효율적으로 창고의 재고량을 적정 수준으로 유지하기 위해 소매, 물류 업계는 IT 시스템에 많은 투자를 해왔습니다. 재고 부족 문제가 생기기 전에 재주문이 원활히 이루어지려면 결국 '데이터'에 의지할 수밖에 없기 때문입니다. 실제로 많은 기업이 물류 관리 전반에 걸쳐 생성되는 데이터를 수집하고 분석해 재고 보유량과 위치 그리고 재고 정리 및 보충에 대한 의사결정을 합니다. 이를 수행함에 있어 많은 기업이 아직 배치 기반으로 데이터를 처리합니다. 쉽게 말해 하루 전 데이터를 기준으로 파악을 하고 결정을 하는 것이죠.
재고 관리와 보충도 실시간 데이터 처리를 기반으로 하는 시대
시스템이 잘 갖추어진 경우 몇 시간 단위로 파악이 가능한 곳도 있습니다. 그렇다면 소매, 물류 선도 기업들은 어떤 식으로 재고 정리와 보충을 할까요? 아마존, 월마트 등 1등 기업들은 '실시간'으로 빠르게 넘어가고 있습니다. 배치가 아니라 실시간 데이터 스트림을 처리한다는 것이죠. 사실 얼마 전까지만 해도 실시간 데이터 처리를 기반으로 창고 관리를 하는 것은 충분한 IT 예산, 인력 그리고 공급망 관리와 창고 관리 노하우가 있는 기업만 가능한 일이었습니다. 이런 진입 장벽이 최근에는 많이 낮아졌습니다. 이제 마음만 먹으면 Kinetica Active Analytics 플랫폼 같은 도구를 이용해 실시간 재고 정리와 보충 관련 데이터 수집과 분석을 할 수 있습니다.
재고 관리와 보충을 위한 스트리밍 데이터 분석 요구 사항
그렇다면 실시간 데이터 처리를 기반으로 재고 관리와 보충을 하려면 어떤 기술적 요구 사항을 만족해야 할까요? 크게 스트리밍 데이터 처리, 위기 기반 인텔리전스 확보, 머신 러닝 세 가지로 압축할 수 있습니다. 이를 인하우스 방식이나 전용 솔루션으로 구현하려면 데이터 처리 기반 마련에 많은 시행착오를 겪기 쉽습니다. 이를 최소화하는 방법은 Kinetica Active Analytics 같은 단일 플랫폼 상에서 세 가지 요구 사항을 구현하는 것입니다. 이게 어떻게 가능한지 간단히 살펴보겠습니다.
Kinetica Active Analytics 플랫폼은 GPU 기반 인메모리 데이터베이스입니다. 따라서 소매, 물류 업계가 요구하는 대용량 스트리밍 데이터 처리를 위한 성능 확보와 확장이 쉽습니다. 참고로 Kinetica Active Analytics 플랫폼을 도입한 한 소매 기업은 재고 부족 전에 재주문을 하기 위한 의사결정을 지원하기 위해 하루에 2억 5천만 건의 메시지를 안정적으로 처리합니다.
두 번째 요구 조건인 위치 기반 인텔리전스(Location Intelligence)의 경우 전국에 걸쳐 이동 중인 배송 차량 등 운송 수단의 현재 위치, 상점의 위치와 각 상점별 배송과 재고 현황 등 따져봐야 할 것이 많습니다. GIS 정보를 기반으로 물류 관련 현황 데이터를 처리하는 것은 생각보다 쉽지 않은 일이죠. Kinetica Active Analytics 플랫폼은 GPU를 이용해 지형 공간 정보를 실시간으로 처리할 뿐만 아니라 실시간 시각화까지 지원합니다.
최근 가장 뜨거운 관심을 받고 있는 머신 러닝의 경우도 창고 관리에 큰 기여를 할 전망입니다. 머신 러닝 적용 시나리오로 생각해볼 수 있는 것은 예측 기반 보충입니다. 기존 재고 관리와 보충은 현재 상황에 기반한 의사결정이 주를 이루었다면, 머신 러닝을 적용하면 현재가 아니라 미래 시점을 기준으로 최적의 시기에 보충을 할 수 있게 됩니다. 이외에도 다양한 부문에 머신 러닝 적용이 가능합니다.
재고 관리와 보충 관련해 실시간 데이터 처리, 분석, 머신 러닝 적용에 대한 기술적 상세 내용은 유클릭으로 문의 바랍니다.