머신러닝을 활용한 구간별 극점 기반 판매량 예측

초록

수요 예측 모델이 과거 데이터에 매우 근접한 결과를 내도록 파라미터를 조정하여 최적화된 모델을 만들었다 하더라도, 이는 과거 데이터를 기반으로 한 것이기 때문에, 다음 예측 구간에서 실제 데이터에 근접한 결과를 가져올 것이라는 보장은 없다. 오히려 정확도가 다소 떨어지더라도 극점을 파악하고 그에 대한 선제적인 대응책을 마련하는 것이 더 나은 결과를 가져올 수 있다고 본 논문은 주장하고자 한다. 특히, 추세의 분석, 즉 극점이 얼마나 변동할지를 파악하는 것은 기업에 중요한 과제가 될 수 있다. 이는 극점 변동에 따른 기회비용을 최소화하는 것이 더 중요한 문제일 수 있기 때문이다. 따라서 본 연구는 데이터의 변동성에 중점을 두어 최고점과 최저점을 찾아내고, 구간을 나누어 극점들을 추출하고 예측함으로써 기존의 수요 예측 방식보다 더 나은 결과를 도출할 수 있을 것이라는 가정 하에 연구를 진행하였다. 그 결과, 기존 방식보다 더 나은 예측 성능을 보였다. 다만, 다양한 기업의 데이터를 실험하지 못했기 때문에, 향후 더 많은 데이터를 활용하여 연구 결과를 일반화할 필요가 있다.

키워드