AI 활용 데이터 플랫폼과 물류 피킹 시스템 단계 구축

이 소비재 유통 그룹의 기간계 시스템은 오래된 클라이언트·서버 방식의 ERP여서 차세대 ERP 도입을 검토하던 중이었습니다. 데이터가 조직마다 따로 관리되어 전사 현황을 한 번에 보기 어려웠고, 리포트 하나를 만들려면 여러 시스템을 돌며 엑셀로 취합해야 했습니다. 정제된 데이터가 없어 AI 분석 도구를 도입하려 해도 출발점이 없는 상황이었습니다. 고객사는 차세대 ERP에 앞서 데이터 기반부터 마련하는 것으로 프로젝트를 시작했습니다.

먼저 풀어야 할 과제는 운영 중인 기간계 DB에 부담을 주지 않으면서 판매·재고 데이터를 분석 가능한 구조로 옮기는 일이었습니다. 데이터 활용이 늘면서 브랜드별 원가까지 조회되는 만큼 사용자·브랜드·조직 단위로 조회 권한을 정교하게 통제해야 했습니다. 기존 영업관리 프로그램과 숫자를 맞추는 정합성 검증도 큰 비중을 차지했습니다. 물류센터에서는 기존 표시기 설비가 대량 배분에 맞춰져 있어, 매장별로 적게 나가는 배분 물량까지 표시기 랙을 차지하고 작업자가 구역 전체를 돌아야 했습니다. 새 현장 시스템은 기존 ERP의 배분·출고 데이터를 그대로 쓰면서 출고 전표와 송장 발행 업무를 바꾸지 않아야 했습니다.

풀링포레스트는 한 번에 큰 시스템을 바꾸지 않고, 작은 범위로 시작해 결과를 확인한 뒤 넓혀 가는 단계적 방식을 택했습니다. 데이터 웨어하우스 단계에서는 고객사가 실제로 쓰는 엑셀 양식과 리포트를 먼저 받아 필요한 데이터 구조를 거꾸로 설계하는 역방향 모델링으로 스키마를 확정했습니다. 데이터 플랫폼 단계는 짧은 주기의 스프린트로 운영하며 리뷰와 데모를 반복하고, 현업 요청을 우선순위에 따라 반영했습니다. 물류 시스템은 현장 미팅에서 작업 흐름과 데이터 구조를 정리하고, 물류 현장 설명회와 테스트 서버 검증을 거쳐 화면과 작동 방식을 다듬었습니다. 단계마다 앞 단계의 데이터 구조와 인증 체계를 이어 써서 시스템이 늘어나도 기준이 하나로 유지되도록 했습니다.

먼저 AWS DMS 기반 적재 파이프라인과 데이터 웨어하우스, 대용량 테이블 조회와 엑셀 다운로드를 지원하는 조회 웹서비스를 구축하고 회사 Google Workspace 계정으로 로그인하도록 했습니다. 이어서 사용자·그룹·브랜드·데이터셋·대시보드 단위의 권한 모델과 API·쿼리 수준의 접근 제어, 권한 변경 감사 기록을 갖춘 데이터 플랫폼으로 확장하고 추가 대시보드를 만들었습니다. 현업 서비스로는 상품 이미지를 올리면 축소 이미지를 만들어 기존 ERP 화면에 자동 반영하고, AI로 이미지 메타데이터를 추출하고 상품 설명을 생성하는 기능을 연결했습니다. 물류 현장에는 PC와 바코드 스캐너로 상품을 스캔하면 넣을 매장 박스를 화면과 음성으로 안내하는 소량 배분 피킹 시스템을 만들었습니다. 이 시스템은 기존 ERP의 배분·품목·매장 데이터를 피킹 기준으로 쓰고, 중복·초과 스캔 경고, 박스 마감과 재작업 이력, 매장별 거래명세서 출력을 지원합니다.

데이터 웨어하우스에서 출발해 데이터 플랫폼과 물류 현장 시스템까지 단계적으로 구축했습니다. 데이터 플랫폼은 기준정보, 판매·주문·입고, 재고 등 현업에 필요한 핵심 데이터를 제공하며, 조직·브랜드 단위 권한과 민감정보 마스킹을 적용해 운영되고 있습니다. 현업 대상 활용 교육 과정도 마련해 데이터 구조와 조회 방법, AI 도구로 대시보드를 직접 만드는 실습까지 안내했습니다. 소량 배분 피킹은 기존 표시기 설비와 나란히 돌아가도록 설계해 기존 출고 전표와 송장 발행 업무를 그대로 유지합니다.