물류의 책 18 재고 정보, 입출하 정보. 판매 정보 등을 공유

[YDfamily]

18. 물류 효율화에 따른 중요한 수요 예측의 발달

물류의 고도화를 진행해 가기 위해서는 재고 정보, 입출하 정보, 판매 정보 등을 공유해 가는 것이 중요하게 되었다. 어떤 상품이 어느 정도 필요하게 될지를 예측하고, 필요한 상품을 필요한 만큼만, 불필요, 불균일, 무리하지 않게 공급해 가는 것이라고 하는 timely한 물류의 실현을 목표로 한다. 유통 프로세스에 있어서 big data를 유효하게 활용하고, 수요를 예측할 필요가 있는 것이다. 실제 편의점 등에서는 수시간 동안의 수요 예측을 행하는 것으로 점포 재고의 적정화 등을 실현하고 있다.

수요 예측에 대해서는 과거의 데이터를 근거로 분석하는 시계열 분석법, 구한 데이터에 있어서 전후 데이터를 몇 가지 취하여 그 평균을 이용하는 이동 평균법, 과거의 데이터로부터 산출한 예측 값을 이용하는 지수 평활법, 관련 정보의 인과 관계 등을 근거로 예측을 행하는 회귀 분석 등의 수법이 있다.

게다가 최근에 와서 주목을 모으고 있는 것이, 기계학습의 알고리즘을 이용한 AI 수요예측이다. AI 수요예측에서는 일차 데이터를 변화, 재고나 화물의 속성을 근본으로 한 입출하량과의 관련성, 상관성 등을 AI에 의해 추출하고 수요를 예측해 간다.

판매 실적, 기상 정보, 기업 정보 등의 데이터로부터 소매점포의 상품 발주를 산출하고, 발주량을 적정화 하는 것에 의해 결품이나 폐기 로스의 악화를 방지하는 등의 효과를 모색한다.

AI를 사용하는 것으로 수요 예측의 정밀도가 올라가면 lead time이 완만하고 비교적 긴 사이클의 상품의 재고 관리도 유연하게 대응 가능하게 될 것이다. 상품의 life cycle이 길게 되고, 생산 효율의 향상으로 이어지는 가능성도 있다.

바꾸어 말하면 AI 수요예측의 정밀도 향상이 비즈니스 모델의 큰 invention으로 결부되는 가능성은 극히 높아지게 된다.

요점 BOX
AI 수요 예측의 진화로 비즈니스 모델이 고도화
Big data의 활용으로 점포 재고를 적정화
긴 lead time의 상품의 재고 관리를 개선

<AI 활용으로 고도화되는 수요 예측>

#재고정보 #입출하정보 #판매정보 #빅데이터 #시계열분석법 #이동평균법 #지수평활법 #회귀분석 #AI수요예측 #라이프사이클