Supply Chain Big Data Series Part 2 - KPMG · 2020-05-16 · Driven Demand Planning/ Forecasting...
8
Extended Summary Supply Chain Big Data Series Part 2 Key big data tools and platforms to enable supply chain data management
Transcript of Supply Chain Big Data Series Part 2 - KPMG · 2020-05-16 · Driven Demand Planning/ Forecasting...
Extended Summary
Supply ChainBig Data SeriesPart 2Key big data tools and platforms toenable supply chain data management
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
1
본 보고서는 KPMG Global이 발간한 Thought Leadership이며, 삼정KPMG 경제연구원에서 국문 요약한 자료입니다.
보고서 원문은 아래의 링크에서 확인하실 수 있습니다.
https://assets.kpmg.com/content/dam/kpmg/br/pdf/2017/07/big-data-tools-supply-chain-data-management.pdf
공급망에서의 빅데이터 활용
기업들은 그 어느 때보다 빠른 속도로 다양한 채널로부터 쏟아져나오는 데이터를 처리해야 하는 상황에 직면해있습니다. 조직은방대한 양의 데이터 유입에 압도되어서는 안되며, 데이터를 통해보다 가치 있는 통찰력을 얻을 수 있도록 역량을 갖추는 것이필수적입니다.
데이터를 공급망에 활용할 경우 다양한 이점을 얻을 수 있습니다.고도화된 분석을 공급망에 접목시킴으로써 기업은 신속하고 유연한수요 주도형의 공급망을 구축할 수 있으며, 고객 중심적인 대응역량을 확보할 수 있습니다.
KPMG는 본 보고서를 통해 궁극적으로 빅데이터가 공급망의 유연성및 효율성 증대에 얼마나 중요한 기회를 제공하는지를 살펴보고자하였습니다. 이를 위해 데이터 형태 및 유형에 따라 방대한 양의데이터를 분석하는 데 현재 어떤 도구, 플랫폼, 방법이 활용되고있는지에 대해 고찰하였습니다.
빅데이터 관련 도구, 플랫폼 및 기술
빅데이터에서 인사이트를 추출하기 위해서는 컴퓨터 과학, 응용수학,
통계 분석 , 경제에 이르는 전문지식을 비롯한 종합적 접근이
필수적입니다. 이는 다양하고 방대한 데이터의 분석을 가능하게
합니다.
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
2
빅데이터 기술은 다양한 유형으로 카테고리화 시킬 수 있습니다.
가령, 데이터의 관련 분야(통계, 수학, 경제)에 따라 구분할 수 있으며
혹은 데이터 형태에 따라 나눌 수 있습니다.
빅데이터를 분석하는 데 사용되는 대다수의 기술은 통계, 컴퓨터
과학, 머신러닝에 뿌리를 두고 있습니다. 전반적으로 데이터 분석
기술은 광범위하며, 상황에 따라 달라집니다. 그러나 이와 같은
기술은 분석 대상으로 두고 있는 데이터의 유형에 따라
카테고리화가 가능합니다. 데이터 형태에 따라 다섯 가지의 데이터
분석법으로 크게 구분됩니다.
1텍스트 분석(Text Analytics)
• 텍스트 형태의데이터에서정보를추출할 때 주로 사용되는기술
• 텍스트 분석에는통계 분석, 컴퓨터언어학, 머신러닝이포함
• 텍스트 분석의주요 기술에는정보 추출, 텍스트 요약, 질문 응답 및 정서분석 등이 있음
2오디오 분석(Audio Analytics)
• 구조화되지않은 오디오데이터에서정보를추출할 경우 사용되는기술
• 현재 고객 콜센터, 의료 서비스제공자 등이 오디오 분석의주요 사용자로꼽힘
• 대용량 어휘 연속 음성인식, 음성 기반 시스템등이 현재 오디오분석에사용되는주요 기술 중 하나
3비디오 분석(Video Analytics)
• 비디오 스트림을모니터링하고분석하는데 사용되는기술
• 비디오 분석은주로 노동 기반의 모니터링방안으로사용되어왔음
• 고객의 인구 통계 자료 및 선호도 관련 자료를수집하기위해 소매유통업에서비디오분석의 응용 프로그램을고려 중
• 서버 기반의 아키텍처, 엣지 기반의아키텍처등이 비디오 분석에 사용되는주요 기술 중 하나
4소셜미디어분석(Social Media Analytics)
• 소셜미디어채널의구조적 데이터와비구조적데이터데이터를분석하는데사용되는기술
• 소셜미디어분석은심리학, 사회학, 컴퓨터과학, 경제, 물리학, 수학을비롯한 다양한분야의 연구를종합함
• 소셜미디어데이터를분석하는데 활용되는주요 기술은 커뮤니티검색, 사회적 영향 분석 및 관련도 예측임
5예측 분석(Predictive Analytics)
• 현재의 데이터를기반으로미래 결과를예측하는데 사용되는기술
• 역사적으로예측 분석은통계 분석의 영역이었으나, 현재의통계 분석방법은 샘플링, 유의성 및 소규모 데이터세트를 기반으로하고 있음
• 빅데이터를활용한예측 분석이 가능하도록빅데이터통계 분석을 가능하게할 수 있는 새로운 기술 개발의필요성이대두되고있음
Source: Supply Chain Big Data Series Part 2
《 데이터 형태에 따른 데이터 분석법 》
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
3
[Case Study] 고도화된 분석 통한 유통 기업의 수요 예측
KPMG는 매장 운영 및 재정비를 위해 유통 기업의 수요 예측
정확도를 높이기 위한 프로젝트를 수행한 바 있습니다.
해당 유통 기업의 사전조사단계에서 파악한 바로는 신규 점포매출에 대한 예측 정확도의 오차율은 50% 이상을 기록하기도 하며정확도가 상당히 낮은 수준으로 드러났습니다 . 해당 기업은자체적으로 이와 같은 문제를 해결하고자 다양한 시도를 해왔으나실효성을 거두지는 못했다고 밝혔습니다.
KPMG는 로컬 데이터와 동적 데이터를 활용하여 수요흐름을이해하고 예측정확성을 향상시키는 것을 목표로 프로젝트를수행했습니다. 6,500가지의 외부 신호와 5,250가지의 내부 신호를바탕으로 수요를 예측하였으며 각 수요 예측 변수와 점포의 특성,주변 점포 및 점포 밀집지역 간의 상관관계를 고도화된 분석 기술을통해 분석하였습니다.
프로젝트 수행 결과, 평균적으로 수요 예측 정확도의 오차범위는28%에서 16%로 하락하였습니다. 수요 예측의 정확도가 향상됨에따라 해당 기업은 적정 재고량을 산출할 수 있게 되었으며, 이전 대비보다 원활한 재고 관리를 할 수 있게 되었습니다.
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
4
데이터를 처리하고 분석하는 데는 데이터를 확보하는 것에서부터데이터를 의미 있는 수요신호, 고급 데이터과학 및 응용수학을 통해가공하는 일련의 과정이 수반됩니다.
• 신규 매장 판매 실적 예측 및 매장 클러스터링
• 수요예측, 제품·매장·일 단위 별 노동 스케줄링 및 발주량 확인
• 리포팅, A|B 테스트 및 사용자 인터페이스
Always on Engine
Augmentation
Merge
라이브러리
신호
KPMG
[ 데이터 준비 ]
신호감지
매장 프로파일링
변수 설계
변수생산
[ 변수 생성 ]
통합
최적화
다중 목표
[ 모델링 ]
[ 데이터 수집 ]
내부데이터
• 매장 직원 & 관리
• 배송
• 매장 입지 선정
• 매장 성향 및 자산
• 매출 발생 시점 등
• 범죄 사건• 대중교통시스템• 공항, 기차, 지하철등 이용 고객 수• 날씨• 공적인 사건• 부동산 등의 자산• 경쟁사 성향• 경쟁사 입지, 가시성, 사이니지• 매장 가시성, 사이니지
외부데이터
‘결합’
Source: Supply Chain Big Data Series Part 2
《 데이터의 처리 과정 》
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
512Su
pply
Chai
nBi
gD
ata
Serie
sPa
rt1
©20
17 K
PM
G,a
nA
ustra
lian
partn
ersh
ipan
d a
mem
ber
firm
ofth
eK
PM
Gne
twor
kof
inde
pend
entm
embe
rfir
ms
affil
iate
dw
ithK
PM
GIn
tern
atio
nal
Coo
pera
tive
(“KP
MG
Inte
rnat
iona
l”),
aS
wis
sen
tity.
All
right
sre
serv
ed.T
he K
PM
Gna
me
and
logo
are
regi
ster
edtra
dem
arks
ortra
dem
arks
ofK
PM
GIn
tern
atio
nal.
Liab
ility
limite
dby
asc
hem
eap
prov
edun
derP
rofe
ssio
nalS
tand
ards
Legi
slat
ion.
•S
uppl
y C
hain
Dat
a S
trate
gy
Dev
elop
men
t•
Sup
ply
Cha
in O
pera
ting
Mod
el
Des
ign
for
Dat
aM
anag
emen
t•
Sup
ply
Cha
inS
egm
enta
tion
•S
uppl
y C
hain
Anal
ytic
s•
Dat
a-B
ased
Ass
etM
anag
emen
t
& C
apita
lPla
nnin
g•
Sup
ply
Cha
in D
ata
Mat
urity
As
sess
men
t•
Dat
a-D
riven
Sup
ply
Cha
in
Stra
tegi
cR
isks
•W
orki
ng C
apita
lIm
prov
emen
t•
Sup
ply
Cha
in D
ata
Man
agem
ent
P
erfo
rman
ceM
anag
emen
t/KP
I•
Con
tinuo
us I
mpr
ovem
ent
of
Dat
a P
roce
ssin
g S
yste
ms/
Bes
t
Pra
ctic
eS
harin
g
•C
usto
mer
Col
labo
ratio
n•
Dat
a-D
riven
Dem
and
Pla
nnin
g/
Fore
cast
ing
•D
ata-
Sen
sitiv
e D
eman
dS
ensi
ng
&S
hapi
ng•
Sup
ply
Pla
nnin
g•
Sup
plie
rC
olla
bora
tion
•D
ata-
Driv
en S
ales
&O
pera
tions
P
lann
ing/
Inte
grat
ed B
usin
ess
P
lann
ing
•In
vent
ory
Man
agem
ent/
D
ata-
Driv
enO
ptim
isat
ion
(m
ulti-
eche
lon)
•SK
UR
atio
nalis
atio
n•
Eth
ical
/Sus
tain
able
Sup
ply
Cha
in•
Sup
ply
Cha
in T
ax D
ata
M
anag
emen
t/Val
ueC
hain
M
anag
emen
t•
Sup
ply
Cha
in D
ata-
Driv
en R
isk
M
anag
emen
t/Res
ilien
ce•
Sup
ply
Cha
in P
lann
ing
Te
chno
logy
•P
rocu
rem
ent
Stra
tegy
D
evel
opm
ent
•P
rocu
rem
ent
Ope
ratin
gM
odel
D
esig
n•
Pro
cure
men
t B
usin
ess
Pro
cess
O
utso
urci
ng/S
hare
dS
ervi
ces
•D
ata-
Driv
en T
axE
ffici
ent
P
rocu
rem
ent
•P
rocu
rem
ent
Mat
urity
Dat
a
Asse
ssm
ent
•S
ourc
e/P
rocu
re-to
-Pay
•G
loba
l Val
ueS
ourc
ing
•S
trate
gic
Sou
rcin
g•
Cat
egor
yM
anag
emen
t•
Dat
a-D
riven
Sup
plie
r(R
isk)
M
anag
emen
t•C
ontra
ctM
anag
emen
t•
Pro
cure
men
tTe
chno
logy
E
nabl
emen
t•
Spe
nd A
naly
tics
&Tr
ansp
aren
cy•
Pro
cure
men
t Tr
aini
ngAc
adem
y•V
alue
Eng
inee
ring
•E
thic
al/S
usta
inab
le S
uppl
y C
hain
D
ecis
ion
Con
sulti
ng
•P
rodu
ctio
n P
lann
ing
&
Sch
edul
ing
•D
ata-
Driv
en M
anuf
actu
ring
Sho
p
Floo
rIm
prov
emen
t•
Man
ufac
turin
gAs
set
M
anag
emen
t•
Dat
a-D
riven
Qua
lity
Assu
ranc
e/
Man
agem
ent
•M
anuf
actu
ring
Exc
elle
nce/
Le
an S
ixS
igm
a•
Con
tract
Man
ufac
turin
g•
Man
ufac
turin
g C
ostR
educ
tion
•M
anuf
actu
ring
Info
rmat
ion
Te
chno
logi
es•
Dat
a-D
riven
Reg
ulat
ory
C
ompl
ianc
eFr
amew
ork
•Hea
lth &
Saf
etyC
ompl
ianc
e•
Eth
ical
Sou
rcin
gFr
amew
ork
D
evel
opm
ent
•O
rder
-to-C
ash
•C
ost-t
o-S
erve
•D
istri
butio
n N
etw
ork
Des
ign
–In
boun
d•
Dat
a-D
riven
Dis
tribu
tion
N
etw
ork
Des
ign
–O
utbo
und
•D
ata-
Driv
enTr
ansp
orta
tion
P
lann
ing
•Tr
ansp
orta
tion
Exe
cutio
n•
Tran
spor
tatio
n C
ost
Man
agem
ent
&O
ptim
isat
ion
•Dat
a-D
riven
War
ehou
seD
esig
n/
Man
agem
ent
•M
anag
e Lo
gist
ics
Ser
vice
P
rovi
ders
•C
usto
mer
Ser
vice
Man
agem
ent
•Rev
erse
Logi
stic
s•T
MS
& W
MS
Tec
hnol
ogy
E
valu
atio
n &
Ven
dorS
elec
tion
•S
trate
gic
Frei
ghtS
ourc
ing
•Fl
eetM
odel
ling
•N
ew P
rodu
ctD
evel
opm
ent
•D
ata-
Driv
en In
nova
tion
&
Pro
duct
Pla
nnin
g•
Pro
duct
Dev
elop
men
t•
Pro
duct
Exe
cutio
n &
Laun
ch
Rea
dine
ss•
Pro
duct
Impr
ovem
ent
•P
rodu
ctR
etire
men
t•
Pro
duct
Life
cycl
eM
anag
emen
t•
Eng
inee
ring
Tran
sfor
mat
ion
•D
ata
Sys
tem
sR
eeng
inee
ring
&
Pro
cess
Man
agem
ent
•E
thic
al/S
usta
inab
ility
Con
sulti
ng
for
Pro
duct
Des
ign
Stra
tegy
Plan
Inno
vate
&En
gine
erSo
urce
Mak
eD
eliv
er
RisksCoreSupplyChainServicesKeyConsiderations
Cus
tom
ers
&Su
pplie
rs
Tech
nolo
gyLe
an/P
roce
ssEx
celle
nce
Fina
nce
&Ta
xAs
set
&Pr
oper
ty
Envir
onm
enta
l: Su
stai
nabl
e &
Eth
ical
Sour
cing
Soci
al: S
usta
inab
le &
Eth
ical
Sour
cing
Dis
rupt
ion:
Tec
hnol
ogy,
Cyb
er, R
esilie
nce
&El
astic
ityG
over
nanc
e: S
uppl
ier
Perfo
rman
ce,
Reg
ulat
ory,
Fra
ud, L
egal
, Com
plia
nce,
Tran
spar
ency
Big
Dat
a So
urce
sId
entif
icat
ion
Big
Dat
a Ad
ded
Value
Inve
stig
atio
nSu
pply
Cha
in B
usin
ess
Proc
ess
Eval
uatio
nBi
g D
ata
Anal
ysis
& S
uppl
y C
hain
Bus
ines
s Pr
oces
sR
eeng
inee
ring
Cus
tom
ers
&Su
pplie
rs
Tech
nolo
gyLe
an/P
roce
ssEx
celle
nce
Fina
nce
&Ta
xAs
set
&Pr
oper
ty
Envir
onm
enta
l: Su
stai
nabl
e an
d Et
hica
lSou
rcin
g
Soci
al: S
usta
inab
le a
nd E
thic
alSo
urci
ngD
isru
ptio
n: T
echn
olog
y, C
yber
, Res
ilienc
e an
dEl
astic
ityG
over
nanc
e: S
uppl
ier
Perfo
rman
ce,
Reg
ulat
ory,
Fra
ud, L
egal
, Com
plia
nce,
Tran
spar
ency
Big
Dat
a So
urce
sId
entif
icat
ion
Big
Dat
a Ad
ded
Value
Inve
stig
atio
nSu
pply
Cha
in B
usin
ess
Proc
ess
Eval
uatio
nBi
g D
ata
Anal
ysis
and
Sup
ply
Cha
in B
usin
ess
Proc
ess
Ree
ngin
eerin
g
BigData(D&A,Solution49X)
We
offe
r a v
arie
ty o
f big
dat
a an
d an
alyt
ics
serv
ices
to o
ur c
lient
s. B
y le
vera
ging
the
late
st a
dvan
cem
ents
and
tech
nolo
gies
, and
the
skill
s an
d ex
perie
nce
of
our g
loba
l KPM
G te
ams—
supp
ly c
hain
, D&
A a
dvis
ory
and
Sol
utio
n 49
X—
we
can
assi
st y
our s
uppl
y ch
ain
in b
ecom
ing
agile
, effi
cien
t and
forw
ard
thin
king
.
How
KPM
G ca
n he
lp yo
ur o
rgan
isatio
nbe
com
e bi
g-da
ta
enab
led
in s
uppl
y ch
ain
man
agem
ent
Document Classification: Samjong KPMG Confidential
ⓒ 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent memberfirms affiliated with KPMG International Cooperative ("KPMG International"), a Swiss entity. All rights reserved.Printed in Korea.
Global Thought Leadership
6
Demand-driven supply chain 2.0: A direct link to profitability, KPMG 2016https://home.kpmg.com/xx/en/home/insights/2016/04/demand-driven-supply-chain-2-0.html
Going beyond the data: Achieving actionable insights with data and analytics, KPMG 2014 https://home.kpmg.com/us/en/home/insights/2015/05/ achieving-actionable-insights-with-data-and-analysis.html
The disruptors are the disrupted: Disruptive technologies barometer: Technology sector,KPMG 2016https://home.kpmg.com/xx/en/home/insights/2016/11/disruptive-technologies-barometer-technology-sector.html
The future of retail supply chains, KPMG 2016 https://home.kpmg.com/cn/en/home/insights/2016/05/the-future-of-retail-supply-chains.html
Going beyond the data: Turning data from insights into values, KPMG 2015 http://www.kpmg-institutes.com/institutes/advisory-institute/articles/2015/07/going-beyond-data-insights-to-value.html
Consensus: Immutable agreement for the Internet of value, KPMG 2016 https://home.kpmg.com/cn/en/home/insights/2016/09/blockchain-consensus.html
Related KPMG thought leadership publications
kr.kpmg.com
© 2017 Samjong KPMG ERI Inc., the Korean member firm of the KPMG network of independent member firms affiliatedwith KPMG International Cooperative (“KPMG International”), a Swiss entity. All rights reserved. Printed in Korea.
The KPMG name and logo are registered trademarks or trademarks of KPMG International.
The information contained herein is of a general nature and is not intended to address the circumstances of anyparticular individual or entity. Although we endeavour to provide accurate and timely information, there can be noguarantee that such information is accurate as of the date it is received or that it will continue to be accurate in thefuture. No one should act on such information without appropriate professional advice after a thorough examination ofthe particular situation.
유통·소비재산업 전문팀
신장훈전무이사
02-2112-0808
이용호전무이사
02-2112-0677
한상일
전무이사
02-2112-0832
이종우
상무이사
02-2112-0648
박정수
상무이사
02-2112-0326
오해균
상무이사
02-2112-0887
박관종
상무이사
02-2112-7403
정현진
상무이사
02-2112-0827
Data & Analytics 전문 서비스팀
봉찬식상무이사
02-2112-7732
이동근상무이사
02-2112-7587
양현석
상무이사
02-2112-3009
