고객 사례

데이터 과학자가 전기사업 건설의 효율성을 높이다

건설 인력의 생산성 최적화에 동적 JMP^® 도구를 활용하는 Valard Construction

전기시설 시공 분야에서 캐나다 에드먼턴에 본사를 둔 Valard Construction의 규모와 노하우에 견줄 만한 회사는 많지 않습니다. 3천여 직원을 거느린 이 회사는 1978년부터 엄격한 안전 및 품질 기준에 따라 종합 엔지니어링, 조달, 건설 솔루션을 제공하며 캐나다 내에서 대규모 송전선 프로젝트를 설계 및 시공하고 있습니다. 회사 프로젝트가 노동 집약적이므로 직원 대다수는 현장에 근무합니다. 일반적인 대규모 송전 프로젝트를 마치려면 탑을 수백 개 세워야 하고 비용도 10억 달러가 넘게 듭니다 이처럼 막대한 예산이 들어가기에 생산성이 조금만 변해도 프로젝트 비용과 기한에 큰 영향을 줍니다. 그렇기 때문에 건설업이 성공하려면 효율적인 인력 관리가 핵심입니다.

새로운 최적화 방안 조사

기존에는 프로젝트 매니저와 현장 감독에게 거의 전적으로 의존하여 건설업에서 필요한 인력 수준과 이상적인 작업 조건을 판단했습니다. 현장 지식이 풍부한 이런 베테랑은 중요한 자원임에 틀림없지만, 인건비가 치솟으면서 프로젝트 계획과 비용 관리에 더 면밀하고 분석적인 접근방식이 필요해졌습니다.

분석의 가치를 깨달은 회사에서는 데이터 과학 운용에 투자를 강화했습니다. Serguei Roupassov는 소속 팀에 계산물리학을 도입했습니다. 데이터 과학자로 짜인 그의 팀은 재무 예측부터 건설 클레임 입증 분석까지 회사의 다양한 분석 작업을 지원합니다. 본인만의 프로젝트도 있습니다. 최근에는 폐기물 감소, 생산성 분석 같은 프로젝트를 수행했습니다. Roupassov는 이 생산성 분석을 통해 회사의 인력 관리/예측 방식을 바꾸면 인력 활용도를 높이고 프로젝트 비용을 감축할 수 있겠다는 생각을 했습니다. Roupassov는 "인건비가 실제 제품 비용의 절반을 차지하기도 합니다. 그래서 인력 생산성 같은 것을 최적화해야 즉시 효과를 볼 수 있습니다."라고 말했습니다.

건설 예산에서 인건비의 영향력을 감안하면 생산성을 조금만 최적화해도 기한과 비용이 크게 개선됩니다. 그러나 생산성 측정은 복잡한 작업입니다. Roupassov는 "탑 작업자가 매일 바뀝니다. 그래서 각자의 하루 성취를 실제로 수량화하기가 매우 어렵습니다. 작업 시간은 8~10시간으로 정해져 있지만, 실제로 산출한 생산량이 얼마나 되는지 어떻게 알겠습니까?"라고 말했습니다. Roupassov는 생산성을 정확히 계량화하기 위하여 회사 전체적으로 근무시간 기록표, GPS 위치 데이터, 업무 유형 등 다양한 운영 데이터와 장부 데이터를 평가했습니다.

그러나 생산성 측정은 퍼즐의 일부에 불과합니다. 근로자 생산성을 효과적으로 모형화하고 예측하려면 생산성에 영향을 미치는 다음 요인의 중요도 알아야 합니다.

• 인력 규모
• 인력 구성
• 근속 기간
• 경험
• 현장 감독
• 계절

잠재 요인을 모두 조사하려면 시간이 걸리며 데이터 분석에도 창의적인 접근방식이 필요합니다. Roupassov는 "장시간 관찰 데이터를 살펴볼 수는 있지만 그렇다고 해서 요인이 절로 파악되는 것은 아닙니다."라고 말했습니다.

JMP^®로 효과적인 인력 모델 개발

데이터와 인력이 복잡하게 얽혀 있다 보니 모델 개발 과정에서 Roupassov를 지원할 수 있는 견고한 도구가 필요합니다. 우선 회사의 다양한 운영 데이터부터 수집해야 하는데 이 작업은 꽤나 지난합니다. Roupassov는 "우리 회사의 데이터는 데이터 웨어하우스와 데이터베이스 이곳저곳에 흩어져 있습니다. JMP가 좋은 이유는 다양한 데이터 소스를 간단하게 연결하여 깔끔한 데이터로 통합할 수 있기 때문입니다. 이것은 정말 큰 장점입니다."라고 말했습니다. Roupassov의 팀은 이 기능 덕분에 다른 업무에 대한 부담을 덜고 데이터 모형화라는 더 힘든 문제에 집중할 수 있습니다.

Roupassov는 "인력 식별과 추적은 처리하기가 힘든 축에 속합니다. 중요한 것은 인력이 머물지 않고 항상 바뀐다는 사실입니다."라고 말했습니다. 늘 변동하는 인력을 효과적으로 모델링할 방법을 찾기란 결코 쉽지 않습니다. 그러나 Roupassov는 이 프로젝트를 위해 개발한 코드와 JMP 클러스터링 같은 도구를 조합해 문제를 해결했습니다. 최근 프로젝트에서 인력 분석을 실시하면서 인력을 96가지로 분류할 수 있었습니다. 이후 그 프로젝트에서 탑을 조립했던 인력의 생산성을 분석하여 생산성에 미치는 요인을 이해할 수 있었습니다.

"상호작용적 시각화 표시 부분이 특히 좋습니다."

Roupassov에게 JMP의 시각적 표현 기능은 이 제품을 더 좋아하게 만드는 또 다른 장점입니다. "다른 분석 도구는 기능이 강력해도 데이터를 정적으로 보여줍니다. JMP는 상호작용적 시각화로 완전히 다른 차원에서 데이터를 이해하고 탐색할 수 있습니다."

Roupassov의 팀은 이 같은 시각화 기능을 통해 프로젝트 매니저부터 임원진까지 회사의 전 직원들과 분명하고 동적인 방식으로 조사 내용을 효과적으로 소통할 수 있습니다. 이 팀은 회사 경쟁력 유지에 도움이 되는 업무 방식을 구축할 생각이었기 때문에 커뮤니케이션의 용이성이 특히 중요했습니다.

Roupassov는 "우리 업계에서는 구축한 모델을 잘 설명하는 것도 중요합니다."라며 "예를 들어 신경망은 쓰지 못할 때가 많습니다. 신경망 모델의 예측력이 더 좋을지도 모르지만 설명하기가 쉽지 않습니다. 모델의 작동 방식을 설명할 수 없다면 결론을 낸 이유를 어떻게 전달할 수 있겠습니까?"라고 말했습니다. 데이터 과학 팀은 이해하기 쉬운 JMP의 대화형 시각화 기능을 이용하여 자신들이 찾은 내용을 주요 의사 결정자들에게 분명히 전달할 수 있었습니다.

산업에 새 바람을 일으키다

Roupassov는 JMP가 제공하는 다양한 도구를 사용하여 모델을 만들고 있습니다. 향후 이 모델을 배포하여 회사의 여러 프로젝트에서 생산성 최적화에 활용할 계획입니다. 인력 생산성을 추적하고 핵심 변수를 확실히 이해하면 프로젝트 매니저가 인력 성과 최적화 모형을 객관적으로 평가할 수 있을 것입니다. Roupassov는 "예를 들어 생산성이 생각보다 높지 않다는 사실을 직접 확인하면 사람들의 예측에도 도움이 될 것입니다. 그러면 우리가 예측치를 조정할 수 있습니다. 일정에 맞추기 위해 인력을 더 충원해야 할 지도 모르죠."라고 말했습니다.

이 같은 통계의 활용은 건설 분야에서 일반적으로 이용하던 기존의 방식과는 다릅니다. 현재 건설업계를 선도하는 상급 관리자 다수가 분석이나 통계 모형화를 정식으로 배우지 못한 사람들이지만, 이런 것들이 업계와 기업의 새로운 개념으로 자리를 잡아가면서 분석 방법의 사용에 대단히 협조적인 태도를 보이고 있습니다. "JMP 데이터 시각화와 대화형 방식은 관리자가 미처 활용하지 못했던 가능성을 일깨워 비즈니스 효율을 높여줍니다. [기존 사고방식의] 변화가 쉽지는 않습니다." 그러나 풍부한 데이터로 뒷받침하는 새로운 환경을 기꺼이 받아들이는 기업에게는 위험을 감수한 보상이 충분히 따른다고 Roupassov는 말했습니다. 그리고 Valard와 같은 진보적인 분석 전략에는 위험 이상의 보상이 따를 수 있습니다.

Roupassov는 자신의 모델을 바탕으로 결정하도록 마음을 열고 따라준 프로젝트 팀과 처음 작업하면서 소규모로 생산성 개선 대책을 도입했는데, 이후 회사 차원에서 이 방법의 사용을 장려하게 되었습니다. 프로젝트 관리에 데이터 중심적인 동적 접근방식을 사용하고 다른 건설사보다 앞서 실행했다는 면에서 Valard는 진정한 개척자라고 할 수 있습니다.