수요 주도 공급망 리스크 관리를 위한 5대 필수 도구

공급망 리스크를 분석할 때 물류 관리자들은 환경 재해나 팬데믹 같은 광범위한 혼란에 집중하는 경향이 있습니다. 실제로 이러한 이벤트가 최종 소비자에게 가장 직접적인 영향을 미치고 주류 뉴스 미디어의 주목을 끌기 때문입니다.

그러나 준비되지 않은 공급망을同样이 탈선시킬 수 있는, 덜 눈에 띄지만 결코 덜 강력하지 않은 변화들도 있습니다. 그중 하나가 소비자 행동의 갑작스러운 변화에 따른 수요 주도 공급망 혼란입니다. 우리의 수요 주도 공급망 경제에서 이 유형의 혼란도 마찬가지로 계획하는 것이 중요합니다.

성격이 다르지만 수요 주도 리스크는 공급 리스크의 영향을 받을 수 있습니다. 예를 들어 코로나19 팬데믹 결과로 소비자 시장에는 디자이너 마스크, HEPA 공기청정기, 손소독제가 홍수처럼 쏟아졌습니다.

소비자가 어떻게 먹고, 누구에게서 음식을 사는지 또한 봉쇄 결과로 바뀌었습니다. EIT의 최근 연구에 따르면 2020년 식습관이 변화해 더 많은 사람이 집에서 식사하고, 배달 주문이나 온라인 식료품 구매를 했습니다. 도시에서 외식하는 사람들은 대형 체인보다 지역 독립 레스토랑을 선택했습니다. 대면 쇼핑에서는 많은 이들이 슈퍼마켓 대신 소규모 매장을 선택했습니다.

많은 물류 관리자들은 환경 재해 여파로 공급원에 가해지는 리스크에 정통합니다. 하지만 그런 사건이 장기적 소비자 수요에 미치는 영향을 간과하고 있을 수 있습니다. 기후 변화 현실에 직면해 많은 구매자가 더 지속가능한 제품과 서비스를 선택하고 있습니다. 오늘날 고객은 원하는 제품의 더 지속가능한 버전이 있는지, 내일 그 물건이 정말 필요한지, 아니면 그 제품 자체가 필요한지 자문합니다.

수요가 가장 빠르게 변하는 방법 중 하나는 대중문화입니다. 셀럽 인플루언서가 길거리나 레드카펫에서 촬영될 때, 소비자가 원하는 옷이나 화장품 종류를 순식간에 바꿀 수 있습니다. 노출 혜택을 받는 브랜드가 판매 급증에 미리 대비하지 않았다면, 백로그에 직면하고 더 준비된 경쟁자에게 비즈니스를 빼앗길 수 있습니다.

이러한 트렌드가 항상 예측하기 쉬운 것은 아닙니다 — 누가 피젯 스피너가 대박 날 줄 알았겠습니까? — 하지만 특정 업계 내부자들은 시장을 읽고 대부분의 사람들보다 일찍 변화를 포착하는 법을 배웠습니다.

다행히 수요 주도 리스크는 공급 리스크보다 예측하기 쉽습니다. 이용 가능한 다양한 데이터 소스와 그 데이터를 처리하도록 설계된 분석 기술 덕분입니다. 공급망 성숙도에 따라 이러한 도구를 효과적으로 활용하려면 프로세스와 인력을 변경해야 할 수 있습니다. 리스크 완화 전략에 통합해야 할 5가지 필수 접근법을 소개합니다.

새로운 수요 입력 포착

수요 예측은 일반적으로 30~90일 앞을 내다봅니다. 하지만 이 정도 창은 실행 가능한 인사이트를 포착하기엔 너무 넓습니다. 단기 판매 이력과 관련 수요 원인(demand causals)을 추적함으로써, 기업은 월 단위 내 근실시간 인사이트를 얻어 더 관련성 높은 예측을 할 수 있습니다.

기업은 수집하는 데이터 소스의 양과 다양성도 극대화해야 합니다. 소셜 센티먼트, POS(point-of-sale), 재고, 진열대 가용성 등의 세부 사항이 모두 단기 수요 가시성 향상에 도움이 됩니다.

수요 모델링

수요 모델은 과거 경험을 바탕으로 미래 고객 행동을 예측하는 데 도움이 됩니다. 모델에 외부 소스를 더 많이 포함할수록 더 정확하고 예측 가능해집니다. 외부 소스에는 소셜 미디어 피드, 경쟁 정보, 기상 예보, POS 데이터가 포함될 수 있습니다. 판매 이력, 프로모션, 신제품 출시 같은 내부 데이터 소스와 결합하면, 이 정보는 과거 행동과 미래 트렌드에 대한 훨씬 더 정확한 그림을 그릴 수 있습니다.

확률적 예측

예측이 여러 변수에 기반할 때, 옛 '단일 숫자' 결정론적 접근은 너무 단순합니다. 반면 확률적, 또는 스토캐스틱(stochastic) 예측 프로세스는 불확실성을 고려해 리스크 관리를 돕습니다. 확률적 예측에서는 고급 알고리즘이 여러 수요 변수를 분석해 각 가능한 결과의 확률을 계산한 다음, 어느 것이 발생할 가능성이 가장 높은지 결정합니다. 수요 패턴이 변동적이거나, 주문 이력이 제한적(신제품 등)하거나, 계절성 같은 요인이 작용할 때 예측을 훨씬 더 신뢰할 수 있게 만듭니다.

수요 예측 소프트웨어

수집한 데이터를 효과적으로 분석하려면 적절한 소프트웨어 선택이 핵심입니다. 확률적 접근을 사용하는 수요 예측 소프트웨어는 개별 품목에 대한 바텀업(bottoms-up) 수요를 자동으로 모델링합니다. 주문 라인을 분석해 과거 수요 수량과 수요 빈도 모두를 모델링해 변동성을 정확하게 추정합니다. 올바른 시스템은 20개 단위 대량 주문과 동일 제품을 20번 개별 판매하는 것의 차이를 이해합니다. 또한 느리게 움직이는 제품의 간헐적 '롱테일(long-tail)' 수요도 처리하는데, 이는 예측하기 어렵습니다. 트렌드나 계절성 같은 시장 요인, 수요 형성 프로모션, 신제품, 예측 편향, 채찍효과(bullwhip effect) 같은 조직적 요인도 계획합니다.

인간 통찰과 교차 기능적 계획

기준 확률 예측을 생성한 후에는 비즈니스 내 사람들이 그들의 지식과 전문성을 더해 이를 다듬어야 합니다. 소비자 행동의 모순 같은 복잡한 수요 요인은 인간 분석가 팀 전체가 풀기에 가장 적합합니다.

패션 업계 예를 들어보겠습니다. Z세대 구매자는 지속가능성을 우선시하고 '업사이클링'된 중고 의류를 선호합니다. 동시에 변화하는 트렌드를 따라잡기 위해 '패스트 패션' 기업에서 구매할 가능성이 가장 높은 인구통계이기도 합니다. 그런 모순을 이해하기 위해 트렌드를 분석하는 패션 바이어는 실제 판매 수치에 더 가까운 머천다이저와 노트를 비교해야 합니다. 어떤 공급망이든 재무, 마케팅, 영업, 운영, 채널 파트너 전반에서 더 많은 사람을 수요 예측 다듬기에 참여시킬수록, 시간이 지날수록 이 예측은 더 정확해질 것입니다.

공급망 구루 마틴 크리스토퍼(Martin Christopher)가 한 말처럼, "개별 기업은 더 이상 독립 개체로 경쟁하지 않고, 공급망으로서 경쟁한다." 오늘날 이 정서만큼 진실된 적은 없습니다. 수요 변동성을 가장 잘 감지하고 반응하는 공급망을 가진 기업들이 리스크에 가장 회복탄력적일 뿐만 아니라, 최고의 전반적 비즈니스 결과를 보장할 수 있을 것입니다.

데이비드 바튼(David Barton)은 ToolsGroup의 미주 지역 총괄 매니저입니다.