데이터 분석의 시대 선박 용선의 미래

데이터 분석과 머신러닝의 활용은 선박 용선을 어떻게 바꿀 것인가? 우리는 흔히 해운 시장을 일반인들에 소개할 때 정기선 영업을 노선버스에 비유하고 부정기선은 택시에 비유하곤 한다. 데이터 분석을 용선 시장에 어떻게 활용할 수 있을지 택시 영업의 경우로 한번 생각해보자.

 

 

택시 기사가 손님을 많이 받기 위해서는 사람이 많은 곳에 가야하고 그곳에 다른 택시가 적어야 한다. 지금까지 이런 정보들을 택시 기사들은 수년간 쌓은 경험을 통해 알아왔다. 어느 거리에 택시 타는 사람이 많은지, 지금 이 시간이면 어디에 퇴근하는 사람들이 많고 이맘때면 어디서 장미 축제를 해서 사람들이 몰릴지 가장 잘 아는 사람은 그 지역에서 택시 영업을 오래 한 기사님일 것이다.

 

 

그런데 이제는 사람이 어디에 몰리는 지에 대한 정보를 실시간으로 얻을 수 있다. 휴대폰 통화량의 증가, 카드 사용량의 증가, 인구 밀집지역의 온도 변화 등 사람이 어디에 많은지 알 수 있는 정보는 다양하다. 실제로 손님들이 택시를 이용한 실적 역시 중요한 데이터이다. 과거에는 이런 정보가 기사님 머리 속이나 손으로 기록한 종이 장부속에 남아 어딘가 쌓여 있었겠지만 이제는 보다 쉽게 수집해 수치화해서 이용할 수 있다. 지역의 축제 같은 이벤트가 언제 인지도 공개된 정보를 정리하면 알 수 있다. 물론 지금까지도 이런 정보는 인터넷과 언론에 공개되고 있고 어떤 기사님은 열심히 네이버 검색을 통해 정리한 뒤 남들과 다른 자신의 정보 수집력에 만족했을지도 모른다. 그러나 이제는 웹상의 정보를 모으고 정리하는 일 또한 쉽고 빨라져서 그런 수고를 할 필요가 없어졌다. 택시의 위치 문제는 어떨까? 이 역시 지금의 지리정보 기술을 활용하면 실시간으로 파악하고 통계화 할 수 있다.

 

 

이를 원유와 석유제품을 선적하는 유조선 시장에 대입해보자. 유조선이 높은 운임을 받기 위해서는 시장에 화물은 많은데 비해 이를 실어나를 배는 적어야 한다. 이는 한 도시의 어느 거리에 사람이 몰리는지 알고 도로 위를 움직이는 택시들의 숫자를 추적하는 일 보다 훨씬 어려우며, 지금까지 이에 대한 정보 수집 역시 시차를 두고 나오는 통계 자료와 개별 시장 참여자들이 공개하는 자료에 의지해 왔다. 최근 몇 년 사이 AIS를 이용한 선박 위치 추적이 가능해져 업무에 많은 도움이 되었지만, 이들 정보를 얼마나 신뢰할 지에 대한 의문이 남아있었다. 이런 상황에서 여전히 중요한 것은 시장에서 오랜 경험을 쌓은 사람들의 감각과 대면 접촉을 통한 정보 수집이었다. 그래서 그 사람이 쌓아온 인맥은 다른 무엇보다 중요한 자산이다.

 

 

그러나 이제는 화물 정보 역시 추적이 가능하다. 여기에는 트래이딩 시장의 정보, AIS를 이용한 선박의 이동 정보, 통관 수속 정보, 항구 대리점을 이용한 정보 수집 등을 통해 전방위적으로 이루어지고, 위치 추적 역시도 보다 정교한 기술을 활용한 AIS 추적을 통해 수집할 수 있다. 이렇게 수집된 데이터에 머신 러닝 알고리즘을 적용하면 유의미한 정보를 얻을 수 있다.

 

 

정보는 현재 일어나고 눈에 보이는 일들이 다가 아니다. 상기 언급한 정보들에 OPEC의 향후 원유 생산량 조정 계획을 대입하거나 기상에 따른 선박의 지연 가능성도 수치화해서 적용하면 미래의 결과를 보다 정교하게 예측할 수 있다. 어떤 정보든지 수치화 할 수만 있다면 그것이 데이터이며 바로 머신러닝에 적용해 결과값을 도출할 수 있다.

 

 

누군가는 이런 정보수집과 데이터 활용은 지금 자신도 하고 있으며 하나도 새로울 것이 없다고 말할 수 있다. 하지만 데이터 수집의 방법과 규모를 들여다보면 다르다. 지금까지 여러분들은 아웃룩에 들어온 메일을 보고 찾은 정보를 엑셀 시트에 넣어서 돌린 뒤 발견한 정보를 누군가에게 말로 설명했다면, 이제는 가만히 앉아서 차곡차곡 쌓이는 데이터를 보고 이들 데이터가 미리 짜놓은 알고리즘위에 돌아간 뒤 도출한 결과를 숫자와 도표 등 직관적인 자료로 볼 수 있다. 이 모든 일은 이전보다 발전한 IT 기술 덕분에 가능해졌고, 기술의 활용을 통한 생산성 향상이 가능하다는 발견은 새로운 투자를 끌어모아 기술을 더 발전시킨다. 이미 대형 에너지 업체들과 선박 업체들이 이들 정보 제공 업체에 투자하여 정보를 활용할 수 있는 플랫폼을 만들어 출시하고 있다. 최근 싱가폴에서 있었던 해운 시장 관련 세미나를 가보면 가장 활발하게 이름을 알리고 영업하는 업체들이 이들 정보제공 업체들이다.

 

 

이렇게 정보 수집이 가능하면 용선 담당자들은 보다 정확한 데이터를 가지고 의사 결정할 수 있다. 현재의 운임이 적정한지, 더 높은 운임을 얻기 위해서 배를 어디에 포지셔닝 시킬 지 브로커들에게 전화를 돌리며 그들의 감으로 얻는 정보에 의지할 필요 없이 눈 앞에 보이는 숫자로 된 정보에 의지할 수 있다. 물론 숫자로 도출한 정보라고 100% 신뢰할 수 있고 항상 만족하는 결과를 얻지 못한다. 그러나 적어도 경험과 감을 통해서만 얻은 정보보다는 설득력을 가지지 않을까?. 어차피 그 감이라는 것도 사람이 보고 들은 정보를 머리 속에서 생각한 결과물인데, 머신러닝을 통해 정보의 양도 늘리고 연산의 정확도도 높일 수 있다면 보다 설득력을 가지지 않을까?