COVID-19, 분석 주도 공급망 관리 가속화

개인 보호 장비 부족부터 다양한 소비재까지, COVID-19 팬데믹은 예상치 못한 방식으로 글로벌 공급망을 교란시켰습니다. 전문가들은 완전한 회복에 수개월이 걸릴 수 있다고 추정합니다.

더 빠르게 회복하기 위해 공급망 리더들은 첨단 기술(IoT 데이터, 분석, 머신러닝)을 도입해 불규칙한 공급과 수요 패턴에 대한 실시간 통찰을 얻고 있습니다.

"적절한 머신러닝과 AI 도구를 갖추면 기업이 시장 역학을 이해하고 공급망을 더 효과적으로 관리할 수 있습니다."라고 디지털 공급망 연구소(Digital Supply Chain Institute) 디렉터 조지 베일리(George Bailey)는 말했습니다.

교란은 세계 제조 강국 중국에서 시작되었습니다. 2010년까지 중국은 제조 생산량에서 미국을 추월했습니다. 2002~2003년 SARS 당시 중국은 세계 GDP의 4.3%였지만, MIT 데이비드 심치-레비(David Simchi-Levi) 교수는 현재 16%를 차지한다고 지적합니다.

우리가 알던 세계화는 끝났다

중국 공급업체에 크게 의존하던 기업들이 타격을 입습니다. 2020년 Statista 데이터에 따르면 일부 소매업체는 재고의 절반 이상을 중국에서 조달합니다. 같은 조사에서 소매업체 44%가 공급망 지연을 예상, 40%가 재고 부족을 우려, 전자 제조업체의 과반이 최대 4주 교란을 예측했습니다. 이틀 배송이 표준인 시대에 용납할 수 없는 지연입니다.

많은 기업이 네트워크 재평가에 분주하지만, 위험 관리는 역사적으로 낮은 우선순위였습니다. 공급관리협회(Institute for Supply Management) 최근 설문에서 거의 4분의 3 기업이 교란을 보고했지만, 44%는 공식 완화 계획이 없었습니다.

"다각화와 이중화 구축의 긴급성이 이제 현실이 되었습니다."라고 NUS 비즈니스 스쿨 선임 펠로 알렉스 캡리(Alex Capri)는 말합니다. "우리가 알던 글로벌 공급망 시대는 끝났습니다."

공급망 관리에 분석 도입

제조업체는 공급업체 공장 폐쇄, 재고 부족, 운송 지연, 인력 부재 등 연쇄적 교란에 직면합니다. 1차, 2차, 3차 공급업체 모두 차질을 겪지만 많은 기업은 이러한 파급 효과에 대한 가시성이 부족합니다.

"많은 제조업체가 중국에 직접 또는 다단계를 통해 의존하기 때문에 공장 폐쇄와 인력 부족이 용량을 조였습니다." 베일리는 설명했습니다. 2018년 Statista 조사에 따르면 공급망 전문가 21%가 가시성을 주요 조직 과제로 꼽았습니다.

"오늘날 대부분의 기업은 여전히 엑셀(Excel)로 시나리오를 모델링합니다." 베일리는 말했습니다. 엑셀은 유용하지만 더 정교한 도구가 더 높은 정확도를 제공할 수 있습니다. 2022년 Supply Chain Quarterly 연구에 따르면 관리자 90% 이상이 분석에 엑셀을 사용하는 반면, 고급 도구를 쓰는 82%는 현저한 개선을 보았습니다.

AI 성공적 배포에는 충분한 데이터가 필요합니다. "AI 시스템은 포괄적 데이터세트로 학습하여 어떻게 대응할지 배워야 합니다." 베일리는 지적했습니다. 랄프 W. 사이퍼트(Ralf W. Seifert)와 리처드 마르코프(Richard Markoff)는 "Demand for AI in Demand Planning"에서 판매와 운영 간 일관되지 않은 예측이 AI 결과를 편향시킬 수 있다고 주장합니다.

수요 계획에 AI 활용

베일리는 수요 기획자가 위기 중 변화하는 수요 패턴을 파악하고 영향을 미칠 수 있어야 한다고 강조했습니다. IoT 센서 데이터는 타이어 제조사가 압력과 트레드 마모를 모니터링해 고객에게 사전 경고하고 재고 수요를 알리는 데 도움이 됩니다.

"기술과 분석은 수요 동인을 이해하고 AI가 미래 수요를 예측하는 데 필수적입니다." 베일리는 말했습니다. 일부 기업은 신기술과 인재에 투자해야 하지만, 자동화가 기획자 업무를 보완함에 따라 전체 인건비는 감소할 수 있습니다.

가트너(Gartner)는 2023년까지 글로벌 기업의 최소 50%가 공급망 운영에 AI 주도 전환을 배포할 것으로 예측합니다.

그러나 많은 조직은 먼저 데이터를 정제하고 표준화해야 합니다. "많은 데이터가 신뢰할 수 없습니다. 형식이 잘못되었거나 부정확하거나 편향되어 있어, 이를 사용 가능하게 만드는 데 상당한 노력이 듭니다." 베일리는 경고했습니다.

데이터 품질은 수요 계획 AI의 최대 걸림돌로, 사이퍼트와 마르코프는 관찰했습니다. 단기~중기적으로 공급망 관리자는 분석에 크게 의존해 희소성과 불확실성을 헤쳐나갈 것입니다.

베일리는 기업이 SKU 포트폴리오를 좁히고, 고가치 고객에 집중하며, 사실 기반 우선순위 결정을 내릴 필요가 있다고 제안했습니다. "제품 100개 있는데 500개 필요하면 어떤 고객을 먼저 서빙할지 결정해야 합니다."라고 설명했습니다.

전략적 소싱도 변화할 것입니다. "중국 과밀화는 더 이상 실행 가능하지 않습니다." 베일리는 말했습니다. 지리적 위치 간 위험과 기회의 균형이 최우선이 되었습니다.

결국 팬데믹은 기업이 미뤘지만 이제 공급망 복원력을 위해 반드시 수용해야 할 기술과 관행을 채택하도록 강제합니다.

"COVID-19는 어차피 많은 기업이 수행했을 변화의 촉매제입니다." 베일리는 결론 내렸습니다. "좋은 소식은 이러한 변화가 이제 불가피하다는 것입니다."