생각만큼 쉽지 않다. 기존 비즈니스 관행과 시스템의 문제로 인해 관련 정보의 공유 자체가 어렵기 때문이다. 그러나 스마트 SCM에서는 ‘사람’이 아닌 ‘사물’이 정보 공유의 통로가 된다. 가시성을 확보해주는 주요 데이터는 센서 기술의 발달로 인해 도로를 움직이는 트럭, 창고의 독(dock), 매장의 매대 등 다양한 사물 접점을 통해 수집된다. 사실 인터넷 시대에 가시성의 문제는 정보의 부족이 아닌 정보의 홍수에서 기인된다. 스마트 SCM은 지능적인 모델링과 시뮬레이션 역량을 통해 넘쳐나는 정보의 가시성을 확보할 수 있게 해준다. 이를 통해 보다 완벽한 계획을 수립할 수 있게 해주는 것은 물론 그 계획을 실행하고 상황 변화에 대처하는 데에도 기여한다.

3. 고객지향: 전체 공급사슬에 투영되는 고객의 니즈

현재 기업들이 도입한 SCM의 기술 수준을 고려했을 때 사실 고객의 니즈를 정확하게 파악할 수만 있다면 이러한 니즈를 해결하는 방안을 찾는 것은 그리 어렵지 않을 수 있다. 가장 중요하면서도 어려운 부분은 어떻게 고객의 니즈를 만족시키느냐가 아니라 그 니즈가 무엇인지를 파악하는 일이다. 오늘날 기업들이 고민하는 SCM 전략의 불편한 가정 중 하나는 기업이 ‘상상하는’ 고객의 직관적 니즈를 맞추는 것이다. 그렇기 때문에 많은 이들은 면밀한 분석 없이 그저 신속한 제품의 배송과 전달에만 모든 노력을 집중하고 있다. 그러나 스마트 SCM은 이러한 불편한 가정을 정확한 데이터 기반의 현실로 바꿀 수 있다. 제품의 전달 과정에만 고민의 영역을 한정하는 것이 아니라 제품의 전체 라이프사이클을 통틀어 고객과 상호작용하며 그들의 실제 니즈를 파악한다. 매일매일의 제품 사용에 대한 실제 패턴은 물론 제품의 마지막 폐기 단계까지도 분석의 과정에 포함해 이를 제품의 디자인과 생산 과정 전반에 반영한다. 또한 스마트 SCM에서는 수요와 관련된 시그널을 다양한 출처를 통해 확인할 수도 있다. 제품이 매장에서 소비자의 손에 닿는 순간, 제품이 매장을 떠나는 순간, 공장 내부의 중요한 부품이 내구연한을 다해가는 순간 등에도 필요한 수요 정보를 파악할 수 있게 된다. 이러한 수요 정보와 관련한 시그널은 개별화된 고객 계층별 니즈를 분석해 맞춤화 전략을 구사하는 데 활용될 수 있다.

4. 통합과 최적화: 글로벌 공급사슬 관리를 위한 기본 역량

글로벌화는 새로운 시장 개척을 통해 기업들에 새로운 기회를 제공해줬지만 관리 효율 면에서는 많은 문제점을 내포하고 있다. 반면 스마트 SCM에서는 글로벌 물류의 병목구간이 어디인지를 손쉽게 파악할 수 있어 관리의 효율화를 꾀할 수 있다. 그뿐만 아니라 제조공장의 입지나 협력업체를 선정할 때에도 단순히 인건비 같은 1차원적인 변수 외 다양한 고려사항들을 포함해 의사결정을 내릴 수 있다. 공급, 제조, 유통 전반에 걸친 복잡다기한 변수와 대안을 평가할 수 있기 때문이다. 이 밖에 상황이나 변수의 변화에 따라 공급사슬을 유연하게 재조정하는 것은 물론 긴급 상황에 대한 복구 방안도 신속하게 실행할 수 있다는 것 역시 스마트 SCM의 장점이다.




스마트 SCM 사례 분석: 아마존


아마존은 오늘날 전자상거래 시장의 최강자로 자리 잡고 있다. 설립 원년인 1995년 10억 원에도 미치지 못했던 매출은 2016년 현재 150조 원 규모로 성장했고, 시가총액은 유통업계의 공룡인 월마트의 2배를 넘어 500조 원 규모를 상회한다. 아마존 혁신의 기본 사상은 설립자인 제프리 베저스(Jefferey Bezos)가 사업계획을 구상하면서 종이 냅킨 위에 그렸다고 알려진 ‘플라이 휠(Flywheel)’ 모델에도 잘 나타나 있다. (그림 2)

플라이휠 모델은 2중 선순환 원리로 설명할 수 있다. 즉, 비용 구조를 낮춰 싸게 팔아 고객의 경험을 향상시키면 향상된 고객 경험이 트래픽을 높여 더욱 많은 판매자의 유입을 유도하고, 그 결과 규모의 경제를 통한 비용 절감은 물론 소비자 선택의 폭이 넓어지는 논리다. ‘고객 가치를 최우선으로 삼고 성장에 집요하게 집착하는’ 아마존의 정체성이 이 한 장의 그림을 통해 잘 드러나 있다고 할 수 있다.

일반적으로 우리가 4차 산업혁명을 이야기하거나 혹은 스마트 SCM을 이야기할 때 아마존을 대표적인 사례로 꼽는 경우가 많지 않다. 아마도 아마존의 기업 정체성을 온라인 유통으로 보는 선입견이 강하기 때문이라고 생각된다. 하지만 지금까지 아마존이 성장해 온 과정을 면밀히 들여다보면 위에서 언급한 스마트 SCM의 3가지 빌딩블록(기술활용기반, 상호연결, 지능화)을 쌓아가는 과정이었음을 확인할 수 있다. (표 1)

20230619_164909


20230619_164916


1. 기술활용기반 측면

◆ 아마존로보틱스(Amazon Robotics)

2012년 3월 아마존은 무인자동화 로봇생산업체인 키바시스템스(KIVA Systems)를 한화 약 8500억 원에 인수했다. 당시만 해도 이 소식이 다소 충격적으로 느껴졌던 이유는 물류자동화 로봇이라는 분야의 생소함에 더해 아마존이 단순히 기존 물류창고 현장에 로봇을 도입하는 수준을 넘어 제조회사를 통째로 인수했다는 사실이었다. 아마존은 2015년 키바시스템스를 아마존로보틱스(Amazon Robotics)로 변경했다.

비즈니스인사이더(Business Insider)의 2016년 분석 자료에 의하면, 아마존은 초기에 약 13곳의 물류센터에 키바를 도입했다. 그리고 도입 후 2년 만에 물류센터 운영 비용을 20%가량 절감했는데 이를 물류센터 단위로 추정해보면 각 센터당 약 2200만 달러(한화 약 2500억 원)를 절감한 것으로 추산된다. 아울러 배송 준비를 위한 시간도 단축됐고 창고 공간의 효율화를 통해 공간 활용률도 50% 이상 증가한 것으로 나타났다. 이러한 효과를 2017년 1월 현재 보유한 214곳의 센터로 확장하게 되면 산술적으로 약 4조 원 이상의 비용절감 효과가 있을 것으로 추측할 수 있다. 2016년 말 현재 아마존은 약 4만5000대의 키바 로봇을 활용하고 있다. 향후 이 규모는 지속적으로 증가해 오는 2020년이면 200만 대 이상의 로봇이 배치될 것으로 예측되고 있다.

◆ 아마존 대시(Amazon Dash)

아마존은 2015년 3월에 와이파이 기능이 탑재된 대시(Dash) 버튼을 출시했다. 인터넷이나 모바일에 별도로 로그인할 필요 없이 대시 버튼만 누르면 특정 제품의 주문부터 결제, 배송에 이르는 모든 프로세스가 일괄적, 자동적으로 이뤄진다. 보통 4.99달러에 판매되는 대시 버튼은 주로 세탁 세제, 휴지, 키친 타월, 건전지, 음료, 기저귀 등의 생활용품 주문에 활용되고 있다. 텐텐데이터(1010DATA)의 2016년 분석 자료에 의하면 대시 버튼을 통해 판매된 전체 제품의 약 45%를 P&G 및 킴벌리클락(Kimberly Clark) 제품이 차지하고 있고, 특히 제품 특성상 주기적인 보충이 이뤄지는 품목에서 활용 빈도가 높은 것으로 판단된다. 대시 버튼은 특정 브랜드, 특정 품목을 지정해 자동으로 주문하기 때문에 브랜드 업체의 경우 일단 대시 버튼을 소비자의 가정에 설치할 수 있다면 경쟁 제품으로의 이탈을 막을 수 있다. 고객을 록인(lock-in)할 수 있는 강력한 도구인 셈이다.

하지만 대시 버튼은 단순히 제품 판매를 공고히 한다는 측면 외에 소비자에 대한 상세한 정보를 얻을 수 있는 수단이라는 측면에서 더 큰 의미를 갖는다. 일반적인 SCM에서 소비자의 수요예측에 필요한 데이터는 제품이 매장 혹은 인터넷을 통해 주문되는 시점을 기준으로 이뤄진다. 엄밀한 의미에서 생각해보면 이 시점은 소비자의 실제 소비 패턴과는 상당한 괴리가 있다. 가령 세제가 떨어졌는데 즉각적인 구매 주문이 이뤄지지 않는다면 소비자의 실제 소비 패턴의 정확한 정보를 확보할 수 없기 때문이다. 대시 버튼은 이러한 측면에서 소비자의 소비 패턴을 실제 수요 패턴과 동기화해 보다 정확한 수요를 예측하는 데 중요한 정보를 제공해 줄 수 있다.

◆ 아마존 에코(Amazon Echo)

세계적인 첨단기술 기업들이 기술 경쟁력을 과시하는 소비자가전쇼(CES) 2017에서 가장 주목받았던 기술은 전시 부스조차 차리지 않았던 아마존의 알렉사(Alexa)였다. 인공지능 기반의 음성인식 비서인 에코(Echo)는 2017년 1분기 현재 미국에서만 1100만 대 이상이 판매됐고 아마존의 음성인식 기술을 적용할 수 있는 API인 알렉사 스킬 킷(Alexa Skill Kit)도 올 4월 현재 1만2000개 이상 개발됐다. 국내 기업인 삼성과 LG의 경우 스마트홈 구축에 알렉사를 채용하고 있다. 자동차 제조업체 포드 역시 음성으로 목적지를 설정하고 차량을 제어하는 자율주행차량에 알렉사를 탑재했다.

아마존 에코의 급격한 성장은 음성인식 기술의 정확도 향상과 밀접한 관계가 있다. 클라이너 퍼킨스(Kleiner Perkins)의 분석에 의하면 구글의 음성인식 정확도가 2016년을 기점으로 95%를 넘어섰다고 한다. 95%는 인간의 평균적인 음성인식 정확도이기도 하다. 스태티스타(Statista)의 2017년 조사 결과에 의하면 아마존 알렉사의 정확도는 87%를 기록하고 있는데, 구글의 음성인식 시스템인 어시스턴트(Assistant)의 정확도인 90.6%에는 다소 못 미치지만 81.9%를 기록한 애플의 시리(Siri)보다는 높은 정확도를 나타내고 있다. 현재 대부분의 사용자들은 아마존 에코를 주로 알람 설정, 음악 감상, 정보 취득(예: 날씨) 목적으로 활용하고 있지만 점점 쇼핑을 위한 쓰임새가 증가할 것으로 예측되고 있다.

이 밖에도 아마존 에코는 음성인식 기능을 통해 비정형화된 소비자의 요구사항이나 소비 패턴을 파악하는 데 활용될 수 있으며 중장기적으로 아마존 대시 버튼을 대체할 것으로 기대되고 있다. 아마존은 이렇듯 음성인식 기술을 단순히 소비자에 대한 정보 취득 수단으로 사용하는 데서 그치지 않고 소비자의 수요를 인위적으로 조절할 목적으로까지 그 쓰임새를 확대하려 하고 있다. 이 내용은 지능화(스마트 SCM의 세 번째 빌딩블록) 부분에서 좀 더 살펴보기로 한다.

◆ 아마존 고(Amazon GO)

아마존은 2016년 12월 계산대에서의 결제 과정을 생략한 채 매장에 들어가 상품을 집어 들고 매장을 그냥 걸어 나가면 결제까지 자동으로 이루어지는 기술(Just Walk Out Technology)을 선보였다. 아마존 고(Amazon GO)를 소개하는 동영상에 따르면 컴퓨터 비전(Computer Vision), 센서 퓨전(Sensor Fusion), 딥러닝(Deep Learning)이 사용되고 있는데, 이들 모두는 사실상 무인자동차에서 활용되는 기반 기술과 동일하다.

계산대를 필요 없게 하는 기술의 핵심은 신뢰도 점수(Confidence Score)를 통한 제품 판별이다. 소비자가 매대에서 선택한 제품을 자동으로 결제하기 위해서는 선택한 제품이 어떤 제품인지를 정확히 판단해야 하는데 이를 위해 아마존은 확률통계적 개념인 신뢰도를 이용한다. 신뢰도 점수 계산을 위해 아마존은 매장에 설치된 카메라를 중심으로(Computer Vision) 다양한 종류의 센서를 통해 소비자의 일거수일투족을 모니터링하고(Sensor Fusion), 수집된 데이터를 인공지능 기반의 알고리즘(Deep Learning)으로 분석해 판별한다. 여기서 카메라가 수집한 이미지는 가장 기초적인 데이터로 활용된다. 소비자의 동선을 따라 카메라는 그들의 움직임을 추적한다. 그리고 소비자가 제품을 집어 드는 순간, 제품을 촬영하고 이미지를 분석해 1차적으로 제품을 판별한다. 하지만 이미지 데이터 분석만으로는 100% 확실하게 그 제품을 판별할 수 없기에 이를 검증할 수 있는 추가적인 데이터를 다양한 센서(매장 곳곳에 설치된 마이크, 매장 선반에 설치된 중량 센서와 압력 센서 등)로부터 수집한다. 또한 매장 진입 시 사용자에 의해 입력된 개인 식별 정보에 기반해 과거의 구매 이력 데이터도 활용한다. 이 모든 정보를 종합적으로 분석하고 학습해 신뢰도 점수를 계산해 내는 것이다. 다양한 센서로부터 수집되는 여러 형태의 데이터는 고객의 성향과 구매패턴 및 의도를 파악하는 데 사용될 수 있다.

20230619_164924


2. 상호연결(Interconnected) 측면

◆ 아마존웹서비스(AWS)

아마존웹서비스(Amazon Web Service· AWS)는 현재 세계 최대의 클라우드 서비스 제공 업체이며 2016년 기준 세계시장의 약 40%를 차지하고 있다. 마이크로소프트와 구글, IBM 3개 업체의 합산 점유율이 23%에 불과한 것을 감안하면 사실상 아마존이 독점하고 있다. AWS는 거의 모든 클라우드 관련 작업을 지원할 수 있도록 서비스를 확대해 컴퓨팅, 스토리지, 네트워킹, 데이터베이스, 애플리케이션 서비스, 모바일, 사물인터넷(IoT), 인공지능(AI), 보안, 엔터프라이즈 애플리케이션에 걸친 다양한 서비스를 제공하고 있다. AWS는 고객이 기본 서비스 개발이나 시험 운영, 관리 등에 소요되는 시간을 단축시켜주는 데이터 플랫폼으로서 기초 인프라를 제공해주고 있다. 앞서 언급한 알렉사 스킬 킷도 AWS의 AWS 람다(Lambda)라는 서비스를 응용해 AWS 위에서 동작하고 있으며 대시 버튼의 주문 정보와 아마존 고의 각종 센서에서 얻어지는 모든 정보들 또한 AWS의 클라우드 기반 위에서 서로 연결된다. 아마존의 유통 모델을 벤치마킹하고 있는 국내 소셜커머스 기업인 쿠팡도 지난 8월 모든 IT 인프라를 AWS 기반의 클라우드로 전환했으며 위메프와 티몬 역시 AWS로의 이관을 진행 중이다.

20230619_164932


20230619_164941

3. 지능화 측면

◆ 아마존 대시 버튼을 통한 예측 배송

아마존은 2013년 예측 배송에 관한 특허(US 8615473)를 취득한 바 있다. 예측 배송이란 말 그대로 고객이 제품을 주문하기 전에 미리 제품을 준비해 고객과 가장 가까운 물류센터에 입고시키는 것이다. 이 특허에 따르면 고객이 주문할 것으로 예상되는 제품을 고객 인근 물류센터나 트럭에 적재된 상태로 대기시켜놓고 있다가 고객이 주문하는 순간 빠른 시간 내에 고객에게 제품을 인도한다.

이러한 예측 배송이 이뤄지기 위해서는 고객의 수요에 대한 예측 및 분석 능력과 함께 이를 사전에 감지할 수 있는 데이터 확보가 필수적이다. 아마존은 대시 버튼을 도입하기 전부터 사실상 예측 배송에 필요한 간접적인 데이터를 충분히 확보하고 있다. 과거의 상세한 구매 이력 데이터와 교차 판매를 위한 제품 추천 데이터가 바로 그것이다. 여기에 보다 직접적으로 특정 상품의 실제 소비 패턴을 정확히 알려주는 대시 버튼의 데이터가 더해진다면 예측 배송의 정확도는 더욱 향상될 수 있다.

예측 배송이 구현될 경우 소비자 입장에선 구매 프로세스 자체를 알고리즘에 아웃소싱하는 것과 다름없다. 당연히 이로 인한 쇼핑 편의성은 배가된다. 한편 아마존 입장에서는 필요한 재고 규모의 정확한 추산이 가능해져 창고 운영의 최적화는 물론 배송에 따른 비용 절감을 도모할 수 있게 된다. 세분화된 데이터를 기반으로 정기적으로 소비되는 제품의 패턴을 인지할 경우, ‘인지 후 대응’ 방식이 ‘예측 후 실행’ 방식으로 전환돼 기존 SCM의 패러다임이 송두리째 바뀌게 될 것이다.




◆ 아마존 에코를 활용한 수요조절 및 창출

아마존은 에코의 보급률을 높이기 위해 음성을 통한 제품 주문의 경우 다양한 프로모션을 진행하고 있다. 실제로 상당수 제품의 경우, 동일한 규격의 제품에 대해 온라인이나 모바일로 주문하는 경우보다 에코를 통해 주문할 때 더 저렴하게 구매할 수 있다. 그런데 아마존은 이처럼 에코를 통한 가격 할인을 단순히 소비자 유입을 유도하기 위해서가 아니라 사실상 수요를 조절하고 창출(Demand Shaping)하기 위한 전략적 수단으로 활용하고 있다.

수요 조절 기능은 단지 수요를 수동적인 예측 대상으로 보는 게 아니라 기존 수요를 새로운 제품이나 서비스로 돌려 능동적으로 수요를 창출하는 데 방점을 둔다. 가령 소비자가 알렉사에게 특정 브랜드를 지정하지 않고 배터리 구매를 지시하면, 알렉사는 아마존에 수많은 브랜드의 배터리가 판매되고 있음에도 불구하고 아마존 PB(Private Brand) 제품만을 계속적으로 권유한다. 실제로 지난 2017년 6월 L2에서 분석한 자료에서도 이러한 움직임을 데이터로 확인할 수 있다. (그림 7) 알렉사에게 제품 검색을 요구할 경우, 추천 제품의 58.8%를 ‘아마존 초이스(Amazon’s Choice)’ 제품, 즉 아마존이 팔고 싶어 하는 판촉 제품이나 PB 제품이 차지했다. 이는 해당 품목에서 가장 많이 팔리는 ‘베스트셀러’ 제품(24.7%)이나 소비자들이 가장 많이 검색하는 브랜드의 제품(16.3%)에 비해 월등히 높은 수치로, 아마존의 음성인식 기술이 수요의 조절과 창출에 활용될 수 있음을 보여주고 있다.

실제로 아마존은 기존 브랜드 업체들의 제품을 판매할 뿐 아니라 다양한 분야의 PB상품을 출시하고 있다. 영양제나 커피와 같은 식음료뿐 아니라 아마존베이직스(Amazon Basics)라 불리는 브랜드를 통해 각종 전자제품 및 사무용품을 판매하고 있으며 주방용품, 가구, 의류 등에서 판매 비중을 점차 높이고 있다. 2016년 8월 기준으로 아마존 PB 물티슈 온라인 판매 시장점유율은 하기스(Huggies)와 팸퍼스(Pampers)의 뒤를 이어 3위를 차지하고 있으며, 배터리의 경우 미국 시장점유율이 30%에 달하고 있다.

20230619_164948


◆ 아마존 고를 이용한 소비자 행태 빅데이터 분석

아직까지는 시범 매장을 운영하는 수준에 불과하긴 하지만 아마존 고는 고객의 상세한 니즈를 파악할 수 있는 빅데이터 수집의 접점으로 활용될 수 있다. 아마존 고의 기술 메커니즘은 고객이 매장에 들어가는 순간, 스캔한 QR코드를 통해 고객의 신원을 확인한다. 고객이 제품 구매를 위해 특정 매대로 이동하게 되면 발걸음 소리에 반응한 마이크가 주변의 카메라를 반응시켜 고객의 손을 추적하기 시작한다. 그리고 고객이 제품을 집어 들면 카메라가 촬영된 제품 이미지 분석을 통해 그 제품의 종류와 브랜드 등을 1차로 판별한다. 곧이어 그 제품을 보관하던 매대의 무게 센서와 압력 센서가 줄어든 무게와 압력이 변화된 지점을 파악해 제품에 대한 추가 정보를 수집한다. 여기에 과거의 구매 이력 데이터에 근거해 신뢰도 점수를 매긴 후 이 점수를 근거로 제품의 종류와 가격을 최종적으로 확정하고 이를 가상 쇼핑 카트에 추가한다.

사실 계산대가 필요 없는 매장의 구현에는 굳이 화상 인식이나 음성 인식, 압력 및 중량 센서처럼 무인차(AGV)에 들어가는 요소 기술까지는 없어도 된다. 2000년대 초반부터 이미 개발돼 온 RFID 기술을 활용한다면 훨씬 더 저렴하고 정확하게 가격을 확인하고 결제할 수 있기 때문이다. 그러나 아마존 고에서는 RFID 기술을 활용하지 않는다. 단순히 결제를 위한 제품 인식을 목적으로 삼지 않기 때문이다. 아마존 고가 궁극적으로 추구하는 목적은 고객의 상세한 데이터다. RFID가 일종의 스냅샷 사진과 같은 정적인 데이터를 제공해 준다면 카메라 이미지나 센서 기술들은 마치 동영상과도 같은 동적인 데이터를 제공해 준다.

아마존은 적어도 온라인상에서는 소비자의 모든 행동을 그들의 AWS 속에서 추적하고 있다. 어떤 제품을 주로 살펴보고 있는지, 어떤 제품을 구매하는지, 그리고 어떤 제품을 구매하려다 포기했는지까지도 확인이 가능하다. 그러나 옴니채널의 핵심인 오프라인 매장에서는 이러한 중간 이력 정보의 수집이 불가능하다. 아마존 고가 최종 결과값만을 알 수 있는 RFID로는 절대로 확인할 수 없는 그 데이터를 카메라와 센서 기술로 수집하고 분석하는 이유다. 아마존 고의 매장에서는 이렇듯 소비자가 선택했다가 다시 내려놓는 제품이 가상의 쇼핑 카트에 그대로 기록될 수 있다. 향후 아마존 에코에 탑재된 음성인식 기술까지 적용된다면 아마도 제품 앞에서 이야기되는 제품 관련 평가 정보도 고스란히 데이터로 수집될 수 있을 것이다. 100만 명의 고객 데이터보다 고객 한 사람의 100만 가지 데이터를 더 중요시하는 아마존의 빅데이터 분석 전략이 바로 아마존 고를 통해 구현되는 것이다.

 

결론

스마트 SCM, 더 나아가 4차 산업혁명에 대한 관심이 그 어느 때보다 뜨겁게 달아 오르고 있다. 새로운 기술의 등장으로 인해 다양한 산업에서 이들 기술의 전략적 활용에 대한 고민이 깊어지고 있다. 스마트 SCM의 3가지 핵심 빌딩블록인 기술 활용 기반, 상호 연결, 지능화를 구현하기 위해 학계와 산업계에서는 다양한 노력을 기울이고 있다. 이러한 노력은 대부분 IoT를 활용한 데이터의 수집과 처리, 빅데이터 활용 방안, 기존 정보 시스템의 재설계, 새로운 가용 정보의 등장에 따른 프로세스 자동화 및 개선, 데이터의 공유와 연결, 파트너십에 따른 공급사슬 협업 방안, 공급사슬의 통합과 프로세스 및 제품 혁신 방안 등으로 다양하게 나타나고 있다.

여기서 한 가지 꼭 짚고 넘어가야 할 부분은 스마트 SCM을 바라보는 우리들의 시각이다. 하루가 멀다 하고 등장하는 새로운 기술의 홍수 속에서 요즘의 우리는 견지망월(見指忘月)의 우를 범하고 있지는 않은지 되돌아봐야 한다. 즉, 스마트 SCM(혹은 4차 산업혁명)이 가리키는 최종 목적지는 바라보지 않고, 어쩌면 우리는 지금 손가락 끝만 바라보고 있는 것은 아닌지 고민해야 한다. 새로운 기술의 혁신은 궁극적으로 ‘노하우(Know-How)’가 아닌 ‘노와이(Know-Why)’의 관점에서 바라봐야 한다. 기술로 해결하고자 하는 비즈니스 문제에 대한 명확한 정의를 통해 왜 우리가 새로운 기술을 도입하고자 하는지에 대한 이유를 분명히 하지 않는다면, 이는 단순히 기술의 벤치마킹에 불과하기 때문이다.

아마존 사례에서 확인할 수 있듯 스마트 SCM에 있어 로봇의 도입을 통한 자동화나 AI, 혹은 음성인식 기술의 도입 그 자체가 중요한 게 아니다. 이를 통해 고객의 진정한 니즈를 이해하고 분석해 비용 절감 수준을 넘어 새로운 비즈니스 모델과 산업을 만들어 나가는 것이 핵심이다. 단순히 첨단 기술을 도입한다는 피상적 과제를 넘어 개별 산업과 기업에 적합한 비즈니스 프로세스를 설계하고 새로운 가치와 기회를 만들어내는 비즈니스 모델의 개발에 스마트 SCM의 방점을 둬야 한다.   


참고문헌

1. 미친 SCM이 성공한다. 민정웅. 영진닷컴. 2014년.

2. 스마트 supply chain management: a review and implications for future research. Lifang Wu, Xiaohan Yue. The International Journal of Logistics Management, 2016.

3. 유통업계서 회자되는 ‘증설(增設)의 저주’. 매일경제. 2016년 11월.

4. Amazon’s $775 million deal for robotics company Kiva is starting to look really 스마트. Business Insider. 2016년 6월.

5. How Amazon is Dismantling Retail. Scott Galloway. L2 Inc. 2017년 4월.

민정웅 인하대 아태물류학부 교수 jumin@inha.ac.kr

필자는 서울대 공대를 졸업하고 미국 스탠퍼드대에서 박사 학위를 받았다. 인하대 정석물류통상연구원 부원장 및 아태물류학부장을 역임했으며 한국SCM학회 이사직을 맡고 있다. CJ대한통운, CJ그룹 미래경영연구원 등의 자문교수로도 활동 중이며 2016년부터는 물류 콘퍼런스인 ‘로지스타 서밋(LOGISTAR SUMMIT)’ 조직위원장을 겸하고 있다. 저서로 ‘미친 SCM이 성공한다’가 있다.

  • 민정웅 민정웅 | 인하대 정석물류통상연구원 부원장 및 아태물류학부장을 역임
    한국SCM학회 이사직
    jumin@inha.ac.kr
    이 필자의 다른 기사 보기
인기기사