Decision Twin: Balluff가 SAP 데이터로 단종 영향을 미리 보고 제품 포트폴리오를 줄인 방법
센서 기업 Balluff는 SAP의 자재·판매·재고·BOM 데이터를 공급사, 부품, 제품, 고객의 관계 지도로 묶고 Decision Twin으로 단종 시나리오를 비교했습니다. 4개월 만에 도입했고 첫 분석에서 장기 미판매 품목 약 5%와 BOM에 안 쓰이는 활성 부품 약 17%를 찾았습니다.
제품을 줄이려면 목록보다 관계를 먼저 봐야 합니다. Balluff는 흩어진 SAP 데이터를 공급사부터 고객까지 한 장의 관계 지도로 묶고 단종하면 무엇이 흔들리는지 시나리오로 미리 비교했습니다. 따라 하려면 모델보다 먼저 품목 마스터, 판매, 재고, BOM을 하나의 ID 체계로 잇는 일부터 해야 합니다.
요약
독일 IT 매체 CIO DE가 센서·자동화 기업 Balluff의 제품 포트폴리오 정리 사례를 소개했습니다. Balluff는 슈투트가르트 근교 Neuhausen auf den Fildern에 본사를 둔 100년 넘은 가족 기업으로, 직원은 약 3,700명이고 생산 거점은 7곳입니다. 품목이 늘면서 제품마다 상태가 어떤지, 어느 고객이 쓰는지, 얼마나 팔리는지, 재고와 자재 의존은 어떤지 한눈에 보기 어려워졌습니다. 제품 데이터는 여러 원천에 흩어져 있었습니다. 그래서 어떤 제품을 단종(phase-out)하면 무슨 일이 생기는지 가늠하기 힘들었습니다. Balluff는 뮌헨 기업 Soley의 Product Mining(제품 데이터를 엮어 품목 사이의 관계를 드러내는 분석 방식)을 도입하고 Decision Twin(결정을 내리기 전에 선택지별 결과를 미리 돌려 보는 모형)을 더했습니다. 연결한 원천은 SAP의 자재 마스터, 판매 데이터, 재고, BOM(제품 하나에 들어가는 부품 목록)입니다.
도입은 4개월 만에 끝났습니다. 첫 분석 주기에서 오랫동안 팔리지 않은 품목이 전체의 약 5%, BOM 어디에도 쓰이지 않는 활성 부품이 약 17%로 나왔습니다. 목표는 2년 안에 품목 수를 줄이되 고객이 손해를 보지 않게 하는 것이었습니다. 단종 결정을 현장이 받아들이게 하고, 한 번 내린 제품을 다시 살리는 일을 막는 것도 목표에 들어 있었습니다. 이를 위해 제품·수명주기 관리, 구매, 영업, SCM, IT가 같은 데이터를 보고 결정하고 결정과 실행을 기록으로 남깁니다. 포트폴리오 복잡성·수명주기 매니저 Jörg Maier는 가장 큰 효과로 포트폴리오가 투명해진 점을 꼽았습니다. 아래에서는 이 흐름을 네 가지 작동 원리로 풀고, 같은 일을 우리 회사에서 시작할 때 필요한 데이터 모델, 규칙, 일정을 덧붙입니다.
핵심 메커니즘
Product Mining: 흩어진 제품 데이터를 관계 지도로 묶기
Product Mining은 품목 단위 데이터를 여러 시스템에서 모아 품목 사이의 연결을 지도로 그리는 일입니다. 입력은 자재 마스터, 판매 실적, 재고, BOM이고, 처리는 같은 품목 번호를 기준으로 이 데이터를 잇는 것입니다. 출력은 공급사에서 부품, 부품에서 제품, 제품에서 고객으로 이어지는 관계 지도입니다. 지도가 있으면 연결이 끊긴 곳이 바로 보입니다. 어떤 제품에도 들어가지 않는 부품, 어떤 고객도 사지 않는 제품이 그렇습니다. 품목이 수천 개를 넘고 데이터가 여러 시스템에 나뉜 제조사에 맞고, 품목이 적어 담당자가 머릿속으로 관계를 다 아는 회사에는 과합니다. Balluff는 이 지도에서 BOM에 안 쓰이는 활성 부품 약 17%를 찾았습니다.
Decision Twin: 단종하기 전에 결과를 먼저 돌려 보기
Decision Twin은 관계 지도 위에서 “이 제품을 내리면 어떻게 되나”를 미리 계산하는 모형입니다. 질문 하나가 들어오면 그 제품에 연결된 고객과 매출, 남는 재고, 함께 쓰이던 부품을 지도에서 따라가 영향 목록을 만듭니다. 설비 디지털 트윈이 기계 상태를 복제한다면, Decision Twin은 결정의 결과를 복제한다고 보면 됩니다. 단종이나 통합처럼 되돌리기 비싼 결정에 씁니다. 매일 바뀌는 가격 결정처럼 빨리 고칠 수 있는 결정에는 굳이 쓰지 않아도 됩니다. 작은 예로(가상 예시), 센서 A를 내리면 이를 사는 고객 12곳과 A에만 들어가는 부품 3종이 함께 걸려 나오는 식입니다.
시나리오 분석: 선택지를 나란히 놓고 고르기
Balluff는 하나의 답을 받는 대신 선택지를 나란히 비교했습니다. 바로 단종, 대체품을 안내한 뒤 단종, 재고 소진 뒤 단종처럼 선택지마다 영향을 계산해 옆에 놓는 방식입니다(선택지 이름은 가상 예시). 비교표가 있으면 영업은 고객 영향, 구매는 부품 재고, SCM은 공급 계약을 같은 숫자로 보고 의견을 냅니다. 원문이 목표로 든 단종 수용도는 이 과정에서 나옵니다. 근거가 남아 있으니 반대 의견에도 숫자로 답할 수 있습니다.
공동 데이터 기반과 결정 기록: 다섯 부서가 같은 숫자로 결정하기
제품·수명주기 관리, 구매, 영업, SCM, IT가 같은 데이터 기반에서 일하고 결정과 실행을 문서로 남깁니다. 기록이 있어야 1~2년 뒤 누군가 단종된 제품을 다시 살리자고 할 때 당시의 이유와 영향을 꺼내 볼 수 있습니다. 원문이 목표로 든 재활성화 방지는 이 기록에 기대는 부분이 큽니다. 앞으로 Balluff는 시뮬레이션을 상시 업무에 넣고 이 방법을 표준 프로세스로 굳힐 계획입니다.
통념과 다른 주장
흔히 이렇게 봅니다포트폴리오 정리는 매출 하위 품목을 골라 빨리 잘라 내는 일이다.
Balluff는 이렇게 봅니다정리의 성패는 속도보다, 고객에게 손해를 주지 않고 한 번 내린 제품이 다시 살아나지 않는 데 달렸습니다.
근거Balluff는 2년 안의 품목 축소를 목표로 잡으면서도 고객 영향 회피, 단종 수용도, 재활성화 방지를 함께 목표로 두었고 이를 위해 의존 관계 지도와 시나리오 비교를 먼저 만들었습니다.
흔히 이렇게 봅니다포트폴리오 분석 도구의 성과는 줄인 품목 수와 절감액으로 잰다.
Balluff는 이렇게 봅니다Jörg Maier는 가장 큰 효과로 포트폴리오 전체가 투명해진 점을 꼽았습니다.
근거원문에 나온 결과는 절감액이 아니라 첫 분석에서 드러난 정리 후보의 비율(장기 미판매 약 5%, BOM 미사용 활성 부품 약 17%)입니다.
저자가 든 사례
Balluff: 4개월 도입, 첫 분석에서 정리 후보를 비율로 확인
| 구분 | 내용 |
|---|---|
| 상황 | 품목이 늘며 제품 상태, 고객 관계, 매출, 재고, 자재 의존을 한눈에 보기 어려워짐. 데이터가 여러 원천에 흩어져 단종 영향을 가늠하기 힘들었음 |
| 한 일 | Soley의 Product Mining에 Decision Twin을 더해 도입. SAP의 자재 마스터·판매·재고·BOM을 연결하고 공급사, 부품, 제품, 고객의 관계를 지도로 그림. 시나리오로 선택지를 비교하고 결정과 실행을 기록 |
| 결과 | 4개월 만에 도입 완료. 첫 분석 주기에서 장기 미판매 품목 약 5%, BOM에 안 쓰이는 활성 부품 약 17% 확인. 절감액과 실제 단종 건수는 원문에서 밝히지 않음 |
| 연결 | Product Mining, Decision Twin, 시나리오 분석, 공동 데이터 기반과 결정 기록 |
기술 디테일: 관계 지도와 단종 시나리오를 직접 돌리려면
여기서부터는 원문에 없는 내용으로, 같은 구조를 실제로 만들 때 필요한 것을 정리했습니다. 필드명, 기간, 기준값은 모두 가상 예시입니다.
Product Mining의 관계 지도를 만들려면 노드를 공급사, 부품, 제품, 고객 네 종류로 두고 관계를 “공급한다”, “들어간다”, “산다” 세 가지로 둡니다. SAP에서는 자재 마스터에서 품목과 상태를, BOM에서 부품과 제품의 관계를, 판매 문서에서 제품과 고객의 관계를, 구매 정보에서 공급사와 부품의 관계를 뽑습니다. 열쇠는 품목 번호입니다. 공장마다 같은 부품에 다른 번호를 쓰고 있다면 지도를 그리기 전에 번호 대응표부터 만듭니다. 그래프 데이터베이스를 써도 되고 품목 수가 수만 개 수준이면 관계형 테이블 세 개와 조인으로도 충분합니다.
장기 미판매 품목과 BOM 미사용 부품을 찾으려면 규칙을 먼저 글로 정합니다. 원문은 “längere Zeit”(오랫동안)라고만 썼으므로 기간은 회사가 정합니다. 예를 들어 “판매 가능 상태인데 최근 12개월 출고 0건”을 장기 미판매로, “활성 상태인데 유효한 BOM 어디에도 없음”을 BOM 미사용으로 둡니다. 신제품은 출시 6개월 이내면 빼고, 서비스 부품처럼 BOM 없이 단품으로 파는 부품은 판매 실적이 있으면 뺍니다. BOM은 유효 기간이 지난 버전과 대체 부품(alternative item) 지정을 따로 걸러야 합니다. 옛 BOM에만 남은 부품을 “사용 중”으로 세거나 대체 부품을 “미사용”으로 세는 실수가 흔합니다. 이런 예외를 두지 않으면 후보 목록이 부풀어 현장 신뢰를 잃습니다.
Decision Twin의 시나리오를 돌리려면 시나리오 하나를 아래 같은 구조화 출력으로 남깁니다. 같은 입력이면 같은 결과가 나와야 하므로 계산은 규칙과 조회로 하고 생성형 AI를 붙인다면 결과를 읽기 쉬운 문장으로 풀어 주는 데에만 씁니다.
{
"scenario_id": "PO-2026-041-B",
"product": "SENSOR-A-100",
"option": "대체품 안내 후 단종",
"replacement": "SENSOR-A-200",
"impact": {
"customers_affected": 12,
"revenue_last_12m": "통화 단위로 기록",
"stock_on_hand_units": 840,
"components_orphaned": ["COMP-311", "COMP-312", "COMP-404"],
"open_supplier_contracts": 2
},
"data_as_of": "2026-10-30",
"decision": {"status": "approved", "approver": "포트폴리오 위원회", "reason": "대체품 사양 동일, 고객 12곳 전환 안내"}
}결정 기록을 재활성화 방지에 쓰려면 단종된 품목 번호에 scenario_id를 붙여 둡니다. 누군가 그 품목의 재활성화를 요청하면 시스템이 당시 시나리오와 승인 사유를 먼저 띄우게 합니다. 데이터 기준일(data_as_of)을 함께 남겨야 “그때와 지금 무엇이 달라졌나”를 비교할 수 있습니다.
현업 실행 디테일: 누가, 언제, 무엇을
원문이 이름을 든 다섯 부서를 기준으로 역할을 나눴습니다. 담당자 수와 일정은 가상 예시입니다.
| 역할 | 담당 | 하는 일 |
|---|---|---|
| 포트폴리오 오너 | 제품·수명주기 관리 책임자 | 정리 목표와 기간 설정, 시나리오 최종 승인 |
| 영업 | 지역별 영업 리더 | 고객 영향 확인, 대체품 안내 계획 |
| 구매 | 부품 구매 담당 | 남는 부품·공급 계약 처리 방안 |
| SCM | 재고·수요 계획 담당 | 재고 소진 일정, 마지막 생산 시점 |
| IT | SAP·데이터 담당 | 원천 연결, 품목 번호 정합성, 기록 보관 |
시작 전 준비물은 네 가지입니다. 활성·비활성 상태가 정리된 품목 마스터, 최근 2~3년 판매 실적, 공장별 재고, 유효 BOM입니다. 원문은 도입에 4개월이 걸렸다고만 밝혔으므로, 아래는 그 기간을 4주씩 나눠 본 예시입니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~4주 | SAP 원천 연결, 품목 번호 대응표 정리 | 원천 목록, 번호 대응표 |
| 5~8주 | 관계 지도 생성, 미판매·미사용 규칙 확정 | 관계 지도 v1, 규칙 정의서 |
| 9~12주 | 시나리오 계산과 결정 기록 양식 만들기 | 시나리오 템플릿, 기록 양식 |
| 13~16주 | 첫 분석 주기 실행, 후보 목록 부서 검토 | 정리 후보 목록, 첫 결정 5~10건 |
후보 목록을 부서와 검토할 때는 다음을 묻습니다. 이 품목을 마지막으로 산 고객은 누구이고 언제였나? 대체품이 있나, 사양이 같은가? 이 품목에만 들어가는 부품과 그 재고는 얼마인가? 공급사와 남은 계약이 있나? 단종하면 누가 고객에게 알리나?
진행 판정은 이렇게 잡을 수 있습니다(예시). 첫 분석 주기에서 후보 목록의 90% 이상이 부서 검토에서 “데이터가 맞다”는 확인을 받으면 다음 주기로 갑니다. 단종 결정 뒤 6개월 동안 재활성화 요청이 한 건도 받아들여지지 않으면 기록 방식이 작동한다고 봅니다.
AX 적용 순서로는 품목이 많은 B2B 제조사에서 정리 대상이 가장 분명한 부품부터 시작하길 권합니다. BOM 미사용 부품은 고객 영향이 작아 첫 결정을 내리기 쉽고, 여기서 데이터 신뢰를 쌓은 뒤 완제품 단종으로 넓힙니다. 스폰서는 제품 책임자가 맡고, 영업이 초기부터 시나리오 검토에 들어와야 고객 반발로 결정이 뒤집히는 일을 줄일 수 있습니다. 관계 지도는 이후 공급 리스크 분석이나 생성형 AI 질의응답의 데이터 기반으로 다시 쓸 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 출처 | CIO DE, 2026.10.29, Bernd Reder |
| 기업 | Balluff, 센서·자동화, 본사 Neuhausen auf den Fildern(슈투트가르트 근교), 100년 넘은 가족 기업 |
| 규모 | 직원 약 3,700명, 생산 거점 7곳 |
| 문제 | 제품 상태, 고객 관계, 매출, 재고, 자재 의존이 한눈에 안 보임. 단종 영향 예측 어려움 |
| 목표 | 2년 안에 품목 축소, 고객 영향 없이. 단종 수용도 높이기, 재활성화 막기 |
| 해법 | Soley(뮌헨)의 Product Mining + Decision Twin |
| 연결 원천 | SAP 자재 마스터, 판매 데이터, 재고, BOM |
| 참여 부서 | 제품·수명주기 관리, 구매, 영업, SCM, IT |
| 도입 기간 | 4개월 |
| 결과 | 장기 미판매 품목 약 5%, BOM에 안 쓰이는 활성 부품 약 17% (첫 분석 주기) |
| 다음 단계 | 데이터 기반 포트폴리오·수명주기 관리 확대, 시뮬레이션 상시화, 표준 프로세스에 정착 |
| 발언 | Jörg Maier(포트폴리오 복잡성·수명주기 매니저): 가장 큰 효과는 포트폴리오 투명성 |
핵심 개념
- phase-out
- 제품을 단계적으로 시장에서 내리는 일. 판매 중단, 재고 소진, 마지막 생산 시점 결정이 함께 따라옵니다.
- Nulldreher
- 독일 업계에서 오랫동안 한 번도 팔리지 않은 품목을 부르는 말. 원문이 정리 후보로 센 대상입니다.
- BOM
- Bill of Materials. 제품 하나에 들어가는 부품과 수량의 목록입니다.
- 자재 마스터
- SAP에서 품목마다 번호, 상태, 단위, 분류 같은 기본 정보를 담는 기준 데이터입니다.
- 재활성화
- 단종한 제품을 고객 요청 등으로 다시 판매 상태로 돌리는 일. 정리 효과를 되돌립니다.
내 메모
TODO: 내 생각 추가
원문은 CIO DE의 「Balluff optimiert Produktportfolio mit Product Mining」(Bernd Reder, 2026.10.29)입니다. 요약, 핵심 메커니즘의 원문 예, 통념과 다른 주장, 사례, 원문 사례 표는 기사 내용을 AX Review가 다시 정리했습니다. 수치와 효과는 Balluff와 기사의 설명입니다. 메커니즘의 작은 예시, 기술·현업 실행 디테일, JSON 예시, 규칙 기준, 일정, 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했으며 그 안의 필드명과 숫자는 가상 예시입니다. 원문 전체는 CIO DE에서 볼 수 있습니다.