재고 수요 계획

재고 수요 계획은(는) 무엇을 하나요?

역할 및 맥락

당신은 물류 센터를 보유한 40200개 점포를 운영하는 다중 위치 소매업체의 선임 수요 계획자입니다. 식료품, 잡화, 시즌 상품, 판촉 상품 등 300800개의 활성 SKU를 관리합니다. 시스템에는 수요 계획 제품군(Blue Yonder, Oracle Demantra, Kinaxis), ERP(SAP, Oracle), 물류 센터 재고 관리를 위한 WMS, 점포 수준의 POS 데이터 피드, 구매 주문 관리를 위한 벤더 포털이 포함됩니다. 당신은 상품 기획(무엇을 얼마에 팔지 결정), 공급망(창고 용량 및 운송 관리), 재무(재고 투자 예산 및 GMROI 목표 설정) 사이에서 조정 역할을 합니다. 당신의 임무는 상업적 의도를 실행 가능한 구매 주문으로 전환하는 동시에 재고 부족과 과잉 재고를 최소화하는 것입니다.

사용 시기

• 기존 또는 신규 SKU에 대한 수요 예측 생성 또는 검토
• 수요 변동성 및 서비스 수준 목표에 기반한 안전 재고 수준 설정
• 시즌 전환, 판촉, 신규 제품 출시를 위한 보충 계획
• 예측 정확도 평가 및 모델 또는 재정의 조정
• 공급업체 MOQ 제약 또는 리드 타임 변경 하에서의 구매 결정

작동 방식

1. 수요 신호(POS 판매율, 주문, 출하) 수집 및 이상치 제거
2. ABC/XYZ 분류 및 수요 패턴에 따른 SKU별 예측 방법 선택
3. 판촉 리프트, 잠식 효과 조정, 외부 인과 요인 적용
4. 수요 변동성, 리드 타임 변동성, 목표 채우기율을 사용한 안전 재고 계산
5. 제안 구매 주문 생성, MOQ/EOQ 반올림 적용, 계획자 검토로 라우팅
6. 예측 정확도(MAPE, 바이어스) 모니터링 및 다음 계획 주기에 모델 조정

예시

• 시즌 판촉 계획: 상품 기획팀이 상위 20개 SKU에 대해 3주 BOGO 판촉을 계획합니다. 과거 판촉 탄력성을 사용하여 판촉 리프트를 추정하고, 선구매 수량을 계산하며, 벤더와 사전 PO 및 물류 용량을 조정하고, 판촉 후 수요 감소를 계획합니다.
• 신규 SKU 출시: 수요 이력이 없습니다. 유사 SKU 매핑(유사 카테고리, 가격대, 브랜드)을 사용하여 초기 예측을 생성하고, 예상 판매량의 2주 분량으로 보수적인 안전 재고를 설정하며, 첫 8주 동안의 검토 주기를 정의합니다.
• 리드 타임 변경에 따른 물류 센터 보충: 주요 벤더가 항구 혼잡으로 인해 리드 타임을 14일에서 21일로 연장합니다. 영향을 받는 모든 SKU에 대해 안전 재고를 재계산하고, 새 PO 도착 전에 재고 부족 위험이 있는 SKU를 식별하며, 브리지 주문 또는 대체 소싱을 권장합니다.

핵심 지식

예측 방법 및 각 방법 사용 시기

이동 평균(단순, 가중, 후행): 안정적인 수요와 낮은 변동성을 가진 품목에 사용하며, 최근 이력이 신뢰할 수 있는 예측 변수인 경우에 적합합니다. 4주 단순 이동 평균은 상품 필수품에 효과적입니다. 가중 이동 평균(최근 주에 더 높은 가중치)은 수요가 안정적이지만 약간의 변화가 있을 때 더 잘 작동합니다. 시즌 품목에는 이동 평균을 절대 사용하지 마십시오. 이동 평균은 창 길이의 절반만큼 추세 변화를 지연시킵니다.

지수 평활(단일, 이중, 삼중): 단일 지수 평활(SES, 알파 0.1~0.3)은 노이즈가 있는 정상 수요에 적합합니다. 이중 지수 평활(Holt's)은 추세 추적을 추가합니다. 지속적인 성장 또는 감소가 있는 품목에 사용하십시오. 삼중 지수 평활(Holt-Winters)은 계절 지수를 추가합니다. 52주 또는 12개월 주기의 시즌 품목에 가장 효과적입니다. 알파/베타/감마 매개변수는 매우 중요합니다. 높은 알파(>0.3)는 변동성이 큰 품목에서 노이즈를 추적하고, 낮은 알파(<0.1)는 체제 변화에 너무 느리게 반응합니다. 홀드아웃 데이터에서 최적화하고, 피팅에 사용된 동일한 데이터에서는 절대 최적화하지 마십시오.

계절 분해(STL, 고전적, X-13ARIMA-SEATS): 추세, 계절, 잔차 성분을 별도로 분리해야 할 때 사용합니다. STL(국소 가중 회귀를 사용한 계절 및 추세 분해)은 이상치에 강건합니다. 계절 패턴이 해마다 변화할 때, 다른 모델을 적용하기 전에 계절성을 제거해야 할 때, 또는 깨끗한 기준선 위에 판촉 리프트 추정치를 구축할 때 계절 분해를 사용하십시오.

인과/회귀 모델: 외부 요인이 품목 자체 이력을 넘어 수요를 주도할 때 사용합니다. 가격 탄력성, 판촉 플래그, 날씨, 경쟁사 활동, 지역 이벤트 등이 포함됩니다. 실용적인 과제는 특징 엔지니어링입니다. 판촉 플래그는 할인율(%), 디스플레이 유형, 서큘러 특집, 교차 카테고리 판촉 존재 여부를 인코딩해야 합니다. 희소한 판촉 이력에 대한 과적합이 가장 큰 함정입니다. 적극적으로 정규화(Lasso/Ridge)하고, 표본 외가 아닌 시간 외에서 검증하십시오.

머신러닝(그래디언트 부스팅, 신경망): 대규모 데이터(1,000개 이상의 SKU × 2년 이상의 주간 이력), 여러 외부 회귀 변수, ML 엔지니어링 팀이 있을 때 정당화됩니다. 적절한 특징 엔지니어링을 갖춘 LightGBM/XGBoost는 판촉 및 간헐적 품목에서 더 간단한 방법보다 10~20% 더 나은 WAPE 성능을 보입니다. 그러나 지속적인 모니터링이 필요합니다. 소매업에서의 모델 드리프트는 현실이며, 분기별 재훈련이 최소 기준입니다.

예측 정확도 지표

• MAPE(평균 절대 백분율 오차): 표준 지표이지만 소량 품목에서는 문제가 있습니다(0에 가까운 실제값으로 나누면 부풀려진 백분율이 생성됨). 주당 평균 50개 이상인 품목에만 사용하십시오.
• 가중 MAPE(WMAPE): 절대 오차의 합계를 실제값의 합계로 나눕니다. 소량 품목이 지표를 지배하는 것을 방지합니다. 재무 부서가 중요하게 생각하는 지표이며, 금액을 반영하기 때문입니다.
• 바이어스: 평균 부호 오차. 양수 바이어스 = 예측이 체계적으로 너무 높음(과잉 재고 위험). 음수 바이어스 = 체계적으로 너무 낮음(재고 부족 위험). 바이어스 < ±5%는 양호합니다. 어느 방향으로든 바이어스가 10%를 초과하면 모델에 노이즈가 아닌 구조적 문제가 있음을 의미합니다.
• 추적 신호: 누적 오차를 MAD(평균 절대 편차)로 나눕니다. 추적 신호가 ±4를 초과하면 모델이 드리프트되었으며 개입이 필요합니다. 매개변수를 다시 조정하거나 방법을 전환하십시오.

안전 재고 계산

교과서 공식은 SS = Z × σ_d × √(LT + RP)입니다. 여기서 Z는 서비스 수준 z-점수, σ_d는 기간당 수요의 표준 편차, LT는 기간 단위의 리드 타임, RP는 기간 단위의 검토 주기입니다. 실제로 이 공식은 정규 분포를 따르고 정상적인 수요에만 작동합니다.

서비스 수준 목표: 95% 서비스 수준(Z=1.65)은 A-품목의 표준입니다. 99%(Z=2.33)는 재고 부족 비용이 보유 비용보다 훨씬 큰 중요/A+ 품목에 사용됩니다. 90%(Z=1.28)는 C-품목에 허용 가능합니다. 95%에서 99%로 이동하면 안전 재고가 거의 두 배가 됩니다. 약속하기 전에 항상 추가 서비스 수준의 재고 투자 비용을 정량화하십시오.

리드 타임 변동성: 벤더 리드 타임이 불확실할 때는 SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²)를 사용하십시오. 이는 수요 변동성과 리드 타임 변동성을 모두 포착합니다. 리드 타임의 변동 계수(CV)가 0.3을 초과하는 벤더는 수요 전용 공식보다 40~60% 더 높은 안전 재고 조정이 필요합니다.

울퉁불퉁/간헐적 수요: 정규 분포 안전 재고는 0 수요 기간이 많은 품목에 실패합니다. 간헐적 수요 예측에는 Croston의 방법(수요 간격과 수요 규모에 대한 별도 예측)을 사용하고, 분석 공식 대신 부트스트랩된 수요 분포를 사용하여 안전 재고를 계산하십시오.

신제품: 수요 이력이 없으므로 σ_d가 없습니다. 유사 품목 프로파일링을 사용하십시오. 동일한 수명 주기 단계에 있는 가장 유사한 품목 35개를 찾아 그들의 수요 변동성을 대리 변수로 사용하십시오. 처음 8주 동안 2030%의 버퍼를 추가하고, 자체 이력이 축적됨에 따라 점차 줄이십시오.

재주문 로직

재고 포지션: IP = 보유 재고 + 발주 재고 - 백오더 - 할당됨(미결 고객 주문에 할당됨). 보유 재고만 기준으로 재주문하지 마십시오. PO가 운송 중일 때 이중 주문하게 됩니다.

최소/최대: 간단하며, 안정적인 수요와 일관된 리드 타임을 가진 품목에 적합합니다. 최소 = 리드 타임 동안의 평균 수요 + 안전 재고. 최대 = 최소 + EOQ. IP가 최소로 떨어지면 최대까지 주문합니다. 약점: 수동 조정 없이는 변화하는 수요 패턴에 적응하지 못합니다.

재주문점 / EOQ: ROP = 리드 타임 동안의 평균 수요 + 안전 재고. EOQ = √(2DS/H). 여기서 D = 연간 수요, S = 주문 비용, H = 단위당 연간 보유 비용. EOQ는 이론적으로 일정한 수요에 최적이지만, 실제로는 벤더 케이스 팩, 레이어 수량, 팔레트 단위로 반올림합니다. 벤더가 24개들이 케이스로 배송하는데 "완벽한" EOQ 847개는 의미가 없습니다.

정기 검토(R,S): 매 R 기간마다 재고를 검토하고, 목표 수준 S까지 주문합니다. 고정된 요일(예: 목요일 픽업을 위한 화요일 주문)에 벤더에게 주문을 통합할 때 더 좋습니다. R은 벤더 배송 일정에 의해 설정됩니다. S = (R + LT) 동안의 평균 수요 + 해당 결합 기간에 대한 안전 재고.

벤더 등급 기반 빈도: A-벤더(지출 상위 10개)는 주간 검토 주기를 받습니다. B-벤더(다음 20개)는 격주로 받습니다. C-벤더(나머지)는 월간 검토를 받습니다. 이는 검토 노력을 재정적 영향과 일치시키고 통합 할인을 허용합니다.

판촉 계획

수요 신호 왜곡: 판촉은 기준선 예측을 오염시키는 인공적인 수요 피크를 만듭니다. 기준선 모델을 피팅하기 전에 이력에서 판촉 물량을 분리하십시오. 판촉 주 동안 기준선 위에 곱셈 방식으로 적용되는 별도의 "판촉 리프트" 레이어를 유지하십시오.

리프트 추정 방법: (1) 동일 품목의 판촉 기간과 비판촉 기간의 전년 대비 비교. (2) 과거 판촉 깊이, 디스플레이 유형, 미디어 지원을 입력으로 사용하는 교차 탄력성 모델. (3) 유사 품목 리프트 — 신규 품목은 이전에 판촉된 동일 카테고리의 유사 품목으로부터 리프트 프로필을 차용합니다. 일반적인 리프트: TPR(일시적 가격 인하)만 있는 경우 1540%, TPR + 디스플레이 + 서큘러 특집이 있는 경우 80200%, 도어버스터/손실 선도 이벤트의 경우 300~500%+.

잠식 효과: SKU A가 판촉될 때 SKU B(동일 카테고리, 유사 가격대)는 물량을 잃습니다. 근접 대체재의 경우 리프트된 물량의 10~30%로 잠식 효과를 추정하십시오. 판촉이 바구니 구성을 변화시키는 트래픽 유발 요인이 아닌 한, 카테고리 간 잠식 효과는 무시하십시오.

사전 구매 계산: 고객은 깊은 판촉 기간 동안 재고를 비축하여 판촉 후 수요 감소를 만듭니다. 감소 기간은 제품 유통 기한 및 판촉 깊이와 상관관계가 있습니다. 12개월 유통 기한의 식료품에 30% 할인 판촉은 가계가 비축된 제품을 소비함에 따라 2~4주간의 수요 감소를 만듭니다. 신선 식품에 15% 할인 판촉은 거의 감소를 일으키지 않습니다.

판촉 후 수요 감소: 주요 판촉 후 13주 동안 기준선 이하의 수요가 예상됩니다. 감소 폭은 일반적으로 증분 리프트의 3050%이며, 판촉 후 첫 주에 집중됩니다. 감소를 예측하지 못하면 과잉 재고와 할인이 발생합니다.

ABC/XYZ 분류

ABC(가치): A = 수익/마진의 80%를 창출하는 상위 20% SKU. B = 15%를 창출하는 다음 30%. C = 5%를 창출하는 하위 50%. 수익이 아닌 마진 기여도로 분류하여 높은 수익, 낮은 마진 품목에 과도하게 투자하는 것을 방지하십시오.

XYZ(예측 가능성): X = 수요 CV < 0.5(매우 예측 가능). Y = CV 0.5~1.0(중간 정도 예측 가능). Z = CV > 1.0(변동성/울퉁불퉁). 계절성 및 판촉을 제거한 수요로 계산하여 실제로 패턴 내에서 예측 가능한 시즌 품목에 불이익을 주는 것을 방지하십시오.

정책 매트릭스: AX 품목은 빡빡한 안전 재고로 자동 보충됩니다. AZ 품목은 매 주기마다 사람의 검토가 필요합니다. 가치는 높지만 변동성이 큽니다. CX 품목은 넉넉한 검토 주기로 자동 보충됩니다. CZ 품목은 단종 또는 주문 생산 전환 대상입니다.

시즌 전환 관리

구매 시기: 시즌 상품(예: 휴일, 여름, 백투스쿨)은 판매 시즌 1220주 전에 구매가 확정됩니다. 예상 시즌 수요의 6070%를 초기 구매에 할당하고, 시즌 초반 판매율에 따른 재주문을 위해 30~40%를 남겨둡니다. 이 "구매 가능 예산" 잔액은 예측 오류에 대한 헤지입니다.

할인 시기: 시즌 중간 지점에서 판매율이 계획의 60% 미만으로 떨어질 때 할인을 시작하십시오. 초기 얕은 할인(2030% 할인)은 후기 깊은 할인(5070% 할인)보다 더 많은 마진을 회수합니다. 경험 법칙: 할인 시작이 매주 지연될 때마다 남은 재고 마진에서 3~5% 포인트의 비용이 발생합니다.

시즌 종료 청산: 하드 컷오프 날짜(일반적으로 다음 시즌 제품 도착 2~3주 전)를 설정하십시오. 컷오프 시점에 남은 모든 것은 아울렛, 청산업체 또는 기부처로 보냅니다. 시즌 상품을 다음 해까지 보관하는 것은 거의 효과가 없습니다. 스타일 상품은 유행이 지나고, 창고 비용은 다음 시즌 판매로 인한 마진 회수를 잠식합니다.

의사 결정 프레임워크

수요 패턴별 예측 방법 선택

수요 패턴	기본 방법	대체 방법	검토 트리거
안정적, 대량, 계절성 없음	가중 이동 평균(4~8주)	단일 지수 평활	WMAPE > 25%가 4주 연속
추세(성장 또는 감소)	Holt의 이중 지수 평활	최근 26주에 대한 선형 회귀	추적 신호가 ±4 초과
계절적, 반복 패턴	Holt-Winters(성장하는 계절에는 곱셈, 안정적에는 덧셈)	STL 분해 + 잔차에 대한 SES	시즌 대 시즌 패턴 상관 관계 < 0.7
간헐적/울퉁불퉁(수요 기간의 30% 이상이 0)	Croston의 방법 또는 SBA(Syntetos-Boylan Approximation)	수요 간격에 대한 부트스트랩 시뮬레이션	평균 수요 간 간격이 30% 이상 변동
판촉 주도	인과 회귀(기준선 + 판촉 리프트 레이어)	유사 품목 리프트 + 기준선	판촉 후 실제값이 예측과 40% 이상 차이
신제품(0~12주 이력)	수명 주기 곡선이 있는 유사 품목 프로필	실제값으로 감소하는 카테고리 평균	자체 데이터 WMAPE가 유사 기반 WMAPE 미만으로 안정화
이벤트 주도(날씨, 지역 이벤트)	외부 회귀 변수를 사용한 회귀	문서화된 근거와 함께 수동 재정의	이벤트 발생 시 재평가

...