20차시. 산업에서 활용되는 빅데이터 비즈니스 - 4

차시목표
1. 유통·물류 데이터가 어떻게 비즈니스적으로 활용되고 있는지, 유통·물류 산업에서 데이터를 어떻게 활용하는지 살펴본다.
2. 최근의 유통·물류 분야의 시장 변화 과정을 통해 데이터 기반의 서비스 혁신에 대해 알아본다.

주요내용
1. 유통·물류 분야 데이터 활용 비즈니스 현황 학습하기
2. 생활 물류 서비스의 성장 학습하기
3. 데이터 분석 기반의 유통 및 물류 서비스의 혁신과 이슈 학습하기
4. 데이터 기반의 유통 및 물류 산업 혁신의 가속화 학습하기
5. 유통·물류 데이터 및 활용의 예

 

■ 산업에서 활용되는 빅데이터 비즈니스 - 4

1. 유통·물류 분야 데이터 활용 비즈니스 현황

- 4차 산업혁명과 코로나19의 확산은 사회 전반에 ‘언택트(Untact)’ 문화를 가져왔고 이에 따라 배송해야 할 물건의 양이 폭발적적으로 증가했다. 

- 유통·물류 분야의 빅데이터 적용은 배송 시간을 줄이는데 도움을 준다. 

- 온라인 소비 트렌드의 분석, 소비자 니즈의 파악, 가격 전략의 수립 등의 많은 서비스에 적용이 가능하며 이를 토대로 다양한 상품을 빠른 시간 내에 배송할 수 있다.

 

2. 생활 물류 서비스의 성장

● 말단 배송 서비스의 중요성
- 온라인 쇼핑의 성장세에 따라 택배 시장의 규모도 커지고 있습니다. 하지만 택배 기업의 수익성 개선은 갈 길이 멀어 보입니다.
 택배 물동량이 늘어나는 것과는 상관없이 택배의 단가는 계속해서 하락하는 추세이며, 규모의 경제를 실현하기 어려운 서비스의 특성상 영업이익률은 계속해서 제자리걸음을 하고 있습니다. 

이와 같은 한계를 극복하기 위해 말단 배송(Last Mile Delivery)에 집중하기 시작했습니다. 

말단 배송은 택배 서비스의 전체 소요 시간과 비용의 측면에서 가장 높은 비중을 차지하고 있습니다. 

또 말단 배송은 고객과의 최접점에 위치하고 있기 때문에 서비스의 만족도를 결정하는 중요한 요인입니다. 

말단 배송에 대한 중요성을 인식하면서 편의점의 픽업이나 인홈(In Home) 배송과 같은 다양한 방법을 통해 비용은 절감하고 서비스의 수준은 향상되고 있습니다. 

 

3. 데이터 분석 기반의 유통 및 물류 서비스의 혁신과 이슈

- 말단 배송 중심의 유통·물류 시장의 변화는 일상생활의 물류 서비스를 필두로 성장하고 있습니다. 

특히, 신선식품의 경우 공산품에 비해 폐기율이 높고, 냉동·냉장 기능을 갖춘 물류 시설과 운송 차량이 요구되므로 수익성을 기대하기가 어렵습니다. 

이와 같은 현실에도 불구하고 일상생활 물류 서비스의 집중적인 혁신을 어떻게 해결했는지 살펴볼 필요가 있습니다. 

 

● 신선식품 배송 서비스의 성공 – 마켓컬리
- 마켓컬리에서는 상품별로 수요 예측을 할 수 있는 빅데이터 기반의 예측 시스템 ‘데이터를 물어다 주는 멍멍이(데멍이)’를 활용하고 있습니다. 

빅데이터 기반의 머신 러닝 알고리즘을 활용하여 주간 단위의 수요를 예측할 수 있으며, 이는 상품을 준비하고 배송하는 팀에게 전달됩니다. 

단순한 수요 예측의 결과를 공유하는 것이 아니라 전날 매출과 고객 수 등의 판매 실적 데이터를 전사에 공유하며, 현재 매출액과 당일 운영을 마감할 때의 예상 매출액도 공유합니다. 

이러한 데이터를 기반으로 마켓컬리의 새벽 배송이 가능해집니다. 

새벽 배송은 오후 11시까지 주문된 상품을 익일 오전 7시까지 배달하는 서비스입니다. 

신선식품을 단 8시간만에 고객의 집 앞까지 배송하기 위해서는 실시간으로 데이터를 공유하여 전체 조직의 운영 효율성을 높여야 합니다.

전사에 공유된 데이터는 각 기능 담당자들이 최적의 의사결정을 내릴 수 있게 합니다. 

● 로켓 배송 – 쿠팡
- 온라인 쇼핑몰의 구조는 상품을 주문하고, 판매업자가 상품을 준비하고, 이를 택배 회사로 인계하는 절차입니다. 

택배사는 집하된 전체 물량에 대한 최적의 배송 계획을 수립하여 이를 고객에게 전달해야 하는 구조를 가지고 있습니다. 

하지만 이러한 구조는 배송 시간을 단축하는 데에 물리적인 한계를 만들어 냅니다. 

쿠팡은 랜덤스토(Random Stow) 방식을 도입하여 로켓 배송 서비스를 제공하고 있습니다. 

랜덤스토 방식은 소비자의 구매 패턴을 미리 예측하고 각기 다른 제품을 진열대에 소량씩 보관하는 것으로 이를 실현합니다. 

 

● 데이터 기반 풀필먼트 센터(Fulfillment Center) 운영 시스템의 중요성
- 풀필먼트 센터는 고객의 요구 사항을 가장 가까운 곳에서 만족시킨다는 의미를 가지고 있습니다. 

쿠팡과 마켓컬리의 물류센터는 자동화 시스템의 효율성보다는 빅데이터를 기반으로 하는 정확한 수요 예측에 집중합니다. 

또 이를 통해 상품을 전달하는 배송과정의 효율성을 높이는 것을 목표로 합니다. 

실시간으로 판매 재고 데이터를 동기화하여 소량 다품종의 고객 주문을 빠르고 정확하게 처리합니다. 

배송은 자체적인 배송 네트워크나 공유 물류 서비스, 이륜차 배송 서비스와의 결합을 통해 이루어질 수 있습니다. 

자체 물류 네트워크를 확보하기 어려운 영세 및 소규모 인터넷 쇼핑몰은 풀필먼트 센터를 운영할 수 있는 노하우나 시스템을 갖추기 어렵기 때문에 솔루션에 위탁하는 운영방식을 도입할 수 있습니다. 

 

4. 데이터 기반의 유통 및 물류 산업 혁신의 가속화

- 유통·물류 산업의 한계를 극복하는 방법은 정보의 디지털 전환으로부터 구체화 되었습니다. 

코로나19의 확산으로 디지털 전환이 가속화됨에 따라 많은 사람들이 빠른 속도로 온라인 서비스를 이용하게 되었습니다. 

이러한 사회 변화로 인해 더 많은 데이터가 확보될 수 있는 배경이 되었습니다. 

데이터를 기반으로 한 유통과 물류 서비스의 발전은 개별 고객에 대한 수준 높은 이해도와, 미래 예측이 가능한 기술과 시스템의 완성을 향해 나아갈 것입니다. 

 

● 수평 및 수직 통합을 통한 서비스의 확대
- 유통·물류 시장은 수직적 및 수평적 통합이 확산될 것입니다. 

현재는 제공하는 서비스의 수익성을 높이기 위해 규모의 경제 실현이 필수적입니다. 

따라서 주요 경쟁자들은 수평적 통합을 통해 서비스의 양적 증대를 이루고자 할 것입니다. 

또 서비스의 다각화를 위해 온라인 중심의 유통업체들은 시장에 존재하는 중소 규모의 서비스를 인수할 수 있습니다. 

 

● 예측 배송의 현실화
- 소비자는 지금보다 더 빠르고 정확한 서비스를 요구하게 될 것이며, 유통 기업들은 그에 상응하는 빠르고 다양한 배송 방법을 시장에 내놓을 것입니다.

더빠른 배송을 위해서는 아마존의 예측 배송(Anticipatory Shipping)이 실제로 구현될 것으로 전망되고 있습니다. 

데이터를 실시간으로 확보할 수 있는 기술과 환경의 구축을 통해 어떤 고객이 언제 어떤 제품을 주문할 것인지를 높은확률로 예측할 수 있게 됩니다. 

소비자가 주문을 실행하기 전에 풀필먼트 센터에서는 이미 배송을 위한 작업이 수행되고 있을 것 입니다. 

이는 주문과 동시에 배송 완료 메시지를 받을 수 있음을 의미합니다. 

 

5. 유통·물류 데이터 및 활용의 예

● 온라인 소비 트렌드의 분석
- CJ올리브네트웍스는 택배 송장 유통 인덱스를 통해 지역별 소비 트렌드의 추이를 분석하고 상품 전략과 입지 전략에 활용하고 있습니다. 

CJ대한통운은 국내 택배 시장에서 점유율 50%를 차지하는 대한통운의 송장 정보를 가공하여 제공하는 것이며, 기존의
 일부 온라인 판매 데이터를 수집한 추정 정보와는 다른 유일한 데이터입니다. 

택배 송장 유통 인덱스의 상품 분류는 대, 중, 소, 세의 4단계로 구분되며 1,600여 개의 분류 체계를 가지고 있습니다. 

또 지역 상세 수준을 읍·면·동 수 준까지 제공합니다.

이를 통해 물류창고의 입지를 선정할 때 지역별 상품의 특성을 분석하여 입지 선정에 활용할 수 있습니다. 

● 온라인 소비자의 니즈 분석
- CJ올리브네트웍스는 소셜데이터 버즈(Buzz)를 통해 데이터를 수집하고 분석하여 소비자의 니즈 분석을 CJ 계열사에 제공합니다.
 소셜데이터상의 주제어와 관련하여 언급량이나 연관어 중에서 감성어에 대한 별도의 버즈양을 제공하고, 버즈양의 상대적 비교를 위해 10만 건당 노출 빈도를 계산합니다. 

또 주제어와 연관어 간의 연관 지수를 제공하여 의미 있는 여러 분석을 가능하게 합니다. 

온라인 소비자의 니즈 분석은 유통, 제조, 서비스 등의 많은 산업에서 활용되고 있습니다. 

 

● 위험의 감소
- 디지털운행기록계(DTG: Digital Tacho Graph)는 운송 차량의 운행 기록을 데이터화하여 저장합니다. 

자동차 운행과 관련된 정보를 기록하는 장치이며, 이러한 정보를 실시간으로 저장하여 업무 효율을 높이는 데에 활용합니다. 

교통안전공단에서는 DTG의 데이터를 분석하여 운전자의 운전 습관을 파악하고 실증적인 운전 관리를 수행합니다. 

이는 운전 사고를 방지하는 체계적인 리스크관리 사업입니다. 

수집된 데이터는 교통안전공단 운행기록 분석 시스템 (eTAS: Digital Tachograph Analysis System)에 저장합니다. 

그리고 운행기록에 대한 데이터 분석을 통해 사용자별 서비스를 제공합니다. 

 

● 상권 분석 및 입지 전략의 수립
- 유통 산업에서 상권 분석을 통한 입지 전략의 수립은 중요한 분야입니다. 

지역을 블록 단위로 구분하여 유동 인구의 수, 직장 수, 교통 시설, 대형 유통점 등의 다양한 정보를 제공합니다. 

지역별 잠재 고객의 라이프 스타일과 구매력을 기반으로 업종별 매출을 예측하고, 신규 점포의 출점 여부를 결정하는 데에이용합니다. 

 

● 큐레이션 커머스
- 큐레이터가 작품 등을 전시하고 기획하는 것처럼 전문가들이 독창적이거나 품질이 좋은 제품을 판매하는 것

● 고객 추천 서비스
- 고객 추천 서비스는 빅데이터의 활용도가 가장 높은 분야 중의 하나입니다. 

데이터의 활용에 따라 광고의 구매 전환율이 달라집니다. 

예를 들어, 아마존은 플랫폼에서 이루어지는 고객의 모든 행위를 데이터로 수집하여 광고 효율을 극대화합니다. 

검색한 단어, 오랫동안 본 상품, 장바구니에 담았다가 삭제한 상품 등 고객의 행위 자체를 데이터로 수집하는 것입니다. 

 

● 예측 기반의 업무 효율화
- 아마존은 라스트 마일(Last Mile)의 최적화를 위해 예측 배송 서비스를 도입하여 구매 여부가 불확실한 상황에서도 배송을 시작합니다. 

여기서 라스트 마일이란, 물류 배송에서 최종 목적지까지 이동하는 과정 중에서 마지막 단계를 뜻 합니다. 

소비자 데이터의 분석을 기반으로 구입할 가능성이 높은 물품을 예측하여 고객의 주소지 근처의 물류창고에 가져다 놓고 배송을 미리 준비하는것 입니다. 

SPA 기업인 자라(ZARA)는 빅데이터 분석을 통해 전 세계 매장의 판매 현황을 실시간으로 분석합니다. 

이러한 시스템을 통해 고객 수요가 높은 의류를 실시간으로 공급할 수 있는 물류망을 구축하여 재고의 부담을 줄이고 매출을 극대화하는 성과를 거두었습니다. 

● 상품 구성 배치 및 재고 관리
- 소비 패턴이나 구매 성향 등의 데이터를 활용하여 제품을 파악하고 배치할 수 있습니다. 

매장이 입점이 되어 있는 식당의 데이터를 통해 지역 주민의 입맛과 특성을 분석하여 식당의 메뉴를 차별화하는 것도 가능합니다. 

쿠팡 물류센터는 랜덤스토(Random Stow) 방식으로 운영됩니다. 

재고 관리에 빅데이터를 활용하여 같은 제품을 한 곳에 몰아 놓지 않고 소량을 진열대 곳곳에 배치하는 방식을 말합니다. 

데이터 분석을 통해 제품의 보관 위치를 정하고 주문이 들어오면 출고 담당 직원에게 가장 가까운 진열대를 알려주어 동선을 최소화합니다. 

 

풀필먼트 센터는 고객의 요구 사항을 가장 가까운 곳에서 만족시킨다는 의미를 가 지고 있다. O
[해설]
풀필먼트 센터는 고객의 요구 사항을 가장 가까운 곳에서 만족시킨다는 의미를 가지고 있습니다.
쿠팡과 마켓컬리의 물류센터는 자동화 시스템의 효율성보다는 빅데이터를 기반으로 하는 정확한 수요 예측에 집중합니다.
또 이를 통해 상품을 전달하는 배송 과정의 효율성을 높이는 것을 목표로 합니다.

말단 배송은 택배 서비스의 전체 소요 시간과 비용의 측면에서 가장 낮은 비중을 차지하고 있다. X
[해설]
말단 배송은 택배 서비스의 전체 소요 시간과 비용의 측면에서 가장 높은 비중을 차지하고 있습니다.
또 말단 배송은 고객 과의 최접점에 위치하고 있기 때문에 서비스의 만족도를 결정하는 중요한 요인입니다.
말단 배송에 대한 중요성을 인식하 면서 편의점의 픽업이나 인홈(In Home) 배송과 같은 다양한 방법을 통해 비용은 절감하고 서비스의 수준은 향상되고 있 습니다.

랜덤스토(Random Stow) 방식은 재고 관리에 빅데이터를 활용하여 같은 제품을 한 곳에 몰아 놓지 않고 소량을 진열대 곳곳에 배치하는 방식을 말한다. O
[해설]
랜덤스토(Random Stow) 방식 재고 관리에 빅데이터를 활용하여 같은 제품을 한 곳에 몰아 놓지 않고 소량을 진열대 곳곳에 배치하는 방식을 말합니다.
데이터 분석을 통해 제품의 보관 위치를 정하고 주문이 들어오면 출고 담당 직원에게 가장 가까운 진열대를 알려주어 동 선을 최소화합니다.