수요예측의 역할

(1)

고려대학교 경영대학 박 광태

(2)

Kwangtae Park, Korea University

2

수요예측의 역할

기업의 경영전략 및 계획수립이 올바르게 될 수 있도록 함.

소요생산능력의 산정을 통해 불필요한 투자로 인한 비용손실 을 감소

소요인력에 대한 예측으로 고용안정과 노사관계의 안정 도모 고객욕구를 만족시킬 제품이나 서비스의 생산을 통해 고객과 의 관계 개선

적절한 소요예산의 측정으로 재무계획 수립에 효과적인 지원

(3)

3

(4)

4

(5)

5 수요예측기법-정성적 기법

수요예측기법 중의 하나로 예측 수행자의 주관적 견해나 경험에 의한 판단에 의존하여 미 래를 예측하는 기법

델파이조사법

 조직 내외의 전문가들에게 미래에 관련된 의견을 설문조사를 통해 수집하고 이들의 의 견을 종합한 후 다시 설문을 제공하는 과정을 반복하여 일관된 합의를 이끌어냄으로써 예측을 수행하는 방법

시장조사법

 잠재적인 소비자 중에서 표본집단을 추출하고, 이들로부터 얻은 의견을 통계분석하여 수요를 예측하는 방법

판매원이용법

 지역별로 그 지역에 정통한 판매사원이나 거래점의 의견을 종합하여 지역수요를 예측 하고, 다시 이를 이용하여 전체 시장의 동향을 파악하는 방법

패널조사법

 경영자, 생산자, 소비자, 판매원 등으로 구성된 위원회(패널)를 구성하고 이들의 자유 로운 의사개진을 통해 미래 수요를 예측하는 방법

역사적 자료 유추법

 신제품과 유사한 기존제품의 과거자료를 통해 신제품의 미래수요를 예측하는 방법

(6)

6 수요예측기법-계량적 기법

수요예측기법의 다른 하나로 과거의 객관적 자료를 처리하여 미래를 예 측하는 기법

시계열 분석 (time series analysis)



예측하고자 하는 변수들에 대한 과거의 시계열 자료를 이용하여 미래 의 현상을 예측

인과형 분석 (causal analysis)



영향을 미치는 변수(독립변수)들과 영향을 받는 수요(종속변수)와의 관계분석을 통하여 미래를 예측

시뮬레이션 모형 (simulation model)



모형의 내부변수와 외부환경에 대한 가정과 인과관계를 설정하고 모 의실험을 통해 미래를 예측

(7)

7

시계열 분석

기본가정은 과거에 발생한 현상이 미래에도 계속 발생한다는 것 평균, 추세, 계절성, 순환성, 불규칙변동의 다섯 가지로 분석됨

 [그림 6-3] 참조

평균을 통한예측에는 이동평균과 지수평활법이 있음 이동평균 (moving average)



과거 일정기간의 자료를 평균하여 미래를 예측하는 기법



계절특성을 갖지 않을 때 불규칙변동을 제거하는데 유용



이동평균법에서 평균기간의 설정이 중요함. 평균기간이 길어질수록 예측은 더욱 고르게 됨



단순이동평균법(예제 6.1참조)과 가중이동평균법(예제 6.2 참조)이 있음. 단순이동평균법은 과거의 자료에 동일한 중요도를 부여하는 데 비해 가중이동평균법은 자료의 중요도에 따라 가중치를 달리함.

(8)

8

(9)

9

(10)

10

(11)

11

시계열 분석

지수평활법(exponential smoothing)



가장 가까운 과거자료에 가장 큰 가중치를 부여하여 과거로 갈수록 가중치가 지수적으로 감소하는 특징을 가짐

 pp.142-143참조



평활계수의 값이 클수록 가까운 기간의 수요치에 더 많은 가중치를 부여하므로 추세를 더 잘 반영함([그림 6-5] 참조)



예제 6.3 참조

계절성을 고려한 모형



평균과 계절성 요소만으로 수요를 설명 (예제 6.4 참조)

추세와 계절성을 함께 고려한 모형으로 합산모형과 승산모형이 있음



승산모형에서는 수요가 각 구성요소간의 상호의존성에 의해 설명됨



합산모형에서는 각 구성요소가 독립적으로 수요에 영향을 미침



p.147의 하단과 예제 6.5 참조

(12)

12 _p.142

(13)

13 _p.143

(14)

14 _p.143

(15)

15

(16)

16

(17)

17

(18)

18

(19)

(20)

20

(21)

21

선형 회귀분석

 회귀분석 중 독립변수와 종속변수가 선형의 관계로 표현될 수 있는 경우.

 단순선형 회귀분석 과 다중선형 회귀분석으로 나누어짐.

1. 단순선형 회귀분석(Simple linear Regression Analysis)

 종속변수에 영향을 미치는 독립변수가 1개.

Y _i = a + bX _i + e _i

X_i: ^독립변수

Y_i: ^종속변수

a :

^선형 ^회귀식의

Y절편

b : ^선형 ^회귀식의 ^기울기

e

_i: 회귀식에 의해 설명할 수 없는 오차

선형 회귀분석(Linear Regression Analysis)

(22)

22

2. 다중선형 회귀분석(Multiple Linear Regression Analysis)

 여러 개의 독립변수를 갖는 회귀분석모형.

Y = a + b ₁ X ₁ + b ₂ X ₂ + · · · + b _n X _n

선형 회귀분석(Linear Regression Analysis)

^ ^ ^ ^ ^

(23)

23

- 최소자승법 (예제 6.6 참조)

i

X

Y ˆ  a ˆ + b ^ˆ

  ^ˆ

²

_   ^ˆ ^ˆ  

²

 ^Y

ⁱ

^ ^Y

ⁱ

^ ^Y

ⁱ

^ ^a ⁺ ^b ^X

ⁱ

 

X n Y

X Y

X X

n

Y X XY

n

b b a

b

ˆ ˆ ˆ

ˆ 2 2



 





 



   

 ⁿ ^X ⁿ   ^XY ^X   ⁿ ^X ^Y ^Y ^{ } ^Y  ^COV ^S

^X

^S ^X

^Y

r ( , )

2 2





 



   

• 추정치

• 선형 회귀식의 목적함수

• 최소화 계수값

• 상관계수

(correlation coefficient)

(24)

24

(25)

25

(26)

26

예측오차의 측정

예측오차는 실제치와 예측치의 차이를 말함

누적오차(cumulative forecasting error, CFE)는 예측의 편의를 측정하기 위한 수단으로 이 값이 계속 증가하면 실제수요를 과소평가하는 셈이 됨 평균오차(mean average error, MAE)는 예측오차의 합을 기간수로 나눠 준 것으로 예측오차의 방향을 측정하는데 사용됨. 양과 음의 예측오차가 상쇄되는 단점이 있어 이를 해결하기 위해 MSE나 MAD를 사용함

MAD(mean absolute deviation, MAD)는 평균절대편차로 모든 오차를 비음이 되게 하기 위해 각 오차에 절대값을 취함

MSE(mean squared error, MSE)는 평균제곱오차로 모든 오차가 비음이 되도록 각 오차를 제곱한 평균임

MAPE(mean absolute percent error, MAPE)는 평균절대비율오차로 예 측오차를 수요의 크기를 고려하여 비율적으로 평가한 것

예제 6.7 참조

(27)

27

(28)

28

예측오차의 측정공식

• 예측오차

E

t

 A

t

 F

t

• Cumulative Forecasting Error





ⁿ

t

E

t

CFE

1

• Mean Average Error

 

n F MAE _  A

^t

^

^t

• Mean Absolute Deviation

n MAD _  E

^t

• Mean Squared Error

n MSE _  E

^t²

• Mean Absolute Percent Error

(29)

29

수요예측기법 선택시 고려사항

각 기법의 내용이나 장단점에 관한 명확한 이해가 선행되어야 하며, 예측대상의 특성, 예측기간, 요구 되는 정확도, 과거자료의 유무, 예측시의 소요경비 및 시간 등을 고려하여야 함

기법을 개발하는데 드는 개발비용(고정비)과 기법을 운영하는데 드는 운영비용(변동비) 및 예측오차로 인한 비용을 고려

[그림 6-6] 참조

(30)

30

수요예측의 역할

고려대학교 경영대학 박 광태

2