BI
2019.04.10

"타이어 교체 시기를 예측해 볼까?"··· 관련 업계를 뒤흔든 '결정적 질문'

Clint Boulton | CIO
지난 2016년 창립 100주년을 바라보는 딜러 타이어(Dealer Tire)의 임원들은 사내 신생 데이터 과학팀에 질문을 하나 던졌다. “소비자에게 타이어가 필요한 시기를 예측할 수 있을까?” 고객이 다른 곳에서 타이어를 사기 전에 다가가야 하는 회사로서는 중요한 질문이었다. 그리고 해답은 '충분히 가능하다'는 것이었다.
 

딜러 타이어의 데이터 과학 담당 이사 크리스 스크론은 CIO.com과의 인터뷰에서 “그때가 바로 처음 무릎을 '탁' 치는 순간이었다. 만일 그 질문에 대답할 예측 모델을 만들 수 있다면 진정한 부가가치가 창출될 것임을 깨달았다”라고 말했다.

타이어 등 자동차 부품을 판매하는 유통 업체인 딜러 타이어는 이를 계기로, 분석 기능을 활용해 소속 대리점과 자동차 제조 협력업체에 유료로 제공할 새로운 데이터 제품과 컨설팅 서비스도 만들 수 있게 됐다. 유통 업체로서 부가가치 창출에 성공한 딜러 타이어는 빅데이터가 앞으로 회사 매출에 더 도움이 될 것으로 기대하고 있다.

거래 데이터 등 다양한 데이터를 활용한 매출 증대 전략은 다양하다. 이를 위해 많은 기업이 분석 프로젝트에 투자하고 있다. 이들 프로젝트의 핵심 툴 중에는 데이터를 정리하고 모델화해 비즈니스 통찰력을 강화하는 소프트웨어가 있다. 시장조사업체 IDC에 따르면, 전 세계 빅데이터 및 사업 분석 소프트웨어 시장은 2017년부터 2022년까지 연평균 12%씩 성장해 2022년에는 2,600억 달러에 이를 것으로 전망된다.

설명 모델에서 예측 모델로
딜러 타이어가 빅데이터에 거는 기대를 이해하려면 이 회사의 과거를 살펴볼 필요가 있다. 2015년 딜러 타이어는 외부 업체에 의뢰해 데이터 분석 사용 현황을 파악했는데 그 결과가 마음에 들지 않았다. 다년간에 걸쳐 타이어 트레드 등 자동차 부품에 대한 과거 데이터를 수집한 딜러 타이어로서는 이미 일어난 일들을 보여 주는 이른바 '기술 분석(descriptive analytics)'은 풍부했다.

반면, 고객 동향과 행동을 예측하기 위한 분석은 한심할 정도로 부족했다. 이러한 틈을 메우기 위해 2015년 스크론이 영입됐다. 이후 딜러 타이어는 앞으로 일어날 일을 예상하기 위한 예측 분석(predictive analytics)과 대책을 수립하기 위한 처방 분석(prescriptive analytics)에 주력하기 시작했다.

스크론은 먼저 다양한 경력의 데이터 과학자로 구성된 소규모 팀을 구성해 고객에 새 타이어가 필요한 시기 등을 분석할 분석 플랫폼 구축에 나섰다. 새 타이어 교체 시기를 아는 것은 단순한 데이터처럼 보이지만 그로 인해 더 큰 경제적 파급 효과가 있다. 왜냐하면, 딜러 타이어에 의하면, 대리점에서 타이어를 구매하는 사람은 서비스를 받으러 대리점을 다시 찾을 가능성이 2.7배 높고, 대리점에서 새 차를 구매할 가능성은 1.3배 높기 때문이다.

따라서 이른바 '스마트 타이어'를 만들면 타이어 제조사, 대리점은 물론 딜러 타이어의 매출도 함께 늘어날 수 있다. 스크론은 “우리의 사업 모델은 협력업체와 함께 매출과 고객 만족도를 높일 새로운 기회를 찾는 것이다. 이를 사전에 알 수 있다면 이 데이터를 활용해 이익을 거둘 수 있다"라고 말했다.

전통적으로 기업은 '타이어 타이머'에 의존했다. 즉, 보편적인 평균 주행 거리를 기준으로 타이어 마모 정도를 추산했다. 보통의 타이어는 연간 1만 마일을 달린다고 가정할 때 3만 3,000마일 정도에서 교체해야 한다. 그러나 모든 타이어 트레드가 똑같이 생기지 않았고 차량의 평균 주행 거리도 저마다 다르다. 따라서 모든 운전자를 “평균”이라고 보면 이러한 소비자에게 딜러 타이어와 그 대리점, 제조사 협력업체가 접근하는 시간은 지나치게 빠르거나 느리게 된다.

스크론이 지휘하는 팀은 각 소비자가 대리점을 방문할 최적의 시간을 파악할 수 있도록 개인별 타이어 마모를 모델화하기 위해 자동차 제조사와 대리점의 데이터를 병합했다. 그 결과 만들어진 것이 '타이어 트리거(Tire Trigger)' 애플리케이션이다. 개인별 예측이 가능한 다양한 모델을 제공한다. 예를 들면 타이어 교체가 필요한 주행 거리를 예측하는 모델이 있는가 하면 고객의 일별 주행 거리를 예측하는 모델도 있다.

이들 모델에는 각 고객 차량의 트레드 깊이를 정확하게 예측할 수 있도록 가장 정확한 예측을 보장하는 하위 모델이 포함돼 있다. 딜러 타이어는 이러한 모델을 종합해 교체 시기를 파악한다. 각 개인의 차량 및 주행 패턴을 기준으로 특정 타이어 트레드 깊이에 도달했다고 판단되는 고객 명단을 제조업체에 제공하는 것이다. 대리점은 그 정보를 활용해 고객에게 타이어 교체 시기가 됐음을 통보할 시기를 결정할 수 있다.

타이어 트리거 도입 이후 통제군(새 타이어 구매를 권하는 어떠한 마케팅도 받지 않은 고객들) 대비 순수 구매 비율이 16%씩 꾸준히 증가했다. 이는 21%의 매출 증가에 해당한다. 딜러 타이어는 2019년에 타이어 트리거 앱을 더 많은 대리점과 제조사로 확장할 예정이다.
 
타이어 유통업체 내의 데이터 과학 스타트업
딜러 타이어의 데이터 과학 활용은 업계에 반향을 일으키고 있다. 스크론에 따르면, 제조사는 이상 감지 등 사례에 대해 딜러 타이어에 도움을 청하고 있다고 한다. 스크론의 데이터 과학팀도 큰 힘을 얻게 됐다. 딜러 타이어는 현재 직원에게 연수와 교육은 물론 자동차 부품 영업 개선 팁 등을 제공하는 SAC(Service Advisor Coach)라는 성과 툴을 테스트 중이다.

이밖에 각종 부품과 서비스의 수요와 고객 이탈을 예상하는 예측 모델도 개발 중이다. 대리점이 고객과 적시에 접촉해 고객 이탈을 막을 수 있는 가이드를 제공하는 목표라고 스크론은 설명했다. 딜러 타이어는 자동차 제조사의 매출 증대를 돕기 위해 자체 예측 및 처방 모델링 전문 기술을 컨설팅 계약을 통해 판매도 하고 있다. 스크론은 "데이터 과학팀이 협력업체에 사용을 허가할 분석 제품을 개발 중이라는 것은 마치 딜러 타이어 내의 스타트업 같은 역할을 하는 셈이다"라고 말했다.

딜러 타이어는 다수의 데이터 소스로부터의 미가공 데이터를 결합해 도미노 데이터 랩(Domino Data Lab)의 소프트웨어 플랫폼으로 모델링할 수 있게 변환한다. 데이터 과학팀 역시 도미노를 코드 배치, 관리, 공유 등에 활용한다. 도미노의 플랫폼은 스크론의 초보 데이터 엔지니어도 사용하기 쉬워 딜러 타이어가 분석 업무를 빠르게 확장할 수 있었다.

이는 이전의 '땜질식' 분석 프로젝트 방식과도 큰 차이가 있다. 스크론은 "예전에는 오라클 데이터베이스에서 SQL 쿼리를 가져와 회사의 데이터 레이크를 대상으로 실행했는데 이는 데이터 모델링에 오히려 방해가 됐다"라고 말했다.

실제로 자료를 보면 딜러 타이어가 의미 있는 행보를 하고 있음을 알 수 있다. 가트너 보고서에 따르면, 비즈니스 인텔리전스 및 분석 소프트웨어 대한 기업의 신규 투자 중 결과 예측에 도움을 주고 행동 방침을 처방해 주는 분석 부분이 차지하는 비중이 2020년까지 40%에 달할 것으로 전망된다. 스크론은 "새로운 접근 방식 덕분에 딜러 타이어 전체가 더 데이터 중심의 문화로 변모했다. 우리는 이를 계속해 나가고 이런 사고를 전사적으로 정착시켜 나갈 것이다”라고 말했다. ciokr@idg.co.kr



BI
2019.04.10

"타이어 교체 시기를 예측해 볼까?"··· 관련 업계를 뒤흔든 '결정적 질문'

Clint Boulton | CIO
지난 2016년 창립 100주년을 바라보는 딜러 타이어(Dealer Tire)의 임원들은 사내 신생 데이터 과학팀에 질문을 하나 던졌다. “소비자에게 타이어가 필요한 시기를 예측할 수 있을까?” 고객이 다른 곳에서 타이어를 사기 전에 다가가야 하는 회사로서는 중요한 질문이었다. 그리고 해답은 '충분히 가능하다'는 것이었다.
 

딜러 타이어의 데이터 과학 담당 이사 크리스 스크론은 CIO.com과의 인터뷰에서 “그때가 바로 처음 무릎을 '탁' 치는 순간이었다. 만일 그 질문에 대답할 예측 모델을 만들 수 있다면 진정한 부가가치가 창출될 것임을 깨달았다”라고 말했다.

타이어 등 자동차 부품을 판매하는 유통 업체인 딜러 타이어는 이를 계기로, 분석 기능을 활용해 소속 대리점과 자동차 제조 협력업체에 유료로 제공할 새로운 데이터 제품과 컨설팅 서비스도 만들 수 있게 됐다. 유통 업체로서 부가가치 창출에 성공한 딜러 타이어는 빅데이터가 앞으로 회사 매출에 더 도움이 될 것으로 기대하고 있다.

거래 데이터 등 다양한 데이터를 활용한 매출 증대 전략은 다양하다. 이를 위해 많은 기업이 분석 프로젝트에 투자하고 있다. 이들 프로젝트의 핵심 툴 중에는 데이터를 정리하고 모델화해 비즈니스 통찰력을 강화하는 소프트웨어가 있다. 시장조사업체 IDC에 따르면, 전 세계 빅데이터 및 사업 분석 소프트웨어 시장은 2017년부터 2022년까지 연평균 12%씩 성장해 2022년에는 2,600억 달러에 이를 것으로 전망된다.

설명 모델에서 예측 모델로
딜러 타이어가 빅데이터에 거는 기대를 이해하려면 이 회사의 과거를 살펴볼 필요가 있다. 2015년 딜러 타이어는 외부 업체에 의뢰해 데이터 분석 사용 현황을 파악했는데 그 결과가 마음에 들지 않았다. 다년간에 걸쳐 타이어 트레드 등 자동차 부품에 대한 과거 데이터를 수집한 딜러 타이어로서는 이미 일어난 일들을 보여 주는 이른바 '기술 분석(descriptive analytics)'은 풍부했다.

반면, 고객 동향과 행동을 예측하기 위한 분석은 한심할 정도로 부족했다. 이러한 틈을 메우기 위해 2015년 스크론이 영입됐다. 이후 딜러 타이어는 앞으로 일어날 일을 예상하기 위한 예측 분석(predictive analytics)과 대책을 수립하기 위한 처방 분석(prescriptive analytics)에 주력하기 시작했다.

스크론은 먼저 다양한 경력의 데이터 과학자로 구성된 소규모 팀을 구성해 고객에 새 타이어가 필요한 시기 등을 분석할 분석 플랫폼 구축에 나섰다. 새 타이어 교체 시기를 아는 것은 단순한 데이터처럼 보이지만 그로 인해 더 큰 경제적 파급 효과가 있다. 왜냐하면, 딜러 타이어에 의하면, 대리점에서 타이어를 구매하는 사람은 서비스를 받으러 대리점을 다시 찾을 가능성이 2.7배 높고, 대리점에서 새 차를 구매할 가능성은 1.3배 높기 때문이다.

따라서 이른바 '스마트 타이어'를 만들면 타이어 제조사, 대리점은 물론 딜러 타이어의 매출도 함께 늘어날 수 있다. 스크론은 “우리의 사업 모델은 협력업체와 함께 매출과 고객 만족도를 높일 새로운 기회를 찾는 것이다. 이를 사전에 알 수 있다면 이 데이터를 활용해 이익을 거둘 수 있다"라고 말했다.

전통적으로 기업은 '타이어 타이머'에 의존했다. 즉, 보편적인 평균 주행 거리를 기준으로 타이어 마모 정도를 추산했다. 보통의 타이어는 연간 1만 마일을 달린다고 가정할 때 3만 3,000마일 정도에서 교체해야 한다. 그러나 모든 타이어 트레드가 똑같이 생기지 않았고 차량의 평균 주행 거리도 저마다 다르다. 따라서 모든 운전자를 “평균”이라고 보면 이러한 소비자에게 딜러 타이어와 그 대리점, 제조사 협력업체가 접근하는 시간은 지나치게 빠르거나 느리게 된다.

스크론이 지휘하는 팀은 각 소비자가 대리점을 방문할 최적의 시간을 파악할 수 있도록 개인별 타이어 마모를 모델화하기 위해 자동차 제조사와 대리점의 데이터를 병합했다. 그 결과 만들어진 것이 '타이어 트리거(Tire Trigger)' 애플리케이션이다. 개인별 예측이 가능한 다양한 모델을 제공한다. 예를 들면 타이어 교체가 필요한 주행 거리를 예측하는 모델이 있는가 하면 고객의 일별 주행 거리를 예측하는 모델도 있다.

이들 모델에는 각 고객 차량의 트레드 깊이를 정확하게 예측할 수 있도록 가장 정확한 예측을 보장하는 하위 모델이 포함돼 있다. 딜러 타이어는 이러한 모델을 종합해 교체 시기를 파악한다. 각 개인의 차량 및 주행 패턴을 기준으로 특정 타이어 트레드 깊이에 도달했다고 판단되는 고객 명단을 제조업체에 제공하는 것이다. 대리점은 그 정보를 활용해 고객에게 타이어 교체 시기가 됐음을 통보할 시기를 결정할 수 있다.

타이어 트리거 도입 이후 통제군(새 타이어 구매를 권하는 어떠한 마케팅도 받지 않은 고객들) 대비 순수 구매 비율이 16%씩 꾸준히 증가했다. 이는 21%의 매출 증가에 해당한다. 딜러 타이어는 2019년에 타이어 트리거 앱을 더 많은 대리점과 제조사로 확장할 예정이다.
 
타이어 유통업체 내의 데이터 과학 스타트업
딜러 타이어의 데이터 과학 활용은 업계에 반향을 일으키고 있다. 스크론에 따르면, 제조사는 이상 감지 등 사례에 대해 딜러 타이어에 도움을 청하고 있다고 한다. 스크론의 데이터 과학팀도 큰 힘을 얻게 됐다. 딜러 타이어는 현재 직원에게 연수와 교육은 물론 자동차 부품 영업 개선 팁 등을 제공하는 SAC(Service Advisor Coach)라는 성과 툴을 테스트 중이다.

이밖에 각종 부품과 서비스의 수요와 고객 이탈을 예상하는 예측 모델도 개발 중이다. 대리점이 고객과 적시에 접촉해 고객 이탈을 막을 수 있는 가이드를 제공하는 목표라고 스크론은 설명했다. 딜러 타이어는 자동차 제조사의 매출 증대를 돕기 위해 자체 예측 및 처방 모델링 전문 기술을 컨설팅 계약을 통해 판매도 하고 있다. 스크론은 "데이터 과학팀이 협력업체에 사용을 허가할 분석 제품을 개발 중이라는 것은 마치 딜러 타이어 내의 스타트업 같은 역할을 하는 셈이다"라고 말했다.

딜러 타이어는 다수의 데이터 소스로부터의 미가공 데이터를 결합해 도미노 데이터 랩(Domino Data Lab)의 소프트웨어 플랫폼으로 모델링할 수 있게 변환한다. 데이터 과학팀 역시 도미노를 코드 배치, 관리, 공유 등에 활용한다. 도미노의 플랫폼은 스크론의 초보 데이터 엔지니어도 사용하기 쉬워 딜러 타이어가 분석 업무를 빠르게 확장할 수 있었다.

이는 이전의 '땜질식' 분석 프로젝트 방식과도 큰 차이가 있다. 스크론은 "예전에는 오라클 데이터베이스에서 SQL 쿼리를 가져와 회사의 데이터 레이크를 대상으로 실행했는데 이는 데이터 모델링에 오히려 방해가 됐다"라고 말했다.

실제로 자료를 보면 딜러 타이어가 의미 있는 행보를 하고 있음을 알 수 있다. 가트너 보고서에 따르면, 비즈니스 인텔리전스 및 분석 소프트웨어 대한 기업의 신규 투자 중 결과 예측에 도움을 주고 행동 방침을 처방해 주는 분석 부분이 차지하는 비중이 2020년까지 40%에 달할 것으로 전망된다. 스크론은 "새로운 접근 방식 덕분에 딜러 타이어 전체가 더 데이터 중심의 문화로 변모했다. 우리는 이를 계속해 나가고 이런 사고를 전사적으로 정착시켜 나갈 것이다”라고 말했다. ciokr@idg.co.kr

X