고객 사례
데이터와 ML로 글로벌 매출 신장에
영향력 행사

INDUSTRY: Manufacturing

솔루션: 고객 세분화, 수요 예측, 안전 재고 분석

플랫폼 사용 사례: Delta Lake, 데이터 사이언스, 머신 러닝, ETL

클라우드: Azure

 

Electrolux에서는 영업 성과를 정확하게 예상하고 매출을 전망하는 데 고객의 구매 동향이 핵심적인 역할을 합니다. 하지만 155개 시장에 400여 곳의 유통 센터를 두고 연간 6천만 점이 넘는 제품 물량이 이동하는 고도로 복잡한 글로벌 인프라에서는 이런 작업을 해내기가 말처럼 쉽지만은 않습니다. Electrolux는 Databricks와 손을 잡고 머신 러닝을 활용해 영업 예측을 개선하고 공급망을 간소화하여 매출을 예측하고, 제품을 제때 수급하여 고객 만족도를 높일 수 있었습니다.

복잡한 가치 사슬에서 인사이트를 얻는 어려움

미래를 예측하기란 불가능한 일입니다. 하지만 적절한 수준의 인사이트를 갖추고 있다면, 어느 정도는 예측에 가까운 수준에 도달할 수도 있습니다. Electrolux의 경우, 고객을 움직이는 원동력이 무엇인지 파악하여 마케팅 캠페인 ROI와 영업 성과 예측을 개선한다는 목표를 세웠습니다.

Electrolux는 극히 복잡한 글로벌 공급망을 보유하고 있습니다. 물류 창고와 유통 센터만 해도 400곳이 넘고, 연간 이동하는 제품 물량은 6천만 점을 웃돕니다. 이렇게 구조가 복잡한 탓에 경쟁사의 압박, 원자재 가격 변동 등 다양한 문제도 뒤따릅니다. "저희 데이터 팀은 불가능한 것에 무모하게 덤벼들기보다는 데이터 사이언스를 활용해 비즈니스의 영업과 마케팅 부분을 개선하는 데 주력하려 했습니다." Electrolux의 데이터 사이언스 사업부 글로벌 총책인 Johan Vallin 님의 설명입니다.

데이터와 ML 통합으로 예측 정확도를 개선하는 법

이전에는 팀원들이 Excel 스프레드시트를 사용해 여러 데이터 소스에 보관된 기록 정보(예: 가격, 무역 박람회, 온라인 등급 평가, 리뷰 등)를 입력하여 전략적 의사 결정을 했습니다 이 프로세스는 고도로 리소스 집약적이면서, 마케팅 캠페인의 영향력을 명확하게 파악하지 않아 정확하지 않은 내용을 예측했습니다.

"저희는 공급망이 워낙 복잡하고 관리해야 할 모델 수가 많아서, 데이터 자산을 관리할 방법만이 아니라 온갖 다양한 모델의 버전 관리도 개선할 방법을 찾아야 했습니다."라고 Johan 님이 언급했습니다. "이제는 이 모든 업무를 Databricks 플랫폼을 통해 처리하고 있습니다."

Electrolux는 Databricks와 협력한 이후 손쉽게 대량의 소비자와 제품 데이터를 수집, 대규모로 머신 러닝을 활용하여 가치 사슬을 최적화하는 방법을 더욱 잘 파악하게 되었으며 결과적으로 마케팅 ROI와 영업 성과 예측을 개선할 수 있었습니다.

여러 데이터 타입과 소스를 다룰 때는 다운스트림 머신 러닝에 데이터 안정성이 매우 중요합니다. Electrolux 데이터 팀에서는 Delta Lake를 이용하여 수백만 개의 데이터 포인트를 손쉽게 수집하고 강력한 프로덕션 데이터 파이프라인을 구축하면서도 데이터 품질은 전혀 걱정할 필요가 없었습니다.

그런 다음 이러한 파이프라인이 끊임없이 개선을 거듭하는 수천 개의 모델에 데이터를 주입하는 것입니다. MLflow로 Electrolux의 머신 러닝 수명 주기 전체를 간소화할 수 있었습니다. Johan 님 "Databricks와 협력하면서 다양한 버전의 실험과 시뮬레이션을 추적하고, 전사적으로 모델을 패키징하고 공유할 수도 있으며 모델을 신속하게 배포할 수도 있게 되었습니다."라고 설명했습니다. "그 결과 예측 모델을 전보다 훨씬 빠른 속도로 반복 재현할 수 있게 되어 더욱 정확한 예측 결과를 내놓을 수 있게 되었죠."

또한 데이터 팀에서 실행 가능한 인사이트를 제공하여 기술과 무관한 팀원들도 활용할 수 있게 지원하는 것도 매우 중요한 일입니다. Databricks는 Microsoft 클라우드 에코시스템과 기본 통합되기 때문에 Electrolux에서 인사이트를 제공하는 영업 성과 규모 예측 대시보드를 개발하도록 지원할 수 있었습니다. 가격 동향, 경쟁력, 캠페인 비용과 활동 등 다양한 인사이트를 통해 영업과 마케팅 캠페인을 최적화할 수단을 마련한 것입니다. 전반적으로, 데이터 사이언스와 엔지니어링, 애널리스트 팀을 모두 같은 플랫폼에 통일하면서 팀 간 협업이 크게 향상되고 새로운 데이터 기반 기회가 발견되어 비즈니스 전체적으로 매출을 증진하고 영업 방식을 개선할 수 있게 되었습니다.

매출 예측 정확도 3배 향상

Electrolux의 영업 성과 예측 엔진을 Databricks 중심으로 재구성하면서 복잡한 글로벌 공급망이 계속 발전하면서 스마트해지는 모델을 수천 개나 확보한 것과 같아지면서 오히려 귀한 자산이자 경쟁사와의 차별점으로 여겨지게 되었습니다.

이 회사에서는 이제 소비자와 시장의 향후 행동을 더욱 정확하게 예측할 수 있게 되었습니다. 이처럼 새로 발견한 인사이트 덕분에 공급망의 중요한 측면이 전면적으로 개선되었습니다. 특히 영업과 마케팅 캠페인이 영업 성과 예측에 미치는 영향이 단연 괄목할 만한 면모입니다. Databricks와 함께 하면서 Electrolux의 영업 판촉 활동이 좀 더 적절한 성격을 띠게 되었지만, 그뿐만이 아니라 적절한 시점에 적절한 소비자에게 적합한 제품을 제공할 수 있게 되면서 손익에 직결되는 유익한 파급력을 확인할 수 있었으며, 분기가 지날수록 지속적인 성장을 위해 신뢰할 수 있는 수단이라는 사실이 입증되었습니다.

  • 3배
    판촉 영업의 예측 정확도 강화

Databricks 덕분에 영업 업무를 운영하는 방식에 좀 더 과학적인 견해를 갖고 접근할 수 있게 되었습니다. 그 결과 영업 판촉 성과 예측의 정확도가 세 배나 높아졌습니다."

– Johan Vallin, Electrolux 데이터 사이언스 사업부 글로벌 총책

관련 콘텐츠


Spark + AI Summit EU 2019 기술 토크