DI 구축사례 - 오뚜기 : 데이터 작업 간소화와 예측 분석 업무 활용
이번 글에서는 SAP BTP의 Data Platform를 도입하여 데이터 중심(data-driven)의 혁신적 업무를 진행한 사례를 전달해 드립니다. 특히, SAP Data Intelligence Cloud를 활용하여 데이터 작업의 간소화와 상품 수요에 대한 예측 업무에서 활용 사례를 중심으로 살표보겠습니다.
회사 개요
회사 : Ottogi (http://www.ottogi.co.kr/)
본사 : Seoul, Korea
산업 : Retail
식품 회사 - 식품, 라면, 냉동식품, 케첩, 카레, 마요네즈 등 식료품 제조 및 판매업
비지니스 목표 및 문제
오뚜기는 비지니스 프로세스에 대한 가시성 향상을 위해서 기업 내/외부의 데이터를 기반으로 수요 예측을 통한 기존 비지니스 개선과 이전부터 기업 구성원들이 경험이 아닌 데이터를 기반으로 비지니스 실행이 과학적으로 처리되길 원하였습니다.
- 기존의 경험적 수요 예측의 한계로 인한 정확한 상품 생산, 판매, 재고 등의 문제 해결
- 데이터 기반의 상품 수요에 대한 정확한 예측을 통한 생산, 영업, 재고 문제 해결
기존 데이터 처리 및 분석을 살펴보면, 구성원 개인 컴퓨터 환경에서 내부 데이터 및 외부 데이터를 수집한 후, 오픈 소스를 활용하여 개별적으로 처리하다 보니 다음과 같은 문제도 존재했습니다.
- 모든 데이터의 작업이 수동 작업으로 처리되어 많은 시간과 비용, 제약, 생산성 저하
- 개인별 데이터 작업으로 데이터에 대한 신뢰성과 거버넌스에 대한 이슈
프로젝트 구축
오뚜기는 지속적으로 데이터 기반의 비지니스를 수행하고 기존 문제 및 비지니스 목표를 달성하기 위해서는 전문적인 데이터 플랫폼이 반드시 필요하다고 판단하였습니다.
기존 데이터 운영 환경과 미래 비전 등의 다양한 요구 사항을 검토한 결과 SAP BTP의 Data Platform이 최적이라고 판단되어 도입을 결정하였고 프로젝트를 진행하였습니다.
- 데이터 수집 자동화 - 채널(할인마트, 편의점, 온라인 등)의 자사 판매 데이터의 수집 자동화
- 오픈 소스 거버넌스 체계화 – Python 패키지의 SAP Platform에서 안정적 서비스 제공
- 다양한 알고리즘 적용 – HANA M/L, Python M/L 등 시계열 알고리즘 적용으로 분석 역량 극대화
솔루션 역할
- SAP Data Intelligence Cloud
- 데이터 수집 - 외부 채널사에서 제공하는 상품 판매 정보를 Python 스크래핑을 활용하여 HANA DB로 데이터 수집
- 시계열 모델 개발 - 상품 판매 이력 데이터를 기반으로 다양한 시계열 알고리즘을 적용하여 모델 개발 및 검증
- 모델 운영 - 기 개발된 시계열 모델을 사용자 및 Application에서 사용할 수 있도록 운영 환경으로 배포 및 서비스
- SAP HANA Cloud, HANA
- 내부 데이터 및 외부 데이터의 저장소 및 데이터 처리 엔진
- SAP Analytics Cloud
- 상품 판매 이력 및 수요 예측에 대한 보고서, 대시보드, 시각화
솔루션 도입 전/후 비교
상품 수요 예측 분석 예시
SAP Data Intelligence의 Jupyter Lab를 통한 상품 판매 이력 데이터에 대한 탐색적 데이터 분석, 시계열 적합성, M/L 알고리즘을 통한 시계열 분석을 실행합니다.
기대 효과
오뚜기는 SAP BTP 솔루션 도입으로 다음과 같은 장점과 효과를 확인하였습니다.
1. 상품 수요 예측으로 생산 및 제고의 지속적 적정성을 유지하여 비용 절감
2. 기존 수작업 프로세스에서 수요 예측 모델의 자동화로 인한 인력 및 기간 단축
4. 개인별 데이터 분석 이력 산출물의 자산화
5. 데이터 수집, 저장, 처리, 소비, 활용 등의 데이터 거버넌스 체계 마련
6. 메타 데이터 관리를 통한 기업 데이터의 가시성 확보
오뚜기는 SAP BTP 솔루션을 활용하여 데이터 중심 기업으로 전환을 가속화하여 데이터에서 비지니스 가치를 이끌어 내려고 합니다. 특히, SAP Data Intelligence Cloud는 S/4HANA 등의 SAP 데이터와 외부 채널의 데이터를 수집 및 전처리 후, 지능형 기술인 머신 러닝을 적용하여 비지니스 가치로 전환하여 Data-to-Value 성과를 달성하도록 돕습니다.
