빠른 배송을 위해 데이터 사이언티스트는 어떤 일을 할까? #2

이전 글에서는 빠른 배송의 핵심인 풀필먼트 서비스의 개념을 다뤘다.

아래 글을 이해하는데 기본 개념이 담겨있으니, 아래 내용에서 단어가 낯선 분은 아래 글을 참고하시면 좋을 것 같다. 

(이전 글 : 2022.09.04 - [도메인 지식] - 빠른 배송을 위해 데이터 사이언티스트는 어떤 일을 할까? #1)

 

그렇다면 이번에는 풀필먼트 서비스에서 데이터 사이언티스트가 어떤 일을 하게 될지를 본격적으로 다뤄보겠다. 

---

- 풀필먼트를 알기 전에.. (#0)

- 풀필먼트가 뭔데? (#1)

- 풀필먼트 서비스에서 데이터 사이언티스트는 어떤 일을 할까? (#2)

 

---

우선, 두 기업 중에 어떤 기업에 다니느냐에 따라, 업무와 업무 목적이 달라진다. 

물론 화주사이자 물류사인 회사에서는 두 가지 업무를 모두 할 것이다. 

 

- 풀필먼트 서비스를 이용하는 화주사 
- 풀필먼트 서비스를 제공하는 물류사

 

화주사/ 물류사를 나눠서 정리해보도록 하겠다. 

(참고로, 나는 화주사 사이드에서 프로젝트를 진행했기 때문에, 화주사 쪽 내용을 좀 더 자세히 작성했다.

그리고 개인적인 업무 경험을 위주로 작성했기 때문에, 아래 내용이 모든 업체에 적용되지 않을 수 있다.)

화주사에서는 어떤 일을? 

 

• 상품 수요 예측

화주사에서는 물류비 절감을 위해서 판매 상품의 수요 예측이 필요하기 때문에, 

데이터 사이언티스트는 수요 예측 모델링을 진행한다. 

 

화주사에서는 고객 주문 전에 상품을 미리 풀필먼트 센터에 가져다 놓아야 한다. 
그리고 물류사에서는 각 화주사가 랙을 몇 개나 사용하고 있냐에 따라 보관비를 받는다. 

 

너무 많은 양의 상품을 가져다 두면 보관비를 많이 지불하게 되고,

너무 적은 양의 상품을 가져다 두면 품절로 상품을 못 팔거나, 풀필먼트에 재고를 확충하느라 배송이 늦어지게 된다. 

그래서 "알잘딱깔센"한 양을 가져다 두는 게 중요하다. 

CJ 대한통운 풀필먼트 센터

화주사이자 물류사인 회사에서는 본인 창고이기 때문에 보관비에 그렇게 큰 부담이 없을 수도 있긴 하다.

하지만, 신선 식품을 판매하는 경우 로스를 줄이기 위해 수요 예측이 중요하다. 
식품은 신선도가 고객 만족도에 크게 영향을 미치기 때문에, 판매할 수 있는 시간이 한정적이다. 

 

참고로 신세계 계열사에서는 AI 수요예측 시스템을 구축했고, 이마트와의 POC를 진행하고 있다고 한다. 
(로스 감소뿐 아니라 시스템 자동화까지 확장하는 것으로 보인다.

개인적인 생각으로는 당연히 추후 ssg에도 적용하지 않을까 싶다.)

이를 위해서 시계열 예측 모델로 과거 상품 판매량을 학습하여 미래 상품 판매량을 예측해야 한다.

 

개인적인 경험으로 예측의 가장 변수는 프로모션이다. 

데이터 사이언티스트가 꼭 필요한 이유도 프로모션 때문이라고 과언이 아니라고 생각한다. 

 

프로모션을 하는 경우에는 판매량이 급격히 상승하는데, 어떤 프로모션을 하느냐에 따라 상승률이 천차만별이다. 

프로모션 예측을 위해서 모델링을 잘하는 것도 물론 중요하겠지만, 가장 중요한 것은 데이터이다. 

 

슬프게도 개인적인 경험으로는 프로모션 데이터가 DB에 잘 안 쌓여있는 경우가 많다. 
(ex. 어떤 상품을 대상으로 어떤 프로모션을 언제 진행했는지. 프로모션의 종류는 무엇이고 할인 종류는 무엇인지)

따라서 데이터 사이언티스트는 모델링을 위해 필요한 피쳐 정의와 로그 설계 업무를 진행해야 할 수 있다. 

 

물류사에서는 어떤 일을?

WMS (창고 관리 시스템)

물류사에서는 창고 관리 시스템을 통해서 상품의 입고부터 출고까지 효율적으로 관리하는 시스템이다. 

운영 효율성, 인력 관리, 재고 관리(유통기한), 노무 관리 등 모든 시스템을 통칭하는 말이다. 

이 안에서 데이터 사이언티스트가 크게 해야 할 업무는 작업량 예측과 피킹, 패킹 작업 최적화이다.  

 

• 작업량 예측 

물류사에서는 피킹, 패킹에 필요한 적절한 작업량을 예측하여 인력을 관리하는 것이 중요하기 때문에, 

데이터 사이언티스트는 작업량 예측을 진행한다. 

 

작업량 예측은 보통 처리해야 하는 택배 박스 타입과 타입 별 수에 따라 달라진다. 

보통 박스 타입은 단포(단품 낱개 포장)이냐 합포(복수품 포장)이냐로 나뉜다. 

아래 예시는 합포이고, 만약 해당 박스에 홍삼정 스킨케어 태블랫 1개만 들어있다면 단포이다. 

합포

단포에 비해 합포는 피킹은 물론이고 패킹도 오래 걸리기 때문에, 작업량을 더 산정해야 한다. 

 

• 작업 최적화 

데이터 사이언티스트는 피킹 작업자의 효율적인 업무를 돕기 위해서 이동거리 최적화 업무를 진행한다. 

이를 위해서는 아래 부분을 최적화해서 제공해야 한다. 

 

0. 상품 수요 기반 상품 배치  

1. 전체 주문량 바탕으로 작업자 별 작업 할당

2. 최적 경로 제안 

 

참고로 아래는 올해 쿠팡에서 업로드한 물류센터 소개 영상인데, 기술 발전의 놀라움을 체감할 수 있다. 

[유튜브] 쿠팡 물류 센터  

마치며 

회사에서 진행한 물류 프로젝트를 마치며, 물류에서 화두인 키워드 "풀필먼트"를 설명하고 

그 안에서 데이터 사이언티스트의 업무를 간단히 소개해보았다. 

 

사실 아직 모르는 점이 많지만 (화주사 사이드에서만 일해봄..)

해당 도메인에 대해 아예 경험이 없는 분들에게 도움이 되었으면 하는 마음으로 가볍게 작성해보았다.

물류사 사이드에서도 재밌는 업무들이 많은 것 같고, 기회가 된다면 물류사 사이드에서도 일해보고 그 경험을 남기면 좋을 것 같다. 

 

참고 자료

https://www.businesspost.co.kr/BP?command=article_view&num=172209 

신세계I&C, 인공지능 기반 수요예측 플랫폼 '사이캐스트' 사업화