풀무원, 데이터 사일로 해소를 넘어AI 기반 SCM Intelligence 의사결정 체계로 진화

풀무원은 1981년에 설립된 대한민국의 대표적인 종합 식품 기업으로, ‘바른 먹거리로 사람과 지구의 건강한 내일을 만드는 기업’을 미션으로 삼고 있다. 신선식품과 음료를 중심으로 건강기능식품, 급식과 컨세션, 친환경식품 유통, 먹는샘물, 발효유 등 다양한 영역에서 사업을 펼치고 있다.

풀무원은 특히 전 세계 두부 시장 1위 기업이라는 위상을 공고히 하고 있다. 현재 국내 두부 시장 점유율 40%, 북미 시장 점유율 70%를 점유하고 있다. 1991년 미국에 법인을 설립하고 해외에 진출한 이래 중국과 일본에도 법인을 설립해 글로벌 기업으로 성장중이다.

풀무원은 한국을 비롯해 미국, 중국, 베트남, 일본 등에서 약 2만 종의 제품을 생산하는 기업이다. 글로벌 공장에서 다양한 제품을 생산하다 보니 실시간으로 방대한 데이터가 생성된다. 하지만 레거시 환경에서는 이 데이터들이 제대로 활용되지 못했다. 풀무원이 글로벌 SCM 혁신을 위해 디지털 전환을 추진하게 된 배경이다. 

레거시 환경의 가장 큰 문제는 데이터 사일로였다. 각 부서에서 수많은 시스템을 따로 사용했고, 시스템 별로 데이터는 흩어져 있었다. 

풀무원은 통합 분석 니즈가 강했기 때문에 해결해야 할 과제 1순위는 데이터 사일로였다. 아울러 데이터 표준화에 대한 니즈도 강했다. 동일한 데이터가 시스템마다 다르게 표시되면 데이터 중복 및 분석 신뢰도가 떨어질 수 있기 때문이다. 여기에 데이터 거버넌스 체계도 새로 구축하고, 레거시 시스템의 성능 업그레이드도 필요했다. 

결과적으로 풀무원은 데이터는 많지만 제때 활용하지 못하는 상황이었다. 또 데이터 접근성이 낮아 특정 핵심 인력의 경험에 의존해야 했고, 심층 분석이 불가능한 상황이었다. 풀무원은 이 같은 문제를 해결하기 위해 데이터 및 분석 플랫폼 마이그레이션을 진행키로 했다.

풀무원은 차세대 데이터 플랫폼으로 다양한 솔루션을 검토했다. 그 결과 Snowflake가 데이터 통합과 표준화, 거버넌스까지 충족할 수 있는 유일한 대안이라고 판단했다. 풀무원은 차세대 데이터 플랫폼 선정 과정에서 무엇보다 유연한 데이터 통합과 모델링을 중요한 요건으로 판단했다. 아울러 클라우드 기반 확장성을 바탕으로 대용량 데이터를 무리 없이 처리하는 역량도 필요했다. 

사용 편의성도 중요한 기준이었다. 현업 사용자라도 SQL만 알면 원하는 데이터를 뽑아 분석할 수 있는 환경을 추구했다. 여기에 풀무원이 이미 사용 중인 파워 BI와의 연계성, 데이터 품질과 보안을 보장하는 거버넌스 체계도 중요한 선택 배경이 됐다. 결국 단순한 데이터웨어하우스를 넘어 전사 데이터를 신뢰 가능한 단일 기준으로 모아주고, 이를 기반으로 한 의사결정 문화를 만드는 데 최적화된 플랫폼으로 Snowflake가 가장 적합하다는 판단을 내렸다.

풀무원은 Snowflake를 기반으로 데이터 아키텍처를 다시 설계했다. 기존에는 레거시 DB, 각종 애플리케이션에 내장된 데이터, 별도로 운영되는 SCM 플랫폼 데이터, 팀별 로컬 파일 등이 제각각 관리됐었는데, 이제는 이 모든 데이터가 데이터레이크에 저장된다. 이렇게 모인 원천 데이터는 정제와 변환을 거쳐 표준화된 데이터셋으로 바뀌고, 데이터 분석 엔지니어링을 통해서 구조화된 데이터로 변경된다. 구조화된 데이터는 파워 BI 등을 사용하는 사용자에게 공급된다. 

풀무원은 메달리온 아키텍처를 도입했다. 브론즈 레이어에는 ERP(전사자원관리), SCM(공급망관리), WMS(창고관리), OMS(주문관리) 시스템 등에서 가져온 데이터를 최소한의 변환만 거쳐 거의 원본 그대로 저장한다. 실버 레이어에서는 이기종 데이터를 정제·통합·표준화해 전사적으로 활용 가능한 비즈니스 데이터셋을 확보했다. 마지막으로 골드 레이어에서는 경영진과 현업, 분석가의 요구에 맞춰 데이터 프로덕트를 제공하며, BI 리포트와 분석 작업을 직접 지원했다.

풀무원은 데이터 통합과 분석을 넘어, AI가 계획(SCP)–실행(SCE)–학습(SCI)을 반복하는 SCM 운영 구조로 진화하고 있다. Snowflake 기반의 통합 데이터를 바탕으로 AI는 수요를 예측하고 공급 계획을 수립하며, 실제 주문·생산·물류 실행 결과를 실시간으로 반영한다. 이후 실행 결과와 계획 간의 차이는 다시 분석·학습되어 다음 계획에 반영되며, SCM 전반이 하나의 인텔리전스 루프로 작동하게 된다.
 

이러한 AI 기반 SCM 운영은 ERP·SCM·WMS·OMS 등 여러 시스템에 분산된 데이터를 Snowflake로 통합하고 표준화한 단일 데이터 흐름(Single Data Path) 위에서 가능해졌다. 계획과 실행, 분석과 AI가 동일한 데이터 기반에서 연결되면서, 풀무원은 변화에 빠르게 적응하고 스스로 학습하는 공급망 운영 체계를 구축하고 있다.

새로운 데이터 플랫폼을 도입한 이후 풀무원은 데이터 활용 역량이 극대화됐다. 과거에는 시스템 간 데이터 연계가 불가능해 단편적인 분석만 가능했지만, Snowflake 도입 이후 SCM 운영 플랫폼, 주문 시스템, 손익 시스템 등의 데이터를 통합한 심층 분석이 가능해졌다. 예를 들어 공급 가능량, 원주문 충족률, 수요 계획 정확도 등을 분석하고, 재고 부족 리스크를 미리 탐지하거나 판촉 전략을 실시간으로 조정하는 등의 행동을 취할 수 있게 됐다. 

이 같은 성과는 데이터 신뢰도가 상승된 덕분에 가능했다. 각 팀이 제 각각 데이터를 운용하던 시절에는 데이터에 대한 신뢰도가 높지 않았다. 하지만 Snowflake를 기반으로 표준화된 데이터셋을 확보한 이후에는 누가 분석하더라도 동일한 결과를 얻을 수 있게 됐다. 

이 과정에서 풀무원은 Snowflake의 스키마 구조를 활용해 데이터 모델링을 단순화했다. Snowflake는 단순히 데이터를 모아두는 데 그치지 않고 빠르고 유연하게 모델링 할 수 있다는 강점이 있다. 풀무원은 중심에 팩트 세일즈라는 테이블을 두고, 주변에 여러 차원 테이블을 연결했다. 그 결과 파워 BI 기반 리포트 개발 속도가 크게 단축됐고, 새로운 분석 요구에도 쉽게 대응할 수 있게 되었다. 덕분에 BI 운영 효율성과 데이터 활용성이 동시에 극대화되었다. 

무엇보다 큰 성과는 조직 문화의 전환이었다. 과거에는 분석 전문가만 데이터에 접근할 수 있었고, 경영진과 현업은 리포트만 받아보는 구조였다. 그러나 지금은 경영진, 현업, 분석가 모두 같은 데이터를 기반으로 전략 수립·운영 점검·심층 분석을 수행할 수 있게 됐다. 이로써 표준화된 데이터 기반의 의사결정 문화가 정착되었다.