이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
예측·재고 관리 프로세스를 개선한 경험은 SCM 수업 팀 프로젝트에서 있었습니다. 수요 예측과 실제 입고량 사이의 주차별 편차를 분석했더니 이벤트 시즌 직전 2주 예측이 일관되게 낮게 잡히는 패턴을 발견했습니다. 원인은 과거 데이터를 단순 이동평균으로만 써서 프로모션 효과를 반영하지 못한 것이었습니다. 개선안으로 프로모션 더미 변수를 추가하고 재주문 기준을 리드타임 변동성 기반으로 재설정했고, 시뮬레이션에서 재고 부족 발생 빈도가 30% 감소했습니다. 앞으로도 재고 시스템을 다룰 때 평균 수요보다 변동성과 예외 패턴을 먼저 찾는 방식을 유지하겠습니다.
재고 비효율은 평균이 아니라 편차에서 나옵니다. 앞으로도 수요 예측을 개선할 때 모델보다 입력 변수 선택이 먼저라는 원칙을 유지하겠습니다. 좋은 모델보다 좋은 변수가 더 중요합니다. 재고 시스템은 예측 정확도와 재주문 기준이 함께 맞아야 효과가 납니다.
물류 관련 인턴에서 재고 관리 개선 경험이 있었습니다. 전체 SKU를 수량 기준으로만 관리하다 보니 회전이 느린 품목이 창고 공간을 차지하면서 빠르게 빠지는 품목의 재고 부족이 반복됐습니다. SKU별 매출 기여도와 출하 빈도를 교차 분석하니 상위 15% SKU가 전체 출하량의 70% 이상을 차지한다는 패턴이 나왔습니다. 이를 바탕으로 A·B·C 3구간으로 SKU를 분류해 구간별 안전재고 기준과 재주문 주기를 다르게 설정하는 개선안을 제안했습니다. 적용 후 A등급 품목의 재고 부족 빈도가 절반 이하로 줄었고 창고 점유율도 개선됐습니다. 개선 과정에서 수작업 기록과 시스템 데이터 사이의 괴리를 맞추는 작업이 가장 오래 걸렸는데, 실무 데이터의 불완전함을 전제로 개선안을 설계해야 한다는 걸 그때 배웠습니다.
무역 수업 팀 프로젝트에서 납기 지연이 반복되는 품목의 리드타임 데이터를 모아 분석했습니다. 공급처별 리드타임 편차를 보니 평균의 2배 이상 되는 곳이 있었고, 그 편차를 반영하지 않고 고정 리드타임으로 발주 기준을 잡으니 재고 부족이 특정 공급처 품목에 집중되는 구조였습니다. 개선안으로 공급처별 리드타임 분포를 기록하고 상한값 기준으로 안전재고를 재계산하는 방식을 제안했습니다. 시뮬레이션에서 납기 대응 실패 빈도가 40% 줄었고, 발주 타이밍도 평균 3일 앞당길 수 있었습니다. 현장 인턴 경험이 있는 팀원이 실무에서도 같은 방식을 쓴다고 확인해줘 개선 방향이 맞다는 검증이 됐습니다.
납기 관리는 평균 리드타임이 아니라 가장 늦게 오는 경우를 얼마나 예측하느냐가 기준이 됩니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 구매·SCM 일반 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.