[고객 사례] 수기 보고서에서 데이터 중심 경영으로, 도드람한돈의 BI 플랫폼 구축 전략

수기 보고서에서 데이터 중심 경영으로

제조·유통 업종은 현장에서 생성되는 데이터의 양이 방대합니다. 생산 실적, 재고 현황, 매출, 원가, 시세까지 다양한 데이터가 매일 축적됩니다. 다만 이를 경영 판단에 연결하는 환경을 갖춘 기업은 아직 많지 않습니다.

돈육 시장은 이러한 과제가 더욱 두드러지는 산업입니다. 공급량, 수입육 동향, 계절 수요, 명절 패턴 등 다양한 변수가 매일의 가격과 판매 전략에 영향을 미칩니다. 경영진과 영업, 생산, 회계 부서 모두 신속한 데이터 기반 판단이 요구되지만, 정작 그 데이터를 즉시 확인할 수 있는 환경은 갖춰지지 않은 경우가 많습니다.

30년 이상 '도드람 한돈' 브랜드로 국내 돈육 시장을 선도해 온 도드람푸드는 생산, 재고, 매출, 품질 등 방대한 현장 데이터를 보유한 회사입니다. 그러나 데이터 수집 환경은 갖춰져 있었던 반면, 이를 경영 판단에 즉시 활용할 수 있는 환경은 부재한 상태였습니다.

이번 글에서는 도드람한돈이 빅데이터 플랫폼을 구축해 데이터 중심 경영 환경으로의 전환을 추진한 과정을 소개합니다.

핵심 성과 요약

• 경영 지표(KPI) 모니터링 환경 구축 — 경영진·영업·생산·회계 전 부서 실사용
• 20개 이상의 보고서 자동화로 업무 효율 증대 및 의사결정 속도 개선
• 지육 시세 예측 모델 도입 — 기존 오차율 11.95% → HEARTCOUNT 자체 모델 1.46% (2025.10 기준)
• 프로젝트 종료 후에도 IT팀이 직접 대시보드를 추가·운영 중

도입 배경 | 파편화된 데이터 환경과 수작업 보고서의 한계

수집은 됐지만 활용으로 이어지지 않던 환경

도드람한돈 역시 데이터 수집 자체는 이미 진행 중이었습니다. 자체 구축한 내부 플랫폼을 통해 매출, 재고 관련 데이터를 확인하고 있었습니다. 그러나 플랫폼에서 제공되는 것은 표 형식의 엑셀 파일로 한정되어 있었고, 현업은 이를 직접 가공해 보고서를 작성하는 방식으로 업무를 처리했습니다.

대표적인 사례가 영업일보 작성 과정이었습니다. 데이터 출처가 다양해 여러 엑셀 파일과 수십 개의 탭을 나누고, 필터 조합을 달리해가며 자료를 추출한 뒤 PDF로 변환해 공유하는 작업이 매일 반복됐습니다. 서버에서 직접 추출하거나 담당자에게 별도 요청해야 하는 데이터도 있었습니다.

데이터는 존재했지만, 이를 보고서 한 장으로 만들기까지 투입되는 시간과 수작업이 많았던 것이죠.

수작업 보고서에 의존하지 않고 필요한 지표를 즉시 확인할 수 있는 환경, 그리고 부서 간 동일한 데이터 기준을 바탕으로 신속하게 판단을 내릴 수 있는 구조가 필요했습니다.

솔루션 선택 | 검토부터 도입까지, 단계적으로 검증한 솔루션 적합성

이러한 과제를 해결하기 위해 데이터 활용 환경 개선을 검토하는 과정에서 HEARTCOUNT를 발견하고 검토를 시작했습니다. 내부적으로 즉시 도입을 추진하기 어려운 상황이었지만, 데모 미팅과 오프라인 행사 참여, 솔루션 시연 등을 통해 단계적으로 검토를 이어갔습니다.

이후 도드람한돈이 직접 보유한 데이터로 POC(개념 검증)를 진행했고, HEARTCOUNT와의 분석 핏이 높게 확인되면서 도입 시점이 맞아떨어졌습니다. 솔루션의 선택 기준은 세 가지였습니다.

• 현업이 IT팀 지원 없이 직접 분석할 수 있을 것
• 도드람한돈의 데이터 구조와 분석 방식이 잘 맞을 것
• 기술적 신뢰를 바탕으로 안정적인 운영 구조를 구현할 수 있을 것

도드람한돈 IT부서 Y 부장 "경영 의사결정의 정확도 향상과 업무 생산성 제고 등 전사 데이터 기반 경영 역량이 크게 강화될 것으로 기대합니다. HEARTCOUNT는 프로젝트 전반에 걸쳐 적극적인 협조와 지원을 아끼지 않는 훌륭한 비즈니스 파트너라고 생각합니다."

구축 과정 | 업종 특성을 반영한 단계별 환경 설계

프로젝트는 영업·생산·회계·IT로 구성된 TF와 함께 요구사항 정의, 대시보드 구축, 중간보고, 보완 작업, 최종보고 순으로 진행됐습니다.

축산·유통 업종의 데이터 구조 파악

프로젝트 초반, 가장 중요한 첫 단추는 도드람 고유의 데이터 처리 규칙을 정확히 이해하는 것이었습니다. 도축일 기준으로 필터가 걸리는 데이터, 특정 요일 단위로 주기를 갖는 데이터, 조직 내부의 보고 정렬 기준 등이 대표적입니다.

이러한 규칙들은 외부에서 사전에 파악하기 어려운 영역입니다. 화면 설계 이후에도 실제 데이터를 다루면서 새로운 요구사항이 추가로 파악됐고, 현업과의 긴밀한 소통을 통해 요건을 구체화해 나갔습니다. 이 과정이 현업이 실제로 신뢰하고 사용할 수 있는 결과물의 기반이 됐습니다.

부서별 업무 흐름에 맞춘 화면 설계

각 부서가 기존 업무 흐름을 유지하면서 바로 활용할 수 있는 구조를 설계 원칙으로 삼았습니다.

영업팀은 대시보드에서 필요한 화면을 이미지로 추출해 기존 보고서 양식에 바로 활용할 수 있도록 설계했습니다. 데이터 수집과 가공에 드는 시간을 줄이면서도 기존 보고 체계는 그대로 유지하는 방식이었습니다. 매일 반복되던 엑셀 추출·가공·PDF 변환 과정이 대시보드 화면 저장 한 단계로 압축됐습니다.

회계팀은 기존 계산 방식과 수식을 그대로 구현하는 데 상당한 시간을 투입했습니다. 이 작업이 회계팀의 실사용 기반이 됐습니다. 생산팀은 현장 현황을 상시 확인할 수 있는 전용 화면을 별도 구성해 운영 중입니다. 경영진 대시보드는 매일 확인이 필요한 KPI 중심으로 구성해 현황 전광판처럼 활용하고 있습니다.

사용할수록 넓어진 활용 범위

프로젝트 진행 과정에서 현업의 활용 니즈가 확장됐습니다. 완성된 대시보드를 직접 확인한 후 더 다양한 데이터 활용 가능성을 인식하게 된 것입니다.

HEARTCOUNT는 이에 맞춰 팀별 BI 활용 및 AI 분석 기능 교육을 여러 차례 진행했고, 고객사가 직접 데이터셋을 구성하고 새로운 대시보드를 만들 수 있는 수준으로 활용 역량이 높아졌습니다. 프로젝트 종료 후에도 IT팀이 자체적으로 대시보드를 추가·보수하며 현행화를 이어가고 있습니다.

예측 모델 | 지육 시세 예측 모델 도입과 의사결정 고도화

경험과 감에 의존하던 시세 예측의 한계

지육 시세는 원료돈 구매와 판매 가격 결정에 직접적인 영향을 미치는 변수입니다. 재고 상황을 보고 가격을 조정하는 판단, 원료돈 구매와 판매 시점을 결정하는 것 모두 시세 예측과 연결됩니다.

기존에는 담당자의 경험에 의존한 예측이 주를 이뤘습니다. 어떤 요소를 보고 예측하는지 기준도 담당자마다 달랐습니다. 외부 유료 예측 서비스도 활용했지만, 실제 시세와의 오차가 크다는 한계가 있었습니다. 돈육 시장의 지육 시세는 공급량, 재고, 수입육 동향, 계절성 등 다양한 요인이 복합적으로 반영되어 변동하기 때문에 예측이 쉽지 않은 특성을 가지고 있습니다.

시계열 패턴 기반 모델 선택 과정

HEARTCOUNT는 다양한 예측 모델을 검토했습니다. 환율, 소·닭·수입육 가격 등 외부 데이터를 추가해 성능을 테스트했지만 유의미한 개선은 확인되지 않았습니다. 이에 따라 지육시세 데이터 자체에 내재된 시계열 패턴을 최대한 활용하는 방향을 채택하였고, 최종적으로 Prophet과 XGBoost를 결합한 모델을 선택했습니다.

지육시세는 시장의 다양한 외부 요인이 이미 반영된 결과 데이터이며, 계절성이 뚜렷하게 나타나는 특성을 가지고 있습니다. 따라서 이러한 시계열적 특성을 중심으로 예측을 수행하되, 기존 패턴에서 크게 벗어나는 급격한 시장 변동이 발생할 경우에는 이를 반영할 수 있도록 보정값을 적용해 예측 정확도를 높였습니다. 예측 모델의 기술적 접근 방식은 Prophet+XGBoost 기반 시계열 예측 모델 에서 자세히 확인할 수 있습니다.

기존 예측 서비스 오차율 11.95%, HEARTCOUNT 자체 모델 오차율 1.46% (2025년 10월 기준). 현재 이 예측값은 가격 회의에서 원료돈 구매·판매 시점 결정의 근거로 활용되고 있습니다.

도입 성과 | 전 부서 실사용과 자율 운영 환경 구축

도드람한돈의 HEARTCOUNT 도입 성과는 부서별로 다른 형태로 나타났습니다.

경영진은 KPI 대시보드를 상시 모니터링 환경으로 운영하고 있습니다. 필요한 지표를 즉시 확인할 수 있는 구조가 갖춰졌습니다.

영업·생산 부서는 매일 반복되던 수기 보고서 작업에서 벗어났습니다. 20개 이상의 보고서가 자동화됐고, 보고서 작성에 투입되던 시간을 실질적인 업무에 활용할 수 있게 됐습니다. 회계팀은 프로젝트 종료 시점에 정확한 요구사항이 구현됐다는 좋은 피드백을 주셨습니다.

IT팀은 프로젝트 종료 후에도 대시보드를 자체적으로 추가하고 있습니다. 외부에서 구축한 환경을 인계받는 수준을 넘어, 내부에서 직접 운영하고 발전시키는 구조가 됐습니다. 솔루션이 조직 내에 실질적으로 뿌리내렸다는 가장 직접적인 신호입니다.

결과적으로 초반 도입 과정에서의 과제들이 해소되며 현업에 안착했고, 현재는 데이터 분석 환경 고도화를 위한 협의가 이어지고 있습니다. 단순한 솔루션 도입을 넘어, 도드람한돈의 비즈니스 성장과 함께 분석 환경을 발전시켜 나가는 파트너 관계로 이어지고 있습니다.

비슷한 고민을 하고 있다면

• 데이터는 있는데 의사결정으로 연결되지 않는다
• 보고서는 매일 만드는데 경영진은 여전히 숫자를 기다린다
• 부서마다 기준이 달라 정합성 확보가 어렵다

이런 과제는 제조·유통 기업에서 공통적으로 나타납니다. 처음부터 명확한 답이 그려지지 않아도, 문제를 정의하고 환경을 검토하는 과정에서 하나씩 풀어나갈 수 있습니다. 비슷한 고민을 안고 있다면, 어떤 방식이 우리 조직에 맞을지 먼저 이야기 나눠보는 것부터 시작해보세요.

함께 읽으면 좋은 글

[고객 사례] 대시보드 조회를 넘어 AI 데이터 분석까지, DB 손해보험의 실무형 BI 구축 전략

노후화된 데이터 환경의 제약을 넘어, 시뮬레이션 기반 성과 관리와 AI 분석까지 이어지는 실무형 운영 체계를 DB손해보험 사례로 확인해보세요.

HEARTCOUNT COMMUNITYSun Jung

답은 잘 하는 시계열 예측모델, Prophet+XGBoost로 신뢰할 수 있는 답을 얻는 법

Prophet과 XGBoost를 결합한 HEARTCOUNT ABI의 시계열 예측모델을 소개합니다. 데이터 변동을 자동 감지하고 잔차를 학습해 예측 정확도를 향상시킨 과정을 쉽게 이해할 수 있습니다.

HEARTCOUNT COMMUNITYSam Kim