비가 추적추적 내리는 퇴근길, 갑자기 파전에 막걸리가 당겨 동네 편의점에 들렀다고 가정해 보자. 평소에는 잘 보이지도 않던 막걸리와 부침가루, 파전 밀키트가 오늘따라 매대 가장 잘 보이는 곳에 산더미처럼 쌓여 있다.

편의점 점장님이나 알바생이 신내림이라도 받은 것일까? 아니다. 경영학과 공급망 관리(SCM)에서는 이 소름 돋는 타이밍의 비밀을 '수요 예측(Demand Forecasting)'과 'POS(판매 시점 정보 관리) 데이터'의 결합으로 설명한다.

과거 소매점이나 공장의 생산/발주 계획은 철저히 관리자의 '감(직관)'과 '경험'에 의존했다. "여름이 다가오니 아이스크림을 많이 발주하자", "비가 오니까 우산을 앞쪽에 꺼내두자" 정도의 수준이었다. 하지만 오늘날 편의점 계산대에 있는 바코드 스캐너, 즉 POS(Point of Sales) 시스템은 단순한 금전 등록기가 아니다. 고객이 물건을 결제하는 순간 '어떤 물건이, 며칠 몇 시에, 어떤 날씨에, 어떤 연령대의 고객에게 팔렸는지'를 실시간으로 본사 서버로 전송하는 거대한 빅데이터 수집기다.

편의점 본사의 시스템은 수년간 쌓인 수억 건의 POS 데이터를 분석해 완벽한 패턴을 찾아낸다. "비가 오는 날이면 기온에 상관없이 막걸리와 부침가루의 판매량이 평소 대비 300% 증가한다"는 사실을 기계가 학습하는 것이다.

그리고 기상청의 내일 날씨 예보 데이터와 이 패턴을 결합하여, 전국 편의점 점포의 발주 단말기에 "내일 비가 올 예정이니 막걸리 발주량을 3배로 늘리시겠습니까?"라는 팝업을 띄운다. 알바생은 그저 '확인' 버튼만 눌렀을 뿐이지만, 결과적으로 완벽한 수요 예측이 이루어진 셈이다.

생산관리에서 수요 예측은 모든 일의 '첫 단추'다. 내일 물건이 얼마나 팔릴지 모르면, 공장은 무엇을 얼마나 만들어야 할지 결정할 수 없다. 예측이 빗나가 물건을 너무 적게 만들면 팔아서 돈을 벌 기회를 날리는 '결품(Stockout)' 손실이 발생하고, 너무 많이 만들면 창고에 쌓여 썩어가는 '재고(Inventory)' 낭비가 발생한다. 편의점의 똑똑한 POS 데이터 분석은 막연한 추측을 객관적인 숫자로 바꾸어, 낭비 없이 꼭 필요한 만큼만 생산하고 유통하게 만드는 현대 데이터 경영의 마법이다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]