예술과 호구지책

제조기업은 시장 수요를 바탕으로 제조를 하는게 맞다.
다만, 제품이나 생산과정의 특성, 시장상황에 따라서 주문받는대로 만들지, 미리 만들어 놓고 팔지의 큰 틀이 결정되는 것이다.

그럼, 시장수요란 무엇일까?
적어도 내가 근무하고 있는 기업에서는 수요를 아래와 같이 구분한다.

※ 수요의 구분: 왼쪽으로 갈수록 불확실성 증가
예측 > 주문 > 생산계획

보통, 예측은 제조기업에서 정보를 수집해서 알아서 하는 경우가 많고,
주문은 고객에게서 받은 것이며, 생산계획은 예측과 주문을 바탕으로 어떻게 생산할 것인가를 계획한 내용이다.
가장 좋은 것은 생산계획대로 주문이 다 들어오는 것이지만, 세상에 그런 경우는 없다.
주문대로 생산만해도 행복한 상황일 것이다.
불행하게도, 대부분의 경우, 예측이 없으면 고객 주문에도 제대로 대응할 수 없다.
예측을 해야 고객 대응할 수 있지만, 예측은 틀리기 마련이고 틀린 예측은 과잉재고나 매출기회 손실로 이어지기 마련이다.
하지만 아예 예측을 하지 않는 것보다 틀린 예측이라도 하는 것이 이익이고, 예측의 정확성을 조금이라도 높이면 그 이익은 더욱 커질 수 있다.
즉, 예측은 Risk를 수반한 기업 경영 활동의 일부이다.
No Risk, No Return 이라는 말을 되세기면서, 어떻게 하면 좋은 예측을 할 수 있을지 고민해보자.

예측은 그 방법이 주관적인지 객관적인지에 따라 정성적인 방법과 정량적인 방법으로 나눌 수 있다.

정성적 예측은 장래의 수요나 방향성에 대해, 해당분야의 전문가나 관련이 높은 사람들의 주관적인 의견을 기초로 예측하는 방식이다.
과거의 자료가 체계적으로 정리되어 있지 않거나, 변화를 일으키는 체계 자체에 대한 연구가 부족하기 때문에 전문가나 관련된 사람들의 직관력, 의견, 예측에 의존하여 결론에 도달하게 된다.

정성적 예측은 예측의 기간에 따라, 장기 예측과 단기 예측으로 나뉠 수 있다.
수 년에서 수십 년에 이르는 기간 동안의 변화 방향에 대한 장기 예측의 경우, 전문가 집단에 대한 의존성이 커지는 반면에, 올 하반기 신상품 판매 예측과 같은 단기 예측의 경우에는 일반 소비자에 초점이 맞추어지는 경향이 있다.
이는 장기적인 변화에는 어떠한 매커니즘이 존재할 것이고, 전문가들이 이러한 체계를 보다 잘 분석하여, 미래의 방향성을 예측할 수 있을 것이라는 믿음을 가정하고 있는 것이다.

이와 마찬가지로, 단기적인 변화는 그 매커니즘보다는 시장의 심리 - 경우에 따라서는  비이성적인 bandwagoning- 가 중요한 영향을 미치기 때문에, 각 개인이 어떻게 느끼고 행동하는 지가 중요할 것이라는 가정에서 출발한 것이라는 것을 알 수 있다.

이렇게 전문가와 일반소비자를 상황에 따라 고려해야 한다는 점은 정성적 예측이 가지는 한계와 유용성을 동시에 보여주는 것이다.
장기 예측과 단기 예측, 전문가 중심 예측과 일반 소비자 중심 예측 모두 주관적일 수 밖에 없는 개인의 생각과 믿음에 기초한 것이기 때문에 항상 논리적으로 명쾌한 것은 아니다.
그러나, 미래 변화를 유발하는 중요 요소인 "사람들"의 생각이 반영된 내용이기 때문에, 논리적 완결성을 갖추기 위한 데이터가 부족한 상황에서도 적중률은 높을 수 있다. 어쩌면, 다수가 믿으면 사실이 된다는 자기 실현적 예언을 보여주는 예가 정성적 예측일 수도 있다.

우리는 경험적으로 전문가의 직관이 맞을 경우가 많다는 것을 안다. 동시에, 전문가가  쉽게 예측할 수 없는 시장의 심리라는 것도 존재한다는 것을 안다. 데이터가 부족하고, 연구 기간이 짧아서 미래 변동 매커니즘을 이해하지 못한다고 하더라도, 여전히 정성적인 방법은 하나의 기준이 되는 결과값을 산출해 낼 수 있다. 모호한 상황에서 결과를 낼 수 있다는 것, 이는 다른 예측과 비교하여 타당성을 검증할 수 있는 잣대로 사용될 수 있기 때문에, 그 의미가 더욱 크다.
따라서, 정량적인 예측 결과와 비교 분석할 경우, 정성적 예측의 의미는 더욱 커진다.

정량적인 예측은 축적된 실적 데이터를 기반으로 예측하는 방법이다. 판매 데이터가 있다면, 이를 가지고 수요 패턴을 분석하여 미래 수요를 예측하게 된다. 주로 이용되는 방법은 이동평균법, 지수평활법 등의 수학적 방법이 이용된다.
이동평균법은 최근 몇 기의 산술평균치를 가지고 예측하는 방법인데, 각 기간별로 동일한 가중치를 부여하는 단순이동평균법과 최근에 벌어진 일이 미래에 영향을 미칠 가능성이 높다는 가정하에 현재 시점에 가까울수록 높은 가중치를 부여하는 방법이 있다.
지수평활법은 최근의 실적이 미래에 더 직접적인 영향을 미친다는 가정에 더욱 충실한 방법이다.
위 두 가지 방법은 과거를 바탕으로 미래를 예측하는 방법이기 때문에, 변화 속도가 빠르거나 새롭게 나타난 시장에 대해서는 그 예측력이 떨어지는 단점이 있다. 특히, 주기적인 변동 - 계절성, 경기순환변동 등 - 이 존재할 경우에는 평균의 함정에 빠져서 그릇된 판단을 내릴 가능성이 크다.
그렇기 때문에, 정량적인 예측시에는 데이터의 표준편차를 측정하든 그래프를 그려보든지 하여 데이터의 전체적인 경향성을 주시할 필요가 있다.

그러면, 내 경험 속에서 예측의 모습은 어떠했는지를 살펴보자.

나는 회사에서 구매업무를 수행하고 있다. 우리 회사는 모바일 디스플레이 산업군에 속하며, 해당 제품군은 매우 강한 계절적 수요 변동을 보여주고 있다. 과거 수년간의 매출데이터를 살펴보면, 언제 생산이 많고 적은지를 쉽게 예측할 수 있고, 대부분의 경우는 이러한 정량적인 예측이 잘 들어맞는 편이다.
그러나, 개별 모델 수준으로 내려가면 이야기가 달라진다. 단기적인 시장상황에 따라서 해당 모델의 수요가 급변하면서 수요 예측은 적어도 주단위로 계속 갱신되어야 한다.
때로는 큰 틀에서 수요 계절성이 무너지기도 한다. 지난 2004년에 있었던 이동통신 3사 영업정지의 결과, 계절적 수요를 고려한 예측 수준 이하로 급감한 예가 있었다. 지금 돌이켜 보면, 이러한 일이 발생할 수 있다는 조심스러운 예측이 분명히 있었지만, 이를 제대로 인식하고 대응하지 못한 면이 컸다.
즉, 정량적 예측과 정성적 예측이 동시에 고려했다면, 더 좋은 결과가 있었을 것이라고 생각해볼 수 있다.

예측이란 복잡한 상황에서 가장 있을법한 경우를 추려나가는 활동이다. 따라서, 하나의 방법만으로 예측을 수행하는 것은 농구선수를 키만으로 선발하려는 것에 비유할 수 있을 것이다.
경험에 비추어 볼 때, 보다 나은 예측을 위해서는 시간과 돈, 인력을 투자하여, 여러 가지 가능성을 다각도로 분석하는 방법 밖에 없다. 그 방법이 정성적인지, 정량적인지가 중요한게 아니라, 어떤 가능성을 빠트리지 않았는지 잘 짚고 넘어가는 것이 중요하다.
요즘은 많은 부분이 전문화, 시스템화되어가고 있다. 수요예측은 영업, 마케팅 부서에서 하는 것이고 그 결과가 시스템에 수요 예측이란 값으로 주어지게 되면, 나머지 부서는 이를 따라가기만 하면 되는 것으로 생각하는 경향도 함께 강해지고 있다.
조직이 크다면, 어쩔 수 없이 그렇게되는 부분도 있지만, 예측의 정확성을 높이기 위해 전사적 차원에서 오감을 곤두세워 협업할 수 있는 방법은 없는지가 고민이다. 적어도, 개발과 구매부문 종사자는 그러한 역할을 할 수 있을 것이라고 생각한다.

이 회사에서 내가 과장이 되기 전에 얻어야 할 것들은 다음과 같다.

인생의 반려자
중국어
영어
CPM
CPIM

이 중에서, CPM과 CPIM은 2009년까지 취득을 목표로 하고 있다.
특히, CPIM의 경우, 회사에서 제공하는 사이버 학습으로 맛뵈기 보는 중이다.
열심히 해서 성과를 이루자.

솔직히, 공부하는 거 자체가 재미있지만. ^^;;

※ 추신: 2008.05.05
     - 상황상 CPM부터 공부하기로 했다. 총예산 300만원. 취득 목표는 08년 11월까지.
        힘내자.. ㅋㅋㅋ