북인도에 폭염이 오면 음료 수요는 72시간 내 40% 급증합니다. 이 기업의 공급망은 일기예보가 아닌 품절 보고서로 이를 알게 되었습니다.
이 기업은 서로 다른 나라처럼 느껴질 만큼 기후가 다양한 지역에서 판매합니다. 북인도의 폭염, 뭄바이의 우기 시작, 타밀나두의 축제는 각각 48~72시간 안에 수요를 20~40% 바꿉니다. 하지만 공급망은 주 단위로 움직였습니다.
기온이 38°C를 넘으면 음료 수요가 급증합니다. 우기에는 실내 소비로 짭짤한 스낵이 잘 팔립니다. 여름에는 이동 중 먹는 소포장이, 우기에는 집에서 먹는 대포장이 잘 팔립니다. 이런 패턴은 알려져 있지만, 수요가 어디서 얼마나 빠르게 바뀌는지를 결정하는 지역 차이, 지연 구조, 임계값 효과는 규칙으로 정리되지 않았습니다.
북인도에서 42°C를 넘으면 음료 수요가 3일 만에 35~40% 증가합니다. 남인도에서는 같은 기온에도 수요가 12%만 증가합니다. 소비 습관과 에어컨 보급률, 유통 채널 구성이 다르기 때문입니다. 이러한 지역적 특성을 반영하지 않은 수요 감지 모델은 인도 전체를 동일하게 취급하여, 신호가 물류센터에 도착할 때쯤 이미 잘못된 재고 배치를 초래합니다.
이 기업은 통계적 수요 감지 엔진에 투자했습니다. 과거 3년간의 청구 데이터를 사용하고 시계열을 분해하여 지역별 주간 SKU 예측을 만들었습니다. 수학은 타당했지만, 날씨로 인한 모든 수요 변화에서 예측이 5~7일 늦었습니다.
기상 신호와의 연결 부재 모델은 과거 판매량과 계절성 지표만 사용했습니다. 기온, 강우, 습도, 대기질 데이터와 연결되지 않았습니다. 서인도에서 늦은 우기로 스낵 수요 증가가 2주 지연됐을 때, 엔진은 이미 성수기 대비 생산을 지시했고 물량은 물류센터의 과잉재고로 남았습니다.
전국 단일 모델과 지역별 현실 모든 권역에 하나의 계절성 곡선을 적용했습니다. 하지만 북인도의 여름은 남인도보다 4~6주 먼저 시작합니다. 델리의 폭염은 동일한 기온의 첸나이와 수요 양상이 완전히 다릅니다. 기온 1도당 수요 변화량인 지역별 탄력성이 모델에 없었습니다.
48시간짜리 사건에 주 단위 대응 예측은 매주 갱신되지만 날씨에 따른 수요 변화는 2~3일 안에 발생합니다. 다음 예측에 급증이 반영될 때면 유통업체는 이미 품절 상태였습니다. 신호부터 보충 조치까지 7~10일이 걸렸고, 그때는 수요 변화가 끝난 경우도 많았습니다.
Intelligence Warehouse는 SKU, 지역, 기후대, 유통업체, 물류센터, 채널 등 수요에 영향을 주는 모든 엔터티와 숙련된 계획 담당자가 날씨 변화에 따라 재고를 조정하는 규칙을 모델링합니다. 에이전트는 그래프를 탐색해 단순 예측을 넘어 재고 보충 결정을 내립니다.
그래프는 공급망 이해관계자와의 구조화된 대화 세션으로 채워졌습니다. Morrie는 ‘예측에 어떤 데이터를 넣나요?’ 대신 ‘폭염이 오면 48시간 안에 실제로 무엇을 하고, 어디에 얼마를 미리 배치할지 어떻게 결정하나요?’라고 묻습니다. 총 16회 세션이며, 모든 노드를 해당 대화까지 추적할 수 있습니다.
16회 세션 · 엔터티 41개, 지표 24개, 의사결정 규칙 16개 · 모든 노드를 해당 대화까지 추적 가능
기온, 강우, 습도, 행사에 따라 실시간 조정하는 지역별 72시간 수요 예측입니다. 물류센터와 유통업체 수준의 사전 배치 알림, 기후대별 포장 구성 변경 권고를 자동 제공합니다.
첫 사례에서 SKU, 지역, 기후대, 유통업체, 물류센터, 채널 및 날씨와 수요 간 관계를 구조화했습니다. 이후의 모든 활용 사례는 이 기반을 이어받습니다.
| 활용 사례 | 지식 그래프 재사용률 | 정확도 | 운영까지의 기간 | 비용 |
|---|---|---|---|---|
날씨 기반 수요 인텔리전스 지역별 수요 예측, 사전 배치 알림, 포장 구성 변경, 물류센터 출고 트리거 |
기준 | 96.1% | 6주 | 100% |
영업 실행 인텔리전스 방문 경로별 제안, 매장 우선순위, SKU 공백 해소, 판매 손실 회복 |
78% | 95.8% | 11일 | 9% |
유통 판촉 효과 판촉 ROI 분해, 구간 조건 준수, 소매 누수, 지급액 대비 추가 판매 증가 |
74% | 95.4% | 12일 | 8% |
현장 영업 조직 효과 방문 경로 효율 점수, 매장 전환 분석, 동료 비교, 지역 영업 관리자 코칭 트리거 |
82% | 95.9% | 9일 | 7% |
영업 실행, 판촉 분석, 현장 코칭은 SKU, 매장, 유통업체, 지역, 기후대, 물류센터라는 같은 엔터티 모델을 사용합니다. 첫 사례의 온톨로지와 지표를 그대로 이어받습니다. 영업은 매장-유통업체-SKU 그래프를 재사용하고, 판촉은 행사 엔터티를, 현장 영업은 방문 경로 지표를 추가합니다. 분야별 의사결정 규칙만 새로 만들면 됩니다.
이미 그래프에 있는 엔터티 41개, 지표 24개, 의사결정 규칙 16개와 비교한 수치입니다.
네 가지 사례, 하나의 지식 기반. 확장할수록 더 빠르고, 저렴하고, 정확해집니다.