LogisticsIT.com 분석가 및 공급업체 커뮤니티의 주요 대표자들과 이야기를 나누며 수요 예측 및 계획 기술 내에서 발생하는 가장 중요한 핵심 논점과 혁신 영역에 대해 논의했습니다.
더욱 단편화되고 변덕스러운 경쟁 환경이 일반화됨에 따라 기업은 예상 및 실제 수요를 관리하고 재고 부족을 방지하고 정시에 납품함으로써 최대한 효율적으로 주문을 실행하고 이행하기 위해 보다 정확한 결정을 내릴 수 있어야 합니다. 주문이 매장으로 직접 전달되거나 소비자에게 직접 전달되는지 여부에 관계없이 사양입니다.
다행히도 사용 가능한 기술이 이러한 과제를 해결하고 있습니다. 이는 사용 가능한 항목과 자신의 특정 요구 사항 및 사용 가능한 예산에 맞는 항목을 탐색할 수 있는 경우일 뿐입니다. 그렇다면 번거로운 프로세스를 줄일 수 있는 수요 예측 및 계획 관련 솔루션의 주요 과제는 정확히 무엇입니까?
수요와 공급의 연결이 핵심이다
공급망 계획 솔루션 측면에서 연구 부사장인 Tim Payne은 가트너, 수요 계획과 공급망 계획 사이의 경계가 이제 거의 사라졌음을 지적합니다. "따라서 수요와 공급 사이의 연결이 핵심이며 기술이 방정식의 수요와 공급 계획 측면을 모두 다룰 수 있다는 사실이 점점 더 많이 나타나고 있습니다. 이것이 정말 중요하기 때문입니다."라고 그는 말합니다. Payne은 요즘 모든 것이 클라우드에 있다고 덧붙입니다. "순전히 현장에 있는 새로운 계획 솔루션을 시장에 출시하는 사람은 없습니다."
또한 Payne은 현재 더 많은 공급업체가 계획 솔루션에 더 많은 AI 및 기계 학습을 추가하고 있다고 설명합니다. “비즈니스 모델의 변화는 기업이 계획 솔루션에 있어 많은 유연성을 필요로 한다는 것을 의미합니다.”라고 그는 말합니다. “예를 들어, 소비재 회사는 전통적으로 오프라인 소매업체에 제품을 판매했으며 그것이 그들의 주요 채널이었습니다. 이제 전자상거래를 통해 이들 기업은 온라인 판매에 대한 수요도 살펴봐야 합니다. 이는 비즈니스 모델의 변화입니다.
“당신은 여전히 기본적으로 동일한 원칙을 적용하고 있습니다. 오프라인 수요에 대해 했던 것과 동일한 방식으로 전자상거래 채널에 대한 수요를 살펴봐야 한다는 점에서요. 판매는 오프라인 소매업체와는 다른 요인에 의해 결정됩니다. 따라서 기업은 보유할 재고의 양과 매장과 온라인의 두 채널에 대해 별도의 재고 위치 또는 재고를 보유할지 아니면 더 많은 유연성을 원하기 때문에 이를 결합할지 여부를 고려해야 합니다. 따라서 공급망 계획 솔루션은 이러한 옴니채널 모델에 대처할 수 있어야 합니다.”
의사결정의 질 향상
그러나 Payne은 소매업체, 첨단 기술, 제약 또는 산업 제조업체 등 기업의 가장 큰 초점은 그들이 내리는 결정의 품질을 향상시킬 수 있다고 믿습니다. “따라서 프로세스, 즉 수요 계획 프로세스, 공급망 프로세스에 많은 초점이 맞춰지고 있습니다. 판매 및 운영 계획 프로세스 등. 그러나 우리는 종종 프로세스에 집착합니다. 수요 계획 프로세스를 따르고 있습니까? 모든 사람이 표준 S&OP 프로세스를 준수하고 있습니까? 그러나 계획의 핵심은 근본적으로 결정을 내리는 것입니다. 계획은 의사 결정의 한 형태이며 우리는 판매, 이동, 제조 및 재고 보관 규모를 결정해야 합니다. 따라서 계획의 결과는 결정이고 좋은 계획의 결과는 좋은 결정을 내리는 것입니다. 저는 이것을 더 높은 품질의 결정이라고 설명합니다.
“우리가 더 높은 품질의 결정을 내리면 가치 유출을 줄이고 가치를 높일 수 있는 기회를 창출할 수 있습니다. 적시에 적절한 장소에 적절한 리소스를 확보할 수 있기 때문입니다. 시장. 그래서. 전환이 일어나고 있습니다. 특히 지금은 너무 많은 디지털화가 진행되고 있습니다. 기업이 수행하는 모든 디지털화 및 디지털 변혁 작업에서 우리가 발견한 주요 초점 영역은 바로 공급망입니다.”
다양한 분석 기술의 조합
공급망 내에서 Payne은 디지털화는 많은 데이터와 분석을 사용하는 것이기 때문에 공급망 계획이 가장 중점을 두는 영역이라고 말합니다. 특히 기계 학습은 예측에 관한 것이고 계획은 예측에 관한 것입니다. 그는 의사결정 자동화도 핵심 초점이라고 덧붙였습니다. “그래서 제조 회사에서는 우리가 내리는 결정의 품질을 어떻게 향상시킬 수 있는지에 많은 관심을 기울이고 있습니다.”라고 그는 말합니다. “최적화 접근 방식을 취하는 것이 아니라 다양한 형태의 기계 학습, 딥 러닝, 자연어 처리 등과 같은 추가 분석 기술을 추가하는 등 많은 기술적 변화를 주도하고 있습니다. 따라서 다양한 분석 기술의 조합이 되고 있습니다. 의사결정의 질을 향상시키는 데 도움이 되는 기술입니다.”
옴니채널의 영향
Bryan Ball, 업계 분석가 및 컨설턴트, 전직애버딘 전략 및 연구, 이는 주로 옴니채널의 성장으로 인해 코로나19가 많은 기업의 주문 이행 능력에 많은 압력을 가했다는 점을 지적합니다. “이는 많은 기업이 처음에 이행하려고 계획했던 것과 다른 지점에서 주문을 이행해야 한다는 것을 의미했습니다.”라고 그는 말합니다. “예를 들어 식품 및 음료 산업에서 사람들이 식당에서 식사하고 식료품 매장에서 쇼핑을 하기 때문에 회사의 일반적인 유통 배송 지점이 식료품점과 식당이라면 팬데믹 기간 동안 식당이 문을 닫았기 때문에 갑자기 모든 것을 다시 생각해야 했습니다. 오프라인 식료품 채널이나 온라인 주문을 통해 구매했습니다. 따라서 이 부문에 서비스를 제공하는 기업은 매우 빠르게 조정하고 상황을 다른 방식으로 움직여야 했습니다.”
성취를 다시 생각하다
따라서 Ball은 수신된 인바운드 정보와 관련된 수요 계획 및 예측 측면에 새로운 과제가 있다고 설명합니다. "즉, 수요가 어디서 오는지, 수요 시기와 수요량, 데이터 정확성 및 수요 변동성 수준에 대한 질문 등에 관한 새로운 문제가 발생했습니다."라고 그는 말합니다. “그러나 예를 들어 팬데믹으로 인해 택배가 크게 성장함에 따라 기업은 이행 측면, 실행 측면에서 자신을 어떻게 재배치해야 하는지 다시 생각하고 제품이 순서대로 어디에 위치해야 하는지에 대해 더 많이 생각해야 했습니다. 주문을 보다 신속하고 비용 효율적으로 이행합니다. 역사적으로 상품은 일반적으로 회사가 설립한 전통적인 유통 센터에 보관되었지만 직접 소비자 모델로의 전환으로 인해 일부 회사, 특히 일부 대기업에서는 매장 사이트를 어떻게 활용할 수 있는지 생각하기 시작했습니다. 소비자에게 직접 주문이 많이 들어오는 곳과 더 가깝기 때문에 주문 처리 유통 지점으로 사용되었습니다.”
Ball은 계속해서 다음과 같이 말합니다. “역사적으로 그들은 넓은 지역을 포괄하는 지역 DC에 의존했을 수 있습니다. 이제는 직접 소비자 모델의 큰 성장으로 인해 주요 도시나 대도시에 더 가까운 대규모 지역에 배치하기로 결정할 수도 있습니다. 배송 지점 – 예를 들어 뉴욕, 필라델피아, 애틀랜타, 휴스턴 또는 로스앤젤레스일 수 있습니다. 이전에는 교통 혼잡으로 인한 현지 물류 문제로 인해 기업이 이를 옵션으로 고려하지 않았을 수도 있지만, 이러한 유형의 위치는 이제 온라인으로 주문하는 사람들의 온상이기 때문에 주택이나 콘도에 배달하는 것이 점점 더 표준이 되었기 때문에 기업은 점점 더 매장 사이트를 주문 처리 지점으로 활용하고 있습니다. 따라서 이제 인바운드 수요 및 예측 측면에서 가능한 한 정확한 데이터를 캡처하는 것이 중요할 뿐만 아니라 아웃바운드 측면에서는 비용을 최소화하고 제품을 가장 잘 보관할 수 있는 위치를 알려주는 최대한 지능적인 모델을 만들어야 합니다. 배달."
수요 계획 및 예측은 공급망에서 수행한 작업과 관련된 프런트엔드 부분에 가까웠지만 이제는 효과적인 실행 및 이행을 위해 수행해야 하는 작업의 매우 생생한 부분이 되었다고 Ball은 설명합니다. 새로운 옴니채널 세상 – 소비자 매장이나 오프라인 매장으로 직접 연결됩니다. "대부분의 계획 모델은 특정 항목을 더 효과적으로 항목화하고 해당 항목을 보낼 최적의 위치에 대한 더 나은 구체적 정보를 얻을 수 있는 방법과 관련된 인바운드 정보를 기반으로 합니다."라고 그는 말합니다. “특정 유형의 품목에 대한 전반적인 수요는 상당히 안정적일 수 있지만 수요 유형은 고객의 위치에 따라 달라질 수 있습니다.
“예를 들어 소형, 중형, 대형 의류를 생각해 보세요. 소형, 중형, 대형의 매출 비율은 전체적으로 큰 차이가 없을 수 있지만, 각 사이즈의 비율은 지역에 따라 크게 달라질 수 있습니다. 도시에서는 더 큰 사이즈의 의류에 대한 수요가 더 많을 수 있고, 일년 내내 기온이 지속적으로 더 높은 남부에서는 더 가벼운 의류에 대한 수요가 더 많은 경우일 수 있습니다. 따라서 수요 예측 및 계획 솔루션은 이행 단계에서 더 높은 수준의 정교함을 제공해야 합니다. 남부에서는 제설기가 필요하지 않을 것입니다. 따라서 제설기를 만드는 공장이 있다면 예를 들어 테네시와 같이 눈이 내리고 산이 있는 곳에 두는 것이 가장 좋습니다. 이는 고객에게 유통하기에 좋은 지점이며 경쟁력 있는 비용으로 제조할 수 있는 기회이기도 합니다.”
소셜 미디어의 영향
Steve Murphy, 고객 서비스 이사, 파노라마 컨설팅 그룹, 오늘날 수요 예측 및 계획의 양상을 변화시키고 있는 여러 핵심 영역을 관찰합니다. "하나는 소비자 수요를 충족시키기 위한 옴니채널의 진화이며, 소비자는 이제 매장 내 구매와 온라인 주문 중에서 선택할 수 있습니다."라고 그는 말합니다. “특히 전염병 이후 지난 몇 년 동안 온라인 판매가 폭발적으로 증가했습니다. 소셜 미디어에서 우리 모두는 오늘날 귀하의 온라인 활동을 면밀히 추적하는 데 기반을 둔 타겟 광고의 포격을 받고 있습니다. 불과 몇 년 전만 해도 팝업 광고는 해당 유형의 광고를 타겟팅하는 4~5개 주요 회사의 광고였습니다. 오늘날에는 몇 시간 내에 온라인 페이지를 방문하면 해당 회사 및 해당 제품과 관련된 광고 팝업이 표시되기 시작합니다. Google, Yahoo 등 어떤 경우든 랜딩 페이지에 가입하면 해당 소매업체나 제품에 대한 광고나 스토리를 보게 될 것입니다."
Murphy는 이것이 오늘날의 기술로 인해 변할 뿐만 아니라 주요 사건, 특히 전염병으로 인해 변할 수도 있다고 믿습니다. "팬데믹은 '일회성' 사건이었지만 모든 것을 바꿔 놓았습니다."라고 그는 말합니다. “기업이 공급망을 운영하는 방식이 바뀌었고 대형 운송 회사는 상품 배송 방법을 다시 생각해야 했습니다. 예를 들어 오늘날 해상 화물의 경우 이제 언제든지 체크인하고 GPS를 통해 화물의 정확한 위치를 확인할 수 있습니다."
AI와 머신 러닝
Murphy에 따르면 오늘날 수요 계획 및 예측 분야의 또 다른 주요 발전은 AI와 기계 학습의 진화입니다. “예를 들어, Oracle, SAP, Microsoft와 같은 선도적인 ERP 공급업체와 전문 수요 예측 및 계획 솔루션 제공업체는 AI를 사용하여 지난 3개월 동안의 경제 추세를 파악하고 이를 시스템으로 가져와서 정확히 예측할 수 있습니다. 수요는 다음 달에 있을 것 같습니다. 이러한 시스템의 정확성 수준은 비약적으로 향상되었습니다.”
Murphy는 기계 학습이 더 많고 더 나은 데이터를 제공하더라도 기억해야 할 핵심 사항 중 하나는 여전히 전반적인 제어권을 갖는 인간이 필요하다는 것입니다. “슈퍼볼처럼 제품 판매에 영향을 미칠 수 있는 대형 이벤트의 경우, 다년간의 실무 경험을 바탕으로 수요 예측과 기획을 이해하는 사람들은 재고 수준을 1% 올려야 한다고 말할 수도 있습니다. 데이터가 제안하는 것보다 높거나 비슷한 수준으로 펌핑합니다. 이는 제안된 기계 학습 데이터보다 더 정확할 수 있는 경우가 많습니다. 따라서 기계에서 나오는 숫자에만 의존하기보다는 수요 예측 및 계획 경험을 기반으로 한 인적 요소가 여전히 필요합니다.”
무쿨 크리슈나. 글로벌 연구 실무 리더 – 공급망 및 물류, Frost & Sullivan, 업계가 이제 막 디지털화하기 시작했고 사람들이 데이터를 수집하고 데이터 보고서를 작성하기 시작한 것은 불과 10여 년 전임을 반영합니다. “예측 정확도가 향상되는 측면에서 많은 귀중한 데이터가 나오기 시작했습니다.”라고 그는 말합니다. “그리고 최근에는 팬데믹이 발생하면서 많은 기업이 수요 예측 및 계획을 관리하는 방법을 다시 생각하게 되었습니다.
과거 데이터에서 이동
“의류 업계 관계자가 회사의 2022년 봄 계획이 전년도 데이터를 기반으로 했다고 말하더군요. 그러나 팬데믹으로 인해 XNUMX년 정도 전의 모든 역사적 데이터가 사라졌습니다. 변동성이 심한 시대, 특히 상황이 매우 빠르게 변화하는 시대에는 과거 데이터가 거의 의미가 없습니다. 일반적으로 수요 예측은 이러한 역사적 데이터에 의존해 왔지만 이제는 일반 경제 데이터를 읽는 것조차 매우 어려울 정도로 불확실성이 너무 많다는 사실을 더 많은 사람들이 인식하고 있습니다.”
Krishna는 팬데믹 이전에도 많은 소매 고객이 전자 상거래 아이디어에 매우 익숙해지고 있었다고 지적합니다. “그런데 팬데믹 기간 동안 이러한 고객들은 당연히 온라인 예약에 더욱 편안함을 느꼈습니다. 따라서 기업은 오프라인 배송과 소비자 직접 배송을 모두 관리해야 할 뿐만 아니라 역물류도 고려해야 합니다. 그 중 10개 또는 그 이하를 유지하려고 합니다. 따라서 이제 반품을 관리하고 품목을 선반에 다시 놓거나 창고나 DC의 올바른 위치로 돌려보내 다른 고객에게 배송할 준비를 해야 하는 추가적인 과제가 생겼습니다.”
Krishna는 일부 기업이 여전히 과거 데이터에 주의를 기울이고 있지만 이제는 불과 몇 달 전의 데이터에 더 많이 의존하고 있다고 덧붙입니다. “그들은 또한 더 많은 인공 지능을 사용하기 시작했으며 실제 수요를 파악하기 위해 현재 일어나고 있는 일을 최대한 삼각 측량하려고 노력하고 있습니다.”라고 그는 말합니다. "작년에 어떤 일이 일어났다고 해서 올해도 그런 일이 일어날 것이라는 의미는 아닙니다. 따라서 기업은 불확실성이 커지는 시대에 정확한 데이터를 훨씬 더 잘 이해할 수 있는 확률을 높이고 싶어합니다."
또한 Krishna는 기후 변화로 인해 기업들이 겨울이 더 따뜻해질 것인지 자문해야 한다고 믿습니다. 이는 역사적으로 그 당시에는 수요가 많지 않았던 특정 제품에 대한 수요 증가에 영향을 미칠 수 있기 때문입니다. "따라서 과거에는 수요를 예측하려고 할 때 이와 같은 사항에 대해 그렇게 많이 생각하지 않았을 정도로 기업에서는 이와 같은 사항이 이제 더 많은 관심을 받고 있습니다." Krishna는 과거 데이터에 의존하는 것이 아니라 보다 정확한 수요 패턴을 파악하려는 노력과 관련하여 이제 더 많은 기업이 AI 또는 고급 분석을 사용하여 데이터를 더 효과적으로 모델링하여 더욱 예측적이고 규범적이 되기 시작했다고 설명합니다. “이 모든 것이 알고리즘에 더 많은 확률을 도입하는 데 도움이 될 수 있습니다.”라고 그는 말합니다.
SaaS/온프레미스 논쟁
Ball은 많은 기업과 업계 최고 기업이 수요 예측, 계획, ERP 측면에서 일부 기능을 SaaS 모델로 확실히 이동하고 있거나 이미 이동하고 있음을 관찰합니다. “그들은 주로 의사결정 지원과 같은 특정 부분을 클라우드로 옮기기로 결정할 수도 있습니다.”라고 그는 말합니다. “그들은 재무 수치가 '왕국의 열쇠'라고 보기 때문에 재무 계획을 옮기기로 결정하지 않을 수도 있습니다. 계획 데이터를 클라우드에 저장하기로 결정할 수도 있습니다.
“그러나 계획 데이터에는 볼륨, 제품, 마케팅 및 가격 정보가 포함되어 있기 때문에 이에 대해 더 비밀로 하고 싶어할 수도 있습니다. 따라서 해당 유형의 데이터에 대해 보호받을 수 있습니다. 그럼에도 불구하고 그들은 해당 데이터의 일부를 가져와 오프사이트로 옮기기로 결정할 수도 있습니다. 일반적으로 많은 기업은 모든 것을 사내에 유지하는 태도를 벗어났습니다. 즉, 클라우드에 비밀 공식을 두는 것을 원하지 않고 온프레미스에 있으면 더 안전하다고 느끼는 제조업체가 여전히 많이 있습니다. 사람들이 현장에서 계속 작업할 수 없는 코로나19의 경우, SaaS는 해당 정보를 볼 권한이 있는 사람들이 어디에 있든 재고 관련 데이터에 액세스할 수 있도록 보장하는 데 매우 가치 있는 것으로 입증되었습니다.”
우위를 점하는
Krishna는 SaaS와 관련된 초기 우려 사항 중 상당수가 사라졌다고 생각합니다. 그러나 그는 소매업과 같은 특정 산업에서는 온프레미스 솔루션과 엣지 기능이 고객과 매장에 직접 전달되는 옴니채널 모델을 관리하는 데 똑같이 중요하다고 믿습니다. Krishna는 또한 대기 시간 단축 측면에서 엣지 컴퓨팅이 클라우드에 비해 이점을 가질 수 있다는 점을 지적합니다. 이는 수요와 재고 요구 사항을 충족하는 데 빠른 응답이 중요할 수 있는 공급망 세계에서 점점 더 중요해지고 있다고 생각합니다.
“팬데믹 기간 동안 많은 사람들이 병에 걸리고 금연도 높은 수준에 이르렀습니다.”라고 그는 말합니다. “많은 사람들이 기술을 재교육하거나 향상하고 공연 경제에 뛰어들기 위해 직장을 떠났습니다. 이로 인해 기업들은 AI 기반 자동화를 더 많이 활용하려고 노력했습니다. 예를 들어, 더 많은 재고 관리 로봇이 사용되었습니다. 이러한 로봇은 기본적으로 바퀴가 달린 엣지 컴퓨팅 장치입니다. 한편, RFID 스캐너와 머신 비전이 배치되어 통로 아래의 품목을 스캔하여 재고가 있는 것과 없는 것을 확인했습니다. 따라서 인간 작업자에게는 지루하다고 간주될 수 있는 이러한 유형의 작업이 이제 자동화를 통해 효과적으로 수행될 수 있으며 대부분 실시간으로 정보를 제공할 수 있습니다.”
예상치 못한 동향을 파악하세요
Krishna는 전염병이 닥쳤을 때 사람들이 화장지와 같이 정상적인 상황에서는 선반에서 날아가지 않을 모든 유형의 품목을 찾기 위해 곧장 달려가기 시작했음을 상기시켜줍니다. 그는 "내 지역 식료품점에서 코로나 이전에는 양파가 떨어지는 것을 본 적이 없었다"고 말하면서 일부 상점에서는 특정 품목을 배급하기 시작하여 예를 들어 고객당 2개의 품목을 허용했다고 덧붙였습니다. "데이터가 거의 실시간으로 제공된다면 예상치 못한 추세를 모니터링하고 재고 부족을 방지하는 데 도움이 되는 특정 정책을 시행할 수 있습니다."라고 그는 말합니다.
“그러나 클라우드로 전송된 데이터는 데이터를 다시 가져오는 데 어느 정도의 대기 시간이 발생한다는 것을 의미하며, 약간의 대기 시간이라도 수요를 충족하고 추세를 따르는 데 큰 차이를 만들 수 있습니다. 따라서 대기 시간 수준을 최소화하려고 합니다. 예를 들어, 자율주행차가 클라우드와 통신하는 것을 원하지 않습니다. 대신, 차량이 클라우드와 통신할 필요 없이 자율적인 결정을 내리기를 원합니다. 따라서 클라우드로 갔다가 다시 돌아올 필요 없이 결정을 내리기 위해 온보드 엣지 컴퓨팅 기능을 사용하여 라스트 마일 배송을 수행하는 자율주행 차량이 많다면 이것이 훨씬 더 효율적일 수 있습니다. 마찬가지로, 엣지 컴퓨팅을 사용하는 창고의 재고 관리 로봇은 특정 제품이 부족하다는 사실을 거의 실시간으로 알려주고, 재고가 없어지기 전에 더 주문할 수 있습니다.”
비용을 고려하면
크리슈나는 문제 해결에 충분한 돈을 투자하면 문제가 사라질 것이라고 종종 말합니다. “그러나 많은 회사는 돈이 많지 않습니다. 최첨단 기술은 비용이 많이 들 수 있으므로 인건비가 상대적으로 저렴한 개발도상국에서는 많은 기업이 최첨단 기술에 대한 투자를 계속 미루게 될 것입니다. 대신에 그들은 더 많은 사람을 고용할 뿐입니다. 북미, 서유럽, 한국 또는 일본과 같이 보다 부유한 지역을 살펴보면 특히 활성 피킹 암이 있는 피킹 로봇의 측면에서 창고 자동화 및 로봇의 사용이 더 많이 발생하는 것을 볼 수 있습니다. 랙 높이가 30~40개에 도달하려면 피킹 로봇이 고도로 연결되어 있어야 하고 매우 복잡한 각도로 움직여야 하므로 훨씬 더 복잡한 작업이 필요합니다. 따라서 이러한 유형의 복잡성과 비용으로 인해 기업은 더 많은 자동화로 전환해야 하는 매우 타당한 경제적 이유가 필요합니다. 많은 회사에서는 자신의 상황이 그다지 심각하지 않다고 생각하며, 수동 방식으로 피킹을 관리할 수 있는 인력이 충분합니다.”
예산이 충분하다면 Krishna는 이제 더 많은 회사가 협동로봇을 사용하고 있다고 설명합니다. “그럼에도 불구하고 자동화가 더욱 보편화됨에 따라 적어도 향후 2~3년 동안은 어둠의 창고 개념이 크게 발전할 것이라고는 생각하지 않습니다.”라고 그는 말합니다. “물론 어두운 창고는 기계가 잠재적으로 창고와 DC의 인력 대부분을 대체할 수 있다는 점에서 민감한 문제입니다. 반대 주장은 많은 경우 자동화된 기술이 인력이 수행하는 작업을 확대하고 지원할 수 있다는 것입니다.”
확장 인자
SaaS가 나온 지 몇 년이 지났지만 많은 회사에서는 여전히 서버를 온프레미스에 두는 것이 더 편합니다. 아마도 오늘날에는 서버가 최소화되어 있기는 하지만 보안 문제 때문일 것입니다. 그러나 Murphy는 온프레미스 솔루션의 장기적인 비용을 살펴보면 현장에서 업그레이드하고 확장 작업을 수행하기 위해 컨설턴트를 고용해야 하기 때문에 훨씬 더 비쌀 수 있다고 설명합니다(현재 확장은 일반적으로 용어로 사용됨). 사용자 정의가 아닌 사용됨). “물론 회사가 분기별 또는 연간 비용을 지불하는 SaaS 구독 모델의 주요 이점 중 하나는 적어도 대부분의 상위 계층 회사의 경우 소프트웨어가 분기별로 자동 업데이트된다는 것입니다. 이는 소프트웨어가 항상 최신 상태이고 최신 버전을 사용하고 있음을 의미합니다. 아마도 이것이 SaaS의 가장 큰 이점 중 하나라고 생각합니다.”
Murphy에 따르면 온프레미스와 SaaS 사이의 또 다른 설명은 업그레이드할 때마다 일부 확장을 추가하기로 결정한 경우 컨설턴트가 와서 확장 작업을 관리해야 할 가능성이 높다는 것입니다. “SaaS 모델을 사용하면 모든 사용자에 맞게 솔루션을 맞춤화하고 싶지 않으므로 기능은 일반적으로 특정 업계의 모범 사례를 기반으로 합니다. 누군가가 특정 비즈니스에 더 긴밀하게 맞도록 확장 기능이 필요한 경우 잠재적으로 비용이 많이 드는 이 계획을 진행하기 전에 우리가 권장하는 것은 소프트웨어에서 얻고 싶은 것이 무엇인지 신중하게 생각하는 것입니다.
전반적인 이점이 무엇인지, 관련된 추가 비용을 기준으로 이를 수행하는 것이 합리적인지 여부를 아는 것이 중요합니다. 신중하게 생각한 후에 표준 소프트웨어 패키지에 의존하는 것이 더 유익할 것이라고 결정할 수도 있습니다. 따라서 비용 편익 분석이나 변화 편익 분석이 합리적입니다. 확장 기능이 선호되는 경우 소프트웨어 회사가 해당 확장 기능을 설계하도록 도울 수 있습니다. 확장 작업은 예전만큼 복잡하거나 어려운 프로세스가 아닌 것 같습니다. 이제는 우리가 예전에 했던 까다로운 사용자 정의 작업을 수행하는 것과는 다릅니다.”
앞으로있을 일
향후 1~2년 동안 주목해야 할 다음 혁신/개발은 무엇입니까? Murphy는 AI와 기계 학습을 오늘날의 수요 예측 및 계획 솔루션에 구축함으로써 주문 및 이행 단계에서 발생하는 모든 거래로부터 기술을 지속적으로 학습할 수 있다고 설명합니다. Murphy는 소셜 미디어의 데이터를 포함하여 수요 추세를 모니터링하기 위해 지금부터 가져올 수 있는 데이터 소스가 너무 많다는 점을 고려해야 한다고 말합니다. “예전에는 과거 판매 내역과 경제적 예측을 살펴보고 다양한 지역을 기반으로 시장에서 무슨 일이 일어나고 있는지, 해당 지역의 판매 추세는 어떠했는지 살펴보았습니다.
“이제 데이터 소스가 너무 방대해 시스템에 넣을 더 많은, 더 나은 데이터를 수집하는 것이 주요 목표 중 하나입니다. 따라서 수요 예측 및 계획 시스템 내에서 사용할 데이터를 수집하는 더 나은 방법을 찾을 수 있다면 여기에 주요 개선 사항이 있을 것이라고 생각합니다. 저는 누군가가 이 모든 방대한 소스에서 귀중한 데이터를 가져오기 위해 훨씬 더 나은 데이터 수집 프로세스를 설계할 것이라고 생각합니다. 그렇다면 최고의 수요 예측 및 계획 솔루션을 통해 보다 가치 있는 정보를 어떻게 수집하고 처리하는지가 문제입니다. 이것이 다음 단계가 될 것입니다.”
경직된 노동 시장을 완화하기 위한 자동화 강화
솔루션 컨설팅 및 계정 관리 이사인 Alex Macpherson은 가능한 미래 개발이라는 주제를 이어가며, 맨하탄 어소시에이트, 특히 창고 부문에서 긴박한 노동 시장을 완화하기 위해 자동화가 계속되고 있음을 나타냅니다. “이는 기업이 경험하는 일반적인 계절성 피크뿐만 아니라 이벤트 중심의 피크 기간에도 용량을 제공하기 위한 것입니다.”라고 그는 말합니다. "이 자동화의 형식은 기존 ASRS 및 컨베이어 구동 자동화에서 코봇 및 로봇 공학에 이르기까지 다양합니다." Macpherson은 AI와 기계 학습의 사용이 창고 환경 내에서 폭발적으로 증가하여 파도의 흐름 및 노동 예측 예측과 같이 수동으로 시작되는 많은 작업을 주도할 것이라고 덧붙였습니다. “이 분야는 AI가 광범위하게 사용되지 않은 분야였으며 이제 곧 변화할 것입니다.”라고 그는 말합니다.
Macpherson은 소매업체가 향후 12~18개월 동안 반품을 어떻게 처리하는지 지켜보는 것이 흥미로울 것이라고 덧붙였습니다. "모든 비즈니스에 대한 수익의 범위와 이를 관리하는 데 드는 막대한 비용이 마침내 실현되었으며 해결될 것입니다."라고 그는 말합니다. “반품 비용을 청구하는 것이든, 고객에게 반품에 대한 연간 수수료를 지불하게 하는 것이든, 이 부분은 빠르고 단호하게 변화할 또 다른 영역이 될 것입니다. 우리는 이미 여러 유명 소매업체에서 퍼스트 무버 이점을 확인했으며 이는 나머지 소매업체에도 조치를 취하는 원동력이 될 것입니다.”
불이 꺼지지 않음
Payne은 AI 관점에서 더 많은 것을 보게 될 것이라고 믿습니다. “Covid 이전 시대를 되돌아보면 많은 최종 사용자가 소등 계획, 노 터치 계획 또는 자율 계획을 원한다고 말하는 것을 들었습니다. 다행히도 선도적인 기업들은 그런 일이 일어나지 않을 것이라는 사실을 깨달았습니다. 공급망의 모든 의사결정을 자동화할 수는 없습니다. 많은 부분을 자동화할 수는 있지만 전부 자동화할 수는 없습니다. 우리가 항상 말해왔던 인간의 입력, 인간의 판단을 위한 특정 유형의 결정이 여전히 필요합니다. 완전히 자율적인 계획은 헛된 꿈이었지만, 여전히 많은 회사에서 스프레드시트를 사용하여 계획을 수행하는 수동 방식보다 훨씬 더 많은 작업을 수행할 수 있습니다."
Payne에 따르면 생성 AI의 영향력은 점점 더 커질 것입니다. “현재 많은 사람들은 Chat GPT가 업무 수행 방식을 변화시킬 것이라고 말하고 있습니다. 이는 또 다른 AI 기술일 뿐이지만 대규모 언어 모델을 사용하면 기획자가 기획 시스템과 상호 작용하는 방식을 변화시킬 수 있습니다. 그래서 기획 시스템과 좀 더 자연스러운 대화를 나눌 수 있었습니다. 아마도 그곳에서 계획 세계의 초기 사용 사례 중 일부를 보게 될 것입니다.”
합성 데이터
Payne의 견해에 따르면 더 많은 관심을 끌 것으로 예상되는 또 다른 혁신 영역은 합성 데이터의 생성입니다. “잠재적으로 생성 AI 기능과 함께 디지털 공급망 트윈을 사용하여 합성 데이터, 즉 물리적 공급망에서 생성되지 않았지만 디지털 방식으로 생성된 데이터를 생성할 수 있습니다. 이 데이터를 사용하면 모든 종류의 시나리오와 옵션을 테스트할 수 있습니다."
구조 변경
Payne에 따르면 향후 몇 년 동안 우리가 볼 수 있는 추가 발전은 수요 예측 및 계획 솔루션 구조의 변화입니다. “오늘날 기업이 계획 기술 솔루션을 구매할 때 수요 계획, 재고 계획, 보충 계획, 생산 계획, 판매 및 운영 계획 또는 통합 비즈니스 계획을 수행해야 한다고 말할 수 있습니다. 기본적으로 그들이 찾고 있는 것은 완전한 엔드투엔드 계획 솔루션입니다. 이곳은 Kinaxis, SAP, Oracle, Blue Yonder 및 모든 대형 플랫폼과 같은 공급업체가 활동하는 곳입니다.
그러나 회사가 현재 사용하는 폐쇄형 플랫폼에 내장되지 않은 추가 기능을 원하여 타사 솔루션을 찾거나 스스로 무언가를 구축하는 경우가 있을 수 있습니다. 분석 및 데이터 과학 팀을 사용하여 일정의 공백을 메울 수도 있습니다. 또는 분석 등. 그러나 대부분의 빌딩 블록을 한 공급업체에서 사용하든, 혼합하여 사용하든 상관없이 상호 교환 가능한 기능 빌딩 블록을 제공하는 솔루션의 추세가 커지고 있습니다. Gartner는 이를 결합성이라고 부르며 솔루션을 훨씬 더 모듈화하고 적응 가능하게 만듭니다.”
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.logisticsit.com/articles/2024/01/02/improving-your-demand-and-fulfilment-processes
- :있다
- :이다
- :아니
- :어디
- $UP
- 10
- 12
- 150
- 2022
- 30
- 40
- a
- 능력
- 할 수 있는
- 소개
- 위의
- 액세스
- 에 따르면
- 계정
- 계정 관리
- 정확한
- 정확히
- 행동
- 활동적인
- 활동
- 실제
- 더하다
- 첨가
- 추가
- 추가
- 맞추다
- 광고
- 많은
- 이점
- 광고
- 후
- ...전에
- 앞으로
- AI
- 알렉스
- 알고리즘
- All
- 허용
- 따라
- 이미
- 또한
- 이기는하지만
- 항상
- 미국
- 양
- 금액
- an
- 분석
- 분석자
- 분석
- 분석
- 및
- 앤젤레스
- 연간
- 매년
- 다른
- 예상
- 예상
- 기대하는
- 어떤
- 의복
- 적용된
- 적용
- 구혼
- 있군요
- 지역
- 지역
- 논의
- 무기
- 약
- 인조의
- 인공 지능
- AS
- 문의
- 지원
- At
- 애틀랜타
- 주의
- 태도
- 증가하다
- 권위
- 자동화
- 자동화
- Automatic
- 자동화
- 자발적인
- 자치 차량
- 자치 차량
- 가능
- 피하고
- 떨어져
- 뒤로
- 공
- 기반으로
- 원래
- BE
- 되었다
- 때문에
- 가
- 된다
- 되고
- 된
- 전에
- 처음
- 존재
- 생각
- 유익한
- 이익
- 혜택
- BEST
- 모범 사례
- 더 나은
- 사이에
- 음료
- 큰
- 가장 큰
- 블록
- 파란색
- 예약
- 두
- 범위
- 소매 매장
- 돋보이게
- 예산
- 빌드
- 건물
- 내장
- 사업
- 비즈니스 모델
- Business Planning
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- 사기
- by
- 통화
- CAN
- 기능
- 능력
- 생산 능력
- 포착
- 주의
- 면밀히
- 케이스
- 가지 경우
- 센터들
- 어떤
- 확실히
- 체인
- 쇠사슬
- 도전
- 과제
- 이전 단계로 돌아가기
- 변경
- 변경
- 변화
- 채널
- 채널
- 청구
- 잡담
- 싼
- 선택
- 상황
- 도시
- City
- 클라이언트
- 기후
- 기후 변화
- 닫기
- 닫은
- 자세히
- 의류
- 클라우드
- CO
- 수집
- 수집
- 수집
- 결합
- 결합
- 왔다
- 안락한
- 오는
- 댓글
- 공통의
- 일반적으로
- 소통
- 커뮤니티
- 기업
- 회사
- 회사
- 완전한
- 완전히
- 복잡한
- 복잡성
- 컴퓨팅
- 개념
- 관심
- 에 관하여
- 우려 사항
- 충혈
- 연결
- 고려
- 고려
- 고려하다
- 일관되게
- 컨설턴트
- 컨설턴트
- 컨설팅
- 소비자
- 소비자
- 지속적으로
- 계속
- 계속
- 계속
- 제어
- 전통적인
- 대화
- 비용
- 값 비싼
- 비용
- 수
- 계수기
- 국가
- 국가
- 두
- 코스
- 엄호
- 피복
- 코 비드
- 만들
- 만든
- 만들기
- 창조
- 임계
- 현재
- 고객
- 고객
- 최첨단
- 어두운
- 데이터
- 데이터 과학
- 날짜
- 일
- dc
- 거래
- 로사리오 염주
- 결정하다
- 결정
- 의사 결정
- 결정
- 깊은
- 깊은 학습
- 배달하다
- 배송
- 배달
- 배달
- 수요
- 수요 예측
- 의존
- 배포
- 설명
- 디자인
- 결정
- 개발
- 개발 도상국
- 개발
- 개발
- 디바이스
- DID
- 다르다
- 차이
- 다른
- 어려운
- 디지털
- 디지털 전환
- 디지털
- 디지털화
- 무서운
- 곧장
- 책임자
- 토론
- 급파
- 혼란
- 분포
- do
- 하지
- 들린
- 하기
- 돈
- 한
- 말라
- 문
- 아래 (down)
- 꿈
- 구동
- 운전
- 두
- ...동안
- 전자 상거래
- 마다
- 간결한
- 경제
- Edge
- 에지 컴퓨팅
- 유효한
- 효과적으로
- 효율적인
- 효율적으로
- 중
- 그렇지 않으면
- end
- 끝으로 종료
- 충분히
- 충분한 돈
- 보장
- 환경
- 균일하게
- ERP
- 특히
- 본질적으로
- 확립 된
- 견적
- 등
- 에테르 (ETH)
- 유럽
- 조차
- 이벤트
- 이벤트
- 모든
- 사람
- 모두
- 진화
- 정확하게
- 예
- 실행
- 실행
- 비싼
- 경험
- 경험
- 설명
- 확장자
- 확장
- 광대 한
- 범위
- 여분의
- 페이스메이크업
- 사실
- 인자
- 요인
- 꽤
- 세 연령의 아시안이
- 지우면 좋을거같음 . SM
- 를
- 적은
- 들
- 그림
- 채우기
- 최종적으로
- 금융
- 재무 계획
- Find
- 먼저,
- 맞게
- 다섯
- 유연성
- 초점
- 수행원
- 식품
- 럭셔리
- 형태
- 체재
- 양식
- 공식
- 다행히도
- 앞으로
- 사
- 조각난
- 화물
- 에
- 서리
- 기능
- 근본적으로
- 추가
- 추가 개발
- 미래
- 미래의 발전
- 이득
- 갭
- 가트너
- 일반
- 생성적인
- 제너레이티브 AI
- 얻을
- 점점
- 공연 경제
- 주기
- 글로벌
- Go
- 목표
- 가는
- 사라
- 좋은
- 상품
- 구글
- 있어
- GPS를
- 큰
- 큰
- 잡화
- 성장하는
- 성장
- 습관
- 했다
- 손 -에
- 발생
- 일이
- 무슨 일이
- 있다
- 데
- he
- 들었다
- 무거운 책임
- 도움
- 도움이
- 높은
- 높은 프로파일
- 더 높은
- 고도로
- 고용
- 그의
- 역사적인
- 역사적으로
- history
- 히트
- 보유
- 홈
- 택배
- 진료 시간
- 휴스턴
- 방법
- 그러나
- HTTPS
- 거대한
- 사람의
- i
- 생각
- if
- 영향
- 중대한
- 개선
- 개선하는
- 개량
- 개선
- in
- 기타의
- 가게 안에
- 포함
- 증가
- 증가
- 증가
- 더욱 더
- 산업
- 산업
- 산업
- 정보
- 처음에는
- 처음에는
- 시작
- 혁신
- 입력
- 를 받아야 하는 미국 여행자
- 학회
- 통합 된
- 인텔리전스
- 지능형
- 의도
- 상호 작용하는
- 흥미있는
- 으로
- 소개
- 목록
- 재고 관리
- 투자
- 참여
- 발행물
- 문제
- IT
- 항목
- 그
- 일본
- 작업
- JPG
- 다만
- 유지
- 유지
- 키
- 주요 분야
- 걷어
- 알아
- 한국
- 노동
- 상륙
- 방문 페이지
- 언어
- 넓은
- 크게
- 큰
- 성
- 작년
- 숨어 있음
- 최근
- 리더
- 지도
- 도약
- 배우다
- 배우기
- 가장 작은
- 왼쪽 (left)
- 적게
- 하자
- 레벨
- 레벨
- 이점
- 거짓말
- 거짓
- 거룻배
- 처럼
- 아마도
- 작은
- 지방의
- 장소
- 위치한
- 위치
- 위치
- 물류
- 장기
- 보기
- 보고
- 찾고
- 그들
- 로스엔젤레스
- 롯
- 많은
- 기계
- 기계 학습
- 머신 비전
- 기계
- 만든
- 본관
- 주요한
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 구축
- 관리
- 태도
- 조작
- 수동으로
- 제조 업체
- 제조
- .
- 많은 사람
- 시장
- 마케팅
- 시장
- XNUMX월..
- 아마도
- me
- 평균
- 의미
- 방법
- 의미
- 그 동안에
- 미디어
- 매질
- 회의
- Microsoft
- 수도
- 신경
- 최소의
- 최소화
- 완화
- 혼합
- 모델
- 모델
- 모듈러
- 돈
- 모니터
- 모니터링
- 달
- 개월
- 배우기
- 보다 효율적으로
- 가장
- 움직임
- 앞으로 움직이다
- 움직이는
- 움직이는
- 많은
- my
- 자연의
- 자연어
- 자연 언어 처리
- 이동
- 가까운
- 필요성
- 필요
- 필요
- 필요
- 요구
- 못
- 그렇지만
- 신제품
- 뉴욕
- 다음 것
- 아니
- 표준
- 일반적으로
- North
- 북아메리카
- 지금
- 번호
- 숫자
- 관찰
- 대양
- of
- 오프
- 제공
- 제공
- 자주
- 낡은
- 옴니 채널
- on
- ONE
- 사람
- 온라인
- 온라인 판매
- 만
- OP
- 운영
- 행정부
- 기회
- 반대하는
- 선택권
- 옵션
- or
- 신탁
- 주문
- 명령
- 기타
- 우리의
- 아웃
- 결과
- 아웃렛
- 위에
- 전체
- 자신의
- 꾸러미
- 페이지
- 세계적 유행병
- 서
- 특별한
- 특별히
- 파티
- 과거
- 패턴
- 지불
- 지불하는
- 국가
- 피크 (캐노피 지붕쪽)
- 사람들
- 용
- tỷ lệ phần trăm
- 미문
- 관점
- 제약
- 필라델피아
- 물리적
- 따기
- 조각
- 개
- 파이프
- 장소
- 계획
- 계획
- 계획
- 식물
- 플랫폼
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연극
- 연주
- 포인트 적립
- 전철기
- 정책
- 대중적인
- 팝업
- 위치
- 가능한
- 혹시
- 잠재적으로
- 연습
- 사례
- 사전 COVID
- 정밀하게
- 예측
- 예측
- 예측
- 예언하는
- 선호하는
- 대통령
- 압박
- 예방
- 너무 이른
- 이전에
- 가격
- 주로
- 원칙
- 확률
- 아마
- 문제
- 방법
- 처리
- 프로세스
- 처리
- 프로덕트
- 생산
- 제품
- 증명
- 제공
- 제공
- 제공
- 펌프
- 구매
- 전혀
- 놓다
- 품질
- 분기
- 문제
- 문의
- 빠른
- 빨리
- 빠르게
- 차라리
- RE
- 도달
- 도달
- 읽기
- 준비
- 현실
- 실시간
- 정말
- 이유
- 이유
- 접수
- 최근에
- 권하다
- 감소
- 감소
- 반영하다
- 관계없이
- 지역적인
- 지역
- 정규병
- 관련
- 상대적으로
- 의지하다
- 의지
- 기억
- 교체
- 보고서
- 대표
- 요구조건 니즈
- 연구
- 제품 자료
- 응답
- REST
- 레스토랑
- 소매
- 소매상 인
- 소매
- 반환
- 반품
- 역
- 연락해주세요
- 도로
- 로봇
- 로봇
- 로봇
- 달리기
- 달리는
- s
- SaaS는
- 안전
- 말했다
- 판매
- 같은
- 수액
- 라고
- 속담
- 라고
- 주사
- 시나리오
- 일정
- 과학
- 계절의
- 비밀
- 섹션
- 부문
- 보안
- 참조
- 보고
- 찾으라
- 보다
- 본
- 팔다
- 보내다
- 감각
- 민감한
- 전송
- 별도의
- 서버
- 서비스
- 피복재
- 몇몇의
- 선반
- 변화
- 쇼핑
- 상점
- 짧은
- 영상을
- 측면
- 기호
- 비슷한
- 비슷하게
- 이후
- 대지
- 사이트
- 사태
- 크기
- 크기
- 기술
- 작은
- 눈
- So
- 사회적
- 소셜 미디어
- 소프트웨어
- 판매
- 해결책
- 솔루션
- 일부
- 어떤 사람
- 무언가
- 지적 교양
- 지우면 좋을거같음 . SM
- 남쪽
- 대한민국
- 전문화 된
- 구체적인
- 특성
- 봄
- 안정된
- 표준
- 스타트
- 시작
- 시작 중
- 단계
- 아직도
- 재고
- 주식
- 저장
- 저장
- 상점
- 이야기
- 전략
- 구조
- 신청
- 구독 모델
- 이러한
- 제안
- 감독자
- 슈퍼 볼
- 공급
- 공급망
- 전사 공급망 계획(SCP)
- 공급망
- SUPPORT
- 스위치
- 인조
- 합성 데이터
- 체계
- 시스템은
- T
- 받아
- 소요
- 복용
- 말하는
- 대상
- 대상
- 작업
- 팀
- 기술
- 기법
- 기술
- Technology
- 이야기
- 테네시
- 기간
- 조건
- test
- 보다
- 그
- XNUMXD덴탈의
- 세계
- 그들의
- 그들
- 테마
- 그들 자신
- 그때
- 그곳에.
- 따라서
- Bowman의
- 그들
- 일
- 생각
- 제삼
- 이
- 올해
- 그
- 그래도?
- 생각
- 세
- 을 통하여
- 층
- 단단히
- 팀
- 시간
- 시대
- 타이밍
- 에
- 오늘
- 오늘의
- 화장실
- 이야기
- 너무
- 상단
- 금액
- 터치
- 추적
- 견인
- 전통적인
- 전통적으로
- 교통
- 거래 내역
- 변환
- 변환
- 수송
- 치료
- 경향
- 동향
- 트렌드
- 시도
- 참된
- 시도
- 노력
- 쌍둥이
- 두
- 유형
- 유형
- 일반적으로
- 불확실성
- 아래에
- 이해
- 이해하기 쉬울 정도로
- 맡다
- 예기치 않은
- 업데이트
- 업그레이드
- us
- 사용
- 익숙한
- 사용자
- 사용
- 보통의
- 가치 있는
- 귀중한 정보
- 가치
- 여러
- 거대한
- 자동차
- 차량
- 공급 업체
- 공급 업체
- 버전
- 대단히
- 활기찬
- 바이스
- 부통령
- 관측
- 시력
- 방문
- 휘발성의
- 휘발성
- 음량
- 깨워
- 필요
- 원
- 원
- 창고
- 창고 자동화
- 온열 장치
- 였다
- 손목 시계
- 파도
- 방법..
- 방법
- we
- 잘
- 갔다
- 했다
- 서양의
- 서유럽
- 뭐
- 무엇이든
- 언제
- 여부
- 어느
- 누구
- 의지
- 겨울
- 과
- 이내
- 없이
- 말
- 작업
- 운동하다
- 근로자
- 인력
- 세계
- 겠지
- Yahoo
- year
- 년
- 요크
- 당신
- 너의
- 제퍼 넷