계절성을 이용한 수요 예측(Forecasting with Seasonality)

아이스크림, 우산, 코트, 수영복과 같은 계절성 상품들은 특정 계절에서 판매량이 급등하는 양상을 보인다.

이러한 상품들의 판매량을 예측하는데 단순히 linear regression 만 사용한다면 많은 오차가 발생할 것이다.

seasonal index (계절지수)를 반영하여 2023년 아이스크림 판매량을 예측해보자.

---

1. Simple Linear Regression 수행

먼저 2021년과 2022년의 계절별 아이스크림 판매량 데이터를 이용하여 단순 선형 회귀 방정식을 만든다.

$y=wx+b$

$x$ : 독립 변수
$w$ : 가중치(weight)
$b$ : 편향(bias)

엑셀의 "SLOPE" 함수와 "INTERCEPT" 함수를 사용하면 각각 가중치와 편향을 구할 수 있다.

여기서 $x$축은 각 년도의 계절을 인덱스로 표현한 것, $y$축은 실제 아이스크림 판매량이다.

따라서, 선형 회귀 방정식은 $y=15.29761905*x + 343.0357143$ 이다.

2. 실제값과 예측값을 비교하여 Seasonal Index 구하기

seasonal index (계절지수)는 $실제 값\over예측 값$ 으로 구할 수 있다.

seasonal index 가 1보다 크다면, 실제 판매량이 예측값보다 많음을 나타내고
1보다 작다면, 실제 판매량이 예측값보다 적음을 나타낸다.

에측값은 선형 회귀 방정식으로 계산하였다.

3. 각 계절의 평균 Index 구하기

봄, 여름, 가을, 겨울의 평균 seasonal index 를 구할 수 있다.

4. Linear Regression 통한 판매량 예측

미리 만들어 놓은 linear regression model 을 사용하여 2023년의 아이스크림 판매량을 예측하였다.

계절성은 일단 고려하지 않는다.

5. Regression 예측값에 평균 Seasonal Index 적용

regression 을 통해 구한 예측값에 각 계절의 평균 seasonal index 를 곱하면 최종 예측값을 구할 수 있다.

계절성을 무시한 예측보다 계절성을 적용한 예측이 실제 값과 유사하게 그려지며, 보다 정확한 예측이라고 할 수 있다.

---

LG Aimers: AI전문가과정
Module 3. 『SCM & 수요예측』 고려대학교 이현석 교수
Part 2. Forecasting (2)