"데이터 활용이 관건" 美 의류회사 신임 IT 사령탑이 전하는 성장 비결

칼하트의 대표적인 작업복을 거의 어디서나 볼 수 있는 이유는 부분적으로 지속적인 디지털 트랜스포메이션 덕분이다. 디지털 트랜스포메이션은 클라우드, 데이터 애널리틱스, AI를 포함해 첨단 디지털 기술을 최대한 활용하여 133년 된 제조업체의 운영을 발전시키고 있다.

켄터키와 테네시에서 4개의 공장을 운영하고, 미시간 본사에서 모든 제품을 디자인하는 이 회사는 약 4년 전부터 디지털 트랜스포메이션을 시작했다. 오늘날 칼하트 애플리케이션의 90% 이상은 클라우드에서 실행되며, 대부분의 데이터는 자체 개발한 엔터프라이즈 데이터 웨어하우스에 저장 및 분석된다.

19년 경력의 베테랑 카트리나 어거스티는 前 CIO 존 힐 밑에서 칼하트를 재정비하는 데 중추적인 역할을 수행했고, 6개월 전 CIO로 임명됐다. 수석 프로그래머 애널리스트로 입사했던 그는 이제 다음 단계로의 전환을 이끄는 책임을 맡게 됐다고 전했다. 
 

이러한 트랜스포메이션의 일환으로 어거스티는 데이터 레이크를 칼하트의 데이터 아키텍처에 통합할 계획이며, 2가지 AI 개념 증명(POC)이 분기 내에 프로덕션 환경에 들어갈 준비가 될 것이라고 예상했다. 아울러 정보화 시대의 모든 제조업체와 마찬가지로 칼하트도 인력 측면에서 어려움을 겪었고, 이에 서비스 및 물류센터에서 자동화와 로봇을 활용하는 비율이 증가하고 있다고 어거스티는 덧붙였다.

한편 작업복 제조업체의 수요는 확실하게 증가하고 있다. 회사에 따르면 칼하트는 현재 3가지 비즈니스 부문(D2C, D2B 및 도매업)에서 모두 두 자릿수의 성장률을 보이고 있다.

데이터를 최대한 활용할 수 있도록 트랜스포메이션을 조정하다
칼하트는 회사의 220개 애플리케이션을 마이크로소프트 애저로 옮기기 위한 트랜스포메이션의 일환으로 ‘클라우드 익스프레스(Cloud Express)’ 이니셔티브를 시작했다. 웨어하우스 관리 솔루션과 급여 및 복리후생 솔루션이라는 2가지 레거시 애플리케이션은 여전히 온프레미스에서 실행되고 있지만 곧 클라우드 네이티브 솔루션으로 대체될 것이라고 어거스티는 말했다.

팬데믹 와중에도 클라우드로 옮겨간 것은 칼하트에게 신의 한 수였다. 시장 출시 속도가 빨라지고 확장성이 개선된 것 외에도 안정성, 성능, 가동 시간, 유지보수, 장애 극복 모니터링 및 알림 기능이 크게 향상됐고, 그 결과 비용과 시간이 많이 드는 IT 작업이 자동화돼 IT팀이 고급 데이터 애널리틱스 작업을 수행하고 다른 신기술을 실험할 여유를 갖게 됐다.

어거스티는 칼하트가 장기적으로 멀티클라우드 아키텍처를 채택할 예정이지만 현재는 다른 CIO와 모범 사례에 관해 논의하면서 클라우드 전문성을 강화하고 있다고 전했다. 그는 “여전히 클라우드에서 적절하게 실행하고 관리하는 역량을 배우고 있으며, 시스템 관리뿐만 아니라 시스템 크기를 조정하는 방법도 구축하고 있다”라며, “또 데이터 아키텍처 및 인력 유지 전략에도 집중하고 있다. 클라우드에서 워크로드를 관리하는 것과 온프레미스에서 워크로드를 관리하는 것은 별개의 문제이다. 아직 그 여정에 있다”라고 설명했다. 

많은 CIO와 마찬가지로 그는 데이터가 고급 기술을 작동시키는 핵심이라는 점을 알고 있다고 밝혔다. 이 회사는 마이크로소프트, 데이터브릭스와 함께 데이터 레이크를 구축하는 한편, 자체 엔터프라이즈 데이터 웨어하우스를 구축하기로 했다. 이를 통해 데이터 과학자가 정형 데이터세트와 비정형 데이터세트를 조작할 수 있는 2가지 엔진을 모두 갖추도록 했다.

어거스티는 “오늘날 (칼하트는) 데이터 웨어하우스를 통해 데이터 레이크를 백플러시한다. 아키텍처적으로 정형 데이터든 비정형 데이터든 먼저 데이터를 데이터 레이크에 가져온 다음 데이터 웨어하우스에 공급하고자 한다”라면서, “다양한 데이터 세트에 이상적인 데이터 아키텍처를 계속 설계하고 있다”라고 덧붙였다. 그는 데이터 레이크를 위해 자체 개발한 데이터 웨어하우스를 폐기할 계획을 현재는 갖고 있지 않다고 말했다. 팀이 이를 위해 여러 유형의 인증된 데이터 세트를 맞춤형으로 만들었기 때문이다.

어거스티는 칼하트의 6명의 데이터 과학자가 현재 테스트 모드에 있는 여러 머신러닝 모델을 구축했다고 언급하면서, “데이터 레이크는 개인화 정보를 제공하기 위해 비정형 데이터를 사용하여 여정을 구축하는 데이터 과학팀 그리고 소비자 대면팀에게 많은 도움이 될 것”이라고 말했다.

이 2가지 프로젝트가 곧 프로덕션 환경에 배포될 예정이며, 그 중 첫 번째 프로젝트는 (칼하트의) 유통 센터 5곳과 3개의 서로 다른 비즈니스에 관한 재고 복제를 지원한다. 그는 “이 모델을 의사결정 지원에 사용하고, 서비스 수준에 따라 모든 재고를 다양한 유통 센터로 보내려고 한다”라며, “이 모델이 공급 및 수요, 재고 수준뿐만 아니라 용량을 고려하여 칼하트의 유통 네트워크를 최적화할 수 있다”라고 언급했다. 

두 번째 POC는 데이터 과학자가 인구 통계 정보와 소비자 설문 조사 데이터를 포함하여 ‘소비자 여정을 개인화’하기 위해 활용할, 소비자 데이터 수집을 지원한다고 어거스티는 말했다.

기술의 힘
많은 CIO와 마찬가지로 어거스티의 가장 큰 과제는 변경 관리다. 특히 AI 모델이 실제로 효과적이라고 직원들을 설득할 때 그렇다. “팀은 기술이 의사결정 지원과 자동화를 제공할 수 있을지에 대해 회의적이다. 이에 따라 많은 활용 사례를 가지고 있으며, 이러한 모델이 결정을 지원할 수 있다는 점을 최종 사용자와 비즈니스 커뮤니티에 입증해야 하기 때문에 POC 모드로 실행 중이다”라고 전했다. 

어거스티는 많은 기업이 이러한 전환 모드에 있으리라고 예상했다. 아울러 진행 중인 AI 이니셔티브와 관련해 “성숙도 곡선을 따라 다양한 기능이 있지만 특히 데이터 분석 공간에서 기술을 활용할 수 있는 잠재적 애플리케이션이 매우 많다”라고 언급했다.

이어 CIO가 해야 할 일은 기술과 인재 투자가 없었다면 팬데믹이 어떻게 비즈니스를 망칠 수 있는지 생각하는 것이라고 그는 말했다. 어거스티에 따르면 팬데믹 기간 동안 많은 필수 작업자가 추가 보호를 위해 칼하트 작업 장비를 갖춰야 했다. 그 결과, 광범위한 작업 중단으로 특정 사업 부문이 축소됐을 때도 칼하트의 수익 흐름은 두 자릿수로 증가했다. 일단 작업 중단이 빈번해지자 칼하트는 공급망을 자주 활용하지 않았고, 이를 통해 데이터 애널리스트는 공급망의 단계를 영화의 개별 프레임처럼 자세하게 살펴볼 수 있었다.

어거스티는 “팬데믹으로 인해 가시성과 사전예방적 예외 관리가 필요하게 됐다. 중단이 발생할 때 이러한 여정의 모든 과정이 중요해진다. 이는 공급망의 모든 단계에 대한 가시성 및 예외 관리를 세밀하게 수행하는 계기가 됐다”라고 말했다. 이러한 가시성 덕분에 그리고 IT가 칼하트의 원활한 비즈니스 운영에 힘을 쏟고 있기 때문에 칼하트는 공급망에서 더 나은 위치에 놓이게 됐다. 어거스티는 아직도 전염병 이전의 ‘예측 가능한’ 수준은 아니지만 “물류 리드 타임이 평준화되고 상품 제작을 위한 리드 타임이 개선되기 시작했다”라고 말했다. ciokr@idg.co.kr