Speaking · Advisory · Research Collaboration
기업을 위한 공급망 강연·운영관리 자문·공동연구
이현석 고려대학교 경영대학 교수는 기업과 기관이 마주한 공급망 리스크와 운영 문제를 최신 연구와 실제 데이터의 언어로 다룹니다. 강연·임원 워크숍에서는 경영진과 실무자가 함께 사용할 수 있는 의사결정 프레임을 제공하고, 운영관리 자문·공동연구와 산학 프로젝트에서는 문제 정의부터 분석과 효과평가까지 함께 설계합니다.
Corporate Speaking & Executive Workshops
공급망 리스크와 회복탄력성 기업 강연
공급망 중단을 단순히 재고나 공급선의 문제로만 보지 않고, 조직이 위기를 얼마나 빨리 진단하고 복구하며 다음 위기에 대비하는가의 문제로 다룹니다. 의약품 부족과 공급망 회복 연구를 비롯한 실증 연구를 경영진과 실무자가 활용할 수 있는 사례와 질문으로 풀어냅니다.
대표 강연·워크숍 주제
- 위기를 겪은 조직은 어떻게 다음 회복을 더 빠르게 만드는가
- 공급망 회복탄력성을 구성하는 재고, 투명성, 경험과 조직 학습
- 의약품 부족 사례로 보는 내부 요인과 외부 요인의 차이
- 위기 대응 경험을 기록하고 조직과 사업장 사이에 이전하는 방법
- 현장 데이터로 공급망 정책과 운영 변화의 효과를 평가하는 방법
Operations Advisory & Collaborative Research
데이터 기반 운영관리 기업 자문·공동연구
운영관리 자문은 분석기법을 먼저 정하기보다 “어떤 의사결정을 바꿀 것인가”를 명확히 하는 데서 시작합니다. 판매, 재고, 고객, 물류, 노동, 서비스 데이터를 활용해 운영 문제를 진단하고, 현장실험·준실험·인과추론·머신러닝을 결합해 개선안과 정책의 효과를 평가합니다.
함께 다룰 수 있는 질문
- 도입한 정책이나 운영 변화가 실제 성과를 개선했는가
- 판매·재고·서비스 과정의 병목과 수요·공급 불일치는 어디에서 발생하는가
- 수요예측, 추천, 상품 배분과 재고 의사결정을 어떻게 개선할 수 있는가
- AI와 자동화가 직원, 고객과 운영 성과에 어떤 영향을 미치는가
- 작은 규모의 파일럿이나 현장실험을 어떻게 설계하고 평가할 것인가
진행 과정
- 1의사결정 질문과 기대 결과물 정의
- 2활용 가능한 데이터의 범위와 품질 점검
- 3분석·실험·인과추론 설계
- 4결과 해석과 실행 가능한 다음 의사결정 도출
협업 범위와 결과물은 데이터 접근 가능성, 분석의 실행 가능성과 연구 적합성을 검토한 뒤 협의합니다.
검토할 수 있는 운영 문제
데이터 기반 운영진단
판매, 재고, 고객, 물류, 노동, 서비스 데이터를 활용해 병목, 낭비, 수요-공급 불일치, 고객 이탈, 운영 리스크를 진단합니다.
A/B 테스트 및 현장실험 설계
프로모션, 추천 알고리즘, 서비스 정책, 매장 운영 방식, 고객 커뮤니케이션의 효과를 현장실험 또는 준실험 설계로 평가합니다.
인과추론 기반 효과 평가
이중차분, 매칭, 도구변수, 이벤트 스터디 등 인과추론 방법을 활용해 정책·제도·운영 변화가 성과에 미친 영향을 추정합니다.
수요예측·추천·재고 의사결정
머신러닝과 운영관리 관점을 결합해 판매량 예측, 추천 서비스, 상품 배분, 재고 운영, 수요-공급 매칭 문제를 다룹니다.
리테일·서비스·플랫폼 운영 분석
온·오프라인 채널, 멤버십, 플랫폼 풀필먼트, 고객 여정, 매장 운영, 서비스 자동화와 관련된 의사결정을 분석합니다.
공급망 회복탄력성과 리스크 진단
공급중단, 재고 부족, 공급망 구조 변화, 운영 투명성, 회복 경험 학습이 성과에 미치는 영향을 데이터로 평가합니다.
Healthcare & Pharmaceutical Supply Chains
헬스케어·제약 공급망 전문 분야
의약품 부족을 공급량과 재고의 문제에 한정하지 않고, 생산공장의 회복 경험, 경험의 다양성, 운영 투명성, 시장 구조와 공장 간 지식 이전의 관점에서 연구합니다. 응급의료 접근성과 이용 정책 등 헬스케어 운영 문제도 대규모 현장 데이터와 인과추론을 활용해 분석합니다.
Management Science
의약품 부족 회복과 조직 학습
과거 부족 사태의 회복 경험이 현재의 회복 속도에 미치는 영향과 학습의 조건을 분석한 2026년 Management Science 연구입니다.
Management Science
의약품 부족과 운영 투명성
생산중단 의무 보고로 높아진 운영 투명성이 의약품 부족을 완화하는 조건을 분석한 2021년 Management Science 연구입니다.
Industry Projects
현장 데이터를 활용하는 산학 프로젝트
기업 현안을 고려대학교 MSBA 캡스톤 또는 연구 프로젝트와 연결해 수요예측, 추천, 고객·운영 분석과 효과평가 과제를 수행합니다. 기업의 질문과 데이터에 맞춰 학생 학습과 기업의 실무적 활용 가능성을 함께 고려합니다.
Selected Contexts
MSBA 캡스톤 및 산학 프로젝트 공개 사례
아래는 공개 가능한 범위에서 소개하는 MSBA 캡스톤 및 산학 프로젝트 사례입니다. 학생 프로젝트의 경우 기업 현안, 데이터 분석, 머신러닝, 인과추론, 추천·예측 모델링을 연결해 실무적으로 활용 가능한 결과물을 만드는 것을 목표로 합니다.
아래 사례는 공개 가능한 범위에서 프로젝트의 질문과 분석 접근을 소개합니다. 기업의 승인 없이 민감한 데이터, 실행 결과 또는 정량적 성과를 공개하지 않습니다.
GS Retail
이미지 데이터 군집 분석을 통한 소비자 구매 행동 분석 및 추천 서비스 개선
- 문제
- 상품 이미지에서 얻은 정보와 구매 행동을 어떻게 연결해 추천 서비스 개선 가능성을 찾을 수 있는가?
- 데이터
- 상품 이미지 데이터와 소비자 구매 행동 데이터
- 방법
- 이미지 데이터 군집분석과 구매 행동 연계 분석
- 의사결정 초점
- 상품 특성 이해와 추천 로직 개선을 위한 분석 근거 탐색
E-Land / SPAO
국내 SPA 패션 브랜드 SPAO 분배 시스템 재구축: 머신러닝을 이용한 판매량 예측 모델을 활용하여
- 문제
- 패션 상품의 판매량을 더 정확히 예측해 분배와 재고 의사결정을 어떻게 지원할 수 있는가?
- 데이터
- 상품 판매 데이터
- 방법
- 머신러닝 기반 판매량 예측 모델
- 의사결정 초점
- 상품별 분배와 재고 운영 개선 가능성 검토
Hyundai Motor Group
블루멤버스 활동이 차량 구매 결정에 미치는 영향: 이중차분 모형과 RFM Cluster에 따른 관계 관리 전략
- 문제
- 블루멤버스 활동은 차량 구매 결정에 어떤 영향을 미치며, 고객군별 관계관리 전략은 어떻게 달라져야 하는가?
- 데이터
- 멤버십 활동과 차량 구매 데이터
- 방법
- 이중차분 모형과 RFM 군집분석
- 의사결정 초점
- 멤버십 활동의 효과와 고객군별 관계관리 전략 검토
Hyundai Home Shopping
Hmall 추천 알고리즘 구축
- 문제
- 온라인 고객 행동을 활용해 Hmall 추천을 어떻게 개인화할 수 있는가?
- 데이터
- 온라인 쇼핑몰 고객 행동 데이터
- 방법
- 고객 행동 기반 추천 알고리즘 구축
- 의사결정 초점
- 추천 및 개인화 의사결정 개선 가능성 탐색
연결된 조직 및 산업 맥락
아래 조직은 공개 가능한 범위에서 기존 연구, 프로젝트, 캡스톤, 또는 산학협력과 연결된 사례입니다. 추천사나 보증으로 제시하는 것은 아닙니다.
한국
- Hyundai Motor Group
- GS Retail Group
- Amorepacific
- Hanmi Pharmaceutical
- E-Land
- Hyundai Home Shopping
- Office Depot
해외/미국
- Department store retail chain (similar to Macy's)
- Discount store retail chain (similar to TJ Maxx)
- Local grocery store chain (similar to Whole Foods)
협업 원칙
- 현장 의사결정에서 출발하는 문제 정의
- 데이터 기반 분석과 연구 설계의 엄밀성
- 기업 데이터와 민감 정보에 대한 비밀유지
- 실행 가능한 실무적 함의 도출
- 학생 학습과 기업 가치 창출의 균형
기업 강연·자문·공동연구 문의
관심 주제, 참석 대상, 희망 일정, 활용 가능한 데이터의 범위를 알려주시면 강연, 자문·공동연구, 산학 프로젝트 중 적합한 방식을 검토하겠습니다. 문의 단계에서는 연락에 필요한 본인의 성명·업무용 이메일·전화번호 외에, 제3자의 개인정보, 영업비밀, 민감정보 또는 원자료를 입력하거나 첨부하지 마십시오.