한 줄 소개
• 사용하지 않은 식재료, 냉장고에 며칠 동안 보관하다가 결국 버린 적이 있지 않나요?
• POS만 있다면, AI가 필요한 식재료 양을 미리 알려줄게요!
데모 서비스는 종료한 상태입니다.
문제
장기간 보관된 신선 식품은 상태가 좋지 못해 사용하지 못하고 폐기해야 합니다.
대형 기업은 자체 기술력을 통한 재고 관리로 재고를 효율적으로 관리 가능합니다.
하지만, 소상공인들이 운영하는 음식점은 직감에 의존해 재고를 관리합니다.
해결책
음식점에서 사용하는 POS에는 각 음식의 판매 데이터가 쌓여 있습니다.
머신러닝을 활용해 이 판매 데이터를 분석하면 (1) 음식이 얼마나 팔릴지 예측 가능하고 (2) 이에 맞춰 재고를 효율적으로 관리할 수 있습니다.
POS와 연동해 판매 데이터를 분석하고, 최적의 재고량을 제안하는 SaaS 서비스를 개발했습니다.
액션
프로젝트 규모와 업무저를 포함해 3명의 팀(PO + FE + BE)으로 진행했습니다.
핵심 기능만을 담은 MVP를 개발했고, 총 3곳의 매장과 PoC를 진행했습니다.
(1) 서비스 목표와 핵심 가치를 설정하고 (2) 이를 기준으로 우선 순위 및 액션 플랜을 설정했습니다.
XD를 활용해 MVP UI를 만들었습니다.
팀원 매니징 ‘니즈의 유무', ‘시장성', ‘솔루션 적합성' 3가지 척도를 기준으로 잠재 아이디어를 평가했고, ‘재고 예측 SaaS 서비스'를 팀에서 구현하기로 결정했습니다.
‘POS 데이터를 핵심으로 일별 판매량을 예측하고 일별 재고량을 제안하는 대시보드’를 MVP의 기준 범위로 문서화 하고, 이를 기준으로 개발 영역을 결정했습니다.
POS 기반 AI 재고 예측 서비스 구현POS와 연동해 판매 데이터를 분석하고, 각 품목별 예상 판매량과 적정 재고량을 시각화하는 SaaS 서비스를 개발했습니다.
프론트는 리엑트 기반으로 구현했고, 백엔드는 AWS를 활용했습니다.
POS 데이터와 기온, 공휴일, 날씨 데이터를 활용해 머신러닝 엔진을 개발 및 학습시켰습니다.
족발집과 치킨집, 총 2곳의 매장과 PoC를 진행했습니다. 예측 판매 데이터와, 실제 판매 데이터를 비교 분석해본 결과 84%의 정확도를 보였습니다.
수치 및 결과
• 분석 매장 수 3곳 + 추가 분석 요청 매장 2곳
• AI 정확도 84%
• 팀원, 각자가 만족할 만한 경험을 쌓았다고 판단해, 프로젝트를 해체했습니다.
