리테일 공급망 마스터하기: 끊김 없는 옴니채널 경험 제공

리테일 공급망 임원들은 디지털 시대에 소비자가 요구하는 끊김 없는 옴니채널 경험을 지원해야 하는 강한 압박을 받고 있습니다.

소비자 기대와 공급망의 역할

소비자는 더 다양한 상품, 더 빠른 배송, 합리적 가격, 모든 채널에서의 픽업과 반품을 원합니다. 이러한 기대를 충족하려면 신속하고 정확하게 반응하는 비용 효율적인 공급망 운영이 필수입니다. 우수한 고객 경험 제공에서 이는 개인화된 프론트엔드 마케팅만큼이나 중요합니다.

리테일 공급망 임원들에게는 힘든 시기입니다. 매일 유명 브랜드의 좌절이나 실패 소식이 들려올 정도로 이해관계가 큽니다.

현황: 가시성 부족과 수작업 의존

Sapio Research의 최근 연구에 따르면:

• 94%의 리테일러가 공급망 성과에 영향을 미치는 이벤트에 대한 엔드투엔드 가시성이 없습니다.
• 71%가 공급망 가시성 부족이 비즈니스에 부정적 영향을 미친다고 답했습니다.
• 87%가 실시간 업데이트가 가능한 완전한 가시성 공급망이 경쟁 우위를 제공한다고 믿습니다.

이 결과는 안타깝게도 놀랍지 않습니다. eyefortransport 연구에 따르면 리테일러와 제조업체의 약 3분의 2가 여전히 공급망 계획에 엑셀을 사용합니다. 그리고 46%가 수작업에 의존하는 시간 소모적인 공급망 프로세스를 유지하고 있습니다.

"이제 그 어느 때보다 효율적인 공급망이 리테일러와 제조업체 모두의 핵심 성장 동력이 될 것"이라고 로이터 보고서는 말합니다. "엑셀 스프레드시트 같은 레거시 계획 도구와 제한적 기능을 가진 전통적 계획 솔루션은 오늘날의 복잡한 공급망 과제를 해결하기에 더 이상 적합하지 않습니다."

임시방편으로는 부족하다: 팝업 창고와 매장 발송의 한계

리테일 공급망은 고객 수요를 더 잘 충족하기 위해 혁신 중입니다. 대표적인 예가 수요가 높은 지역에 위치한 팝업 창고로, 라스트마일 배송을 가속화합니다. 이곳은 소비자 픽업 장소로도 쓰이거나 제한적 소매 셀렉션을 제공하기도 합니다. 또한 리테일러들은 오프라인 매장을 임시 풀필먼트 센터로 활용하는 '십프롬스토어(Ship-from-Store)' 모델을 이용합니다.

두 모델 모두 상품을 소비자에게 더 빠르게 전달하지만, 마진을 잠식하는 추가 비용을 유발할 수 있습니다. 이는 공급망 비효율의 근본 원인인 사일로화된 애플리케이션, 급증하는 데이터 볼륨, 인간의 본질적 한계를 해결하지 못하는 '반창고'식 해결책입니다.

전통적 도구의 한계

ERP, 창고, 재고, 영업 운영, 물류 시스템의 데이터를 사용하는 엑셀 기반 계획과 전통적 수요 예측 도구는 따라잡을 수 없습니다. 데이터 볼륨과 애플리케이션 복잡성은 소비자 기대만큼 빠르게 증가하고 있습니다.

그 결과 리테일러는 수요 변화에 신속히 반응할 수 없습니다. 리드타임이 수개월 전에 설정되므로, 특정 지역 수요가 급증하고 다른 지역은 감소하거나 이커머스 매출이 예상을 초과할 때 느리게 적응합니다. 종종 재고를 과다 비축해 높은 보유 비용과 매출 미달 시 재고 부담을 떠안습니다.

인간 플래너의 한계와 디지털 네이티브의 위협

오늘날 실시간 공급망의 수많은 역학을 관리하는 것은 인간 플래너에게 사실상 불가능합니다. 데이터가 너무 많고, 애플리케이션이 너무 많으며, 고려할 변수가 너무 많습니다. 한편, 아마존 같은 디지털 네이티브 기업들은 AI 등 차세대 기술을 활용해 공급망과 소비자 경험을 최적화하며 구세대 리테일러를 앞서갑니다.

"점점 빨라지는 리테일 공급망 속도에 대처하기 위한 디지털화의 필요성은 더욱 커질 것"이라고 로이터 보고서는 말합니다. "선도적인 리테일러에게는 과거를 분석하고 이해하는 데 그치지 않고, 미래를 위한 더 나은 의사결정을 위해 새로운 분석 기술을 어떻게 활용할지 고민하는 것이 필수적입니다."

AI 기반 인지 자동화: 게임 체인저

AI는 우리 소비생활에 스며들어 제품 선택, 교통 체증 회피, 헬스케어 치료 선택 등을 돕습니다. 이제 기업 규모에서도 똑같은 역할을 하며, 기업에 더 빠르고 가시성 높으며 저비용인 공급망을 운영할 획기적 역량을 부여합니다.

AI는 '인지 자동화(Cognitive Automation)'의 기반 기술로, 심층 머신러닝(ML) 분석을 공급망 운영에 접목합니다. AI 기반 인지 자동화 플랫폼은 하루 수천 번 모든 관련 애플리케이션을 크롤링해 정보를 단일 인지 데이터 레이어로 집계합니다.

인지 레이어의 작동 원리

AI와 ML 알고리즘이 상황을 분석하고 결과를 예측하며, 목표(재고 재배치, 비용 절감, 배송 시간 단축 등)에 기반해 최적 행동을 권고하기 때문에 '인지 레이어'라 부릅니다.

전통적 방식과 달리 이 분석 인사이트는 수주 또는 수개월 된 데이터가 아닌 준실시간 정보를 기반으로 합니다. 인지 자동화는 트렌드와 이슈를 전개되는 대로 포착해 신속한 개입을 가능케 합니다. 또한 트랜잭션 시스템과 연결되어 있어, 인간이 시스템에 로그인해 프로세스를 수정하지 않아도 시정 조치가 자동 실행됩니다.

인지 자동화가 가져오는 다중 효과

인지 자동화는 이미 CPG, 제약, 제조 기업의 공급망 운영에서 수백만 달러 규모의 개선을 이뤘습니다. 작게 시작해 규모를 키우는 리테일러는 다음과 같은 다중 보상을 얻을 수 있습니다.

더 나은 예측

인지 자동화는 여러 애플리케이션, 채널, 지역에 걸친 세분화된 SKU 수준 데이터를 통합합니다. 판매 트렌드, 인구통계, SKU 다양성 등 변수에 대한 AI 분석으로 적시적소에 적절한 제품을 갖추는 정확도를 높입니다.

민첩한 재고 재배치

인지 자동화는 전통적 도구로는 불가능한 속도와 범위로 실시간 재고 및 판매 데이터를 지속 분석합니다. 조건 변화에 따라 재고 재배치를 권고하거나, 저조한 상품에 대한 프로모션을 제안합니다.

통합 계획

광범위한 데이터를 활용해 인지 자동화는 생산, 재고, 마케팅, 머천다이징, 프로모션, 물류 등 일반적으로 사일로화된 영역 간 조율을 돕습니다. 머천트들은 추측이 아닌 데이터 기반으로 전체 수명주기에 걸친 의사결정을 내릴 수 있습니다.

운송 및 물류 개선

인지 자동화는 실시간 변수(가용 재고, 수요 변동, 운송사 가용성, 운임, 리드타임 등)를 분석해 풀필먼트를 가속화하고 비용을 최소화합니다. 장애 발생 시 AI가 목표 달성을 위한 대안을 제시합니다.

기술 혁신이 승자와 패자를 가른다

리테일 환경의 혼란은 2020년 이후에도 계속될 것입니다. 기술 혁신이 승리하는 리테일러와 뒤처지는 리테일러를 가른다는 사실이 점점 더 명확해지고 있습니다. 데이터 기반 의사결정과 프로세스 오케스트레이션을 위해 기술에 스마트하게 투자하는 리테일러만이 급변하는 산업에서 생존하고 번영할 수 있을 것입니다.

Arnaud Morvan은 Aera Technology의 고객 참여 수석 디렉터입니다.