
AI·데이터: 지능형 수요 예측
소매 체인이 데이터에 기반해 구매를 결정하도록 지원했습니다.
과제
U.M은 두 방향으로 손실을 보고 있었습니다. 시즌이 지난 의류의 과잉 재고(재고 할인 손실)와, 인기 품목의 품절로 인한 판매 기회 상실이었습니다. 구매 결정은 '작년 + 10%'라는 단순한 논리로 Excel 시트에서 이뤄졌고, 마이크로 트렌드나 날씨, 소셜 미디어 반응은 반영하지 못했습니다.
솔루션
GTEMAS는 U.M의 내부 IT 팀과 함께 일할 ML Engineer 3명을 투입했습니다. 이들은 GTEMAS와 서비스 계약을 맺은 독립 전문가입니다. U.M의 데이터 리드가 목표를 정하고, 카테고리 매니저에게 'Buying Recommendation Report'가 무엇을 보여 줘야 하는지 정의했습니다. GTEMAS 엔지니어는 그 요건에 맞춰 LSTM(Long Short-Term Memory) 네트워크로 시계열 예측 모델을 구현했습니다. 지능형 리포팅: 이 모델은 Google Trends와 현지 날씨 예보를 포함한 5개 소스의 데이터를 받아, 어떤 SKU를 재주문하고 어떤 SKU를 즉시 할인해야 하는지 보여 주는 일일 리포트를 생성합니다.
아키텍처 전략
데이터 파이프라인은 AWS 위의 Apache Airflow로 오케스트레이션합니다. 모델은 SageMaker에서 학습하고 내부 API를 통해 ERP 시스템에 제공합니다.
성과 및 결과
AI 시스템은 구매 문화를 직관 중심에서 근거 중심으로 바꿔 놓았습니다. 이제 카테고리 매니저들이 데이터를 신뢰하게 되었고, 공급망은 더 슬림하고 수익성이 높아졌습니다.
불용 재고 감소
재고 확보율 개선 덕분
예측 정확도(기존 60%)