CoCo와 Streamlit으로 장기 계획을 대화형으로 전환하는 방법
장기 계획은 재무팀이 수행하는 가장 중요한 업무 중 하나이지만, 확장하기 가장 어려운 영역이기도 합니다.
Snowflake에서는 훨씬 복잡해진 비즈니스를 대상으로 10년 예측을 수행해야 했습니다. 40개가 넘는 법인, 각 법인마다 100개 이상의 비용 센터와 그 하위의 수백 개 지출 범주를 모두 포괄해야 했습니다. 그만큼의 세부 수준이 필요했던 이유는 장기 계획이 더 이상 단순한 재무 산출물이 아니었기 때문입니다. 다른 팀들이 의존하는 데이터 세트가 되어 있었습니다.
예를 들어 세무팀에는 상위 수준의 비용 전망만으로는 충분하지 않습니다. 재화와 서비스별, 법인별, 관할권별 구분과 계획에 중요한 기타 운영 세부 정보를 파악해야 할 수 있습니다. 자금팀은 현금 현황을 파악할 수 있어야 합니다. 인력 계획에는 인력 규모에 대한 가정이 필요합니다. 경영진은 성장, 마진, 투자, 잉여 현금 흐름 간의 전략적 트레이드오프를 이해해야 합니다.
계획 모델은 이 모든 요구를 지원해야 했습니다.
그래서 많은 기업이 그렇듯, 비즈니스가 기존 도구의 한계를 넘어설 때 재무팀이 흔히 택하는 방식을 선택했습니다. 거대한 Excel 모델을 만든 것입니다.
시간이 지나면서 이 모델은 대규모 재무 모델이 결국 맞닥뜨리는 전형적인 모습이 되었습니다. 모델은 정상적으로 작동했지만 프랑켄슈타인의 괴물처럼 여러 요소가 덧붙은 구조였습니다. 새로운 탭과 수식이 계속 추가됐고 변화하는 비즈니스 요건을 수용하기 위해 기존 로직 위에 새로운 로직이 계층적으로 쌓였습니다. 모델의 가치는 매우 커졌지만 유지 관리하고 거버넌스를 적용하며 확장하기는 갈수록 어려워졌습니다.
이것이 Snowflake가 해결하고자 한 첫 번째 문제였습니다.
스프레드시트 모델에서 계획 플랫폼으로
1년여 전, Snowflake는 장기 계획 모델을 Snowflake에서 다시 구축하고 분석가와 경영진이 예측과 상호작용할 수 있도록 Streamlit을 UI 계층으로 사용했습니다.
이것이 Snowflake의 내부 장기 계획 애플리케이션인 Snowplan이 되었습니다.
목표는 대시보드를 만드는 것이 아니었습니다. 계획 플랫폼을 만드는 것이었습니다. 재무 사용자가 직관적으로 이용할 수 있으면서도 Snowflake의 확장성, 거버넌스, 컴퓨팅 파워를 기반으로 하는 경험을 구현하고자 했습니다.
Snowplan에서 분석가는 편집 가능한 Streamlit 인터페이스를 통해 가정을 업데이트할 수 있습니다. 변경 사항은 모델이 실행되는 Snowflake에 직접 기록되며 업데이트된 결과는 즉시 앱에 다시 표시됩니다. 수식이 깨질 일이 없습니다. 파일을 저장할 필요도 없습니다. 어떤 모델 버전이 단일 진실 공급원인지 고민할 필요도 없습니다.
이 아키텍처는 계획 프로세스를 바꿔 놓았습니다.
방대한 오프라인 워크북을 유지 관리하는 대신 Snowflake는 이미 비즈니스 운영을 뒷받침하는 원시 데이터 소스에 연결되고 거버넌스가 적용된 애플리케이션을 갖추게 됐습니다. 누군가 몇 시간씩 파일을 업데이트하지 않아도 실적 데이터가 모델로 유입될 수 있었습니다. 가정은 버전별로 관리하고 시나리오는 비교할 수 있었습니다. 사용자는 각자의 역할에 적합한 세부 수준에서 동일한 계획 플랫폼을 사용할 수 있었습니다.
실무 담당자와 어소시에이트에게 Snowplan은 세부 입력 페이지, 가정 관리, 시나리오 생성, 버전 관리를 제공합니다. 디렉터와 매니저에게는 검토와 승인을 위해 로직과 가정의 변경 내역을 확인할 수 있는 기능을 제공합니다. 경영진에게는 손익계산서(P&L), 잉여 현금 흐름, 주요 시나리오를 통합한 뷰를 제공합니다.
이 점이 중요한 이유는 장기 계획이 단순한 모델링 작업이 아니라 조직의 방향을 맞추는 작업이기 때문입니다. 재무팀이 모델 유지보수에 시간을 많이 쓸수록, 현업 부서와 함께 전략을 검증하는 데 쓸 시간은 줄어듭니다.
위 이미지에 사용된 데이터는 모두 합성 데이터입니다.
Snowflake에서 구축하자 모델이 달라진 이유
가장 중요한 결정은 데이터가 이미 존재하는 곳에 모델을 구축하는 것이었습니다.
Snowplan은 Snowflake에서 실행되므로 가공 전 데이터 소스와 거버넌스가 적용된 데이터 모델에 연결됩니다. 즉, 실적 데이터를 모델에 수동으로 반영하거나 별도로 추출한 데이터의 수치를 일일이 대조하고 맞추는 데 시간을 낭비하지 않습니다. 모델은 재무 데이터, 권한, 로직, 이력이 이미 존재하는 동일한 환경과 연결됩니다.
그 결과 몇 가지 중요한 이점이 생깁니다.
첫째, 모델을 확장할 수 있습니다. 법인, 비용 센터, 지출 범주, 인력 규모, 매출, 대차대조표, 잉여 현금 흐름을 아우르는 10년 예측은 상당한 양의 데이터를 생성합니다. 이것이 바로 Snowflake가 처리하도록 설계된 워크로드입니다.
둘째, 모델에 거버넌스를 적용하기가 더 쉬워집니다. Snowflake의 역할 기반 권한과 행 수준 제어를 통해 액세스를 관리할 수 있으므로, 사용자는 각자의 역할에 맞는 데이터와 기능을 확인할 수 있습니다. 경영진에게는 가정을 수립하는 분석가와 동일한 인터페이스가 필요하지 않으며 분석가도 모든 이해관계자를 위해 별도의 내보내기 파일을 만들 필요가 없습니다.
셋째, 모델을 재사용할 수 있습니다. 계획 로직이 Snowflake에 구축되면 연간 장기 계획에만 제한될 필요가 없습니다. 동일한 플랫폼으로 인력 계획, 주식 기반 보상 모델링, 자금 부문의 현금 예측, 헤징, 법인별 예측, 매출원가(COGS) 계획, M&A 시나리오를 지원할 수 있습니다.
더 큰 의미는 여기에 있습니다. Snowplan은 일회성 계획 앱이 아닙니다. 재무 계획 플랫폼으로 발전하고 있습니다.
Snowflake CoCo로 대화형 시나리오 계획 구현
Streamlit은 Snowplan의 확장성과 사용성을 높였습니다. Snowflake CoCo는 여기에 대화형 경험을 더했습니다.
CoCo를 도입하기 전에도 Snowplan은 장기 계획을 더 효과적으로 관리하는 방식을 제공했습니다. 분석가는 앱에서 가정을 업데이트하고, 시나리오를 실행하며, 결과를 비교할 수 있었습니다. 하지만 사용자는 여전히 어디로 이동해야 하는지, 어떤 가정을 조정해야 하는지, 그 조정이 이후의 예측 결과에 미치는 영향을 어떻게 해석해야 하는지 알아야 했습니다.
CoCo는 이러한 상호작용 모델을 바꿉니다.
이제 여러 가정 페이지를 탐색하는 대신 자연어로 질문할 수 있습니다. CoCo에 두 가지 예측 버전을 비교하고 주요 동인을 요약해 달라고 요청할 수 있습니다. 지난해 이사회에 제시했던 계획과 현재 준비 중인 최신 버전 사이에 무엇이 달라졌는지도 물어볼 수 있습니다. 변경 사항의 순효과, 마진 확대 또는 축소의 핵심 동인, 가장 중요한 가정도 확인해 달라고 요청할 수 있습니다.
이는 경영진의 계획 논의에서 매우 강력한 역량입니다.
이사회 논의를 준비할 때 실제 질문은 대개 “최신 예측을 보여줄 수 있나요?”가 아닙니다. 보통은 “무엇이 바뀌었고 왜 바뀌었으며, 우리가 전달하려는 전략적 메시지에 어떤 의미가 있는가?”입니다. CoCo는 수작업으로 비교하던 분석을 대화로 압축합니다.
가치는 단순히 속도에만 있지 않습니다. 가치는 전략 논의가 진행되는 동안에도 재무팀이 분석을 반복하고 조정할 수 있다는 데 있습니다.
실제 사례: 잠재적 세제 변경에 대비한 계획
대표적인 사례 중 하나는 잠재적 세제 변경에 대한 시나리오 계획입니다.
기존 방식이라면 이런 질문은 아마 회의에서 시작됐을 것입니다. 세무팀과 사안을 논의하고 영향 대상 매출을 파악한 뒤 데이터를 추출하고 가정을 수립해 모델을 업데이트했을 것입니다. 이어 결과를 검토하고 민감도 표를 작성한 다음 추가로 참여해야 할 담당자를 결정했을 것입니다.
CoCo가 Snowplan에 연결되면 이 프로세스는 훨씬 더 유연해집니다.
먼저 잠재적 세제 변경에 대한 개요를 요청할 수 있습니다. 이후 CoCo에 해당 세제 변경안이 통과된다는 가정하에 새로운 예측 버전을 만들도록 요청할 수 있습니다.
그러면 재무팀이 일반적으로 회의에서 주고받을 법한 논의가 즉시 시작됩니다. 세금을 고객에게 전가한다고 가정해야 할까요? 마진 감소로 가정해야 할까요? 현실적으로 세금의 몇 퍼센트를 전가할 수 있을까요? 어떤 매출에 세금이 적용될까요? 매출, 매출총이익률, 영업이익률, 잉여 현금 흐름에는 어떤 영향을 미칠까요?
분석이 Snowflake 테이블을 기반으로 하므로 CoCo는 세금 적용 대상 매출을 식별하고 재무 영향을 산출하며 산출 금액을 좌우하는 주요 지표와 그 근거 자료를 제공할 수 있습니다. 또한 고객에게 전가하는 세금 비율에 관한 여러 가정에 따라 영업이익률 하락폭을 보여주는 민감도 표를 만들 수 있습니다.
그에 못지않게 중요한 점은 위험과 고려 사항도 제시할 수 있다는 것입니다. 예를 들어 직접적인 1차 영향만 반영한 모델에는 세무 신고 지원, 규정 준수 데이터 세트 유지, 새로운 보고 의무 관리에 필요한 추가 간접비가 포함되지 않을 수 있습니다. 이는 시나리오가 완료된 것으로 간주되기 전에 역량 있는 재무 비즈니스 파트너가 반드시 제기해야 하는 주의 사항입니다.
그런 다음 CoCo는 다음 단계의 초안 작성도 지원할 수 있습니다. 분석 결과, 가정, 미해결 질문, 의사결정 사항을 요약해 세무 부서의 적절한 담당자에게 보낼 이메일을 작성하는 것입니다. 즉, 시스템은 단순히 숫자만 산출하는 것이 아닙니다. 문제를 진단하고 해당 분야의 전문가를 파악하며 워크플로우를 다음 단계로 진행하도록 지원합니다.
이 지점에서 이는 AI 지원 모델링을 넘어섭니다. AI 지원 계획 수립이 되는 것입니다.
재무팀에 중요한 이유
재무팀은 기존 계획 프로세스로 대응할 수 있는 속도보다 더 빠르게 전략적 질문에 답해야 하는 경우가 많습니다.
성장을 가속하면 어떻게 될까요? 새 사무소를 열면 어떻게 될까요? 클라우드 비용이 25bp 낮아지면 어떻게 될까요? 보상 비용 상승률이 예상보다 높으면 어떻게 될까요? 세제 또는 규제 변경이 일부 매출에 영향을 미치면 어떻게 될까요? 기능 조직 간 투자 배분을 바꾸면 어떻게 될까요?
이는 이론적 질문이 아닙니다. 경영진이 실시간으로 제기하는 질문입니다.
문제는 기존 계획 도구와 대규모 스프레드시트 모델이 이 수준의 반복적인 분석과 조정을 지원하도록 설계되지 않았다는 점입니다. 이러한 도구와 모델은 계획을 수립하기 위한 것이었지 지속적인 전략 논의를 지원하기 위한 것이 아니었습니다.
Snowflake에서 Streamlit으로 Snowplan을 구축해 비즈니스의 복잡성에 맞춰 확장할 수 있는 계획 플랫폼을 만들었습니다. 여기에 CoCo를 추가해 플랫폼을 대화형으로 전환했습니다.
이 조합은 재무팀이 할 수 있는 일 자체를 바꿉니다.
재무팀은 실적 데이터를 업데이트하고 수식을 유지 관리하며 시나리오 간 차이를 대조하고 조정하거나 버전을 수동으로 비교하는 데 시간을 쓰는 대신 실제로 중요한 업무에 더 많은 시간을 할애할 수 있습니다. 가정의 타당성을 철저히 검증하고 경영진의 공감대를 형성하며 트레이드오프를 평가하고 장기 전략을 구체화하는 일입니다.
AI 기반 계획에서 신뢰가 중요한 이유
재무 분야에서 대화형 계획이 제대로 작동하려면 수치를 신뢰할 수 있어야 합니다.
그래서 아키텍처가 중요합니다. CoCo는 기존 환경과 단절된 예측을 독립적으로 생성하지 않습니다. Snowplan을 구동하는 것과 동일한 거버넌스 적용 데이터, 가정, 로직과 상호작용합니다. 버전을 비교하고 주요 동인을 설명하거나 시나리오를 생성할 때도 Snowflake에서 이미 사용하는 데이터 모델과 계획 로직을 기반으로 작업합니다.
모든 시나리오는 버전 관리할 수 있습니다. 모든 변경 사항은 검토할 수 있습니다. 액세스도 앱과 동일한 역할 기반 모델을 통해 관리할 수 있습니다. 분석가와 경영진은 변경 전후를 비교해 무엇이 달라졌는지 파악하고 필요에 따라 시나리오를 다음 버전으로 넘기거나 이전 버전으로 되돌릴 수 있습니다.
이는 매우 중요한 차이입니다. 재무 리더에게 블랙박스를 신뢰하라고 요구하는 것이 아닙니다. 데이터, 비즈니스 로직, 권한, 결과를 확인하고 설명하며 감사할 수 있는 거버넌스 적용 계획 플랫폼과 상호작용하는 데 AI를 활용하는 것입니다.
바로 이 점이 엔터프라이즈 재무에서 AI를 활용할 수 있게 합니다.
계획 도구에서 전략 플랫폼으로
Snowplan에서 가장 흥미로운 점은 초기 장기 계획 사용 사례의 범위를 넘어섰다는 것입니다.
모델을 Snowflake로 이전하자 아키텍처를 재사용할 수 있게 됐습니다. 이제 동일한 기반에서 재무 전반의 여러 계획 워크플로우를 지원하거나 지원 범위를 확장할 수 있습니다. 인력 규모 계획, 주식 기반 보상 모델링, 자금 부문의 현금 예측, 헤징, 법인별 예측, 매출원가(COGS) 계획, M&A 시나리오 모델링이 여기에 포함됩니다.
이 접근을 일회성 앱이 아닌 플랫폼으로 바라볼 때 얻는 이점이 바로 여기에 있습니다.
새로운 계획 워크플로우는 모두 동일한 거버넌스 기반 위에 구축될 수 있습니다. 각 워크플로우는 관련 소스 데이터와 연결될 수 있고 재무 사용자가 쉽게 이해할 수 있는 Streamlit 인터페이스를 제공할 수 있습니다. CoCo를 활용하면 자연어를 통해 각 워크플로우에 더 쉽게 질의하고 조정하며 설명할 수 있습니다.
더 많은 재무팀이 다음과 같은 방식을 따르게 될 것으로 생각합니다.
먼저 모델을 데이터가 있는 곳으로 옮깁니다.
그다음 사용자를 위한 직관적인 앱 계층을 구축합니다.
마지막으로 AI를 활용해 계획 프로세스를 대화형으로 전환합니다.
진정한 ROI
Snowplan의 진정한 ROI는 재무팀을 더 기술적인 조직으로 만드는 데 있지 않습니다. 재무팀이 판단에 더 많은 시간을 쓸 수 있게 한다는 데 있습니다.
장기 계획은 방대한 워크북을 유지 관리하는 작업이 되어서는 안 됩니다. 비즈니스의 미래를 이해하는 과정이어야 합니다. 리더가 어디에 투자할지, 성장과 수익성의 균형을 어떻게 맞출지, 어떤 위험이 새롭게 나타나는지, 어떤 트레이드오프가 가장 중요한지 결정하는 데 도움을 줘야 합니다.
Snowflake와 Streamlit은 장기 계획을 확장 가능하고 거버넌스가 적용되며 최신 데이터와 연결된 형태로 구현할 수 있는 플랫폼을 제공했습니다. CoCo는 장기 계획을 더 빠르고 상호작용성이 높으며 더 전략적인 프로세스로 만드는 데 도움을 주고 있습니다.
바로 이것이 변화의 핵심입니다.
재무팀은 모델 업데이트와 가정 수동 조정에 쓰는 시간을 줄이고, 경영진과 함께 회사의 장기 전략을 반복적으로 검토하고 발전시키는 데 더 많은 시간을 쓸 수 있습니다.
FP&A 팀에 계획 분야 AI가 약속하는 진정한 가치는 바로 이것입니다. 재무 기능을 대체하는 것이 아니라 재무팀의 속도를 늦추는 수작업을 제거해 재무팀이 본연의 업무를 더 많이 수행할 수 있게 하는 것입니다.
참고: Snowflake 기반 재무 예측 애플리케이션에 관심이 있다면, Snowflake는 고객과 직접 협력하는 Forward Deployed Finance Specialists를 통해 전사적 자원 관리(ERP) 마이그레이션, 데이터 인프라, 애플리케이션, AI 워크플로우를 지원합니다. 여기에는 Finance Applications 및 CoCo Skills용 템플릿도 포함됩니다. 자세히 알아보려면 Snowflake 계정팀에 문의하세요.
