재고 편차, 숫자가 맞는데 현장이 다른 이유

안녕하세요, Rabbit입니다! 🐰

재고 실사는 반기에 한 번씩 돌아옵니다. 상반기는 내부 점검 성격이지만, 하반기는 다릅니다. 회계감사가 걸려 있어서 편차 숫자 하나하나가 예민하게 다뤄집니다. 감사 대응 자료를 만들다 보면 “왜 이 품목은 편차가 이렇게 큰가”를 설명해야 하는 상황이 꼭 옵니다.

실사를 하고 나면 꼭 이런 상황이 생깁니다. SAP에는 100개로 찍혀 있는데, 실제로 세어보면 98개. 아니면 반대로 87개밖에 없을 줄 알았는데 창고에는 95개가 있습니다. 오차가 크든 작든, 숫자가 맞지 않는다는 건 어딘가에서 뭔가 빠졌다는 뜻입니다.

이 차이를 재고 편차(Inventory Variance)라고 합니다. 그런데 편차를 하나하나 품목별로 보는 것과, 통계적으로 요약해서 보는 건 전혀 다른 그림을 줍니다. 오늘은 그 차이를 이야기해 보겠습니다.

재고 편차란 무엇인가

재고 편차는 단순합니다. 실사 수량 − SAP 수량입니다.

• 양수(+): 실사가 더 많다. SAP가 재고를 과소 기록하고 있다는 뜻입니다.
• 음수(−): 실사가 더 적다. SAP가 재고를 과다 기록하고 있다는 뜻입니다.
• 0: 일치. 가장 이상적인 상태입니다.

문제는 품목이 수백, 수천 개일 때 편차를 어떻게 요약하느냐입니다. 품목마다 하나씩 보면 패턴이 보이지 않습니다. 여기서 기술통계가 등장합니다.

편차를 통계로 읽는 방법

5개 품목의 실사 결과가 이렇게 나왔다고 해봅니다.

품목	SAP 수량	실사 수량	편차
자재 A	100	98	−2
자재 B	200	195	−5
자재 C	150	163	+13
자재 D	80	80	0
자재 E	300	287	−13

표 1. 품목별 재고 편차 예시

그림 1. 품목별 재고 편차 분포 — 청록은 실사 초과, 베리는 실사 부족

평균 편차 — 전체 방향을 본다

편차 5개의 평균은 (−2 + −5 + 13 + 0 + −13) ÷ 5 = −1.4입니다.

음수입니다. 전체적으로 실사가 SAP보다 적은 방향으로 치우쳐 있다는 뜻입니다. SAP가 재고를 실제보다 많이 잡고 있다는 신호입니다.

💡 핵심: 평균 편차가 0에 가까울수록 전체적으로 균형 잡혀 있다는 뜻입니다. 크게 음수면 시스템이 재고를 과다 기록하는 경향, 크게 양수면 과소 기록하는 경향이 있습니다.

표준편차 — 들쭉날쭉함을 본다

편차 5개의 표준편차는 약 8.5입니다. 평균 편차(−1.4)에 비해 꽤 큽니다.

이게 무슨 의미냐면, 품목마다 편차의 규모가 제각각이라는 뜻입니다. 어떤 건 0이고, 어떤 건 +13이고, 어떤 건 −13입니다. 평균만 보면 “−1.4개 정도 차이나네”로 끝나지만, 표준편차를 보면 “실제로는 품목마다 10개 넘게 차이나는 경우도 있구나”가 보입니다.

평균 편차가 작아도 표준편차가 크다면, 플러스와 마이너스가 서로 상쇄되고 있는 것입니다. 실제 현장은 훨씬 혼란스러운 상태일 수 있습니다.

실무 적용: 전체 재고 편차율을 KPI로 관리할 때, 평균 편차(±)만 보면 착시가 생깁니다. 표준편차나 절대편차 평균(MAD)을 함께 보면 실제 혼란도를 더 정확하게 파악할 수 있습니다.

회계감사에서 편차를 설명해야 할 때

하반기 실사는 회계감사와 맞닿아 있습니다. 감사인은 재고 편차가 큰 품목에 대해 원인 설명을 요구합니다. 이때 “세어봤더니 달랐습니다”는 답이 안 됩니다.

통계로 정리한 편차 데이터가 여기서 힘을 발휘합니다. 평균 편차와 표준편차를 함께 제시하면 “전체적으로 어떤 방향으로, 얼마나 흩어져 있는지”를 객관적으로 보여줄 수 있습니다. 편차가 큰 품목은 원인(입출고 누락, 불량 처리 오류 등)과 함께 정리하면 됩니다.

💡 핵심: 감사 대응의 핵심은 숫자의 크기가 아니라 설명 가능성입니다. 편차가 있어도 원인을 알고 있고 재발 방지 계획이 있다면, 그 자체로 내부 통제가 작동하고 있다는 근거가 됩니다.

편차가 생기는 세 가지 원인

통계로 편차의 규모와 방향을 파악했다면, 다음은 원인입니다. 재고 편차는 대부분 세 가지 중 하나에서 생깁니다.

첫째, 입출고 누락입니다. 물건이 창고에 들어왔거나 나갔는데 SAP에 전표가 생성되지 않은 경우입니다. 가장 흔한 원인입니다. 생산 투입 후 자재 출고를 깜빡했거나, 반품이 들어왔는데 입고 처리를 나중에 하려다 잊어버린 경우가 해당됩니다.

둘째, 불량·폐기 처리 오류입니다. 불량이 발생했을 때 실물은 창고 한쪽에 격리해 뒀는데 SAP에서 폐기 처리를 하지 않은 경우입니다. 실사를 해보면 격리 창고에서 수량이 나오고, SAP에도 그 수량이 그대로 남아 있습니다. 편차는 0처럼 보이지만, 실제 사용 가능한 재고는 다릅니다.

셋째, 데이터 입력 실수입니다. 수량을 잘못 입력하거나 단위를 혼동한 경우입니다. 10박스를 10개로 입력하는 식의 오류가 여기에 해당합니다.

⚠️ 주의: 편차의 원인을 파악하기 전에 먼저 “이 편차가 측정 오류인가, 프로세스 문제인가”를 구분해야 합니다. 실사 중에 세다가 틀린 것과 평소에 출고 처리를 안 한 것은 대응 방법이 완전히 다릅니다.

편차 0인 품목에서 배우기

자재 D는 편차가 0입니다. SAP 수량과 실사 수량이 정확히 일치합니다.

단순해 보이지만 이게 제일 중요한 데이터일 수 있습니다. 편차가 0인 품목은 입출고 프로세스가 잘 돌아가고 있다는 뜻입니다. 이 품목의 담당자가 어떻게 관리하는지, 어떤 프로세스를 따르는지를 다른 품목에 적용하면 전체 편차를 줄이는 실마리가 됩니다.

편차 분석에서 “잘못된 것”만 보지 않고 “잘 된 것”도 함께 보는 것이 중요합니다.

실무 적용: 기술통계 개념 노트에서 다뤘던 것처럼, 평균·표준편차와 함께 사분위수로 편차 분포를 보면 더 정밀한 분석이 가능합니다. 편차가 작은 하위 25%(Q1) 품목군의 공통점을 찾으면, 관리 잘 되는 조건을 파악할 수 있습니다.

Rabbit의 한 끗

재고 실사가 끝나고 나면 보통 “몇 개 틀렸다”는 숫자만 보고 마무리하게 됩니다. 그런데 그 숫자들을 모아서 평균과 표준편차를 내보면 전혀 다른 이야기가 보입니다.

전체적으로 음수 방향으로 치우쳐 있는지, 품목마다 들쭉날쭉한 정도가 큰지 — 이걸 알면 “어디서부터 손봐야 하는지”가 훨씬 명확해집니다. 편차 하나하나를 잡으려고 달려드는 것보다, 통계로 패턴을 먼저 읽고 원인을 추려내는 게 훨씬 효율적입니다.

감으로 “재고가 맞지 않네”라고 하던 것을 숫자로 말할 수 있게 되는 것. 그게 지금 제가 통계를 공부하는 이유입니다. 😎

---

더 읽어보기

• 기술통계, 데이터를 처음 마주할 때 제일 먼저 하는 일
• 평균의 함정, KPI 숫자가 목표를 달성했다는 착각
• SAP MRP, 레스토랑 대량 주문처럼 짜는 자재계획