라스트 마일 배송 이슈를 막연한 인상이 아니라 데이터로 원인을 좁힌 경험을 1인칭으로 설명한다.
제가 학부 프로젝트에서 배송 지연 문제를 다뤄본 경험이 있습니다. 처음에 저는 '배송 기사가 부족한 것 같다'는 인상만으로 접근했다가, 원인을 헛짚은 실패를 했습니다.
그 뒤로 저는 데이터로 원인을 좁히는 방식을 택했습니다. 지연된 배송 건들을 모아 지역·시간대·물량별로 쪼개 보니, 지연이 특정 시간대와 좁은 골목 지역에 몰려 있었습니다. 인력 전체가 아니라 한 구간의 문제였던 겁니다.
원인이 또렷해지자 해결책도 구체적이 됐습니다. 그 시간대에 인력을 더하거나 동선을 바꾸는 식으로요. 라스트 마일 배송 이슈를 풀 때 제가 쓴 접근은, 문제를 덮어놓고 크게 보지 않고 데이터로 가장 아픈 지점을 찾는 것이었습니다. 좁혀진 문제는 풀기도 쉬웠습니다.