주문량 예측과 풀필먼트_두번째이야기

숫자는 예측할 수 없지만 패턴은 예측 할 수 있다.

headphones단락듣기

물류센터에서 운영효율을 비롯한 여러 지표에 가장 큰 영향을 미치는것은 무엇일까?
이러한 질문을 한다면 많은 이들이 숙련도나 인력, 입지 등 물류 전반적인 내용을 떠올리겠지만,
실제 운영 경험에서 지표에 가장 큰 영향을 미치는것은 다름아닌 예측의 정확도이다.

대부분의 물류센터에서는 짧게는 주에서 월단위, 길게는 분기와 연간 계획을 세우고 이에 따라 움직이려 한다.
하지만 어떠한 계획을 세우든 거의 매일 계획과 현실 사이의 간극을 체감하게 되곤한다. 

숫자로 표현된 지표와 매출의 예측은 항상 우상향을 그리지만 실제 물량과 지표의 움직임은 예측대로 움직이지 않을 뿐더러,
장기적으로 예측을 따라가더라도 단기적으로는 항상 주식 차트처럼 위아래로 요동치는 경우가 일반적이기 때문이다.

특히 이커머스의 경쟁이 날로 치열해짐에 따라 트렌드의 변화속도는 날로 가속화되고 있으며, 이에따라 상품의 수명주기는 더욱 짧아지고, 마케팅에 투입되는 비용과 단기적 변동은 날로 커지고 있기때문에 이러한 예측은 더욱 어려울 수 밖에 없다.

하지만 앞선 글에서 언급했듯 이런 현실 속에서 센터가 해야 할 것은 정확한 예측이 아닌, 적절한 대응이다.
필자의 경우 이커머스에서 십년간 현장 경험을 통해 깨달은 것은 예측의 실패에도 명확한 패턴이 존재한다는점이며, 이 패턴을 이해하면 비용을 최적화할 수 있다는 것이다.

따라서 이번 글에서는 풀필먼트에서 발생하는 몇가지 예측 실패 유형과 대응 패턴에 대해 다뤄보고자 한다.

예측 실패의 대응 방법

headphones단락듣기

가장 먼저, 프로모션형 실패는 예측 가능한 오차를 보인다는 것이다.
마케팅팀 혹은 화주사에서 프로모션을 진행한다고 가정해보자. 

아마 이때의 예상매출은 평소의 몇배를 상회할 것이며, 물류 현장에서 사전 준비해야하는 인원과 공간 또한 적지 않을 것이다. 
그러나 늘 그렇듯 매출은 어떠한 예상을 하든 그대로 나오는 경우가 드물다.

하지만 흥미로운 점은 프로모션으로 인한 물량 변동은 대부분 예상 수치의 30% 범위에서 움직인다는 것이다. 
이는 곧 신제품이 아닌 이상 일반적인 프로모션 기준으로 물동량 예측이 완전히 빗나가는 경우는 드물며, 
판매의 지속 기간 또한 사전에 정해진 프로모션 기간과 거의 일치한다는 점이다.
이는 대부분의 판매 계획이 판매 채널의 매출 규모와 이전 프로모션 분석등을 통해 정해지기에 큰 틀에서는 벗어나지 않도록 운영되기 때문이다.

물류에서도 이러한 판매 속성을 인지하여 기본적인 물동량 대응 준비 리소스를 80%정도로 할당해놓고, 
남은 20%는 실제 물동량이나 판매 추이에 따라 유동적으로 인력을 투입하는 대응 전략을 수립할 수 있다.

두번째로, 바이럴 마케팅은 매우 폭발적인 추세를 보이지만 계획된 프로모션에 비해 단기적인 추세를 보인다.
프로모션과 반대로 큰 광고비를 지출하지 않고 자체적인 캠페인을 진행하거나, 어떤 커뮤니티에서 특정 제품이 언급되는 경우를 생각해보자.

종종 이러한 캠페인이나 바이럴은 프로모션에 버금갈만큼 엄청난 주문 증가가 수반되지만, 
물류에서는 이에 대한 사전 인지가 없었기에 증가한 물량을 처리하는것이 일반적으로는 불가능에 가까울 것이다.
하지만 이런 바이럴형 급증은 폭발적 증가를 보이더라도 보통 일주일 이내에 가라앉는 패턴을 보인다.

이는 일반적인 커뮤니티 바이럴의 경우, 또 다른 상품이나 프로모션에 대한 바이럴이 계속해서 생성되기 때문이다. 
(단, 연예인이나 인플루언서 등 지속적인 영향력을 가진 이들의 바이럴은 이보다 더 장기적으로 갈 수 있으며 대부분 품절의 이슈가 동반되어 
일정 생산량이 충족되어 대기 인원이 0이 될때까지 판매량이 발생한다.) 

따라서 이러한 바이럴에 대한 예측은 불가한것으로 판단하되, 이러한 물량 증가가 급작스럽게 발생할 경우 긴급 대응 체계를 사전에 구축하여
단기적인 야간조 운영 및 주말 작업등을 통해 주문을 빠르게 처리하고 일반적인 운영 체계로 빠르게 복귀하는 전략이 효과적이다.

세번째로 계절 및 날씨의 영향은 일관적이지 않으며 다양한 시나리오를 고려해야 한다는 것이다.
의류와 식음료등은 날씨와 계절의 영향이 가장 큰 상품군이라 할 수 있다. 이러한 상품들은 대부분 평균적인 기온에 맞춰 제조와 출시일정을 정하곤 한다. 

하지만 기온이 전년대비 빠르게 상승하거나, 빠르게 하강하거나, 혹은 지나치게 느리게 상승하거나 하강하는 경우 재고의 과잉 혹은 품절이 발생할 수 밖에 없다. 이러한 경우 물류자체의 문제보다는 과잉재고, 조기 품절등으로 인한 후속적인 문제가 주로 발생하는데, 이에 대해서도 앞선 경우와 마찬가지로 예측에 대한 정확도를 높이기보다는 사전 대응 체계를 수립하여 악성 재고의 별도 관리 및 판매처 및 CS와 재고부족 상품의 기간별 출고 capa 협의등을 통해 센터 운영의 안정성을 유지하는 과정이 필요하다.

마지막으로 신제품은 항상 초기 수요는 물론, 재구매까지 고려해야 한다는 것이다. 신제품 출시시에는 대부분 과대예측이 발생한다. 하지만 출시 후 2~4주간의 실제 판매 데이터와 재주문률을 분석하면 장기 수요를 상당히 정확하게 재예측할 수 있다. 따라서 초기 2주는 보수적으로 준비하고, 이후 실데이터를 기반으로 스케일업하는 전략이 유효하다.

사전 예측의 방법

headphones단락듣기

앞서 설명한 사례들은 실패 이후 대응에 대해서 다뤘지만 만약 예측 실패로 인한 비용을 최소화하기 위한 준비를 할 수 있다. 
과대예측시 발생하는 유휴인력비와 공간비용, 그리고 과소예측시 발생하는 긴급 인력 투입비용 (기본 인건비의 1.5~2배)와 고객 불만 처리비용이다.
이를 최소화 하기 위한 방법은 여러가지가 있겠지만, 재고에서 다루는 안전재고 공식을 응용하여 이를 현장에서 활용해 보는 것도 하나의 방법이 될 수 있다.

가령 예상 주문 1500건, 인당 하루 처리능력 100건, 주문량 변동성(표준편차)을 10% 수준으로 가정해보자.
이러한 경우 몇명의 인원이 적정할까? 물론 이 또한 정답은 없겠지만 기본적으로 안전재고 공식을 기반으로 이를 산출해볼 수 있을 것이다.

- 필요인원=주문량+(Z×σ)/ 인당 일 처리 주문량
- 평균 주문량 (μ): 하루 기준 예상 주문량 (예: 1500건)
- σ (표준편차): 주문량 변동성 (예: 150건, 평균의 10%)
- Z값: 서비스 수준에 따른 정규분포 계수 (90% = 1.28 95% = 1.65 97.5% = 1.96 99% = 2.33

이를 대입해본다면 가령90% 서비스 수준에서는 17명, 95% 서비스 수준에서는 18명, 97.5% 서비스 수준에서는 18명,
99% 서비스 수준 19명을 필요로 함을 알 수 있으며 이를 기반으로 인력을 결정할 수 있다.

또한 이러한 사전 계획 외에도 실시간 조정 기준점을 설정하는 것이 중요하다. 
오전 10시에 예상 대비 130% 초과시 추가 인력을 투입하고, 오후 2시에 하루 물량의 60% 처리 완료를 목표로 한다던가, 
오후 6시에는 잔업시간까지 운용시 처리 물량을 판단하여 당일 처리 불가 물량과 후속 대응을 결정한다는 기준점을 마련하는 것이다.

마지막으로 화주 혹은 유관부서와의 정산체계와 책임이 명확하다면 정확도 기반 차등 요금제를 제안하는 것 또한 하나의 방법이 될 것이다. 
예측 정확도 90% 이상시에는 기본 요금, 70~89%시에는 10% 가산, 70% 미만시에는 20% 가산하는 방식이다. 이를 통해 예측 실패에 따른 추가 비용을 보상받을 수 있는 구조를 만들 수 있다

이러한 여러가지 방법들을 종합하여 현장의 상황과 패턴에 맞춰 운영의 대응성을 만들어간다면 장기적으로인 예측의 성공여부보다 더 많은 

현장에서는 흔히 예측은 늘 틀린다고 말하지만 그 말은 예측 자체가 무의미하다는 뜻이 아니다. 
오히려 예측이 틀리는 패턴을 이해하고 이에 맞는 대응 전략을 수립하는 과정 자체가 물류센터의 진정한 경쟁력이 만들어지는 과정이기 때문이다.