빅 데이터를 평가하여 서비스와 사업 모델을 창출해야 한다.

독일 기업이나 전세계적 기업들의 많은 설문조사를 보면 빅데이터 주제에 대해 대부분 매우 회의적이고, 확신하지 못하고 있다는 것을 알 수 있다. 그러나 앞으로는 갈수록 커져가는 데이터를 평가하고 거기서부터 서비스와 사업 모델을 창출하는 방법을 피해갈 수 없다. 내부 물류 (Intralogistics)에서 이러한 흐름이 어떤 의미를 갖는지 몇몇 전문가와 이야기를 나누어 보았다.

베네딕트 호프만(Benedikt Hofmann) 

정치권으로부터 경제계와 민간 사회에 이르기까지 데이터가 미래의 원자재라는 말에 대해 공감이 형성되었던 적은 거의 없었다. 다른 기사에서 특별 주제로 많이 다루었던 디지털화로 인해 거의 모든 기업들은 데이터 수집가이자 사용자가 되었다. 이는 특히 물류분야도 특히 해당된다. 물류산업은 이미 정보 수집과 그로부터 도출되는 새로운 분야를 다루고 있다. 물류라 하면 무역과 운송만을 생각하는 경우가 대부분이다. 그러나 내부 물류도 이에 못지 않는데, 내부 물류에서도 엄청난 양의 데이터가 발생하며, 이러한 데이터를 올바르게 사용할 경우 효율성을 증대시키고 완전히 새로운 사업 모델도 도출할 수 있다.

기업의 염려

이 모든 데이터를 수집하고 분석하고 해석하여 나온 것이 바로 “빅 데이터”라는 괴물로 이는 또 다른 전망을 약속한다. 그러나 기업 환경은 과장 광고를 기꺼이 따르는 디지털 사회”이라는 또 다른 규칙에 따라 움직이는 경우가 많다. 이러한 현상은 점차 늘어나는 데이터 비(data rain)가 약속하는 방법만 들여다 보아도 알 수 있다. KPMG의 위탁으로 Forrester Consulting이 전세계 10여 개국 2,000여 개 업체의 경영자들을 대상으로 한 “Building Trust in Analytics”의 연구에 따르면, 독일 기업의 52%가 데이터 분석이 자신들의 명성을 해칠 수 있다는 점을 두려워하였다. 전세계적으로는 53%나 되었다. 이 연구 결과를 보면서 KPMA의 Data & Analytics 전문가이자 연구 책임자인 Dr. 토마스 어윈은 다음과 같이 열거하였다. “독일 기업들이 사용하는 데이터와 그 분석 범위는 전세계 경쟁업체들보다 폭이 훨씬 좁습니다. 그 이유는 데이터 분석에 대한 자신감이 부족하기 때문입니다. 결과적으로 기업들은 데이터와 분석법을 전혀 사용하지 않거나 매우 제한된 범위 내에서 사용하게 됩니다. 그로 인해 트랙에는 아직 엄청난 잠재력이 남아 있습니다. 전세계에서 결정권자 10명 중 7명이 데이터 분석이 명성에 위험이 된다고 생각하는 것은 매우 놀라운 사실입니다. 이번 연구의 결과를 보면, 여기 이 나라에서는 회사가 데이터라는 보물을 인양할 준비가 되어 있는지 그리고 이를 위해 올바른 역량을 갖고 있는지에 대한 문제에 대해 회의적으로 생각한다는 점도 알 수 있습니다.“

그러면 많은 기업들이 이 새로운 비즈니스 영역, 즉 전문가들이 만장일치로 주장하는, 앞으로 그들의 사업에 있어서 중요한 부분이 될 새로운 비즈니스 영역과 관련이 있다는 우려를 어떻게 받아들일 것인가? 그리고 DHL이 작성한 „Logistics Trend Radar 2016“이 보여주는 바와 같이, 빅 데이터가 물류산업에서는 어떻게 활용할 수 있을 것인가? SCS (Supply Chain Services)의 프라운호퍼 연구 그룹 대표인 Dr. 롤란드 피셔도 빅 데이터라는 용어에 동의하지 않았으며, 프로토콜과의 인터뷰에서 다음과 같이 언급하였다. “저는 여기에서 “빅” 이라는 말을 사용하지 않으려 합니다. 대신 분석(Analytics)이라고 말하겠습니다. 왜냐하면 궁극적으로는 그게 더 맞는 말이기 때문입니다.” 분석이라는 용어는 단순히 많은 양의 데이터를 수집하는 것이 아니라 이를 평가하고 거기서부터 도출할 수 있는 키를 찾는 것이 실질적인 것임을 직접적으로 알려주기 때문입니다. “디지털화를 통해 부가가치를 창출할 수 있는 데이터들이 발생합니다. 이는 기계와 물체 그리고 작업자에게서 데이터가 생성되는 것에서 시작합니다. 이러한 데이터는 서술적으로, 즉 상황을 설명하도록 처리됩니다. 예를 들면 클라우드에서도 이런 처리가 일어날 수 있습니다.“ (롤란드 피셔)

물류에 대한 가치

내부 물류에서 데이터의 가치를 다루어야 하는 이유는, 이로 인해 어떤 것이 가능한지를 잠시만 살펴 보면 알 수 있다. “이력 데이터와 실시간 데이터를 바탕으로 분석작업은 복잡하고 가변적인 물류 관련성을 간단하고 투명하게 처리하는 데에 도움이 됩니다. 따라서 창고에 대해서도 결정을 내리는 것이 가속화됩니다.“ (미하엘 쉥크 교수, 프라운호퍼 IFF 연구소장) “창고의 운영 상태를 자동으로 파악하는 것이 새로운 유형의 현대적인 분석법이 가능한 영구적인 데이터 소스이기도 합니다. 역동적으로 돌아가는 매일의 작업 속에서 데이터를 이용하여 안전하게 결정을 내리면 창고 가용률은 높아지고, 동시에 창고 재고를 낮추고 자원을 아낄 수 있습니다.“ 이러한 결과 가운데 하나가 재고 관리는 전자동으로 처리될 수 있다는 점이다. 피셔는 이런 기술이 단기간에 이루어질 수 없다고 강조하였다. 그러나 이미 가능한 시나리오이며, 이는 수집하는 데이터로부터 만들어낼 수 있는 응용 영역이다.

데이터는 어디서부터 오는가?

수집된 데이터를 파악하고 평가하는 예측 가능성에만 초점을 맞추어서는 안 된다. 전문가들의 의견에 따르면 “Prescriptive Analytics(지시적 분석)”이 다루어지지 않았다고 한다. 문제는 단순히 행동 권장 사항을 제시하는 것이 아니라, 이용 가능한 가장 좋은 옵션이 무엇인가를 평가하는 것이다. 이를 위해 해법을 제안할 수 있고 또한 이러한 옵션이 최상의 방법과 얼마나 떨어져 있는지를 보여 줄 수 있는 다양한 수학적 방법이다. “언젠가는 기계가 모든 것을 결정한다는 사실에 너무 얽매이면 안 됩니다. 기계가 제안할 수 있지만 결정은 인간이 내립니다. 우리가 충분한 신뢰를 구축하면, 자동화된 솔루션도 있을 수 있습니다. 사내 물류에서 새로운 사업 모델이 형성되는 바탕이 바로 이 데이터가 될 것입니다. 만일 여러분이 원한다면 데이터를 통한 예측은 일기예보 정도가 될 것입니다. 그러나 지시적 분석을 통해서 우리는 날씨에 영향을 미치고 날씨를 바꿀 수도 있게 될 것입니다.“

이제 기업들은 데이터 수집과 평가를 앞다투어 시작하기도 합니다. 새로운 다른 플레이어들은 상상하지 못한 새로운 일을 시작하곤 합니다. 이미 구글이나 아마존과 같은 거대한 온라인 매체들은 그들의 전문 지식과 기술을 미래에 이익을 가져다 줄 새로운 분야에 투자하고 끊임없이 시도하여 스타트업은 다양한 분야에서 올라오고 있다. 이들 스타트업들은 부분적으로는 기존 기업들이 전혀 생각하지 못했던 새로운 프로그램들을 있다. 철강 제품 공급자와 이 분야에 강하게 제한되어 있는 서비스는 상대적으로 이러한 현상으로부터 영향을 덜 받고 있다. 그러나 지능적 IT 솔루션이 점점 더 중요해지고 있다는 점은 확실하며, 이 분야를 둘러싼 보호벽이 무너지는 것은 이제 시간 문제이다.

새로운 세상이 형성되다

내부 물류에서 데이터 소스는 충분하며 이미 많은 양의 데이터가 수집되었다. 지게차를 사용할 경우 지게차 하나만 해도 얼마나 많은 데이터가 생성되는지 조금만 확인해도 알 수 있다. 데이터의 대부분은 이미 수집되었으나, 효과적으로 사용되지 못하고 있다. 이에 필요한 프로그램이 알려져 있지 않고 처음에 언급했듯이, 신뢰가 부족하기 때문이다.

우리가 사물 인터넷 (또는 사이버 물리 시스템)을 생각하면, 이러한 데이터를 처리하는 솔루션이 필요하다는 것을 알 수 있다. „우리는 아직 개발 초기 단계입니다. 한편으로 기술들이 필요합니다. 새로운 무선 표준을 통해 이동식 대상을 네트워킹 하기 때문에 새로운 기술 수준으로 오르기까지 했습니다. 성능은 개선되었으며 기술에 대한 비용은 내렸습니다. 다른 한편으로 없는 것은 소스에서 싱크(sink)까지 이르는 인터페이스 표준입니다. 물류는 국제적 원격 통신 인프라와 표준화된 원격 통신 인프라를 반드시 사용할 수 있어야 합니다.“ 그러나 이런 단계가 완료되면, 회사는 종래의 방법으로는 더 이상 관리할 수 없는 대량의 데이터에 직면하게 된다. 이 경우 기계적 시스템만이 부가 가치를 얻을 수 있는 패턴을 인식할 수 있다. 이런 환경에서는 대상들이 직접 서로 통신하고 문제에 대한 최상의 솔루션을 로컬로 찾고 이를 전체 맥락에 통합하면서, 패턴 인식이 분산화되어 일어난다.

물론 여기에는 회사의 경영진과 직원들에게 새로운 기술을 요구하는 새로운 요구 사항이 발생한다. 피셔에 따르면 데이터 처리와 관련하여 생각해야 하는 분야는 네 개의 축으로 나뉜다 (정보 박스 참조). 이는 자신의 회사가 이러한 새로운 전제 조건 하에서 경쟁력을 유지하도록 어떻게 바뀔 수 있는가 하는 질문을 내포한다. 전문가들에 따르면 대안은 없다. 피셔가 설명한 바와 같이 이는 기술에 관한 문제이다. “기업은 자신들이 이 기술을 자신들의 제품과 어떻게 연결할 수 있는지 그리고 어떤 서비스를 만들어낼 수 있는지를 생각해야 합니다.“ 이는 데이터로 구동되는 서비스 창출을 의미한다. 여기에서 기본적인 전제 조건은 고객에게 더욱 가까이 다가가는 것이며, 데이터가 이를 가능하게 한다. 목표는 자신들의 회사와 협력하여 제공되는 부가가치를 통해 지금까지 그랬던 것보다 그리고 순전히 장치만을 팔아서 가능했던 것보다 고객을 더욱 단단히 묶어 둘 수 있다.

이러한 개발은 광범위한 자동화 방향으로 진전을 촉진하기 때문에 새로운 노동 현실이 생길 것이다. “내부 물류만해도 계속 자동화될 수 있고 그렇게 될 것입니다. FTS와 로봇이 운송, 보관, 환적 작업을 바꿀 것입니다. 그러나 건물이나 자재 흐름 구조는 바뀌는 데에 시간이 오래 걸립니다. 아마도 이런 변화는 건물을 신축할 경우에나 생각하게 될 것입니다. 특히 OEM의 견고한 컨베이어 벨트 구조가 해체되는 경우 즉, 전기 자동차와 같이 새로운 유형의 자동차를 제조할 경우에 상대적으로 새로운 컨셉트를 기대할 수 있을 것입니다. 따라서 사람의 역할은 협상의 대상이 아닙니다. 그러나 모든 분야에서 그러하듯이 물류에서도 새로운 방향 설정은 반드시 진행될 것입니다”