소개
생산 환경에서 예측이 필요한 이유는 생산 계획, 판매 예측, 원자재 사용량 예측 등 다양합니다. 이러한 예측을 생성하는 과정은 노동 집약적이고 번거로워 필요한 만큼 자주 업데이트되지 않는 경우가 많습니다. 이러한 지연은 판매 기회 손실, 납품 지연, 기타 고비용 문제로 이어질 수 있습니다. 하지만 더 쉬운 방법이 있습니다. JMP의 시계열 예측 플랫폼을 사용하면 여러 그룹에 대한 예측을 한 번에 간편하게 수행할 수 있습니다. 이러한 예측 결과는 다른 사람과 공유할 수 있으며, 전체 프로세스를 손쉽게 자동화할 수 있습니다. 아래 그림은 단 한 번의 클릭으로 전체 프로세스를 반복하는 방법을 보여줍니다.
사례 연구
이 예시에서는 가상의 회사인 레드 트라이앵글 위젯(RTW)을 사용하겠습니다. RTW는 약 250가지의 다양한 제품(SKU)을 제조하여 판매합니다. 만약 판매 예측이 틀리면 생산 계획도 틀어지게 되고, 이는 재고가 너무 많아 재고가 소진될 때까지 현금이 묶이거나, 더 심각하게는 시장 기회를 놓치는 결과를 초래할 수 있습니다.
현재 RTW의 예측 프로세스는 한 사람이 완료하는 데 일주일이 꼬박 걸립니다. 이 담당자는 IT 부서에서 데이터베이스 덤프를 받아 각 SKU를 수동으로 분석하고 각 SKU에 대한 최적의 예측치를 산출해야 합니다. 이 과정에 시간이 너무 많이 소요되기 때문에 RTW는 한 달에 한 번만 예측치를 업데이트합니다. 나머지 기간 동안에는 고객 수요를 충족하기 위해 분주하게 움직여야 하는데, 예측 기간이 길어질수록 예측치의 유용성이 떨어지는 경향이 있기 때문입니다.
RTW는 매달 직원 한 명의 일주일을 통째로 낭비하고, 너무 빨리 구식이 되어버리는 예측과 씨름하느라 헤아릴 수 없는 시간을 허비하며, 더 많은 제품을 판매할 기회를 놓치지 않으려면 이 프로세스를 간소화해야 합니다. 예측은 매주 업데이트해야 하지만, 현재 방식은 너무 많은 시간과 노력을 소모하기 때문에 최소 한 명 이상의 직원을 추가로 고용하지 않고는 매주 업데이트가 불가능합니다. RTW는 추가 인력을 고용할 예산이 없으므로, 간단하고 빠르며 반복 가능하고 자동화된 판매 예측 시스템이 절실히 필요합니다.
데이터 접근
참고: 이 전체 프로세스는 자동화해야 하므로, 먼저 파일 > 새로 만들기 > 워크플로로 이동한 다음, 녹화 버튼을 선택하여 필요한 모든 자동화를 구현하세요. 워크플로 빌더에 익숙하지 않다면, 이 간단한 소개 또는 이 자세한 설명을 참조하세요.
RTW의 IT 그룹에서 이미 예측 프로세스에 사용되는 판매 데이터를 생성하고 있었으므로, 그들이 사용하는 SQL 쿼리를 받아 JMP에서 직접 실행하는 것이 효율적입니다. 이를 위해 파일 > 새로 만들기 > 데이터베이스 쿼리를 선택합니다. 다음으로, JMP의 시각화 방식에서 사용자 지정 SQL 쿼리로 변환하고 IT 그룹에서 받은 SQL 쿼리를 창에 붙여넣습니다. 쿼리를 실행하면 지난 3개월 동안의 모든 일별 위젯 판매량을 나타내는 약 22,000개의 행으로 구성된 데이터 테이블이 생성됩니다.
데이터 준비
RTW는 주간 예측을 수행해야 하므로 데이터를 주 단위로 그룹화해야 합니다. 또한, 데이터가 일부만 포함된 주는 예측 정확도에 부정적인 영향을 미치므로 7일 미만의 데이터가 있는 주는 모두 제거해야 합니다.
[표 > 요약] 도구를 사용하면 데이터를 주 단위로 편리하게 정리할 수 있습니다. 주별 및 연도별 열을 생성해 두면 나중에 특히 예측 범위가 여러 해에 걸쳐 있는 경우에 유용합니다.
[행] > [행 선택] > [선택 위치]를 사용하여 데이터 포인트가 7개 미만인 모든 행을 선택하면 완전한 주 데이터만 쉽게 유지할 수 있습니다(워크플로 빌더에서 반복 가능). [확인]을 클릭한 후 선택한 행을 삭제합니다.
예측을 생성하기 전에 데이터 관련 작업이 한 가지 더 필요합니다. 연도와 주를 기준으로 날짜를 계산하는 수식을 사용하여 새 열을 만드세요. 이렇게 하면 모든 데이터가 일관된 주 단위로 정렬되어 예측 도구에 유용하게 사용됩니다.
예측
이제 데이터가 제대로 정리되고 구조화되었으므로 JMP에서 시계열 예측을 수행하는 것은 가장 쉬운 부분입니다. 분석 > 특수 모델링 > 시계열 예측에서 세 가지 필드를 입력하는 것은 매우 간단합니다.
확인을 선택하면 플랫폼에서 데이터 일관성을 확인할 수 있도록 요약 정보를 제공합니다. 요약 정보를 검토한 후 예측할 미래 기간의 수를 설정하세요. 실행을 클릭하면 약 250개 SKU에 대한 예측 결과를 볼 수 있습니다.
각 SKU에는 해당 SKU의 과거 데이터 형태에 특화된 개별 예측 모델이 적용되어 있다는 점에 유의하십시오. 모델 유형에 대한 자세한 정보는 여기에서 확인할 수 있습니다.
공유하기
이러한 예측 자료를 사용하는 많은 사람들이 통계 자료에는 그다지 관심이 없기 때문에 예측 결과를 간단한 대화형 그래프 형식으로 바꾸는 것이 유용할 수 있습니다. 빨간색 삼각형 옵션을 사용하여 '결과 저장'을 선택하면 예측 결과와 기타 데이터가 포함된 새 데이터 테이블이 생성됩니다. 이 기능은 그래프 빌더와 함께 사용하여 간단한 조회 도구를 만드는 데에도 사용할 수 있습니다.
이 보고서는 JMP Live에 업로드하여 JMP가 설치되어 있지 않더라도 예측 정보에 접근해야 하는 모든 사람과 공유할 수 있습니다. 특히 공급업체나 고객과 예측 정보를 공유할 때 유용합니다. 아래 예시와 같이 웹 페이지에 링크를 걸거나 삽입할 수 있습니다 .
오토메이션
앞서 워크플로 빌더를 사용하여 프로세스를 기록한다고 말씀드렸습니다. 모든 단계가 기록되어 있으므로 처음 한 번만 수동으로 수행하면 됩니다. 예측을 업데이트해야 할 때마다 '재생' 버튼만 클릭하면 되므로 RTW는 매주 간편하게 예측을 갱신할 수 있습니다. 이 전체 프로세스를 자동화함으로써 얻는 시간 절약 효과는 엄청납니다.
버튼 클릭 한 번으로 프로세스가 간소화되면서 RTW는 추가 비용 없이 팀에 실질적으로 직원 25%를 추가한 것과 같은 효과를 얻었습니다. 예측 작업도 이제 월간에서 주간으로 단축되어 조직 전체에서 필요한 개입 작업이 크게 줄었습니다. 전반적으로 JMP를 활용한 예측은 팀에 엄청난 성공을 가져다주었습니다.
귀사의 구매 및 일정 관리 부서에서 이미 시계열 예측 플랫폼을 사용하고 있습니까? 만약 그렇지 않다면, 예측 자동화를 통해 얼마나 많은 시간을 절약할 수 있을까요?
데이터 참고 사항
저는 여기에서 찾을 수 있는 2020년 마크리다키스 예측 대회 데이터의 수정된 버전을 사용했습니다. 제가 수정한 내용은 다음과 같습니다.
- 데이터 세트에서 가장 고유한 그룹(약 250개)을 부분집합으로 추출하고 합산합니다.
- 데이터를 가장 가까운 정수 값으로 반올림합니다.
- 열 이름과 고유 그룹 ID 값을 변경합니다.
또한, 최종 사용자가 데이터베이스에서 데이터를 보는 방식과 유사하게 구성하기 위해 부품 번호 조회 테이블을 만들었습니다. 독자분들은 제가 사용한 데이터베이스에 직접 접근할 수 없으므로, 워크플로 빌더에 데이터 테이블 형태로 데이터를 포함시켰습니다. 모든 파일은 첨부되어 있습니다.
