인사이트

인사이트리포트

디지털프렌스포메이션 최신 정보 및 트렌드를 제공합니다.

데이터 관리

운영정보로 혁신하라: 프로세스 혁신(PI/ERP) 유지와 지속적인 성과 창출 방안

2019.12.23강승모
다운로드

1. 프로세스 혁신(Process Innovation, PI/ERP) 이후 기업들의 고민

2000년 이후 국내 기업들은 6-Sigma, TQM(Total Quality Management), Lean Process, Value Stream 등의 경영 혁신 활동과 함께 프로세스 혁신(PI/ERP)을 추진해왔다. 그런데 프로세스 혁신 활동을 완수한 기업들에서 공통적으로 언급되는 VoC(Voice of Customer)가 있다.

“PI/ERP 이후 기대했던 성과가 나오지 않는다.”

“PI/ERP 이후 무엇을 해야 할 지 모르겠다.”

이를 분석해보면 기업들이 프로세스 혁신 이후에 어떤 문제에 직면하는지 알 수 있다.

 

■”PI/ERP 이후 기대했던 성과가 나오지 않는다.”

통상 프로세스 혁신은 프로젝트 방법론에 따라 과제를 정의하는 단계에서 핵심 성과 지표(KPI)라는 명칭으로 목표를 설정한다. 이후 혁신 실적은 성과 지표를 측정하는 방식으로 관리된다. 프로세스 혁신 작업 이후 성과가 기대에 못 미친다며 불만을 갖는 기업들은 아래와 같은 공통점이 있다.

[사례 1] 측정이 불가능한 성과 지표(KPI)를 선정

예를 들어 직접비(원가) 절감을 목적으로 혁신 과제를 추진하였으면 ‘해당 항목의 절감액’을 성과 지표로 선정하면 된다. 그런데 개선 효과를 논리적으로 설명하기에 어려운 ‘(영업)이익 개선율(%)’을 선정하는 경우가 이에 해당한다.

[사례 2] 성과 지표는 논리적으로 선정하였으나, 과제 목표 값(Target Value)을 일회성 지표로 설정하여 과제 완수 이후 관리가 중단

예를 들어 프로세스 혁신 과제의 성과 지표와 목표를 당시 사업 및 생산 환경을 기준으로 ‘생산 CAPA OO% 개선’, ‘재고일수 OO일 감축’ 등과 같이 설정하고서는 이후 변화하는 비즈니스 여건을 반영하지 않고 초기의 목표 값을 그대로 유지하는 경우가 이에 해당한다.

[사례 2]가 [사례 1]보다 더 심각한 문제점을 갖고 있다. 왜냐하면 [사례 1]은 성과 지표가 잘못된 것이다 보니 기대했던 성과가 나타나지 않으면 다른 과제나 개선 방안을 고민하면 된다. 그러나 [사례 2]는 변화하는 사업 환경과 혁신 과제의 성과 목표가 서로 조화를 이루지 못하면서 왜곡된 정보가 도출되어 잘못된 의사결정에 이르게 하기 때문이다.

 

■”PI/ERP 이후 무엇을 해야 할 지 모르겠다.”

IT 시장조사 업체 가트너에서 2019년 발표한 ‘Gartner Top 10 Strategic Technology Trends for 2019’ 보고서에 따르면 기업이 관심을 가져야 할 기술로 증강 분석(Augmented Analytics: 데이터 관리 및 분석, 비즈니스 프로세스 관리, 프로세스 마이닝, 데이터 사이언스 플랫폼 등)과 디지털 트윈(Digital Twin: 센서를 활용한 데이터 수집과 분석, 시각화 등) 등을 꼽고 있다.

그런데 실제로 증강 분석과 디지털 트윈 프로젝트를 추진하는 기업들을 살펴보면 전체 소요 자원의 50% 이상을 데이터 취합, 정제 및 변환 등 전처리에 투입하고 있다. 이는 프로세스 혁신은 완료하였으나 프로세스 운영과 데이터 품질 관리가 제대로 되지 않고 있는 현실을 방증한다.

한 예로 모 제조 기업은 설비 예방 정비 활동의 업무 효율을 개선하기 위해 머신 러닝(Machine Learning) 기법 도입에 나섰다. 그러나 PoC 단계에서 설비 로그 데이터의 저품질 문제가 드러나 결국 프로젝트 자체를 후순위로 조정해야 했다.

 

종합해보면 프로세스 혁신을 완료한 기업이 겪게 되는 혁신 성과 부진 등의 문제 원인은 아래 두 가지로 귀결된다.

① 프로세스 혁신의 성과 유지와 개선을 위한 프로세스 운영 모니터링과 관리 소홀

② 시스템 기반 의사 결정을 지원하는 데이터 품질 관리 미흡

이 중 ② 항목은 에스코어가 2019년 5월 발행한 ‘성과를 창출하는 데이터 품질관리’ 백서를 참고하면 해결책을 찾을 수 있을 것이다. 본 백서에서는 ① 항목의 개선 방안과 사례를 살펴봄으로써 ‘운영정보(Operational Data Management) 기반 혁신’을 소개하겠다.

 

 

2. 운영정보 기반 혁신이란 무엇인가?

앞서 프로세스 혁신을 완료한 기업들이 성과를 유지하고 개선하는데 어려움을 겪는 원인으로 프로세스 운영 모니터링과 관리 소홀을 제시하였다. 이의 이해를 돕고자 개념적 사례를 들어 데이터 기반 혁신 활동의 뜻과 필요성을 설명하겠다.

기업들은 프로세스 혁신 후 고도화를 추진하면서 기준정보 관련 과제를 진행하게 되는데 이 때 다음과 같은 실수를 종종 저지른다.

① 프로세스 혁신 추진 목적 대비 제한적인 기준정보 관리

② 비즈니스 환경 변화에 대응할 수 있는 최적화된 정보 관리 미흡

③ 프로세스 혁신 성과의 유지, 개선을 위한 전사 성과 관리 체계와의 미연계

이 중 항목 ③은 전사 성과 관리(Enterprise Performance Management) 영역에서 다루어야 할 내용으로 본 백서에서는 제외한다.

먼저 ‘프로세스 혁신’의 정의를 살펴보자. ISO 9001(제품 및 서비스의 전체 생산 과정에 걸친 품질 보증 체계)에서는 프로세스(Process)를 ‘입력물을 이용하여 의도한 결과물을 전달하는 일련의 연관 혹은 상호 관계 활동의 집합’으로 정의한다. 여기서 ‘의도한 결과물’이란 선행 프로세스에서 후행 프로세스로 전달되는 산출물을 의미한다. ‘의도한’은 선·후행 프로세스 간 업무 수행에 필요한 합의된 수준의 품질을 가진다는 것을 뜻한다. 대부분의 프로세스 혁신은 합의된 수준의 품질을 달성하기 위해 신규 활동을 추가하거나 기존 활동을 개선하는 과정을 거친 다음, 이를 전사 표준 프로세스에 반영한다.

프로세스 혁신을 추진하는 기업에서 위의 항목 ①과 같은 상황은 일상적으로 발생하고 있다. 대다수 기업은 전통적인 마스터 기준정보(Master Data) 개념을 준용하여 고객(Customer), 공급사(Supplier), 임직원(Employee), 제품(Product), 조직(Org.), 회계 계정 과목(CoA) 등과 같이 생성 이후 일정 기간 변경되지 않는 정적 데이터(Static Data)만을 관리 대상으로 삼고 있다.

 

기준정보 개념의 변화 필요성

기업에는 일·주·월 단위 정기적으로 수행하면서 전사 유관 부서들과의 협업이 필요한 E2E(End-to-End) 업무 프로세스들이 있다. 제조업의 경우 가장 포괄적인 E2E 프로세스로는 SCM(Supply Chain Management)과 PLM(Product Life-cycle Management)을 들 수 있다. 여기서는 가상의 제조 기업을 상정해 SCM E2E 프로세스 운영에 대한 가설적 이슈(필자의 프로젝트 경험을 바탕으로 만든 가상의 개념적 현황 및 문제 상황)를 다루면서 기준정보 개념의 변화 필요성을 제시하겠다.

전사 SCM(Supply Chain Management) 운영 및 관리에 있어 실적 데이터를 활용하여 산출된 기준(Reference) 정보를 유관 부서들이 참조하여 업무에 반영합니다. 이후 경영 의사 결정을 통해 SCM 운영이 최적화 되고 결국에는 경영 성과로 귀결된다. 이때 특정 부서에서 표준 프로세스를 준수하지 않을 경우 전사적으로 운영 이슈가 발생한다.

원재료와 부품 주문 과정을 예로 들어보자. 판매 생산 계획(Sales & Operation Planning, S&OP) 회의체를 통해 생산·판매 계획 물량을 합의한 후, ERP 시스템의 MRP(Material Requirement Planning/자재소요계획, 이하 MRP) 기능을 실행하여 적정 원재료와 부품 구매 수량을 산정한 다음, 원재료 및 부품 공급 업체로 자동 발주를 하는 순으로 업무가 진행된다. 이 때 주문 물품의 조달 리드 타임을 정확하게 관리하지 않을 경우 MRP 결과 오류가 발생한다. 이로 인해 원재료나 부품의 과잉 재고와 결품 발생 → 생산 계획 왜곡 → (예상)생산 실적 차이 발생 → 생산 자원 운영 비효율 → 납기 약속 미준수, 판매 능력 저하에 따른 매출 및 손익 차질에 이르는 연쇄적인 경영 성과 이슈가 발생할 수 있다.

그림 1 - 전사 SCM E2E 프로세스 관련 기준 (Reference) 정보 오류로 인한 비즈니스 영향도_ 시스템 데이터 운영현황에서 ‘원재료·부품 리드타임’ 항목이 경영 성과에 커다란 영향을 미치면서 여러 전사 프로세스의 기준(Reference) 정보 역할을 하고 있다. 전사 업무 처리에 기준(Reference) 역할을 하면서 왜곡되거나 오류가 생길 경우 재무적 성과에 영향을 미치는 핵심적인(Critical) 정보를 추가 관리해야 이슈를 설명하는 영향도 그림

그림 1의 SCM E2E 프로세스 현상과 이슈를 정리해보면 ‘원재료·부품 리드타임’ 항목이 경영 성과에 커다란 영향을 미치면서 여러 전사 프로세스의 기준(Reference) 정보 역할을 하고 있다.

대다수 기업들은 프로세스 혁신을 전개하면서 전통적인 개념의 기준정보 운영·관리에 집중하는 것이 현실이다. 많은 투자와 노력으로 완성한 프로세스 혁신이 단기적인 목표 달성 후에도 지속적인 성과를 유지하기 위해서는 과거의 기준정보 개념에서 벗어나야 한다. 전사 업무 처리에 기준(Reference) 역할을 하면서 왜곡되거나 오류가 생길 경우 재무적 성과에 영향을 미치는 핵심적인(Critical) 정보를 추가 관리하는 방향으로 기준정보에 대한 개념 전환이 필요하다.

 

비즈니스 혁신 목적에 부합하는 기준정보 개념 재정립

기준(Reference) 의미를 갖는 정보 항목을 포함한 광의의 기준정보에 대해 에스코어(S-Core)는 아래와 같이 개념 체계를 정의하고 있다.

표 1 - 광의의 기준정보 유형 및 주요 특징_ 마스터-대상(모델, 부품, 설비, 고객, 벤더, 사원, CoA등),시스템(ERP), 관리 포인트(정확성), 정보 특성(정적). 운영정보-대상(CPA, 생산 L/T, 수율, 조달 L/T, 재고일수 등),시스템(SCM, MES,SRM 등), 관리 포인트(최적화), 정보 특성(동적)

기준(Reference)의 의미를 갖는 운영정보의 특성을 마스터 기준정보와 비교하면 다음과 같다.

첫째, 기준정보 관리 거버넌스 측면에서 차이가 있다.

마스터 기준정보는 ERP 내 여러 모듈에서 참조하는 정보로 100% 정확도 관리 관점에서 검증(Validation) 역할을 강조한다. 반면 운영정보는 지속적으로 변화하는 비즈니스 환경과 사업 전략 등을 고려한 특정 시점 별 정보 항목을 관리해야 하기 때문에 최적화(Optimization) 역할이 강조된다.

둘째, 기준정보의 변경 과정이 다르다.

마스터 기준정보는 잦은 변경이 발생하지 않으며 변경이 필요할 경우에는 해당 기준정보 오너(Owner) 부서가 주도하여 유관 부서와 협의한다. 반면 운영정보는 시점 별 적정 기준을 인지하기 위해 기업 내 축적된 대량 트랜잭션 데이터를 추출, 집계하고 연산 및 최적화 과정을 거쳐 동적값(Dynamic Value)을 산출해야 한다. 따라서 마스터 기준정보보다 더 많은 시간과 노력이 필요하다.

그림 2 - 광의의 기준정보 유형 개념_마스터: 정적(Statics) 유지되는 질적(Qualitative) 속성으로 구성된 기준정보. 운영정보: 동적(Dynamic)변화하는 양적(Quantitative)속성을 갖는 기준 정보

 

데이터 기반의 혁신으로 전환

전통적인 기준정보 개념에서 벗어나 새로운 개념의 기준정보가 이해되었다면 프로세스 혁신을 완료한 기업들의 고민이 왜 발생하는지를 추론할 수 있을 것이다. 따라서 프로세스 혁신을 마쳤거나 진행 중인 기업은 혁신의 지속성을 확보하기 위해 광의의 기준정보 개념을 받아들이는 것을 진지하게 고려해야 한다.

프로세스 혁신을 완료한 후에는 성과를 유지하기 위해 지속적인 관리가 필요하다. 이 때 개선 대상 영역(프로세스)을 발굴하는 것과 더불어 전사 경영 성과 향상에 기여할 수 있는 현실적인 지원 솔루션이 바로 ‘운영정보’이다.

데이터 기반의 혁신이란 운영정보를 활용하여 문제가 있는 프로세스를 인지할 뿐 아니라 문제점을 시정한 후 프로세스가 잘 운영되는지를 모니터링 하는 것까지 포함한다. 즉, 선순환적 구조로 프로세스를 관리하는 개념으로 프로세스 혁신과 상호 보완적인 관계에 있다.

그림 3 - 데이터 기반 혁신과 프로세스 혁신의 관계_ 데이터 기반혁신(운영정보 모니터링,표준프로세스 개선 대상인지). 프로세스 혁신(표준 프로세스 개선, 표준 프로세스 운영)의 순환

이어서 에스코어(S-Core)의 ODM(Operational Data Management) 솔루션과 운영정보 프로젝트 사례를 소개하겠다.

 

 

3. 에스코어 ODM 솔루션 소개 및 도입 사례

에스코어는 삼성의 인-하우스(In-House) 컨설팅 회사로 관계사의 프로세스 혁신, ERP 및 레거시 시스템 관련 프로젝트 경험을 통해 기준(Reference) 정보 관리의 중요성을 인식하게 되었다. 운영정보가 ERP·MES·SCM 등의 시스템에서 대용량 트랜잭션 데이터를 집계 및 연산하는 과정에서 산출되다 보니 수작업으로 이루어지는 운영정보 관리는 현실적으로 많은 어려움이 있었다. 이러한 경험에서 자체 ODM 솔루션을 착안하여 고객사에 제공하고 있다.

에스코어 ODM 솔루션은 ‘대량 트랜젝션 데이터 인터페이스 → 관리 대상 운영정보 산출을 위한 실적 데이터 집계 및 변환 → 비즈니스 상황을 고려한 조정 → 운영 중인 ERP나 레거시 시스템의 운영정보 항목을 다시 현행화’ 하도록 기능이 구성되어 있다.

특히 대부분의 관리 기능은 코딩 작업을 최소화한 설정(Setup) 방식으로 제공되어 신규 운영정보를 손쉽게 추가, 확대할 수 있다. 유지보수가 용이한 자바(Java), HTML 등의 범용 기술로 개발되었으며 구축형(On-Premise)과 클라우드(Cloud) 아키텍처를 모두 지원한다.

그림 4 - 에스코어 ODM (Operational Data Management)_에스코어 ODM 솔루션은 ‘대량 트랜젝션 데이터 인터페이스 → 관리 대상 운영정보 산출을 위한 실적 데이터 집계 및 변환 → 비즈니스 상황을 고려한 조정 → 운영 중인 ERP나 레거시 시스템의 운영정보 항목을 다시 현행화’ 하도록 기능이 구성_ 구성내용은 User interface(WEB), Application Logic(Java), Engine(Java), Repository(Database)

운영정보 고도화 프로젝트를 성공적으로 완수한 기업 사례를 간략하게 소개하면 다음과 같다.

표 2 - 에스코어의 운영정보 프로젝트 수행 사례 (요약)_ A사(전기전자)-프로젝트추진배경 및 목적- PI/ERP 이후 운영정보 고도화: 단일 사업부 시범 수행 후 전사 횡 전개, 전사프로세스 실행력 제고: 프로세스 품질=데이터품질. 프로젝트 성과 및 변화사항- 프로젝트 추진과정에서 00억원 절감: 안전 재고 및 재주문점 최적화 등, 추가 설비 투자 없이 설비 생산능력을 개선하여 RTF 충족률 향상, 데이터 기반 어부 처리: 담당자 직감에 의한 기준값 관리에서 데이터 분석근거 활용으로 전환, 가시성 기반 업무 개선: 정물 일치 실현에 다른 업무 효율화 대상 가시성 확보. B사(화학)- 프로젝트 추진 배경 및 목적 - PI/ERP 이후 단기 성과는 달성하였으나 일정 시간이 지나면서 지속적인 비효율 발생: 동일 라인 복수 제품 생산에 따른 제품 별 최적화된 운영기준 마련 필요. 프로젝트 성과 및 변화사항- 단일 공장 Capa. 0.0% 개선 및 SCM RTF 충족율 100% 달성, 운영정보 상시 관리를 위한 변경 관리 기준 및 오너십 부여 거버넌스 운영

운영정보 관리에 나선 기업들은 프로젝트 기간 내에 단기 재무 목표를 달성하였다. 그러나 더 큰 효과는 이 같은 성과를 지속적으로 유지, 개선해 나갈 수 있도록 업무 수행 방식이 변화된 것이다. 일하는 방식의 변화가 수반되어야 재무 성과를 유지하면서 개선 대상을 지속적으로 찾아낼 수 있기 때문이다.

 

 

4. 프로세스 혁신 성과 유지와 지속 개선을 위한 제언

지금까지 프로세스 혁신을 수행한 기업들의 고민과 근본 원인에 대해 짚어보고 이의 극복 방안으로 광의의 기준정보인 ‘운영정보’ 개념을 제시하였다. 아울러 운영정보 관리를 위한 ODM 솔루션을 소개하였다.

에스코어의 컨설팅 경험과 프로젝트 사례 분석 결과를 토대로 운영정보를 성공적으로 도입·활용하기 위한 제언을 다음과 같이 덧붙인다.

그림 5 - 성공적인 운영정보 도입 및 관리를 위한 고려 사항_ 1. 운영정보를 관리하는 궁극적인 목적에 대한 전사 공감대 필요-단순표준값에 대한 데이터 정비 자체가 목적이 아님. 마스터 기준정보 아님-프로세스 실행력을 높이기 위해 Biz 성과와 직접 연계되는 대상 선정. 2. 전사적 관점에서 문제 발굴과 개선 방향 도출- 특정 프로세스/기능 중심으로 개선을 하면 동일한 문제 반복 발생-운영정보에 영향을 주는 전사 유관 프로세스 일괄 분석 후 전사적 관점에서 최적화된 방안 도출. 3. 지속적인 변화관리와 모니터링을 위한 전담 운영조직 필요-1회성 활동으로 끝나면 다시 과거로 돌아감. 지속적인 모니터링이 필요-운영정보는 전사 관점의 관리 대상 정보로 전담 운영관리 조직 권한 부여.

첫째, 프로젝트 초기에 ‘운영정보의 필요성’과 ‘기존 성과 지표와 프로세스 운영 지표 간 차이점’에 대한 전사적인 공감대가 형성되어야 한다.

둘째, 이슈·문제 발생 시 특정 프로세스나 기능에 한정하지 말고 전사 관점에서 원인과 영향을 다각도로 분석해야 한다. 예를 들어 납기 일정 지연 상황에 대한 문제점 분석을 할 때, 물류 프로세스나 IT 분야에 국한하지 말고 선행 프로세스를 따져 전사 관점에서 개선해야 할 대상을 확인한 후, 투자 대비 실효성이 가장 좋은 대안을 만들어야 한다.

기업에서 혁신 과제를 도출, 추진하는 모습을 보면 담당 임원의 단기 성과를 고려해 특정 부문에 한정하여 진행하는 경우가 많다. 이러한 혁신 활동의 결과는 일시적으로 경영 성과가 개선된 듯해 보이나 머지않아 동일한 문제점이 다시 나타나게 된다. 결국 재발하는 문제점을 해결하고자 땜질 처방식 투자가 되풀이 되면서 임직원들의 혁신에 대한 피로감은 높아지고 기대치는 낮아지는 현상까지 나타나기도 한다.

셋째, 프로젝트 종료 이후 운영정보의 모니터링과 관리는 일차적으로 담당 부서가 주도하게 된다. 하지만 전사 경영성과에 영향을 미치는 정보 항목을 중심으로 해당 운영정보 관련 이슈를 정기적으로 논의할 수 있는 회의체가 운영되어야 한다. 여기에는 전사 경영진이 참여해 의사결정을 하는 것이 중요하다.

예를 들어 SCM 관련 운영정보의 문제점과 개선 방안을 협의하기 위한 판매 생산 계획(S&OP) 회의체를 정기 운영할 수 있다. 경영진과 이슈를 공유하고 단일 방향의 의사결정을 기반으로 혁신 활동을 추진해나가는 동력으로 삼을 수 있을 것이다.

 

지금까지 프로세스 혁신 프로젝트를 완료한 기업들이 고민하게 되는 프로세스 실행력 확보와 혁신 성과의 연속성 유지를 위한 방안으로 ‘운영정보 기반 혁신’에 대해 소개하였다.

많은 고객들이 단기간에 경영 성과를 개선할 수 있는 현실적이면서 실효성 높은 방안이 무엇인지를 궁금해하고 있다. 그 해답은 △ODM 아키텍처를 기반으로 대용량 트랜잭션 데이터를 관리하면서, △데이터 사이언스(Data Science)를 통해 최적화된 운영정보 값을 산출하고, △RPA(Robotics Process Automation)를 활용해 ERP·SCM·MES 등의 시스템에서 트랜잭션을 처리할 때 참조하는 운영 기준정보 값을 정기적으로 자동 업데이트 할 수 있도록 통합 연계 구현하는 것이라고 생각한다.

‘운영정보’로 업무 프로세스와 기업 비즈니스를 연결하고 분석하여 ‘데이터 기반의 혁신’을 추진해나가는 일, 바로 디지털 트랜스포메이션(Digital Transformation)의 시작이다.

# References

- https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019
- https://www.iso.org

강승모 이사

에스코어㈜ 컨설팅사업부 데이터컨설팅팀

프로세스 혁신, 운영전략 수립, 정보화 전략(ISP), 운영정보 및 Digital Transformation 컨설팅 전문가입니다. 삼성 관계사와 국내 주요 대기업 그룹사를 대상으로 다수의 프로젝트 수행 경험을 갖고 있습니다.

연관 아티클

  • AI 시대, 디자이너가 알아야 할 가독성을 높이는 데이터 시각화 방법
    IT 트렌드2024.03.15

    AI 시대, 디자이너가 알아야 할 가독성을 높이는 데이터 시각화 방법

    자세히 보기
  • 쏟아지는 신기술, “Know yourself.”
    IT 트렌드2023.11.27

    쏟아지는 신기술, “Know yourself.”

    자세히 보기
  • MariaDB 서버 모니터링 및 성능 최적화: InnoDB Buffer Pool 1부
    2023.11.10

    MariaDB 서버 모니터링 및 성능 최적화: InnoDB Buffer Pool 1부

    자세히 보기