공급망 전문가들이 한 때는 구매, 생산, 출하 등 후선 부서로 밀려났던 시절이 있었죠. 이제는 거의 모든 기업에서 가장 소중한 직원 중 한 사람으로 간주됩니다.
예를 들어 보죠. 애플의 팀쿡 회장, 제너럴모터스의 메리 배라 회장, 오피스데포의 제리 스미스 회장. 모두 공급망 전문가 출신입니다. 이제는 모두 글로벌 차원에서 운영되는 조직을 이끌고 있습니다.
이 회장님들이 후선 부서에 초점을 둔다고 생각한다면 다시 생각해 보세요. 오늘날 디지털 경제의 모든 글로벌 조직처럼 이들 모두 고객 경험에 초점을 맞추고 있습니다.
디자인-운영(D2O) 수명주기와 지능형 기업
공급망 전문가는 회사가 하는 일의 가장 중추적인 활동에 깊이 관여하는 사람입니다. 고객이 여러분 회사로부터 얻는 경험을 개선하는 일이 비즈니스 목표 중 하나라면, 물론 당연히 그래야 겠지만, 공급망이야말로 가장 중요한 출발점이죠.
왜냐구요? 공급망은 기업이 하는 거의 모든 일을 망라하기 때문입니다. 제품 디자인과 사업 기획부터 제조, 배송, 운영까지. 그래서 저희 SAP에서는 이 과정을 디자인-운영(D2O) 수명주기라고 부릅니다.
D2O 수명주기 전 단계에 걸쳐 협업과 가시성, 민첩성을 도입하는 데 심혈을 기울인 기업이라면 소비자 수요의 이동을 탐지하고 고객이 원하는 바에 효과적으로 대응함으로써 더 나은 경험을 제공할 수 있습니다. 이러한 종류의 조직이 바로 지능형 기업입니다.
가치사슬에서 공급망으로
지능형 기업은 데이터를 이용해 고객 경험을 개선하는 비즈니스 의사결정을 유도합니다. 이러한 운영을 가로 막는 걸림돌이 바로 부서간 장벽, 즉 사일로입니다.
공급망 전문가가 부문별 개선 프로젝트를 추진하던 과거에는 자기 부문 중심의 사일로에 초점을 두는 경향이 있었죠. 연구개발(R&D) 부문을 합리화 하거나 생산 공정을 최적화 하는 식입니다. 확실히 인수인계를 위해 인접한 사일로 부문과의 통합 노력이 있기는 했지만 그 이상 확대되는 경우는 드물었죠.
가치 “사슬”이라는 비유에 맞춰 일할 때는 각 사일로는 자기 부문의 연결 고리에만 책임을 졌습니다. 더 나은 비유는 바로 그물을 뜻하는 공급망이죠. 공급망에서는 정보가 D2O 사일로 부문을 가로지르며 필요한 곳으로 흘러 복잡한 환경을 모델링, 관리 마스터 하도록 돕습니다.
설비 자산별 데이터의 집합체, 디지털 트윈
디지털 트윈이야말로 그물처럼 짜여진 공급망의 장점을 잘 보여 줍니다. 수년 동안 연구개발 팀은 컴퓨터원용설계(CAD)를 써서 제품과 설비 자산을 디자인 해 왔죠. 이렇게 만든 디자인을 판매한 설비 자산의 디지털 트윈으로 바꿀 수 있습니다. (운영 단계에서) 작동하는 사물인터넷(IoT) 센서를 써서 신제품에 대한 수요와 관련한 데이터를 전송해 (제품 기획 팀의 주목을 받고) 이들 디지털 트윈을 업데이트 합니다.
업데이트 된 디지털 트윈은 한 마디로 설비 자산별 데이터의 집합체입니다. 특정 카테고리(판매한 모든 펌프나 커피머신 등)의 모든 설비 자산에서 나온 데이터를 조합해 디지털 트윈 네트워크를 만들 수 있죠. 이 네트워크에서 나온 데이터를 놓고 머신러닝 알고리즘을 적용하면 패턴을 파악하고 결과를 예측할 수 있습니다. 물론 그 덕분에 예방정비(일정에 맞춰 부품 교체)에서 예지정비(장애가 예상되는 부품을 교체)로 옮겨갈 수 있습니다.
그런데 이런 변화가 고객 경험을 어떻게 향상할까요? 예지정비의 결과로 이제는 여러분의 고객을 위해 부품의 평생가치를 최적화하는 동시에 설비의 업타임을 극대화 할 수 있습니다. 이는 활기찬 공급망이라는 맥락에서 D2O 수명주기 전반에 걸친 통합을 통해 여러분 회사의 고객을 기쁘게 하도록 새로운 방식으로 새로운 일을 하도록 돕는 한 가지 사례일 뿐입니다.
새로운 스킬, 새로운 마인드
새로운 방식으로 새로운 일을 하려면 새로운 스킬이 필요합니다. 옛날식 공급망 관리에 필요하던 끝없는 업무가 거의 어디서나 액세스 할 수 있는 데이터와 단일 정보원 역할을 하는 단일 데이터 플랫폼을 기반으로 한 자동화에 자리를 내주고 있습니다.
미래의 공급망은 (선진 기업들은 이미 적용 중인) 일상 업무 프로세스가 스스로 자율 운영되고 작업자는 문제가 생길 때만 통지를 받습니다. 예외상황 위주의 경영은 전혀 새로운 방식은 아니지만 오늘날의 기술 덕분에 그 어느 때보다 효과적입니다.
그 결과 공급망 전문가는 산더미 같은 데이터에 숨은 “다이아몬드를 발굴”해 프로세스 최적화, 경쟁우위 확보, 고객에 대한 이해 확대 등을 도모할 수 있습니다. 그래서 데이터 과학자에 대한 수요가 매우 높습니다.
머신러닝, 블록체인, 증강현실과 고객경험
그 어느 때보다 머신러닝과 같은 데이터 기술을 적용해서 예지정비보다 훨씬 더 많은 일을 하고 경쟁우위를 확보할 수 있습니다. 머신러닝은 또 날씨나 다른 이벤트로 인한 병목현상이 발생할 확률을 파악하는 데도 이용할 수 있습니다. 재고 유지비용을 줄이고 협력업체 품질을 보장하며 수요 예측도 개선할 수 있습니다.
“새로운” 방식은 여기서 멈추지 않습니다. 다른 고급 기술에 대한 경험도 필요합니다. 블록체인 기술은 공급망 내의 부정행위를 예방할 수 있습니다. 증강현실은 정비 인력에게 현장에서 필요한 지원을 제공해 교육훈련에 대한 필요를 줄일 수 있죠. 창고 안의 로봇은 이동경로를 최적화하고 필요한 품목을 전달합니다. 배송에 필요한 제품 선별과 포장은 사람에게 맡기죠.
이들 모든 영역에 걸쳐 공급망 정보의 흐름을 설계, 관리할 역량 확보에 초점을 맞춘 새로운 스킬과 마인드가 필요합니다. 정보를 분석할 줄 알고 데이터로 작업하며 머신러닝 알고리즘을 적용해 고객에게 더 나은 경험을 제공하는 공급망 성과를 추진하는 전문가들이 바로 경험경제 시대에 가장 요구되는 공급망 전문가로 자리할 전망입니다.
이 글의 영어 원문은 디지털리스트(D!gitalist) 매거진(현, SAP Insights)에 “A Customer Experience Mindset Is Needed For The Intelligent Enterprise“라는 제목으로 실린 바 있습니다.