도심 한복판, 목이 말라 마신 음료수 캔을 버리려는데 쓰레기통이 보이지 않아 난처했던 경험이 누구나 한 번쯤 있을 것이다. 반면, 어떤 곳은 쓰레기통이 너무 자주 보여 관리가 안 되는 것처럼 느껴지기도 한다. 우리가 무심코 지나치는 길거리 쓰레기통의 위치는 단순히 감에 의존해 결정된 것이 아니다. 그 이면에는 방대한 공공 데이터 수집과 과학적인 통계 분석이 숨어 있다. 현대 도시 설계에서 쓰레기통 배치 문제를 해결하기 위해 가장 먼저 활용하는 것은 유동 인구 데이터이다. 통신사 기지국 정보나 교통카드 이용 내역 등을 통해 도시의 어느 구역에 사람들이 많이 몰리고, 어떤 경로로 이동하는지 파악한다. 단순히 사람이 많은 곳뿐만 아니라, 음료수를 사서 들고 다니는 시간이 대략 어느 정도인지, 즉 어느 지점에서 쓰레기가 발생할 확률이 높은지까지 예측한다. 이는 데이터 전처리 과정을 거쳐 분석 가능한 형태로 가공된다. 수집된 데이터는 공간 통계 분석을 통해 구체적인 위치로 환산된다. 특정 구역 내의 유동 인구 밀도와 기존 쓰레기통 간의 거리를 고려하여, 가장 효율적인 배치를 찾아내는 알고리즘을 가동한다. 무작위로 설치하는 것이 아니라, 쓰레기 발생 빈도를 예측하여 관
대형 마트에서 두루마리 휴지를 대폭 할인할 때가 있다. 이때 싸다는 이유로 1년 치 휴지를 한 번에 몽땅 사버리면 과연 이득일까. 당장 지갑에서 나가는 휴지 값은 아낄 수 있겠지만, 집 안 베란다나 방 한구석을 휴지 더미가 1년 내내 차지하게 된다. 그 공간을 다른 유용한 용도로 쓰지 못하는 손해가 발생하고, 자칫 습기 때문에 휴지가 망가질 수도 있다. 기업의 생산 현장에서도 이와 똑같은 고민을 하며, 이를 해결하는 열쇠가 바로 경제적 주문량(EOQ) 모델이다. 공장에서 물건을 만들기 위해 원자재를 주문할 때는 크게 두 가지 비용이 발생한다. 첫째는 주문할 때마다 드는 서류 작업, 운송비, 하역비 같은 주문 비용이다. 둘째는 사온 원자재를 창고에 보관하면서 발생하는 임대료, 보험료, 창고 관리비, 그리고 그 돈을 은행에 넣었을 때 받을 수 있는 이자를 포기하는 기회비용을 합친 유지 비용이다. 이 두 비용은 서로 반대로 움직이는 시소와 같다. 한 번에 많이 주문하면 주문 횟수가 줄어들어 주문 비용은 낮아지지만, 창고에 쌓아두는 재고가 많아져 유지 비용은 치솟는다. 반대로 재고를 적게 가져가기 위해 조금씩 자주 주문하면 보관비는 적게 들지만, 트럭이 매일 창고를