사설칼럼

이데일리

[62]흑사병, 르네상스..포스트 코로나19

류성 입력 2021. 01. 16. 06:02

기사 도구 모음

음성 기사 옵션 조절 레이어
번역beta

Translated by kakao i

번역할 언어 선택
글자 크기 조절 레이어
박정수 성균관대 교수의 현미경 '스마트팩토리'
"코로나19로 급격한 산업재편,스마트팩토리가 기회"
[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 흑사병이 유럽을 휩쓸고 지나간 후 르네상스라는 화려한 꽃이 피었다는 점에서, 코로나19로 시장 경쟁구도와 경제환경이 급격하게 재편되는 올 한 해는 오히려 기회가 될 수 있다.

문제는 기존과 같은 성장 방식은 앞으로 통하지 않는다는 것이다. 그 동안 경험하지 못하고 세상에 없던 새로운 패러다임을 준비해야 된다. 그것이 바로 뉴 노멀(New Normal), 새로운 경제 질서, 4차 산업혁명이며 그 중심에 인공지능 기술과 빅데이터 관리 기술이 있다. 근본적으로 인공지능은 컴퓨팅 파워(Computing Power)를 극대화 시킬 수 있는 매우 중요한 기술이자 도구이며, 빅 데이터 관리 기술은 스마트팩토리와 떨어 질래야 떨어질 수 없는 필수 요소이다.

제조업을 부흥시키기 위해서는 먼저 경영 활동의 대상, 즉 시장, 고객, 생산 현장에 대한 관찰 능력이 있어야 한다. 우리는 디지털 기술이 고객 행동과 사람들의 삶에 영향을 미치는 사물 인터넷과 행동 인터넷(Internet of Behaviors) 시대에 살고 있다. 그러므로 빅데이터와 인공지능 기술을 활용하여 관찰 능력이 습득되면 그 다음은 그 대상을 제대로 제어할 수 있는 제어 능력을 찾아내야 한다.

이런 관찰 능력과 제어 능력에 첨단 ICT 기술인 IoT 센서, 빅 데이터, 인공지능, 클라우드 컴퓨팅, 5G 등을 활용하여 그 수준을 한 차원 스마트하게 높이는 것이 스마트한 관찰 능력과 제어 역량이며, 이는 첨단 정보통신기술(ICT)을 제조업 경영에 도입시켜 스마트 팩토리 고도화를 위한 제조 혁신 경영의 새로운 경영 패러다임이며, 그 목적은 최적화된 운영(Optimized Control) 관리에 있다.

그러므로 디지털 전환과 인공지능 전환(AI Transformation)에 성공한 기업과 그렇지 못한 기업 사이의 격차는 어느 한 시점의 고정적 격차에 머물지 않고, 시간이 지나면서 더욱 벌어지게 된다. 그 격차가 처음에는 미미하더라도 나중에는 메울 수 없는 격차가 된다. 이 격차를 ‘인공지능 기반 디지털 전환에 따른 격차’ 라 부른다.

이러한 기업간의 격차는 갈수록 더 커지는 근본적인 속성이 존재하기 마련이다. 그래서 스마트팩토리 구축은 생산의 문제를 뛰어 넘는 제조업의 경영 전략이 될 수 밖에 없다. 부분적인 정보와 과거의 경험에 의존하여 경영하던 시대는 지나가고, 이제는 실시간 모든 정보와 지금까지의 통찰로부터 얻은 모든 지식을 활용한 인공지능 기반의 제조업 각자의 독립적인 스마트팩토리 플랫폼이 절실해지고 있다.

제품 생산만 담당하던 공장이 데이터를 활용하여 제어하고 그로 인해 수집된 데이터를 통해 고객 맞춤형 생산과 공급망 관리(SCM)가 가능해지면, 그 기업이 갖게 될 경쟁력은 막강해질 것이고, 고객은 자신에게 맞는 제품과 서비스를 제공받게 될 것이다. 빅 데이터와 인공지능 기술 역량을 통해 선진 기업들은 이미 새로운 네트워크 기반에서 각자 독특한 플랫폼(Direct to Consumer) 사업을 전개하고, 데이터 기반 ICT융합기술을 활용하여 판매 감소의 위기를 극복하고 있다.

예를 들어 스포츠 용품 전문기업 나이키는 아마존 플랫폼에서 독립하여 나이키 만의 독특한 플랫폼(포로토콜 경제 지향 플랫폼)을 구축하여 빅데이터와 인공지능 기술을 활용하여 비즈니스를 선도하고 있다. 나이키의 사업 정신 “스포츠 용품을 팔지 않고 스포츠 정신을 팔겠다”는 마케팅 전략을 나이키 고유의 플랫폼으로 전개하고 있다. 그것이 바로 D2C(Direct to Consumer)이다. 아래 그림은 D2C 모델을 보여주고 있다.

제조업에서 활용 가능한 빅 데이터의 범주는 크게 제조 운영상에서 생성되는 운영 데이터, 직접적인 운영은 아니지만 간접적으로 제조 운영에 영향을 미치는 세일즈, 마케팅, 물류 데이터를 결합한 운영 통합 데이터 그리고 고객의 니즈(Needs)와 상품에 대한 의견 등을 통해 제품 설계와 프로세스에 활용할 수 있는 고객 경험 (user experience)데이터로 구별할 수 있다.

스마트 팩토리의 기초 단계에서는 운영 데이터 중심으로 구축되어 왔다. 하지만 스마트팩토리 고도화 단계에서는 D2C(Direct to Consumer)를 실현시켜야 하기 때문에 인공지능 기술을 기반으로 운영 통합 데이터와 고객 경험 데이터도 범주에 포함시켜야 한다.

또한, 개별 기업의 독특한 특성(Distinctive Characteristics)을 빅데이터의 의미 있는 속성으로 인식하여 전환하기 위해서는 인공지능 활용을 전제로 빅데이터 활용기술을 검토하여야 한다. 그러한 절차를 ‘빅데이터 목적성의 명료화 프로세스’라고 한다.

왜냐하면 빅 데이터란 단지 많은 데이터를 쌓아놓고 빨리 꺼내보는 것이 아니며, 데이터는 그 크기에 상관 없이 비즈니스를 더 성공적으로 수행하기 위한 도구로 사용되어야 한다. 인공지능도 마찬가지이다. 또한 빅데이터와 인공지능 기술을 활용하기 위해서는 질문에 대한 대답의 형태를 갖추고 있어야 하는데, 이를 위한 데이터 가공의 핵심 포인트는 분석(Analytics) 형태에 따라 크게 4가지로 구분해 볼 수 있다.

첫째, Business Intelligence / BI Reporting를 생성하기 위한 데이터 분석 방법이다. 즉, 항공기 조정석(Cockpit)의 계기판에 비유해서 대시보드 리포팅(Dashboard Reporting)이라고도 하며, 현재에 어떤 일이 일어나고 있는지를 정확하고 일목요연하게 보여주는 작업이다. 이는 빅데이터 분석의 시작 단계이며, 기본 데이터의 중요성이 강조되는 단계이다.

둘째, Descriptive Analytics(묘사 분석)은 정밀성이 요구되는 분석 방법이다. 즉, 영업활동과 마케팅 목표를 정밀하게 묘사하는 것으로 자료수집(Profiling), 세분화(Segmentation), 집단화(Clustering) 등이 여기에 포함된다. 예를 들어 주 고객층이 40~50대 여성이라면 학부형일 가능성이 높고 그들의 거주지는 어느 지역이며 생활수준과 라이프 스타일은 어떤지 하는 식으로 대상을 묘사하는 것이다. 이러한 분석은 마케팅의 STP(Segmentation, Targeting, Positioning)전략에 주로 사용된다.

셋째, Predictive Analytics(예지 분석)은 경영의 예지력을 강화시키기 위한 분석방법이다. 즉, 예측(Forecasting)적 분석 대상의 미래의 행동에 관한 예지(Predictive)를 통계적 확률로 표현하는 것이 가능하다. 통계적 모델(Statistical Modeling)이지만 최근에는 인공지능을 활용하기 때문에 전수 데이터를 사용하여 분석의 고도화를 추구하는 추세이다. 물론 빅데이터와 인공지능을 활용하면 통찰력(Insight)과 함께 예지력(Foresight)이 분석되는 경우도 있다.

넷째, Optimization Model(최적화 모델)은 스마트팩토리의 운영 측면에서 사용하는 방법이다. 즉, D2C(direct to Consumer) 플랫폼에서 고객의 주문 대응력을 극대화하기 위해서 생산 실행 전략을 세울 때에 필요한 분석 방법이며, 최적화 모델이다. “What-if Analysis” 스마트 팩토리에서 생산 수행 역량을 강화하는 데 활용된다.

스마트 팩토리 고도화는 생산현장의 현상 파악, 분석, 개선, 가시화를 “사용성”에 초점을 맞추고 기업가치 향상을 꿈꾸는 지속 가능한 플랫폼이기 때문에, 개별 기업별로 구축하는 것이 미래지향적인 스마트팩토리 씽킹(Smartfactory Thinking)이다. 또한 고객의 주문과 사용자 경험(UX-Design)을 빅데이터와 인공지능 분석 기술(예지적 분석: Predictive Analytics)을 활용하여 “제조업의 경쟁우위 기능”을 찾아내는 것이 핵심이다.

류성 (star@edaily.co.kr)

ⓒ종합 경제정보 미디어 이데일리 - 무단전재 & 재배포 금지

포토&TV

    이 시각 추천뉴스