AI 수요예측으로 재고 리스크 26% 줄인 일동후디스｜성공사례

[사례 요약]

• 기업명: 일동후디스
• 업종: 식품
• 과제: 수요예측을 통한 재고 최적화
• 활용 솔루션: 임팩티브AI Deepflow Forecast
• 예측 대상: 일동후디스 주요 제품군
• 성과: 수요예측 평균 정확도 80% 이상 달성, 재고 리스크 26% 이상 감소

‍

1. 고객사 소개

일동후디스는 유아식, 건강기능식품, 신선 식품 등 다양한 제품군을 보유한 국내 대표 식품 기업으로, 품질과 신뢰를 바탕으로 소비자에게 오랜 기간 사랑받아 온 브랜드입니다. 최근 소비 트렌드가 빠르게 변화하고 유통 채널이 온라인·오프라인으로 다변화되면서, 일동후디스는 제품 특성에 맞는 정교한 수요예측을 기반으로 재고를 보다 안정적으로 관리할 필요성이 커졌습니다.

특히 유통기한이 짧은 제품의 경우, 정확한 수요예측 없이는 과잉 재고로 인한 폐기 비용 증가나 재고 부족으로 인한 판매 손실이 쉽게 발생할 수 있었습니다. 이런 배경에서 일동후디스는 데이터 기반 수요예측 체계를 구축하기 위해 임팩티브AI의 딥플로우 포어캐스트(Deepflow Forecast)를 도입했습니다.

‍

2. 프로젝트 배경 – 유통기한이 짧은 식품 제품의 재고 최적화

식품 산업은 제품의 유통기한, 소비 패턴의 계절성, 프로모션 영향, 판매 채널의 다양성 등 여러 요소가 수요를 동시에 좌우하는 특징이 있습니다. 이러한 복잡성 때문에 기존 방식으로는 품목별 수요 변동성을 정확하게 포착하는 것이 점점 더 어려워지고 있습니다.

일동후디스는 온라인몰·대형마트·전문점 등 다양한 유통 채널에 걸쳐 제품을 공급하고 있어, 채널별 판매 특성과 프로모션 영향을 수요예측에 반영하는 것이 특히 중요했습니다. 프로젝트의 핵심 목표는 주요 제품군의 수요를 SKU 단위로 정교하게 예측하고, 이를 통해 재고 부족과 과잉 재고를 최소화하는 재고 최적화 전략을 구축하는 것이었습니다.

‍

3. 데이터 – 내부 판매 정보부터 외부 환경 변수까지 폭넓게 활용

정확한 수요예측을 위해 내부 판매 데이터와 외부 환경 데이터가 함께 활용되었습니다. 내부 데이터는 판매량, 판매 채널, 제품 속성 등 실제 구매 흐름을 반영하는 정보로 구성되었고, 외부 데이터는 식품 산업 특성상 소비에 영향을 미치는 다양한 환경 요인을 포함했습니다. 활용된 데이터는 다음과 같습니다.

• 내부 데이터: 판매량, 판매 채널 정보, 프로모션 데이터 등
• 외부 데이터: 광고·리뷰 정보, 거시경제 지표, 산업 환경 변화 지표, 계절성 신호 등

‍

특히 프로모션 관련 데이터는 판매량에 직접적인 영향을 미칠 수 있는 중요한 변수였습니다. 해당 데이터가 누적될수록 특정 할인 이벤트나 채널별 프로모션이 수요에 어떤 영향을 미치는지 모델이 더 정교하게 학습할 수 있어, 향후 예측 정확도가 더욱 높아질 가능성이 확인되었습니다.

‍

4. 모델– 제품별 수요 특성에 따라 최적의 모델 조합 적용

일동후디스는 제품에 따라 수요 패턴이 다양하기 때문에, 단일 모델로는 수요 변동성을 충분히 설명하기 어려웠습니다. 이에 딥플로우는 200개 이상의 예측 모델 중 제품별 데이터 구조에 가장 적합한 모델들을 선별해 적용했습니다.

모델 선정 시에는 단순 시계열 패턴만이 아니라 유통 구조별 소비 특성, 가격 변화, 프로모션, 거시경제 지표 등 다양한 변수를 동시에 반영할 수 있는지가 중요한 기준이었습니다. 또한 식품 제품 특성상 갑작스러운 수요 증가나 이벤트성 변동이 자주 발생하기 때문에, 예측값의 변동 폭을 설명할 수 있는 모델의 해석력 역시 중요한 요소로 고려되었습니다.

적용된 핵심 모델

대표적으로 Boosting regressor 모델이 핵심적인 역할을 했습니다. 이 모델은 비선형 관계와 변수 간 상호작용을 정교하게 학습할 수 있기 때문에, 프로모션에 따라 특정 채널에서 판매량이 급증하거나, 인플레이션·경기 지표가 수요에 미치는 복합적 영향을 효과적으로 반영할 수 있습니다. 즉, 단순한 시간 흐름 기반 예측이 아닌 실제 시장 환경을 반영한 예측 구조를 구현하는 데 적합했습니다.

‍

정확도를 극대화하기 위한 모델링 프로세스

모델링은 기본 모델링을 시작으로, 제품군 및 채널 구조를 반영한 계층적 모델링(Hierarchical Modeling), 그리고 유사 패턴을 가진 제품을 그룹화하여 학습 효율을 높이는 클러스터 기반 모델링(Cluster-based Modeling) 순으로 진행되었습니다.

이를 통해 데이터가 부족한 품목에서도 정확도를 확보하고, 제품 카테고리별 특성을 정밀하게 반영할 수 있었습니다.

‍

5. 성과 – 평균 정확도 80% 이상, 재고 리스크 26% 감소

프로젝트 결과, 주요 제품군의 수요예측 정확도는 평균 80% 이상을 기록했습니다. 특히 매출 비중이 높은 핵심 제품군에서는 더 높은 예측 정확도가 나타났고, 변동성이 큰 품목의 판매 흐름을 안정적으로 포착하는 결과를 확인할 수 있었습니다.

6개월 기간 기존 방식 대비 재고 부족과 과잉 재고로 인해 발생하는 기회비용을 비교한 결과, 재고 리스크는 약 26.2% 감소하 것으로 분석되었습니다. 이는 유통기한이 짧은 제품군의 재고 부담을 실질적으로 완화할 수 있는 수준이며, 일동후디스의 운영 효율성을 크게 높일 수 있는 성과였습니다.

일동후디스는 향후 딥플로우를 활용해 수요예측 정확도를 한층 향상하고, 재고 전략 및 공급망 운영을 지속적으로 고도화할 계획입니다.

‍

6. 결론

이번 프로젝트를 통해 일동후디스는 유통기한이 짧고 변동성이 큰 식품 제품에서도 AI 기반 수요예측을 통해 예측 정확도를 효과적으로 개선할 수 있음을 확인했습니다. 내부 판매 데이터와 외부 환경 요인을 정교하게 결합해 분석함으로써 재고 구조를 보다 효율적으로 관리할 수 있었고, 이를 통해 재고 비용 절감 효과도 직접적으로 확인할 수 있었습니다.

임팩티브AI는 일동후디스의 데이터 기반 운영 역량이 앞으로도 안정적으로 확장될 수 있도록 지속적으로 예측 모델 고도화와 활용을 지원할 예정입니다.