CONTENTS

기능형 기업으로의 도약을 지원하는 SAP S/4HANA

앞서 ‘지능형 ERP로 지능형 기업에 더 가까이’에서는 지능형 기업이 갖추어야 할 요소들과 지능형 기술을 적용한 업무 담당자의 하루를 보여드렸습니다.

이처럼 SAP S/4HANA는 지능형자동화(RPA), 머신러닝, 상황처리(예외상황 관리), 대화형 AI 기술로 단순 업무를 자동화해 사용자가 보다 중요한 업무에 집중하도록 돕습니다. 또한 머신러닝 알고리즘으로 도출한 결과를 토대로 더 정확하고 신속한 의사결정을 지원하고 있습니다.

그럼 이번에는 재무 프로세스를 중심으로 SAP S/4HANA를 사용하는 기업들이 어떠한 시나리오를 통해 지능형 기업으로의 전환을 지원 받을 수 있는지 몇 가지 예시와 함께 살펴보도록 하겠습니다.

재무 프로세스의 지능형자동화(RPA) 기술 적용 예시

먼저 재무 프로세스에 RPA(Robotic Process Automation)를 적용할 수 있는 비즈니스 시나리오는 아래 표와 같이 제공되고 있습니다. 재무 담당자들이 평상 시에 반복적으로 수행하는 단순 업무들을 자동화 해 줄 수 있는 시나리오들을 사전 패키지 형태로 제공하고 있는 것이죠.

이 중에서 하나의 예시로 ‘공급업체 송장 상태 점검’ 시나리오를 살펴보도록 하겠습니다. 기존 업무에서는 공급업체가 특정 구매 건에 대한 대금 지급 여부를 문의하는 메일을 받게 되는 경우에 담당자가 어떻게 처리할까요?

우선 SAP 시스템에서 해당 공급업체 정보와 송장 정보를 확인한 뒤 지급 만기일과 지급 반제 여부를 확인해 공급업체에게 답변을 줘야 합니다. 아래 그림에서 보실 수 있듯이 이렇게 사용자가 일일이 정보를 확인하여 답변을 작성하는 방식으로 업무를 진행하게 되면 수많은 공급업체로부터 전달 받은 예상치 못한 문의 사항을 처리하는 데 많은 시간을 소요할 수 밖에 없겠죠.

실제로도 SAP 내부 통계 자료를 보면 이러한 사소한 문의 업무를 처리하는 데에 한 건당 평균 5분에서 10분이 소요되고 문의 업무를 처리하다 보면 그 외의 채무 관련 업무가 40% 까지 부하를 초래하여 결국에는 재무 담당자의 업무 잠재력이 30%까지 저하될 수 있다는 결과가 있습니다.

그럼 이렇게 사소하지만 예측 불가능하여 업무의 잠재력을 저하시키는 업무를 어떻게 하면 효율적으로 처리할 수 있을까요? 아래 그림처럼 사람이 하는 업무 프로세스를 대부분 RPA가 대체하면 담당자들이 더 이상 이와 같은 문의 대응 업무에 많은 노력을 들일 필요가 없어집니다.

자동화 봇이 SAP S/4HANA 시스템에서 확인이 필요한 송장 번호과 송장의 지급 반제 상태를 점검하고 이 결과를 엑셀 템플릿으로 작성해 메일로 전송하면 공급업체는 송장 별 지급 여부와 지급 예정일을 확인할 수 있게 됩니다.

재무 프로세스의 머신러닝 기술 적용 예제

머신러닝을 활용한 시나리오도 마찬가지로 아래 리스트와 같이 제공되고 있습니다. 머신러닝이 학습을 통해 휴먼 에러를 방지해주거나 규제 또는 감사 대응에 보다 완벽하게 대응할 수 있도록 지원해 주기 위한 시나리오를 제공합니다.

대표적으로 미결 채권과 은행으로부터 수신 받은 입금 내역 간의 자동 반제 항목을 제안해주는 시나리오를 적용 예제와 함께 살펴보려고 합니다. 채권 반제 처리 업무는 금액의 불일치, 입금 내역의 상세 정보 불충분 등의 사유로 인해 업무 담당자들의 수작업을 거쳐야 하는 대표적인 업무입니다.

‘채권 개별 항목 매칭’ 시나리오는 머신러닝과 RPA 기술을 접목하여 채권 반제 처리 업무를 자동화합니다. 시나리오를 좀 더 자세히 살펴볼까요?

머신러닝 알고리즘이 학습을 하기 위해서는 (1) 고객으로부터 전송 받은 지급 내역서(지급 통지 정보)와 (2) 은행으로부터 수신 받은 입금 내역, (3)과거에 정의된 규칙이나 수작업을 통해 반제 되었던 채권 내역 정보가 필요합니다.

이러한 정형/비정형 데이터를 수집해 머신러닝 알고리즘은 학습을 통해 사용자에게 채권-입금 반제 항목을 제안해 줍니다. 신뢰도가 높은 수준을 보이는 항목들은 자동으로 반제 전표를 생성하게끔 설정할 수도 있기 때문에 채권 담당자의 반제 업무 수작업량 절감을 통해 효율성을 높일 수 있습니다.

실제 시나리오가 작동하는 프로세스는 아래와 같습니다. 고객으로부터 지급 통지 내역을 다양한 형식으로 메일을 통해 전송 받으면 RPA가 시나리오를 실행시켜 메일함에서 파일을 추출하고 이 때 머신러닝의 비전기술을 통해 텍스트를 추출합니다. 각 필드의 내용에 맞게 입력될 텍스트가 준비되면 이 정보를 가지고 RPA는 다음 단계에서 SAP S/4HANA 시스템에 지급 통지서를 자동으로 업로드합니다.

이렇게 업로드 된 지급 통지서와 과거의 정보를 통해 학습된 머신러닝 알고리즘이 반제 항목을 제안합니다. 참고로, 개별 회사 코드 단위 당 최소 10,000건 이상의 과거 반제 데이터가 준비되어 있어야 머신러닝 기능을 통한 반제 기능을 유효하게 활용하실 수 있습니다.

자동 반제 시나리오를 실행 시킨 결과 반제 되지 않은 미결 항목 중 반제 가능한 건 수를 실행 로그를 통해 확인할 수 있고 그 중 미리 설정한 매칭항목 신뢰도가 90퍼센트 이상인 항목은 자동 반제 전표를 생성해 주는 방식으로 채권 담당자의 수작업 업무를 자동화할 수 있습니다.

다음으로 소개할 시나리오는 ‘비정상 비용 탐지’를 위한 기능입니다. 결산이 다가오기 전에 관리회계 담당자 또는 각 부서의 관리자들은 내가 담당하고 있는 조직에서의 비용이 제대로 사용되고 있는지, 또 통제되지 않는 비용이 있지는 않은지 검토를 하게 됩니다.

이 과정에서 관리자는 큰 고민을 마주합니다. 특히 영업이나 구매 영역을 담당하는 관리자라면 더욱 이 고민에 공감하시리라 생각합니다. 기업이 ERP를 처음 구축할 때 구상했던 규칙을 벗어나는 예외적인 경우는 언제나 있기 마련이기 때문입니다.

아마 SAP S/4HANA에 대해서 한 번이라도 들어 보셨거나 관심이 있으셨다면 새롭게 사용되는 통합원장, 즉 유니버설레저(Universal Ledger)에 대해서 들어보셨을 것입니다. 이 통합원장에는 재무회계, 관리회계, 자산회계 등 여러 영역의 재무 정보를 하나의 원장에 담고 있기 때문에 많게는 500개에 이르는 많은 속성 정보가 존재합니다.

기본적인 계정과목과 금액 외에도 코스트센터와 같이 비용이 담기는 오브젝트 정보들도 포함되어 있어서 이러한 수많은 속성 정보는 머신러닝에게는 아주 좋은 학습 자료가 될 수 있습니다. 비용 리포트에서 비정상 비용을 탐지하는 스위치를 켜 놓으면 전표의 속성 정보를 활용해 비용 전표 이상 여부를 분류해 주는 작업을 수행합니다.

그럼 이러한 정보를 활용해 어떠한 프로세스로 기업에서 발생한 비용이 비정상 비용인지 탐지 하게 될까요? 통합원장의 수 많은 비용 전표는 머신러닝 엔진에 의해 학습되고, 학습 과정에서 기업의 데이터를 활용한 정상/비정상에 대한 분류를 수행합니다. 이렇게 머신이 제시한 분류에 대해 사용자가 제대로 된 분류인지 아닌지에 대해 지속적인 피드백을 제공하면 궁극적으로는 해당 기업만을 위한 비정상 비용 탐지 알고리즘으로 최적화 되는 구조입니다.

여기서 한 가지 궁금증이 추가적으로 생길 수 있습니다.

“머신러닝이 비정상을 판단하는 기준은 뭘까?”

이 질문에 대한 답변은 아래 그림으로 설명 드릴 수 있습니다. 즉 SAP S/4HANA에서는 비정상비용을 탐지하기 위해 군집화(클러스터링, Clustering) 알고리즘을 적용하고, 그 중에서도 수집된 데이터의 밀집도가 낮은 곳의 데이터를 예외값으로 분류하는 것이죠. 그림에서는 주황색으로 표시된 점이 이러한 예외 데이터라고 볼 수 있습니다.

이렇게 SAP S/4HANA는 내장되어 있는 머신러닝 알고리즘을 활용하여 예외 데이터를 탐지하거나 업무를 자동화할 수 있는 시나리오를 제공하고 있고, 시간이 지남에 따라 데이터가 쌓이게 되면 이러한 알고리즘들이 적용 기업에 최적화되어 정확도가 높아지는 구조로 설계되어 있습니다.

재무 프로세스의 상황처리 기술 적용 예제

마지막은 시스템에서 발생한 비즈니스 이벤트를 감지하여 사전에 정의된 규칙에 따라 사용자가 액션을 취할 수 있도록 지원하는 상황처리(예외상황관리 또는 오류상황관리) 시나리오 입니다. 사람이 시스템에서 일일이 확인할 수 없는 업무들을 통제함으로써 데이터의 정합성을 향상시킬 수 있도록 지원합니다.