AI & 자동화
커머스, 데이터, 운영을
연결하는 시스템을 구축합니다.
저는 자동화, API, 경량 소프트웨어를 활용해 반복 업무를 없애고, 흩어진 프로세스를 연결하며, 비즈니스 의사결정을 더 쉽게 확장할 수 있도록 만듭니다.
목표는 자동화 자체가 아닙니다. 더 나은 가시성, 더 적은 수동 인수인계, 그리고 사람들이 실제로 사용할 수 있는 시스템입니다.
Python · SQL · API · Google Apps Script · Looker Studio · 생성형 AI
구축한 시스템
실제 운영 문제를 해결하기 위해 구축한 세 가지 시스템.
이커머스 워크플로 자동화
이커머스를 뒷받침하는 운영 레이어를 자동화합니다.
문제
이커머스 규모가 커지면서 주문 접수, 결제 확인, 재고 확인, 처리, 풀필먼트, 배송, 정산 전반에서 반복적인 수동 인수인계가 발생했습니다.
구축한 것
전체 운영 워크플로를 매핑하고 Shopify API와 Python을 활용해 반복적인 단계를 점진적으로 자동화했습니다. 웹사이트를 독립된 판매 채널로 취급하는 대신, 이커머스 활동을 주문을 안정적으로 처리하는 데 필요한 운영 프로세스와 연결했습니다.
시스템 설계
- 주문 접수 및 처리
- 결제 확인
- 재고 확인
- 풀필먼트 워크플로
- 배송 조율
- 정산 및 리포팅
- API 기반 워크플로 자동화
결과
첫 1년 안에 주문부터 배송까지의 워크플로 거의 전체가 자동화되었으며, 물리적 포장만이 주요 수동 단계로 남아 있습니다.
PythonShopify API워크플로 자동화이커머스 운영
관련 케이스 스터디 → Revlon 스리랑카
이커머스 워크플로 자동화
애플리케이션 & 데이터베이스 시스템
수출입 운영을 구조화된 SQL 기반 시스템으로 전환합니다.
문제
상업 정보가 주문 폴더, 발주서, 프로포마 인보이스, 상업 인보이스, 패킹 리스트, 결제 기록, 선적 문서에 분산되어 있었습니다. 주문의 전체 상태를 확인하려면 구조화된 소스를 조회하는 대신 여러 파일을 일일이 확인해야 했습니다.
구축한 것
Python 애플리케이션 레이어와 SQLite 기반 관계형 SQL 데이터베이스로 구성된 로컬 트레이딩 운영 애플리케이션을 구축했습니다. 데이터베이스는 구조화된 상업 데이터를 저장하고, 애플리케이션은 주문·제품·거래처·문서 정보를 조회·연결·관리하는 작업용 인터페이스입니다.
시스템 설계
- 관계형 SQL 데이터 모델
- 구조화된 주문 기록
- 제품 라인 데이터
- 거래처 기록
- 상업 문서 간 연결
- 결제 및 거래 데이터
- 검색 및 데이터 조회
- 문서 연결
- Excel 내보내기 워크플로
PythonSQLSQLite데이터 모델링문서 처리로컬 애플리케이션Excel 자동화
애플리케이션 & 데이터베이스 시스템
리포팅 자동화
반복되는 매장별 매출 리포팅을 재사용 가능한 시스템으로 전환합니다.
문제
매장별 매출 리포팅은 여러 지점과 리포팅 기간에 걸쳐 반복적인 수동 통합 작업이 필요해 분석에 시간이 오래 걸리고 데이터 불일치의 위험을 높였습니다.
구축한 것
Google Sheets와 Google Apps Script를 활용해 매장 전반의 데이터 수집, 계산, 반복 리포팅을 표준화하는 자동화된 매출 리포팅 워크플로를 구축했습니다.
비즈니스 활용
매장별 매출 성과를 일관되게 파악할 수 있는 뷰를 만들어 지점 간 비교, 매출 트렌드 파악, 시간에 따른 성과 분석을 더 쉽게 하면서 반복적인 수동 처리를 줄였습니다.
Google SheetsGoogle Apps Script매출 리포팅워크플로 자동화
리포팅 자동화
글로벌 · 마케팅 인텔리전스
글로벌 캠페인 성과를 하나의 의사결정 화면으로 통합합니다.
LG Business Solutions 캠페인은 아시아, 유럽, 미국, 중동 전역에서 운영되었습니다.
국가별 수요, 리드 실적, 투자, 성과를 더 일관되게 비교할 수 있는 통합 Looker Studio 리포팅 환경을 구축했습니다.
Looker StudioGoogle AdsGoogle Analytics다국가 리포팅
관련 케이스 스터디 → LG Business Solutions
이커머스 · 데이터 기반 운영
이커머스 수요와 제품 가용성을 연결합니다.
마케팅 수요와 재고 가용성을 별개의 문제로 다루는 대신, 매출 이력·수요 패턴·상업 데이터를 활용해 예측과 재고 계획을 지원했습니다.
이 워크플로는 매출 계획, 제품 가용성, 재고 요구사항에 대한 의사결정에 도움을 주었습니다.
매출 데이터수요 예측재고 계획이커머스 애널리틱스
AI와 워크플로
AI는 시스템의 구성 요소일 뿐, 시스템 자체가 아닙니다.
저는 리서치 종합, 구조화된 초안 작성, 콘텐츠 개발, 정보 정리, 워크플로 가속화처럼 낮은 가치의 인지적 작업을 줄일 수 있는 곳에 생성형 AI를 활용합니다.
AI 결과물은 중간 단계의 레이어로 남습니다. 최종 의사결정이나 결과물은 비즈니스 규칙, 상업적 맥락, 그리고 사람의 판단이 결정합니다.
리서치 종합 · 구조화된 초안 작성 · 콘텐츠 워크플로 · 프로세스 설계 · 정보 정리 · 워크플로 실험
자동화를 대하는 방식
마찰은 자동화합니다.
판단은 사람이 합니다.
01비즈니스 문제에서 시작합니다
자동화는 속도, 정확도, 가시성, 일관성, 확장성 등 실제로 중요한 프로세스를 개선할 때만 의미가 있습니다.
02데이터의 원천을 중심으로 설계합니다
깔끔한 리포팅이나 자동화 워크플로우는 데이터 소유권을 더 명확하게 만들어야 하며, 또 다른 단절된 계층을 만들어서는 안 됩니다.
03의사결정 과정에 사람을 유지합니다
수요 예측, 캠페인 최적화, 생성형 AI는 모두 시스템만으로는 완전히 이해할 수 없는 맥락에서 도움을 받습니다.
04결과물을 실제로 쓸 수 있게 만듭니다
가장 좋은 시스템은 기술적으로 가장 복잡한 시스템이 아니라, 사람들이 실제로 꾸준히 사용할 수 있는 시스템입니다.
기술은 비즈니스 문제를 해결해야 합니다.
저는 커머스, 운영, 데이터가 교차하는 지점에 시스템을 구축합니다 — 프로세스를 더 빠르고 명확하며 확장 가능하게 만드는 가장 단순한 기술을 사용합니다.