[D.S : 데이터 분석 및 데이터 사이언스] SCM에 관련 데이터 지표들.
▽ [D.S : 데이터 분석 및 데이터 사이언스] SCM에 관련 데이터 지표들.
목 차
1. 재고 회전율 (Inventory Turnover) 🔄
2. 예측 정확도 (Forecast Accuracy) 🎯
3. 주문 주기 시간 (Order Cycle Time, OCT) ⏱️
4. 단 하나의 주문 충족률 (Perfect Order Rate, POR)
5. 현금 전환 주기 (Cash-to-Cash Cycle Time, CCC)
1. 재고 회전율 (Inventory Turnover) 🔄
개념.
-
재고 회전율은 일정 기간 동안 기업의 재고가 판매되는 속도를 나타내는 지표.
-
재고가 얼마나 효율적으로 관리되고 있는지, 그리고 자본이 재고에 묶여 있는 기간이 얼마나 짧은지를 측정.
이 수치가 높을수록 재고 관리가 효율적이며 자본 회수가 빠름.
관련수식.
재고 회전율은 매출원가(Cost of Goods Sold, COGS)를 평균 재고액(Average Inventory Value)으로 나누어 계산.
- 매출원가를 사용하는 이유는
판매 가격(매출액)에는 이윤이 포함되어 있어 재고의 실제 원가와 비교하기 어렵기 때문.
- 평균 재고액은 일반적으로 (기초 재고액 + 기말 재고액) / 2로 계산.
활용 방법.
-
DA
- 추이 분석 및 비교 진단: 월별/분기별 재고 회전율 추이를 모니터링하여 갑작스러운 변동을 파악
- 특히, 상품군별(SKU별) 또는 창고별 회전율을 비교 분석하여 회전율이 낮은(Slow-moving) 품목을 식별
- 이들이 과잉 재고(Overstock)로 이어지는지 분석하여 재고 폐기 리스크를 보고
-
DS
- 최적화 모델의 목표 설정: 수요 예측 모델의 결과를 재고 회전율 예측에 활용하여,
미래의 재고 상태를 시뮬레이션. - 재고 최적화 알고리즘을 개발할 때, 서비스 수준(예: 98% 충족률)이라는 제약 조건 내에서
재고 회전율을 최대화하는 발주량 및 발주 시점을 계산하는 목표 함수로 활용.
- 최적화 모델의 목표 설정: 수요 예측 모델의 결과를 재고 회전율 예측에 활용하여,
2. 예측 정확도 (Forecast Accuracy) 🎯
개념.
예측 정확도는 기업이 예상한 수요(Forecast)와 실제로 발생한 수요(Actual) 간의 오차 수준을 측정하는 지표.
- SCM의 모든 계획(조달, 생산, 재고)은 이 예측에 기반하므로, 이 지표는 공급망 전체의 계획 품질을 나타내는 가장 중요한 지표.
관련수식
-
예측 정확도를 측정하는 가장 일반적인 방법은 평균 절대 백분율 오차(MAPE: Mean Absolute Percentage Error)
- 이는 각 예측 오차를 실제값으로 나눈 후 절댓값을 취하고 평균을 낸 값으로, 백분율로 나타나기 때문에 해석이 용이.
- Actual t는 t 시점의 실제 수요, Forecast t는 t 시점의 예측 수요, n은 측정 기간의 수
활용 방법.
-
DA
-
오차 편향(Bias) 분석: 단순히 MAPE 값만 보는 것이 아니라,
예측이 지속적으로 과소(Underforecast) 되었는지 혹은 과대(Overforecast) 되었는지 편향(Bias)을 분석. -
과소 예측은 백오더를 유발하고, 과대 예측은 과잉 재고를 유발하므로,
이에 따른 재고 비용 증가를 산출하여 예측팀에게 보고.
-
-
DS
-
모델 성능 평가 및 개선: 시계열 분석, 머신러닝(ML), 딥러닝 등 다양한 예측 모델을 구축하고
MAPE를 비롯한 다양한 오차 지표(WMAPE, RMSE 등)를 사용하여 모델의 성능을 평가 -
모델의 예측 정확도를 높이기 위해 외부 요인(프로모션, 경쟁사 활동, 날씨 등)을 반영하는
피처 엔지니어링을 지속적으로 수행.
-
3. 주문 주기 시간 (Order Cycle Time, OCT) ⏱️
개념.
관련수식
활용 방법.
4. 단 하나의 주문 충족률 (Perfect Order Rate, POR)
개념.
관련수식
활용 방법.
5. 현금 전환 주기 (Cash-to-Cash Cycle Time, CCC)
개념.
관련수식
활용 방법.
Roll with the punches