식당을 운영하는 사람들의 가장 큰 골칫거리 중 하나는 매일 남아서 버려지는 식자재다. 재료를 적게 준비하면 손님을 돌려보내야 하고, 많이 준비하면 몽땅 쓰레기통으로 향하기 때문이다.

내일 비가 오면 파전이 얼마나 더 팔릴지, 주말에는 삼겹살이 몇 인분이나 필요할지 미리 알 수 있다면 얼마나 좋을까. 과거에는 오랜 장사 경험과 직감에 의존했지만, 이제는 시계열 예측이라는 데이터 분석 기술이 이 문제를 훌륭하게 해결하고 있다.

시계열 예측은 시간의 흐름에 따라 기록된 데이터를 바탕으로 미래의 패턴을 알아내는 통계 기법이다. 식당의 결제 기기에는 매일 어떤 메뉴가 몇 개 팔렸는지 상세한 기록이 남는다. 이 판매량 데이터에 날씨, 요일, 공휴일 여부 같은 외부 환경 데이터를 결합하여 인공지능 알고리즘에 학습시킨다. 이때 주로 사용되는 것이 아리마나 프로펫 같은 수요 예측 모델이다.

이 알고리즘들은 단순히 어제 많이 팔렸으니 오늘도 많이 팔릴 것이라고 주먹구구식으로 짐작하지 않는다. 작년 이맘때의 판매량 흐름, 요일마다 반복되는 규칙적인 패턴, 비가 오거나 기온이 뚝 떨어졌을 때 특정 메뉴의 수요가 급증하는 미세한 변화까지 수학적으로 정교하게 계산해 낸다.

예를 들어 금요일 저녁에 비가 온다는 예보가 있으면, 모델은 과거의 수많은 비슷한 상황들을 종합하여 칼국수와 파전의 필요량을 평소보다 높게 예측하고 이를 사전에 알려준다.

분석된 결과는 신뢰구간 밴드 차트라는 부드러운 띠 모양의 그래프로 시각화되어 화면에 제공된다. 정확히 몇 개가 팔릴 것이라는 단일 숫자뿐만 아니라, 최소 몇 개에서 최대 몇 개까지 팔릴 수 있다는 오차의 범위까지 시각적으로 뚜렷하게 보여주기 때문에 식당에서는 훨씬 안전하게 재료를 주문할 수 있다.

버려지는 식자재를 줄여 환경을 보호하고 매장의 수익률도 크게 높이는 이 놀라운 변화의 중심에는 매일 조용히 쌓여가는 데이터와 이를 명석하게 분석하는 인공지능이 자리 잡고 있다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]