Data 예측이란?

 

▣ Data 예측이란?

* 현상 물량 데이터 분석 후 장래 입하, 출하, 재고량의 변화에 대해 예측하여 목표연도의 설계치를 수립해야 합니다. 이 때 하나의 방법으로서 목표 매출액에 비례로 하여 예측하기도 하지만 자주 사용되는 방법이 최소이승법(Least Square Method)에 의한 회귀분석 예측입니다. 이 방식은 일간, 월간, 연간 등 시계열 변화를 직선 or 곡선으로 연계시켜 장래를 예측하는 것입니다. PC 프로그램으로 개발 및 일반화되어 판매되기도 하며 개발된 도구를 사용하면 간단하게 수량 예측이 가능해집니다.

 이외에도 수요 예측을 이용하면 장래 물동량 예측이 가능해집니다. 수요예측은 의견조사에 의한 수요예측법과 시계열분석에 의한 수요예측법이 있습니다. 의견조사에 의한 방법은 의견 제시자들의 주관과 판단에 크게 좌우되는 단점이 있고, 시계열분석에 의한 방법은 시간, 일, 주, 월, 분기, 연 등 기간 기준 간격으로 얻어진 과거의 시계열 데이터로부터 미래의 시계열치를 추정하는 방법으로서 아래와 같은 기법이 있습니다.

1. 최신 수요량법(Last period demand method) : 시계열 데이터의 최종치를 차기의 수요량으로 예측하는 방법입니다.

2. 산술평균법(Arithmatic Average Method) : 지금까지의 모든 시계열 데이터의 산술평균을 차기의 수요량으로 예측하는 방법입니다.

3. 이동평균법(Moving Average Method) : 단순이동평균법(Simple Moving Average Method)과 가중이동평균법(Weighted Moving Average Method)이 있습니다. 단순이동평균법은 최근 기준 지난 N기의 결정 실제 데이터의 산술평균을 차기의 수요량으로 예측하는 방법입니다. 기간인 N의 값을 크게하면 산술평균법과 유사해지며 작게할수록 최신수요량법과 유사해집니다. 가중이동평균법은 기수 N에 포함된 모든 실제 데이터에 각 다른 비중을 부여하여 산술평균을 구한 뒤 이를 차기 수요량으로 예측하는 방법입니다.

4. 지수평활법(Exponential Smoothing Method) : 이동평균법과 유사하나 과거의 실적보다는 최근 실적 데이터에 많은 비중을 두고, 오래된 데이터일 수록 적은 비중을 두어 예측하는 방법입니다.

5. 회귀분석법(Regression Analysis Method) : 수요예측시간을 독립변수, 수요예측량을 종속변수로 설정하여 이들 두 변수 간의 함수관계를 추구하는 통계적 방법입니다. 이 두 변수의 함수관계가 선형일 경우 단순회귀분석, 독립변수가 2개 이상 비선형이라면 중회귀분석이라 합니다. 시간 T와 수요예측량 Y간 함수관계가 선형이라면 최소 자승법에 의거 선형회귀선을 구한다면 Y=A+BT, A=0일 때 회귀선이 종축과 만나는 절편이고, B는 회귀선의 기굴기입니다.