ElandChina 대륙형 상품기획 의사결정시스템 V2.0

이랜드그룹은 지난 10년간 중국에서 연평균 60% 성장했으며, 중국 전역에 5,241개의 매장을 두고 있습니다. 중국법인의 2013년 매출 목표는 2조 5천억 원에 이릅니다. 과거에는 중국 내 이랜드 브랜드가 2~5개였지만, 2013년만도 신규까지 포함하여 40개가 넘습니다. 따라서 각 브랜드마다 역량 있는 상품기획자(발주, 분배 의사결정)가 많이 요구됩니다. 그러나 실제 상품 기획자 양성 속도는 이를 따라오지 못하고 있습니다. 그렇다면 ‘상품기획자의 역할을 자동화된 시스템이 어느 정도 할 순 없을까’ 하는 고민에서 프로젝트가 시작되었습니다.

프로젝트 추진과 관련하여 3단계 로드맵을 구상했습니다. ▶의사결정이 만들어지는 기본 룰을 제공하기 위한 ‘대륙 역기획 & TCR 트렌드 분석(2012.11)’ ▶ ‘마이닝 예측 & 의사결정 자동화(2013.03)’ ▶ ‘대륙형 상품기획시스템 완성(2013.11)’이 바로 그것입니다. 3년 이상 쌓인 브랜드를 대상으로 2단계까지 완료했으며, 3단계에서는 신규 브랜드에 대한 예측까지 진행할 계획입니다.

기존에는 분석시스템이 없어 엑셀을 활용했습니다. 한 개의 브랜드에 대한 시뮬레이션 모델을 엑셀로 만들어보니 26개의 파일이 만들어졌고, 이들의 용량이 무려 300MB 이상이었습니다. 또한 의사결정을 하기 위해서는 브랜드마다 1,100억개의 셀(Cell)이 필요했는데, 여기에서 숫자 1개만 변경해도 15분 이상 소요됐으며, 다운되는 일이 다반사였습니다. 결국 새로운 시스템이 필요했고, SAS의 빅데이터 솔루션을 도입했습니다. 즉, SAS^® Enterprise Miner, SAS^® Enterprise Guide, JMP^®를 사용하여 의류 발주/분배 최적화 로직을 구현했고 30여명의 기획자들이 간편하면서 빠르게 상품 발주/분배 시뮬레이션하고 의사결정 할 수 있도록 지원했습니다.

 

기본 콘셉트_ 분석과 의사결정을 위해 ‘3차원 의사결정 구조’를 만들었습니다. 먼저, 패션에 대한 아이템을 세분화하여 재분류한 다음, 30개 성(省)의 행정구역과 5등급으로 분류한 매장등급을 기반으로 150개의 대륙 섹터를 만들어 이를 ‘채널’로 삼고, ‘아이템’과의 연계했습니다. 또한 지난 3년간 데이터를 기반으로 판매 분석을 하여 의사결정을 할 수 있도록 하고, 상품기획자가 의사결정을 할 수 있는 여지를 열어두는 3차원 의사결정 구조를 만들었습니다.

핵심 로직 자동화_ 이를 기반으로 클릭만 해도 모든 의사결정을 자동화하도록 했습니다. 상품기획(매장 수, 스타일 수, 발주량, 가격, 발주액 결정)과 상품운영(매장별 분배량 결정, QR 또는 Mark Down) 의사결정까지 핵심 로직을 자동화했습니다. 이를 좀더 자세히 살펴보면 다음과 같습니다.

▶ 매장 수 결정 : 매장 수를 결정하기 위해 세로축에 ‘30개 성’을 놓고, 가로축에 ‘5개 그룹으로 매장 군집화’를 하여 150개 대륙 섹터별 매장 수를 시뮬레이션합니다.

▶ 스타일 수 결정 : 상품기획시스템은 ‘스타일 압축(낭비제거)’을 중심으로 합니다. 반면 시스템이 할 수 없는 시장에 대한 관찰을 통해 새롭게 뜨는 아이템들을 MD가 직접 시장조사를 해서 기획에 반영합니다. 이를 위해 아이템과 상품등급 기준을 재정의했으며, 스타일 수를 압축하고, 칼라 수에 대한 가이드를 제시하고, 원하는 사이즈를 찾아서 스타일 수를 결정할 수 있게 했습니다.

▶ 발주량 결정 : 매장 수와 스타일 수를 결정한 다음에는 발주량을 결정합니다. 이때 ‘목표TCR’이라는 가중치 레버를 사용하는데, 모든 상품과 대륙 섹터마다 TCR 추세를 찾아내서 이를 반영하여 의사결정을 합니다. 이와 함께 결품 제거를 위한 최소 분배량을 찾고, 대륙 섹터별 분배를 결정합니다.

▶ 가격 결정 : 패션상품은 가격 변동폭이 그다지 크지 않습니다. 지난해 가격을 기준으로 할인에 민감한 제품은 가격을 낮추고, 민감하지 않은 제품은 가격을 유지하는 등 의사결정을 합니다.

▶ 발주액 결정 : 시스템에서 보텀 업(Bottom Up, 시스템에 의한 대륙 역기획) 방식으로 계산된 발주액, 외형 매출, 제조이익과, 톱 다운(Top Down, 그룹과 BG 전략에 따른 목표)으로 내려온 목표를 비교하여 목표 TCR을 통해 한번에 변경하여 톱 다운과 보텀 업을 맞추는 작업을 합니다.

▶ 대륙 분배 결정 : 상품기획 당시와 실제 분배 사이에는 리드타임이 존재합니다. 따라서 상품이 입고된 후 매장에 분배하기 전에 근거리 판매 데이터를 기반으로 추세를 반영하여 분배량을 결정합니다. 또한 제조를 아웃소싱하는 과정에서 발주한 상품량과 실제 입고량이 다른 경우가 종종 있으므로, 발주 대비 입고량이 변경됐을 때 케이스별로 다시 분배합니다.

▶ QR 또는 Mark Down(가격인하) : 배포한 상품의 재고일수와 남은 판매일수를 비교하여 결품을 예측하여, QR 또는 가격인하 결정을 할 수 있도록 합니다.

 

프로젝트 성과와 제언

성과는 놀라웠습니다. 시스템을 적용하지 않았던 전년 여름 시즌의 9개 브랜드를 기준으로 실제 성과와 시스템을 적용하였을 때 발주량과 분배량이 달라졌을 경우를 시뮬레이션하여 비교하였을 때 영업이익이 291억 더 향상(전년 대비 75% 성장)시킬 수 있었던 일종의 기회손실이 발견 되었습니다. 세부적으로 보면 브랜드별 전략상품 집중도(상위 20% 스타일의 발주 비중)를 38%에서 47%로 높일 수 있었습니다. 그리고 지역별 TCR 편차를 줄여 386만 장이었던 판매량을 1,102장까지 늘릴 수 있었고, 실제 상품구성(Assortment) 판매비율 오차율을 25%에서 2%로 줄였습니다.

한편 유사 프로젝트를 진행하시려는 분들께 다음과 같은 제언을 하고 싶습니다. 첫째, 시스템을 자동화하기 위해서는 데이터 분석과 의사결정 단위를 재설정하는 것이 중요합니다. 기준 정보의 표준화도 이에 포함됩니다. 둘째, 시스템을 바라보는 관점입니다. 시스템을 ‘성공을 확실히 보장하는 시스템’으로 보지 말고, ‘실패를 방지하는 것’으로 보았으면 합니다. 따라서 시스템에서 제공하는 의사결정은 특정값이 아닌 ‘범위’로 제시되는 것이 바람직합니다. 즉 의사결정의 범위를 주고, 그 안에서 사람이 결정할 수 있는 디시전 서포트 시스템(Decision Support System)으로 하는 것이 좋습니다. 셋째, 예측 정확도 향상도 중요하지만 실제로는 ‘예측 기간 단축’이 더 중요합니다. 이를 위해선 상품이 만들어지는 프로세스의 속도 개선도 함께 되어야 더욱 효과적입니다. 마지막으로 ‘값 검증’은 완벽히 맞을 때까지 무한 반복해야 합니다. 의사결정을 하는 금액이 큰 만큼 확실히 해야 리스크를 방지할 수 있으므로, 개발하는 시간만큼 값 검증 테스트에 많은 시간과 공을 들이시기 바랍니다.