Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저

401 views

Published on

[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저

Published in: Technology
  • Be the first to comment

[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저

  1. 1. 유통 고객의 AWS 도입 동향 2 박동국 어카운트 매니저 AWS
  2. 2. Born from Retail Built for Retailers Sharing our experience(s) with retailers and partners for the most important customer journey – the one you lead.
  3. 3. 시작은 IT 자원 활용의 최적화 위해 클라우드를 도입, IT 구축/운영 체계를 개편 진화하는 IT를 적시에 수용 빠른 변화 주기 분산형 관리, 신기술 활용 Capacity Demand
  4. 4. Nike 5 신제품 출시 따른 트래픽 폭증에 대응 필요, Cassandra DB를 DynamoDB 로 전환 https://www.youtube.com/watch?v=6A1tOFqvgek
  5. 5. Amazon.com 수백개 오라클 DB를 단 1개 DynamoDB 로 교체 (After)(Before) Oracle DB 아키텍처 (2015년) Dynamo DB 아키텍처 어떠한 데이터 규모라도 수밀리 초 이내에 처리되는 빠르고 유연한 완전 관리형 NoSQL DB 서비스 상품 주문 트래픽은 전년 대비 두 배로 증가, 수백 개의 수평 파티션된 오라클 DB 확장은 악몽 대규모 트래픽을 낮은 지연 시간으로 처리
  6. 6. 국내 고객도 유사한 경험 EC2 Auto Scaling, RDS 활용, 접속 트래픽 폭증로 인한 서비스 장애 대응  8주내 AWS로 서비스 전환, 이벤트/프로모션 확대  On-Prem 대비 약 30% 비용 절감  Multi-AZ 가용성 확보  평시 대비 20배를 초과하는 트래픽에 안정적 대응  자체 IDC 투자/유지보수 대비 약 4.6억/년 절감 (16년 기준) 나이키 신규 제품 출시, 3만 PV/분에 서비스 장애 패션몰 이벤트/프로모션으로 DB 부하 발생, 서비스 장애
  7. 7. 적용 영역이 확대 8 백오피스, 분석계 시스템에 AWS 클라우드 도입
  8. 8. 현재는 9 데이터를 기반 고객 경험 혁신하고, 마이크로서비스아키텍처를 통해 비즈니스 민첩성 극대화 위해 클라우드 활용
  9. 9. retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. 10 retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. Hyper-Connected Demand to Delivery Accelerating Choice Customer = Channel The Customer A new generation of customers see every channel connected, forecast made, recommendation shared, store transformed, shipping option offered, and call center contacted as a choice.
  10. 10. retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. 11 retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. The Customer Journey Engage & Evaluate Interest & Research Anticipate & Track Loyalty & Advocacy Inquire & Return Justify & Purchase 78% 결재시에 빠른/무료 배송 미제공시 구매 중단 63% 추천을 기대 74% 추천 미제공에 실망 60% 반품 프로세스에 불만, 반품하지 않음 배송 세부 정보는 일반 배송 경우, 8번 고객이 확인
  11. 11. retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers.retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. Technology Obstacles Technical Debt Investment to maintain legacy systems is limiting innovation and drastically impacting the ability to react, or move to proactive retail. Fragmented View Retailers struggle to achieve a single view of the customer, let alone a complete view of their journey. How to leverage IoT is also a challenge. Transformation Disconnect C-Level executives realize AI/ML transforms stores, forecasts, and recommendations, but need to know which scenarios to prioritize today. 70% IT Function’s Ability to Innovate 69% Less Responsive to Changes in Market 16 Average Systems with Customer Data 51% Can’t Share Data Between Multiple Systems #1 AI CxO Ranking as Game-Changer #8 AI CxO Ranking by IT Spend
  12. 12. retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. 13 retail © 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.Born from Retail. Built for Retailers. Promote & Recommend Engage & Evaluate Plan & Forecast Interest & Research Fulfill & Ship Anticipate & Track Incentivize & Sell Justify & Purchase Deliver & Support Inquire & Return Analyze & Expand Loyalty & Advocacy Requires a Purpose-Built Foundation Customer Journey Journey-Driven Retail Connect Their Experiences. Guide Their Choices. Lead Their Journey.
  13. 13. 개인화된 상품 추천 개인의 구매이력과 관심상품 검색 이력을 기반으로 개인화된 상품 추천
  14. 14. Stich Fix 15https://algorithms-tour.stitchfix.com/#client-experience-part-1
  15. 15.  검색 결과에는 각 사용자의 선호를 고려, 검색어만이 아닌 개인과도 관련이 있는 제품이 표시되어야 함  지금까지는 규칙 기반 순위, 인기도 또는 최근에는 오프라인으로 계산한 유사성 모 델을 통해 처리  Amazon Personalize 활용, 실시간으로 고 객 대응, 작은 팀으로, 더 큰 팀이 12~18개 월 동안 개발했을 법한 일을 해냄 ZOLA 커플이 상황, 스타일, 관심 및 선호에 가장 적합한 선물 또는 서비스를 선택
  16. 16. 데이터 기반 상품 진열 17 00  소셜 검증  직관이 아닌 데이터 과학에 기반 상품기획  실시간 리뷰  발견 경험 Inspired by Customers
  17. 17. 가변적 가격 책정 18 “향후 개인화된 가격 정책으로 진화 예상”  Amazon.com 가격, 별점, 리뷰수 등의 정보 실시간 연동  프라임 멤버쉽 할인 가격으로 오프라인 매장에서도 구매 Dynamic Pricing
  18. 18. 수요 예측 19 재고/물류 관리 최적화
  19. 19. 이미지 활용 상품 검색 20 Amazon Fashion - StyleSnapSearch with Camera
  20. 20. 구매전 가상 체험 21 AR View Amazon BeautyAmazon Showroom
  21. 21. 쇼핑 시간 단축 22 Amazon Fresh Pickup Amazon Dash Amazon Locker (at Whole Foods)
  22. 22. 23
  23. 23. Amazon.com – Stock Team 미세한 단위로 프로세스 식별 및 구분, 해당 프로세스를 하나의 팀에 배정 Shipping Labeling CartCheckout Stock SearchListing 프로세스: 상품을 슬롯에 적재 Microservice (Software) Builds Uses Gigantic Web of Micro-services at Amazon  수천개 팀 (자율적 DevOps 팀)  X 마이크로서비스 아키텍처  X 지속적 배포 (CD)  X 다양한 개발환경 = 연간 5천만회 배포 (시간당 5,708회, 0.63초/회)
  24. 24. 차세대 이커머스 아키텍처 서버없는 (Serverless) e-Commerce 서비스 구현 1) No server to provision or manage 2) Scales with usage 3) Never pay for idle 4) Built-in availability and fault tolerance https://aws.amazon.com/solutions/case-studies/riverisland/ https://www.youtube.com/watch?v=1owKl4sGYKg Scales with AWS on Black Friday with Near-Zero Downtime River Island: UK 패션 리테일러
  25. 25. DevOps 지속적인 통합과 개발 환경으로 전환, 비즈니스 민첩성 확보 Code Build Test Deploy OperatePlan 이슈 관리 & 협업 관리 소스 코드 관리 빌드 테스트 자동화 배포 운영 및 모니터링 Ops (System Operation Area)Dev (Service Development Area) 테스트 수행소스 관리 툴이슈 관리 툴 AWS CodeStar – 프로젝트 단위 지속적 전달 서비스 체인 CodeCommit CodeBuildCodeBuild 빌드 도구 Jenkins* CodeDeployJIRA* CloudWatch 시스템 모니터링 AWS CodePipeline – 애플리케이션 지속적 전달 서비스 단계별 소스배포 ※JIRA,Jenkins는별도도입및설치가필요합니다.기존에운영중인시스템과연동이가능합니다. 자동 리비전 감지 오류발생시 Rollback 관리형 서비스 AWS Code 시리즈를 활용, 빈번한 소스 수정 및 릴리즈가 반복되어도 서비스 중단 없이 소스 > 빌드 > 테스트 > 배포 프로세스에 대한 모델링과 처리 이력 에 대한 시각화를 적용
  26. 26. —Jeff Bezos start with the customer and work backwards
  27. 27. © 2019, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Is it a one-way or a two-way door?
  28. 28. 현대화된 데이터 분석 플랫폼 도입 29 Data Lake Operational/Known Workloads Data Science/Analytics Workloads RedshiftEMR Self-Service Workloads Athena EMR SageMaker v Data Catalog AWS Glue Amazon Kin eses Data Fir ehose 정기적인 리포트와 대쉬보드 사용자 Ad-hoc / 셀프서비스 사용자 데이터 사이언스, AI/ML 사용자 Amazon EC2
  29. 29. ANDES 비즈니스의 성장과 함께 확장되는 데이터 분석 생태계 구축 30 ANDES “Amazon의 데이터 레이크”
  30. 30. Working Backwards 예시: 매장별 특화된 상품 진열 저장 분석수집 1 4 0 9 5 매장(지역)별 특화된 상품 진열 새로운 경험 통합 스토리지 Amazon S3 온라인(이커머스) 구매 날씨 정보 POS 데이터 매장내 CCTV 정보 웹사이트 클릭 기록 지역별 불균형적으로 많거나 적게 팔린 상품 [하둡기반의 분석] 상품 매대별 고객 방문 시간 [영상 분석] 지역별 일기 예보 기반 인기 있는 SKU 예측 [기계학습 분석]
  31. 31. 고객의 상황에 맞는 툴을 선택 32
  32. 32. 마이크로서비스아키텍처, 작고 빠르게 시작 33
  33. 33. 애플리케이션 목적에 맞는 데이터베이스 사용 관계형 참조 무결성, ACID 트랜잭션, 스키마- 온-라이트 리프트 앤 시프트, ERP, CRM, 금융 키-값 높은 처리량, 짧은 지 연 시간의 읽기 및 쓰기, 무한한 확장 실시간 입찰, 쇼핑 카트, 소셜, 제품 카탈로 그, 고객 기본 설정 문서 문서를 저장하 고 모든 특성을 쿼리하여 신속 하게 액세스 콘텐츠 관리, 개인화, 모바일 인 메모리 마이크로초 단 위의 지연 시간 으로 키를 사용 하여 쿼리 순위표, 실시간 분석, 캐싱 그래프 데이터 간의 관 계를 빠르고 쉽 게 생성하고 탐색 부정 행위 탐지, 소 셜 네트워킹, 추천 엔진 시계열 시간대별 데이 터 수집, 저장 및 처리 IoT 애플리케이션, 이벤트 추적 원장 애플리케이션 데 이터의 모든 변경 에 대한 완전하고 변경 불가능하며 확인 가능한 기록 시스템 레코드, 공급망, 의 료, 등록, 금융 시스템 Aurora, RDS DynamoDB DocumentDB ElastiCache Neptune Timestream QLDB AWS 서비스 일반 사용 사례
  34. 34. Speaker Name Contact information Thank You 박동국 어카운트 매니저 감사합니다
  35. 35. 소비재 고객의 AWS 도입 동향 36 김준성 어카운트 매니저 AWS
  36. 36. Amazon is much more than a retailer 37
  37. 37. 38 everyday purchases basket building prime members same-day grocery delivery 1-2 hour delivery sub 1-hour Amazon consumables
  38. 38. 39 [동영상 링크] Amazon Dash Replenishment_한글 자막
  39. 39. CPG (소비재) 정의 40 Health, Beauty, Home Care Food & Beverage Footwear, Apparel, Accessories CPG Other- Tobacco Consumer Packaged Goods
  40. 40. AWS CPG Solutions 41 MARKET Relevant consumer relations hips and products MOVE Seamless traceability and delivery of products from source to consumer MAKE Optimize production processes to automate and drive out costs Smart Factory IoT driven process optimization Computer Vision AI driven quality control and automation Intelligent Forecasting & Planning Machine learning driven demand forecasting Supply Chain Control Tower Visibility, traceability and insights across supply networks Connected Homes and Smart Products Reimagining the consumer products ecosystem Consumer Connect Intelligent digital engagements and services
  41. 41. 42 Make (제조)
  42. 42. Georgia-Pacific (1/2)
  43. 43. Georgia-Pacific (2/2)
  44. 44. 45 Amazon Fresh 물류센터
  45. 45. 46 닭 객체 수 국내 고객사 (1/2) 해외 닭 사육장에서 카메라 이미지/영상으로 닭 객체 수 측정 일부 객체가 희미 닭 외에 다른 객체 존재 이미지 라벨링 어려움 낮은 해상도
  46. 46. 국내 고객사 (2/2) 47 1차 PoC Higher Resolution Images • 목적: 사육장에 설치된 카메라로 찍은 영상으로 닭 객체 수 세기 • 제공된 사진의 특성: 낮은 해상도, 볼록 현상, 시설물 등의 객체와 혼재 • 알고리즘: CNN + Regression • PoC 아키텍처: Amazon SageMaker + S3 + NeoPulse AI Studio 2.0 • PoC 결과: Average accuracy XX.X% • 목적: 고해상도 사진으로 1차 PoC 대비 향상된 결과 도출 • 제공된 사진의 특성: 높은 해상도, 수평 앵글 현상, 시설물 등의 객체와 혼재 • 알고리즘: CNN + Regression • PoC 아키텍처: Amazon SageMaker + S3 + NeoPulse AI Studio 2.0 • PoC 결과: Average accuracy XX.X% 2차 PoC
  47. 47. 48
  48. 48. 49 Move (유통)
  49. 49. Amazon Go Amazon Fulfillment Center Working backwards (1/2)
  50. 50. Working backwards (2/2)
  51. 51. Nestle 52 “ 식재료 공급망의 투명성은 점점 더 중요해지고 있다. AWS Professional Services 팀은 Amazon Managed Blockchain 서비 스를 사용하여, 고객이 농장에서부터 소비에 이르기까지 해당 제품의 유통 경로를 확인할 수 있게 해주었다. ” - Armin Nehzat, Digital Technology Manager, Nestlé Oceania Dryer/washer Ship Roaster Grinder Farm Consumer Package
  52. 52. 국내 고객사 (1/2) 53 AWS 예측모델 tier Linux machine (R, Python 선형모델) ML 플랫폼 Amazon SageMaker AI 애플리케이션 Amazon Forecast AR Model Test 방법 (t : 시작일) ➔ AR 모델은 t 시점에서 예측한 Y로 모델을 학습시켜 t+1 시점의 Y를 예측하는 방법 1. Mdl1 : t시점부터 2018년 6월까지 모델 학습하고, 2018년 7월 데이터로 평가 2. Mdl2 : t+1시점부터 2018년 7월까지 모델 학습하고, 2018년 8월 데이터로 평가 3. Mdl3 : t+2시점부터 2018년 8월까지 모델 학습하고, 2018년 9월 데이터로 평가 4. Mdl4 : t+3시점부터 2018년 9월까지 모델 학습하고, 2018년 10월 데이터로 평가 5. Mdl5 : t+4시점부터 2018년 10월까지 모델 학습하고, 2018년 11월 데이터로 평가 6. Mdl6 : t+5시점부터 2018년 11월까지 모델 학습하고, 2018년 12월 데이터로 평가 데이터 기간 : 2008.01.02 ~ 2018.12.31 데이터 행 수 : 4,017 (주말/공휴일 포함) 데이터 컬럼 수 (변수의 종류) : 12
  53. 53. 국내 고객사 (2/2) 54 ARIMA DeepAR (SageMaker) DeepAR+ (Forecast) 시세 예측 PoC 정확도 Mdl 1 XX.XX XX.XX XX.XX Mdl 2 XX.XX XX.XX XX.XX Mdl 3 XX.XX XX.XX XX.XX Mdl 4 XX.XX XX.XX XX.XX Mdl 5 XX.XX XX.XX XX.XX Mdl 6 XX.XX XX.XX XX.XX PoC 평균 결과값 XX.XX XX.XX XX.XX 2018년 10월 예측값 정확도가 다른 월에 비해 낮은 이유 ➔ 사탕수수 재배 기간 동안 브라질의 건조한 날씨로 인해 2분기 농업 생산량이 감소되어 2018년 10월 설탕가격이 반등하였기 때문
  54. 54. 55 [동영상 링크] Kellogg’s SAP on AWS 사례
  55. 55. Kellogg’s 56 Leveraging the Cloud for Agile Analytics AWS를 사용함으로써 90만 달러 이상의 인프라 비용이 절약되고 하루에 수십 건의 데이터 시뮬레이션을 실행할 수 있으므로 거래 비용을 줄일 수 있다. 매우 매력적인 윈윈 (Win-Win) 비즈니스 사례이다. Stover Mcllwain Senior Director of IT Kellogg’s Real Tim e Model changes to spend analysis vs 30 days 90% Faster instance Deployment
  56. 56. 하림식품 57 신규 종합식품사 SAP S/4 HANA 단계별 구축 농장-공장-시장
  57. 57. • 크고 복잡한 회사 (70조원 매출, 수십여개의 Warehouse) • 재무적인 관점을 가진 회사 (높은 수익성 타겟) • 재무적인 성과를 극대화 하기 위해 Digital Transformation 시작 (2015년) • 데이터 양 증가에 따른 Capacity 문제 • 다양한 ‘Consumers’, 다양한 형태의 접근 방식 • 내부 데이터 Silo 문제 Why Data Lake? Sysco (1/2)
  58. 58. 마케팅 • “Share of Wallet” • 프로모션을 위한 AI/ML 적용 • Cross-sell 기회 분석 • 이탈 고객 방지 Merchandising Supply Chain • “Assortment optimization” • Vendor별 수익성 분석 • Vendor 가격 변동 예측 • 창고 Performance 분석 Revenue Management • 시장별 수익성 분석 • 가격 변동 예측과 이에 따른 수익 성 변화 예측 (경제 지표 고려) Sysco (2/2)
  59. 59. 60 Market (시장)
  60. 60. McCormick (1/2) •McCormick – 1889년 설립 – 매출 5조원 규모 – 12,000여명의 직원 – 다양한 양념 제공 – 125개국에서 사업 진행 •Challenge – 개인화된 고객의 Needs – 수천가지 종류의 Flavor – 고객이 원하는 Flavor를 찾기 어려움
  61. 61. • FlavorPrint – 개인의 취향을 분석하고, 개인화된 제품 추천 제공 (recipe, meals, wine pairing 등) – McCormick은 수십년 동안 고객의 맛에 대한 연구 진행 – 개인 맛의 취향과 Flavor에 대한 연관 관계를 분석한 Predictive Recommendation platform – 2013년 best launch 시, 5% 매출 상승 경험 • Why AWS – 수백만명의 전세계 고객을 위해서는, 데이터 분석, scalability, low cost 중요 – 관련 AWS 서비스: CloudFront, EC2, S3 – Capacity 2배, Cost 50%, 기능 개발에 집중하여 속도 향상 • Implication – 개인화된 고객의 Needs를 위해 Digital 기술 활용 가능 – 빠른 개발과 원가 위해 클라우드 활용 McCormick (2/2)
  62. 62. MeCPon AWS Digital Experience for Digital Business McDonald’s (1/2)
  63. 63. • New Challenges – 3가지 전략 과제: Digital, Delivery, Experience of the Future – Delivery 측면에서 다양한 파트너 비중이 높아짐 (예. Uber Eats) – 기본적인 프로세스 순서는 유사함 (메뉴 조회, 위치 입력 등) • Home Delivery Platform – 속도: 4개월 개발. 2주마다의 개발 iteration을 통해 현업에게 현황 공유 – AWS 서비스 활용: ECS, SQS, RDS, ElastiCache – Home Delivery 43% 증가, 추가 추천 메뉴 매출 33% 증가 • Implication – McDonald’s의 변화 속도가 가속화 됨 – AWS 서비스 활용 – DevOps 개념의 방법론 전환 McDonald’s (2/2)
  64. 64. 아모레퍼시픽 65 Mobile First Agile Approach Cloud Native AMOREPACIFIC Digital Sales Platform - AWS 기반의 대규모 전사 영업판매 시스템 신규 구축 -
  65. 65. AWS IoT 및 다양한 서비스 활용  공간 Context 기반 Smart Home 서비스 구축 661) ’90년대 우주 탐사/군사용 로봇을 만들던 MIT 공대생 세명이 창업한 회사, 현재 로봇 진공청소기인 Roomba를 1,500만대 이상 판매, 북미 M/S 90%, 유럽 M/S 70%, 글로벌 M/S 60% 이상 차지 • 댁내 공간구조와 (전구, TV, 스피커 등) Smart Device들 위치 파악  차별적 Smart Home 서비스 기반 마련 −10개월만에 5억 평방 피트의 Home 지도 제작 −iRobot Clean Map Report를 통해 청소 상태를 스마트폰 내 App에서 확인 가능 −AWS IoT 등 다양한 서비스를 이용하여 다양한 Smart Device를 클라우드 환경에서 연결 −공간 정보를 활용하여 사람의 현재 행동을 보다 정확하게 예측  정교한 서비스 제공 가능 iRobot
  66. 66. https://aws.amazon.com/ko/solutions/case-studies/coway/ 코웨이
  67. 67. AWS CPG Digital Transformation Value Chain 68 Make (제조) optimized manufacturing processes Move (유통) supply chain from farm/factory to home Market (시장) connecting and serving consumers Supply Chain Workloads: • Sales & Operations Planning • Trade Funds Management • Replenishment Forecasting • Network Design • Transportation • Category Management • On-Shelf Availability • Supply Chain KPI visibility Demand Chain Workloads: • Media – TV, Print • Digital Media – Social, Mobile • eCommerce • Consumer 360 – Loyalty • Direct to Consumer - Last mile delivery • Customer Service • Consumer Research Manufacturing Operations Workloads: • Production Planning • Overall Equipment Effectiveness (OEE) • Predictive maintenance – M2M • Workforce efficiency • Remote ops and maintenance • Energy management • Procurement • Providing Machine-as-a-Service capability
  68. 68. AWS CPG Digital Transformation Value Chain 69 Think big, start small, move fast Forecasting PlacementCapacity FulfillmentBuying
  69. 69. Speaker Name Contact information Thank You 김준성 어카운트 매니저 감사합니다

×