Forecasting techniques (예측기법) 3탄

 

오늘은 Forecasting techniques (예측기법) 그 세 번째 이야기입니다. 

지난시간에 Seasonal index에 대해서 했는데, 오늘은 그 반대의 이야기 입니다. 

 

* Deseasonalized demand

제품이나 서비스의 수요가 계절적 패턴에 영향을 받지 않은 상태로 측정된 것을 의미합니다.

많은 제품과 서비스는 계절에 따라 수요가 크게 변동할 수 있습니다. 

예를 들어, 에어컨의 수요는 여름철에 증가하고, 크리스마스 선물용 상품의 수요는 겨울철에 늘어납니다. 

이러한 계절적 요인은 예측에 어려움을 초래할 수 있고, 

재고관리나 생산계획 등 비즈니스 의사결정에 영향을 미칠 수 있습니다.

 

Deseasonalized demand는 이러한 계절적 요인을 제거하여 수요 패턴을 분석하는 것입니다.

이를 통해 제품이나 서비스의 수요가 실제로 얼마나 있는지를 파악하고,

제품 생산 및 재고관리 등의 비즈니스 의사결정을 더욱 정확하게 할 수 있습니다.

 

Deseasonalized demand의 계산은 실제 수요를 계절지수로 나누어 구할 수 있으며,

지난번 계절성지수를 역으로 해서 평균수요를 구하는 것으로 이해하시면 될 것 같습니다. 

식으로 표현하면 아래와 같습니다. 

 

 

  

예를 들어, 한 가게에서 매월 판매되는 상품의 수요 데이터가 다음과 같다고 가정해보겠습니다.

 

위 데이터를 차트로 나타내면 아래와 같습니다. 

8월까지 점차 증가하다가 다시 줄어드는 계절적 패턴이 있는 것으로 보이네요. 

이제 이 데이터를 활용하여 위에 설명드린 내용대로 "deseasonalized demand"를 구해보겠습니다. 

deseasonalized demand를 구하기 위해서는 위의 식에서와 같이 우선 계절성 지수를 계산해야 합니다. 

 

이 계절성 지수는 이 전 포스팅에서 언급했던 바와 같이 해당월의 평균 수요를 전체 평균수요로 나눈 것입니다. 

이 전 포스팅 참고하실 분은 아래 클릭 ↓↓↓↓↓↓↓

https://sman7.tistory.com/391

Forecasting techniques (예측기법) 2탄

 

 

예를 들어, 6월의 계절성 지수는 다음과 같이 계산됩니다.

6월의 계절성 지수 = 250 / (100+120+150+170+200+250+300+350+250+200+150+120) = 1.19

이 계절성 지수를 활용하여 "deseasonalized demand"를 계산합니다. 

6월의 "deseasonalized demand" = 250 / 1.19 = 210.08

위와 같은 방식으로 나머지 월에 대해서도 계절성 지수와 "deseasonalized demand"를 계산할 수 있습니다.

이를 통해 계절성 요인을 제거한 실제 수요를 파악할 수 있습니다.

 

---

 

이번에는 IMM 책에 있는 다른 예시를 들어보겠습니다. 

Forecasting 기법으로 지수평활법을 쓰는 회사가 있습니다. 

4월 deseasonalized forecast가 1000, actual seasonal demand는 1250이었습니다. 

4월의 seasonal index가 1.2, 5월은 0.7 입니다. 

평활상수 α값이 0.1 이라 할 때 4월의 deseasonalized actual demand는 몇인가요?

5월의 desesonalized forecast는 몇인가요?

 

우선 4월의 seasonal index가 1.2이고, 해당월의 actual seasonal demand는 1,250이므로

4월의 deseasonalized actual demand = 1,250 ÷ 1.2 로 표현할 수 있고

1,042 가 됩니다. 

 

다음, 5월의 desesonalized forecast는 몇인가요?

지수평활법의 계산식은

이므로, 0.1 X 1,042 + (1-0.1) X 1,000 = 1,004

이것이 5월의 deseasonalized forecast입니다.

 

참고로, 5월의 seasonal forecast는 몇인가요?

5월의 seasonal index가 0.7이므로 0.7 X 1,004 = 703 이 됩니다. 

 

어때요? 이해 되시나요? 

계절수요를 벗겨 내고 실제 demand를 확인한 다음 거기에 계절수요를 감안하면 좀 더 정확한 

수요예측을 할 수 있지 않을까 생각됩니다. 

 

 

The best way to predict the future is to create it.