ETA 예측 정확도 94% 달성, 재고 회전율 22% 향상, Cello Square·Predictive ETA 직무 이해도 최고점 — 데이터 분석과 물류 도메인의 융합으로 선제 대응 SCM을 증명한 합격 전략
P.S.(익명, 26세, SCM/산업공학 전공)는 학부 연구실과 인턴십에서 항만·선박 AIS 데이터와 글로벌 뉴스 기사 72만 건을 분석해 공급망 리스크를 평균 11.3일 조기 감지하고, 선제 대응으로 물류 차질 비용을 38% 절감한 경험을 자소서 핵심으로 삼았습니다. LightGBM 기반 Predictive ETA 모델을 구축해 예측 정확도 94%를 달성하고, S&OP 수요 예측 정확도 개선(MAPE 22%→13.4%)으로 재고 회전율을 22% 향상시킨 성과도 포함했습니다. 삼성SDS Cello Square의 핵심 기능인 Predictive ETA·비정형 데이터 리스크 센싱·공급망 가시성(Visibility)을 모두 직접 경험한 '융합형 물류 전문가'로서의 포지셔닝이 합격의 열쇠였습니다. 특히 CBAM(탄소국경조정메커니즘)과 미국 관세 확대 등 보호무역 리스크를 공급망 재설계 관점에서 분석한 경험이 채용관에게 즉시 전력감이라는 평가를 이끌어냈습니다.
물류·SCM 직무에서 가장 많이 보이는 실수는 인턴십에서 '화물 추적 업무를 도왔다'는 식의 단순 경험 나열입니다. 삼성SDS는 Cello Square처럼 데이터 기반으로 물류 문제를 정량화하고 선제 대응할 수 있는 융합형 인재를 원합니다.
| 프로젝트 / 지표 | 개선 전 | 개선 후 | 방법 및 도구 |
|---|---|---|---|
| 공급망 리스크 조기 감지 리드타임 | 사후 대응 (평균 2.1일 지연) | 평균 11.3일 선행 감지 | GDELT 뉴스 NLP + 리스크 스코어링 |
| 물류 차질 관련 비용 | 기준 100% | 62% (38% 절감) | 선제 루트 전환·재고 완충 조정 |
| Predictive ETA 정확도 (±1일 기준) | 72% (단순 운항 일정) | 94% | LightGBM + AIS + 기상 + 항만 혼잡도 |
| ETA MAPE (평균 절대 백분율 오차) | 21.4% | 8.2% | 62% 오차 개선 |
| S&OP 수요 예측 MAPE | 22% | 13.4% | Prophet + 외부 변수(계절성·행사) 결합 |
| 재고 회전율 (Inventory Turnover) | 기준 대비 | 22% 향상 | 수요 예측 정확도 향상 + 안전재고 최적화 |
| 리스크 스코어링 자동화 처리 속도 | 수동 분석 8시간 | 자동화 12분 | Python NLP 파이프라인 + 스케줄링 |
| Cello Square 기능 | P.S.의 대응 경험 | 성과 수치 |
|---|---|---|
| Predictive ETA (AI 도착 예측) | LightGBM ETA 모델 직접 구축 | 정확도 94%, MAPE 8.2% |
| 리스크 센싱 (비정형 데이터) | 뉴스 72만 건 NLP 리스크 스코어링 | 11.3일 조기 감지 |
| 공급망 가시성 (Visibility) | AIS 선박 위치 + 실시간 대시보드 | 차질 비용 38% 절감 |
| GPT Store (물류 특화 LLM) | LLM 기반 공급망 리포트 자동 생성 | 작성 시간 82% 단축 |
| S&OP 수요 예측 | Prophet + 외부 변수 앙상블 | MAPE 22%→13.4% |
커리어던 AI 자소서 진단으로 ETA 예측 경험·리스크 수치·Cello Square 연결 표현을 지금 바로 점검하세요
무료 자소서 진단 받기