수요예측(Forecasting) 1

왜 필요한가?
- Capacitiy management를 정하는 중요한 지표가 되기 때문이다.
예시) ToysRus 크리스마스에 상품 delivery 문제가 생김(너무 많은 사람들이 몰려서)
예시) apple, blackberry,sk 하이닉스, samsung etc...

어떻게 하는 건가?

- Qualitative(정성적인 방법)
-> 몇몇 지표에 의해 너무 과장 혹은 축소 될 리스크

- Quantitative(정량적인 방법)
-> 숫자에 의존하여 결정(일관적), 데이터가 많지 않으면 예측하기 어렵다는 리스크

--> 두개를 섞어서 수요예측을 하는 경우가 많다.

'Past history is best predictor of future'라는 것을 가정하고 하는 것이 수요예측이다.
수요예측은 대부분이 Fluctuates이 있지만 평균적으로 벗어나지 않는 경우, 올라가는 경우, 내려가는 경우, 계절성을 보이는 경우로 나뉜다.

이중 평균에서 Fluctuates가 일어나는 경우(Flucutation이 0으로 회귀하는것을 가정)
 -> Demand = Mean + Rnadom Fluctuation

Forecast 방식

1. naive 한 방식 : 이전의 period값을 가져다 사용 -> 별 효과 없음...

2. simple average 방식 :  과거의 정보의 평균을 사용 -> 앞으로의 수요예측을 할 때 몇 십년전의 값을 쓰는게 맞는것인가?

3. moving average 방식(Equal weight) : n을 통해 몇개의 period를 가지고 평균을 사용할지 정함

ex) n = 3 --> 과거 3개의 period를 사용해서 평균을 내겠다. -> 똑같은 가중치를 가지고 과거의 데이터를 사용하는게 맞는것인가?

4. weighted moving average Forecast(Unequal weight)

5. exponential smoothing forecast : 예전 data의 가중치가 거의 없게 만드는 방식. 최근일수록 가중치를 높여서 갖는다.
5.1. F2 = A1*@ + (1-@)F1
5.2.  n값이 작을수록 responsiveness가 크다.

(반응이 빠르다. 왜냐하면 최근의 트랜드를 반영하기 때문에 shock이 일어나면 바로 반응한다.)
5.3. @가 큰 경우 반응속도가 빠르다.

(단, abnormal한 demand가 있을 경우에는 shock이 일어났다가 다시 돌아오는 경우에 반응속도가 빠르면 다시 돌아오는게 느리기 때문에 반응속도가 중요하지 않을 수도 있다.)
5.4. 따라서 stable하게 예측하는것이 중요한지 shock한 event를 예측하는게 중요한지에 대해 잘 판단해서 n값과 @값을 선택하는게 중요하다.
5.5. 단, forecasting은 정확도가 중요하다.

MAD(ERROR 절대값) vs MSE(ERROR 제곱)
-> MSE같은 경우는 PENALTY를 크게하는것이다. ERROR를 크게 과장시킨다.(큰 ERROR를 발생시키는 것을 방지하고 싶을때 사용)
-> MAD같은 경우는 자잘한 ERROR를 방지하고 싶을때 사용한다.

 

 

수요예측2에서 계속...