수요예측 - Demand Forecasting

수요예측은 영어로 Forecasting Methods 또는 Demand Forecasting 이라고 한다.

제목 그대로 기업이 생산하는 제품이 얼마나 판매될 것인가를 예측하는 것을 말하며 생산과 관련된 모든 비즈니스에 다 사용할 수 있지만 실제로는 매우 어렵고 높은 성능을 내는 것은 어렵다.

이 주제가 어려운 이유는 예측해서 비슷하게 맞추는 것도 어렵지만 실패할 경우 금전적 손해가 크기 때문에 공격적인 접근이나 실험적인 접근을 하기 어렵기 때문이다.

수요 예측은 실제로 진행한 경우의 결과를 둘어보면 대부분의 경우 제대로 예측하지 못하고 손실을 많이 보고 실패하는 경우가 많다고 전해진다.

외생 변수가 굉장히 많아 변화를 예측하기가 너무 어려운데 시계열 기법 자체의 예측이 변수(또는 자질)이 충분하지 않은 경우가 대부분이라서 결과가 맞지 않기 때문이다. 성공한 사례는 알려진 것이 별로 없으며 이유는 아마도 이런 모형이 성공했다면 당연히 외부에 알리지 않고 감추고 혼자 쓰려고 할 것이다.

수요예측 기법은 크게 정성적인 기법과 정량적인 기법 2가지로 나눌 수 있다.

정성적 기법

정성적인 기법은 전문가의 의견이나 여러 사람의 의견을 모으고 토의를 거쳐 결과를 도출하는 것이다. 주먹구구식이라고 생각할 수도 있겠지만 오랜 시간 동안 사용되어 왔으며 미리 경험하지 못한 어떤 행위에 대한 결과를 예견하기 위해서 가장 많이 사용되는 방법들이다.

정성적 기법의 종류

  • 델파이 기법
  • 패널 기법
  • 그 외에 많음

정량적 기법

정량적인 기법은 Quantitative 한 방법. 즉 수치 데이터를 이용한 수학적, 과학적인 기술을 사용하게 되는데 분석 기법의 분류 중에는 시계열 분석 기법에 많이 포함되어 있다. 널리 알려진 것은 다음과 같은 것들이 있다.

  • 이동 평균법(MA, Moving Average) 주가 예측에서 가장 많이 사용하는 것을 볼 수 있으며 그 외에도 시계열 분석에서는 당연히 하게 되는 기본적인 방법이다.
  • 지수 평활법(Exponential Smoothing) 이동 평균법의 일종이며 과거 데이터와 현재 데이터를 각각 다르게 가중치를 주는 것이 가중치를 지수급수에 따라 부여하는 것이다.
  • 추이 투영법(Trend Projection Methods) 설명 작성 예정
  • ARIMA (Autoregressive Integrated Moving Average) Box-Jenkins 모델로도 알려져 있으며 가장 잘 알려진 시계열 예측 알고리즘 중 하나이다. 국내에서는 “아리마”라고 읽는 사람이 많으며 Box-Jenkins(박스 젠킨스) 모형이라고 부르는 사람들도 있다.
  • Winter’s Model 설명 작성 예정