뉴노멀 시대 경쟁 우위 유지를 위한 3가지 필수 기술 역량

기업들이 디지털화를 향해 나아가면서, 경쟁을 위한 올바른 토대를 제공하는 전략을 배치해야 합니다. 진정한 디지털 챔피언으로서 성공의 핵심 요소는 최소 도착 비용으로 최고 수준의 고객 서비스를 제공하는 능력입니다. 이를 위해 완전하고 정확한 공급망 데이터가 필수적입니다. 데이터는 실시간에 가까워질수록, 거래 파트너 간 공유가 확대될수록 가치가 높아지는 화폐가 되었습니다.

명백해진 사실은 데이터가 실시간이어야 하며 단일 소스만 존재해야 한다는 것입니다. 연합 마스터 데이터 관리(MDM) 접근법을 사용하면 정보를 중복된 여러 포맷과 사일로에 저장해 오래되고 잠재된 상태가 되는 것(데이터 레이크/웨어하우스를 사용하든 안 하든) 대신, 최신 상태이자 일관된 상태로 유지할 수 있습니다. 현대 기술 접근법은 각 항목/아이템/단위 수준의 신뢰할 수 있는 표현을 생성한 후, 에이전트 기반 처방 분석을 사용해 모든 파트너 전반의 계획과 실행을 최적화하는 전체 실시간 네트워크 솔루션으로 그 충실도를 확장할 수 있습니다. 이러한 네트워크는 다자 간 협업, 계획, 트랜잭션 실행을 실시간으로 지원하며, 세 가지 핵심 역량을 고려할 때 모든 참여자가 '넥스트 노멀'에서 실행할 수 있게 돕습니다.

네트워크 아키텍처로 실시간 트랜잭션 구현

이미 인접 산업에서 네트워크 기반 고객 서비스 및 자산 활용 모델이 적용된 것을 보았습니다. Uber, Facebook, Airbnb, Alibaba 모두 다자 간 역량을 제공하는 네트워크 기반 아키텍처를 배포했습니다. 거래는 네트워크 내 모든 당사자 간에 발생합니다. 제품 소싱과 배송이 네트워크 내 여러 당사자에 걸쳐 있으므로, 계획과 실행도 실시간이어야 하고 다자 간이어야 최대 자산 활용, 최소 도착 비용, 최고 수준의 고객 서비스를 제공할 수 있습니다.

이 수준의 협업과 컨트롤 타워급 가시성, 분석, 계획, 실행이 미래 경쟁력의 핵심입니다. 고객, 브랜드 매니저, 공동 포장업체, 공급업체, 운송업체, 3PL, 유통업체 등 여러 당사자가 관여하는 가장 단순한 트랜잭션에서도 이는 놀랍지 않습니다.

불행히도 많은 기업 중심 기술 배포는 허브-앤-스포크 방식으로 설계되어, 해당 네트워크 노드의 중심으로 자처하며 자사의 프로세스와 데이터를 그렇게 취급합니다. 이 허브 기술은 포인트투포인트/스포크투허브 방식으로 데이터를 수집합니다. 그런 다음 허브 변수를 고립된 상태에서 기반으로 수요, 용량, 공급 변화를 판단하고, 사후 처리 후 일부 구식 또는 잠재된 데이터를 일부 스포크(인바운드, 아웃바운드 모두)에 공유합니다. 결과적으로 일반적인 무역 네트워크에서 거래 파트너 간 상하류로 20회 이상의 저장-전달형 처리 액션이 발생해 시간, 인력, 자산이 낭비됩니다. 최악의 경우 당사자들이 최종 소비자를 서비스하는 조정된 네트워크로 정렬되지 않아 고객 서비스 수준에 영향을 미칩니다.

단일 신뢰 뷰 확립

데이터가 화폐라면, 다중 ERP 인스턴스는 각 소스가 고유한 법정 통화처럼 행동하는 엔티티 연맹과 유사합니다. 데이터는 ERP 스토브파이프 인스턴스에 갇히고, 일반적으로 허브-앤-스포크 방식으로 네트워크 파트너와 1:1 무역 관계에서 공유됩니다. 데이터 웨어하우스나 데이터 레이크로 데이터를 내보내더라도 데이터에 지연과 노후화가 발생하므로 이는 최적이 아닙니다. 이는 네트워크 파트너 전반의 의사결정 측면에서 화폐 가치를 떨어뜨립니다.

그 결과 조직들은 연합 마스터 데이터 관리를 포함하는 솔루션을 채택하고 있습니다. 이 접근법을 사용하면 네트워크 거래 파트너가 네트워크에 옵트인해 마스터 데이터와 운영 데이터를 다른 거래 파트너와 공유할 수 있습니다. 네트워크 전반의 안전한 권한 프레임워크에 기반해 데이터는 단 한 번만 존재하며, 부여된 권한에 따라 거래 파트너에게 연합됩니다. 데이터가 네트워크 전반의 에셜론, 티어, 노드 간에 복사되거나 중복되지 않으므로, 정의상 실시간이며 자산 활용, 고객 서비스, 최소 도착 비용 최적화를 위해 즉시 사용 가능합니다.

실행 가능하고 자율적인 처방 분석 지원

네트워크 기반 무역 관계의 다자적 성격을 고려할 때, 마지막 기준은 전체 엔드투엔드 공급망 네트워크를 모델링해 문제 해결과 기회 창출을 올바르게 분석하고 조치할 수 있는 능력입니다. 분석이 드러내는 문제나 기회는 전략적, 전술적, 운영적 타임프레임에 나타날 수 있으므로, 기반은 이러한 시간 지평 전반에서 심리스해야 합니다. 또한 6개월 뒤 예측 문제나 오늘 오후 예정된 배송 문제 해결에 사용되든, 네트워크 표현 전반에서 실시간으로 실행되는 서비스, 알고리즘, 분석을 제공해야 합니다. 좋은 소식은 기준 1과 2를 모두 포함하는 접근법이라면 이 기반이 이미 갖춰져 있다는 것입니다.

엔드투엔드 실시간 공급 네트워크 플랫폼은 새로운 공급망 정책 테스트, 네트워크 복원력, 전략적/전술적 계획의 실현 가능성, 대체 부품/공급업체 활성화, 운송 모드 변경, 공장 추가 근무 투입 등을 가능하게 합니다.

네트워크에서 수요, 공급, 물류, 이행 관련 문제를 해결하는 방법은 많으므로, 분석 워크벤치가 가능한 모든 중요한 변수에 실시간으로 접근하는 것이 중요합니다. 기존 시스템은 정적 리드타임과 구식 데이터로 인해 일반적으로 문제 해결 방법이 하나만 제시됩니다. 반면 AI 기반 분석 워크벤치는 목표를 가장 잘 충족하는 상위 3~4개 솔루션을 제시하는 처방 환경입니다. 머신러닝도 지원하는데, 이는 결과를 예측하는 더 나은 방식이며 처방 조치 추천 시 극히 가치가 있습니다. 게다가 더 많은 데이터를 제공할수록 머신러닝은 예측을 시간이 지날수록 개선합니다.

이러한 역량은 앞으로 경쟁하는 데 필요한 기반과 아키텍처를 제공하는 플랫폼과 아키텍처를 가능하게 합니다.

조 벨리니는 One Network Enterprises의 최고운영책임자입니다. AI 비즈니스 네트워크 소프트웨어 제공업체입니다.