안녕하세요, NO.1 화물 관리 솔루션 기업 트레드링스입니다. 지난달에 킨텍스에서 열린 SCM FAIR에 저희도 참가했었는데요. 저희 부스에 찾아오신 많은 분들의 관심사는 아무래도 현재 물류대란과 공급망 위기와 맞닿아 있는 것 같았어요. 이전에 비해서 물류의 디지털 전환과 자동화 솔루션에 대한 주목도가 더 커지고 있는 것 또한 체감할 수 있었습니다. 벌써 연말이 다가오는데 생각해 보면 코로나19가 발생한 지도 어느새 2년이 되어가고 있어요. 그리고 그 시간 동안 승승장구하던 세계화라는 용어는 무색해지고 글로벌 공급망은 위기, 혼란, 마비 이런 단어가 붙게 됐습니다. 공급망은 언제 회복할까요?
월스트리저널(WSJ), 파이낸셜타임즈(FT) 같은 경제전문 매체를 포함한 많은 외신들은 더 큰 문제를 ‘글로벌 공급망 불안 사태가 언제 끝날 지 불투명하고 새로운 위험 요인이 떠오르고 있다’고 지적했습니다. 전문가들은 공급망 병목 현상이 내년까지 지속할 수 있다고 전망합니다. 추정 범위는 내년 초부터 2023년까지입니다.
그렇다면 공급망 위기는 어떻게 극복할 수 있을까요?
이미 글로벌 기업들은 미래를 예측할 수 있는 인터페이스, ‘디지털 트윈(Digital Twin)을 도입하고 인공지능(AI) 기반 솔루션을 채택해 공급망 위기를 극복하고 있습니다. MacKinsey & Company 리포트에 따르면 ‘인공지능(AI)을 기반으로 하는 공급망 관리 솔루션이 문제를 해결하는 데 도움이 될 것‘으로 예상합니다. 방대한 양의 데이터를 분석하고, 관계를 이해하고 운영에 대한 가시성을 제공하고 더 나은 의사결정을 지원하는 AI의 능력은 많은 어려움을 해결할 수 있을 것입니다. SCM은 다른 분야보다 복잡해서 가장 디지털 전환이 더딘 분야인데요. 기업들은 더 이상 예상 도착 시간을 기다리거나 공급업체에 지연 정보를 위해 여러 번 전화를 거는 등 수동으로 행해지는 시스템에 의존하는 것만으로는 부족합니다. 기존의 방식을 고수하면 디지털 솔루션에 투자하는 경쟁업체에 비해 더 긴 지연과 큰 손실을 경험할 것입니다.
공급망 관리하는 기업 44%, ‘AI가 비용을 크게 줄이는 데 도움 돼’
McKinsey & Company
현재 아마존, 페이스북 및 구글과 같은 혁신적인 기업들은 AI, 예측 분석을 사용하여 사용자 데이터를 분석하고 있습니다. 맥킨지 리포트에 따르면 2024년까지 전체 공급망 회사의 절반이 고급 분석 및 AI 기능을 지원하는 솔루션을 도입할 것이라고 말합니다.
예측 분석(Predictive Analysis)이란?
예측 분석은 빅데이터, 머신러닝, 알고리즘을 사용하여 중요한 비즈니스 결정을 예측하는 것을 말합니다. 이러한 이유로 고급 분석이라고도 불립니다. 이러한 분석을 통해 기업은 과거의 성공과 실패를 이해하고 과거 데이터를 기반으로 계산된 비즈니스 결정을 내릴 수 있습니다. 예를 들어, 비수기 시즌에 기업은 예측 분석을 사용하여 재고를 최소화하면서 수요를 충족할 수 있는 최적의 재고 수준을 달성할 수 있습니다. 이를 통해 재고 과잉 위험을 계획하고 완화할 때 한발 앞서 나갈 수 있습니다.
AI와 RPA (Robotic Process Automation)
코로나19 이전에도 공급망은 AI의 운영에 의존하기 시작했습니다. AI는 이제 모든 산업 분야에서 없으면 안 될 존재가 됐습니다. 특히 AI는 RPA(로봇 프로세스 자동화)와 결합, 데이터 수집·공유를 오류 없이 자동화하면서 기업 의사결정 품질을 제고, 물류 최적화를 실현합니다. RPA 및 예측 분석을 통해 효율적인 공급망 관리가 가능합니다.
디지털 공급망 관리 솔루션이 필요한 이유
미래 지향적인 공급망 계획에 대한 관심이 더 커지고 있습니다. 가트너 조사에 따르면 디지털 공급망 관리를 시작한기업의 29%는 그렇지 않은 기업에 비해 더 높은 수준의 ROI를 달성했습니다. 이러한 디지털 공급망 관리 솔루션은 결과적으로 위험을 줄이고 쉽고 민첩하게 비즈니스 운영을 최적화할 수 있도록 도움을 줍니다. 즉 위험을 더 잘 이해하고, 예상 수요를 더 정확하게 예측하고, 린한 공급망을 이룰 수 있습니다.
다음은 서비스 및 수익성을 위해 AI 및 예측 분석을 성공적으로 활용하는 여러 산업의 사례입니다.
· 화이자의 가상 연구실은 환자의 프레가발린에 대한 고급 치료법을 제시하고 있습니다. 이를 달성하기 위해 AI, 예측 분석 및 시뮬레이션의 조합을 사용합니다.
· 자동차 산업은 개선된 서비스, 리소스 최적화 및 서비스 배포를 위한 요소를 식별하기 위해 AI, 예측 분석을 활용하기 시작했습니다.
· 소매 부문은 재고 계획을 위해 예측 분석을 적용하고 마케팅 캠페인의 결과를 예측합니다.
1. 공급망 운영의 자동화
오늘날의 과제는 기업들이 공급망 네트워크에서 생산된 방대한 양의 데이터를 활용한다는 것입니다. 여전히 많은 기업들은 공급망 운영 방식을 굳이 변경할 필요가 없다고 생각합니다. 이는 비효율적이고 오래된 공급망 시스템으로 이어집니다. 분 단위로 커져만 가는 많은 양의 과거 데이터를 수동으로 선별하고 해석하는 것은 더 이상 불가능합니다. 이로 인해 소프트웨어 기반 공급망으로의 전환이 시급해졌습니다. 모든 데이터와 수많은 응용 프로그램을 처리하여 무거운 작업을 자동으로 수행합니다. 애플리케이션 전반에 걸친 데이터 크롤링을 통해 기업은 공급망 병목 현상을 걸러내어 보다 총체적이고 통합된 운영 모드를 구현할 수 있습니다.
2. 데이터 기반의 의사결정
최근 기후, 사회, 정치, 경제 상황의 변화로 인해 데이터에 기반한 분석 및 예측 필요성이 대두되었습니다. AI 기반 SCM은 머신러닝을 활용해 과거의 생산 리드 타임과 물류 제공자 성과의 변동성을 분석할 수 있습니다. 이러한 데이터를 기반으로 수요를 예측하고, 문제와 해결책을 발견하고 판단을 내려야 할 시점을 찾을 수 있습니다. 또한 컴퓨터로 복잡한 공급망 시뮬레이션을 해 기업은 가상 환경에서 제품과 시스템을 테스트할 수도 있습니다.
3. 운송(물류)의 가시성
공급망의 예측 분석을 통해 기업은 화물의 예상 도착 시간(ETA)을 보고할 수 있습니다. 이를 통해 종단 간 공급망이 더욱 원활해집니다. 사전에 지연 통지를 하면 위험을 완화하고 부정적인 고객 경험을 피하기 위한 몇 가지 대응 조치를 취할 수 있습니다. 정확한 ETA, 공급업체 가시성, 물류 상태, 활성 경보 및 위치 상태를 보장하기 위해 종단 간 공급망 가시성을 활성화하는 것이 이제 예측 분석 및 머신러닝을 통해 가능합니다. 이와 같은 물류 가시성은 비즈니스와 고객 모두를 계속 관여시켜 정보를 주며 고객 만족도를 높입니다. 공급망의 예측 분석은 운송 시스템 관리를 재편하고 장기적인 성장을 이끌 것입니다. 이러한 디지털 공급망은 실시간 데이터를 기반으로 서비스를 통합하여 고객의 요구 사항을 충족시킬 수 있습니다.
앞서 말했듯이 공급망 위기에서 피해를 최소화하고 같은 위험의 반복을 피하기 위해서는 AI 기반 공급망 관리 솔루션이 필요합니다. 기존의 SCM 전략에서 벗어나, 복잡하고 글로벌화된 공급망을 효율적으로 관리하기 위해 공급망 상의 복잡한 물류 흐름을 파악해 물류비 절감 방안을 모색할 수 있는 디지털 공급망 관리 솔루션의 중요성이 커졌습니다. 특히 올해 코로나19와 물류난으로 인해 고통을 겪은 글로벌 업체들을 중심으로 수요가 늘어나고 있습니다.
트레드링스 ShipGo (쉽고)는 국내 최초 유일의 수출입 물류 모니터링 시스템으로 위에서 언급한 수출입 업무에 필요한 업무 자동화, 도착 시간 예측 및 분석, 운송 가시성, 실시간 데이터 등을 제공해 줍니다. 물류 공급망 관리를 자동으로 할 수 있도록 여러 기능을 제공해 여러 산업별 글로벌 기업들이 도입해 활발히 사용 중입니다. 빅데이터, 인공지능(AI), RPA 등 혁신 IT 기술을 활용한 AI 기반 물류 공급망 관리 솔루션은 수출입 물류 업무의 부담을 덜어주고 기업의 손실을 줄여줍니다. 보다 효율적으로 공급망 관리해 공급망 대란의 피해를 축소하세요. 디지털 SCM 솔루션, 쉽고로 공급망에 대한 실시간 인사이트를 확보하고 리스크 발생 시 신속하게 처리해 보세요. 자세한 내용을 알고 싶다면 여기를 클릭하세요.
