우리 창고는 작다. 약 3,000제곱미터, 나를 포함해 여섯 명이다. 그 경험은 어떤 벤더 데모보다도 AI 수요 예측의 데이터 품질에 대해 더 많은 것을 가르쳐 주었다. 작년에 나는 마침내 예측 도구를 샀고, 얼마나 재고를 보유해야 할지 추측하는 일을 그만두기를 바랐다. 첫 달에 금방 겸손해졌다. 시스템은 인기 있는 물병이 다음 주에 400개 이상 팔릴 것이라고 했고, 그래서 나는 잔뜩 쌓아 두었다. 우리는 100개도 채 팔지 못했다. 여분 재고는 몇 주 동안 선반에 남아 있었고, 거기에 묶인 현금은 다른 어떤 용도로도 쓸 수 없는 현금이었다. 내 첫 본능은 모델을 탓하고 벤더와 다투는 것이었다. 그러다 데이터를 다루는 친구가 입출고 기록을 반 시간 동안 살펴보고 진실을 알려 주었다. 주된 문제는 모델이 아니었다. 우리 데이터가 엉망이었다.
우리는 큰 회사처럼 돈을 태울 여유가 없다. 큰 사업장은 데이터 팀을 고용해 몇 달에 걸쳐 정리한다. 우리는 여섯 명이고, 기록을 고치는 데 쓰는 한 시간은 피킹, 포장, 출하에 쓰지 못하는 한 시간이다. 그래서 결국 우리가 쓰게 된 방법은 민망할 정도로 단순하다. 스프레드시트를 필터링하고, 택배 청구서와 기록을 손으로 대조하며, 반복되는 실수마다 이를 막는 규칙 하나를 적는 것이다. 그런데 단순한 방법이 통하는 이유는, 예측은 먹인 만큼만 좋기 때문이다. 쓰레기를 먹이면 비싼 쓰레기가 돌아온다.
AI 수요 예측 데이터 품질의 첫 번째 치명적 문제: 중복 코드와 누락 기록
중복 코드가 우리를 가장 먼저 덮쳤다. 같은 제품이 두세 개의 코드를 갖게 되고, 시스템은 각 코드를 다른 품목으로 취급한다. 작년 9월, 우리 보온병 중 하나의 포장이 바뀌었고, 구매 담당은 기존 코드를 폐기하지 않고 새 코드를 만들었다. 온라인 주문은 새 코드로, 오프라인 주문은 기존 코드로 처리되었고, 각 코드는 따로 보면 판매가 느린 품목처럼 보였다. 예측은 낮게 유지되다가 큰 프로모션이 오자, 합산 재고가 이미 안전 재고 수준을 훨씬 웃돌고 있다는 사실을 갑자기 발견했다. 우리는 수천 달러어치의 병을 과다 보유했고, 이를 정리하는 데 몇 주가 걸렸다.
누락 기록은 반대의 실패이며, 똑같이 아프다. 한동안 우리는 출하 기록을 손으로 입력했고, 바쁜 날에는 입력이 빠졌다. 시스템이 본 판매 곡선은 구멍투성이였고, 빠진 하루는 판매가 없는 하루와 똑같이 보였다. 예측이 떨어졌고, 베스트셀러가 품절되었다. 지루하지만 효과적인 해결책이 있었다. 매주 금요일 오후 나는 약 한 시간을 들여 그 주의 출하 기록을 택배 청구서와 대조하고, 빠진 것은 채워 넣는다. 또 당일 주문은 당일에 마감하고, 밤새 남은 것은 다음 날 아침 가장 먼저 정산한다는 사내 규칙도 만들었다. 두 달 동안 이 일상을 유지하자 구멍은 내가 감당할 수 있는 수준으로 줄었다.
AI 수요 예측 데이터 품질의 치명적 문제: 프로모션, 혼합 채널, 잘못된 시간 단위
나머지 세 가지 치명적 문제는 더 교묘하고, 비용도 더 크다. 비정상적인 프로모션은 예측을 환상의 세계로 끌고 갈 수 있다. 작년 사흘간의 원플러스원 행사는 한 양말 스타일을 평소 일일 판매량의 다섯 배 이상으로 끌어올렸다. 시스템은 그 사흘을 정상 수요로 취급했고, 이후 한 달 동안 계속 대량 재보충을 권했다. 이제 우리는 모든 프로모션, 클리어런스, 라이브 방송 행사를 따로 태그하고, 그 날들을 일상 예측에서 제외하거나 자체 카테고리로 모델링한다. 프로모션은 프로모션이다. 일상 수요는 일상 수요다. 둘을 섞으면 어떤 모델도 당신을 구할 수 없다.
혼합 채널은 다른 방식으로 같은 혼란을 일으킨다. 온라인과 오프라인 리듬은 거의 공통점이 없다. 온라인 판매는 캠페인과 함께 급증하는 반면, 오프라인 판매는 꾸준히 주문하는 인근의 몇몇 상점에서 나온다. 두 흐름을 하나의 합계로 뭉뚱그리자 예측 수치는 누구에게도 맞지 않았다. 이제 우리는 따로 기록하고 따로 예측하며, 합산 보기가 필요할 때만 합친다. 조금 더 엄격한 관리가 필요하지만, 모든 수치를 실제 사람이나 주문까지 거슬러 추적할 수 있다.
잘못된 시간 단위는 가장 간과하기 쉽다. 한동안 우리 도구는 주간 예측을 내놓는 반면 우리는 매일 재보충했기 때문에, 월요일에 좋아 보인 한 주가 목요일이면 바닥날 수 있었다. 반대도 똑같이 나쁘다. 구매 계약을 월 단위로 협상할 때 일일 예측은 도움이 되지 않는다. 이제 내 규칙은 재보충 리듬을 먼저 정한 뒤, 그에 맞는 예측 단위를 선택하는 것이다. 매일 재보충하면 일일 예측을, 월 단위 구매면 월간 합산을 받는다. 단위가 결정과 맞지 않으면 좋은 모델도 소용없다.
더러운 데이터가 예측을 망치는 다섯 가지 방법과 각 수정 비용
| 더러운 데이터 문제 | 현장에서 보이는 모습 | 확인 방법 | 수정 비용 |
|---|---|---|---|
| 중복 코드 | 하나의 제품 판매가 여러 코드에 나뉨 | 제품명과 바코드로 검색해 중복 찾기 | 낮음: 한 번의 정리와 신규 코드 규칙 |
| 누락 기록 | 판매 곡선의 설명할 수 없는 공백 | 출하 기록을 택배 청구서와 대조 | 낮음: 주당 약 한 시간의 정산 |
| 비정상 프로모션 | 판매 종료 후에도 오래 부풀려진 예측 | 프로모션 기간을 태그하고 기준 수요에서 제외 | 낮음: 도구가 아니라 계산 방식을 바꿈 |
| 혼합 채널 | 어느 채널에도 맞지 않는 하나의 예측 수치 | 온라인과 오프라인 판매를 따로 기록 | 중간: 일상 습관의 변화 필요 |
| 잘못된 시간 단위 | 일일 재보충을 안내할 수 없는 주간 예측 | 재보충 리듬을 먼저 정한 뒤 예측 단위를 정함 | 낮음: 출력 형식을 바꿈 |
여기 직관에 반하는 부분이 있고, 다른 소규모 운영자들에게 가장 들려주고 싶은 지점이다. 데이터를 정리하는 일은 모델을 업그레이드하는 것보다 훨씬 저렴하고, 종종 더 도움이 된다. 모델 업그레이드를 문의했을 때 추가 연간 비용은 수천 달러에 달했고, 더 나은 결과에 대한 보장도 없었다. 위의 다섯 가지 문제를 정리하는 데는 돈이 거의 들지 않았고, 주당 몇 시간의 직원 시간만 들었다. 더 날카로운 반전도 있다. 모델이 비쌀수록 더러운 데이터에 대해 더 자신 있게 틀린다. 깨끗한 데이터를 먹인 저렴한 모델은 쓸 만한 수치를 준다. 더러운 데이터를 먹인 비싼 모델은 정밀함으로 포장된 틀린 수치를 준다. 작은 창고에서는 이 투자 수익 계산이 업그레이드 결정 뒤가 아니라 앞에 와야 한다.
약 두 달간의 정리 뒤, 변화는 벽에 액자로 걸 수 있는 극적인 정확도 차트가 아니었다. 더 실용적인 것이었다. 나는 권고를 충분히 신뢰하게 되어 실제로 그에 따라 주문을 내리기 시작했다. 베스트셀러의 품절은 눈에 띄게 줄어들었고, 느리게 도는 재고가 조용히 선반 공간을 갉아먹는 일도 멈췄다. 나는 정확한 정확도 개선 수치를 인용하지 않겠다. 정리 전 기록이 이를 뒷받침하기에는 너무 신뢰할 수 없었고, 수치를 지어내는 일은 이 글이 경고하는 바로 그 실수를 반복하는 것이기 때문이다. 정직한 척도는 예측이 쓸 만한지 여부이며, 우리 예측은 마침내 쓸 만해졌다.
우리와 같은 규모의 창고를 운영한다면, 내가 베껴 쓸 일상은 이렇다. 새 코드를 만들기 전에 이미 그 제품을 다루는 기존 코드가 있는지 검색하고, 폐기 전에 확인 단계를 필수로 하라. 출하는 당일에 마감하고, 매주 정해진 날 택배 청구서와 정산하라. 프로모션 기간은 프로모션이 시작된 뒤가 아니라 시작 전에 태그하라. 온라인과 오프라인 기록은 따로 두고, 재보충 리듬이 예측 단위를 정하게 하라. 단 한 번의 영웅적인 주말에 모든 것을 고치려 하지도 마라. 우리의 첫 전면 정리는 두 주 가까이 걸렸고, 그 이후로는 작은 주간 유지보수뿐이었다. 더러운 데이터는 매일 쌓이므로, 청소는 연례 행사가 아니라 일상의 습관이어야 한다. 재고 실사나 재보충과 같은 중요도로 근무표에 올려라.
작은 창고에는 나름의 생존 방식이 있다. 우리는 큰 회사보다 돈을 더 쓰거나 인원을 더 늘리지 않는다. 우리는 겸손한 도구가 정직한 일을 할 수 있을 만큼 데이터를 깨끗하게 유지함으로써 승리한다. 먼저 데이터를 바로잡고, 그다음에 모델이 충분히 좋은지 논하라.
Xiao Ma, 소규모 창고 운영자 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







