상품별 예측과 전체 예측이 다를 때 맞추는 방법

상품별 예측을 모두 더한 값과 전체 매출 예측이 다르면 어느 숫자로 발주해야 할까요? 계층적 예측은 상위와 하위 수치가 서로 맞도록 조정하는 문제입니다.

의사결정 조건을 정리한다

전체, 제품군, 개별 상품을 어떤 계층으로 볼지 정합니다. 채널과 지역까지 겹치면 단순 나무가 아니라 여러 분류축이 됩니다. 실제 의사결정이 어느 수준에서 이뤄지는지 먼저 알아야 무의미한 세부 예측을 줄일 수 있습니다.

데이터와 모델의 가정을 확인한다

하위 상품을 모두 더해 상위를 만들면 작은 품목의 오차가 누적될 수 있습니다. 상위 예측을 비율로 나누면 새 상품이나 급변 상품이 왜곡될 수 있습니다. 어느 수준의 모델이 더 안정적인지 검증해 조정 방식을 고릅니다.

작은 사례로 비교한다

조정 후에는 모든 수준에서 합계가 일치해야 합니다. 예측을 수정할 때는 특정 상품의 값만 임의로 바꾸지 않고 전체 계층을 다시 계산합니다. 단종·상품 통합 시 계층 정의가 바뀌므로 이력과 비교 기준을 보존합니다.

운영 손실까지 측정한다

전체 오차뿐 아니라 상품별 오차, 재고 부족, 초과 재고를 함께 봅니다. 상위 수준이 좋아졌어도 실제 발주 대상 상품의 오차가 커질 수 있습니다. 계층 수준별로 가중치를 달리해 운영 손실을 평가하는 편이 낫습니다.

계획을 주기적으로 갱신한다

예측값의 일치가 의사결정의 일치를 자동으로 보장하지는 않습니다. 발주 단위, 최소 주문량, 리드타임 때문에 같은 수요라도 행동이 달라집니다. 예측 조정과 재고 최적화를 분리하되 서로 연결된 실험으로 검증합니다.

현장에 적용할 때의 순서

1. 실제 발주 계층 정의
2. 상위·하위 예측의 오차 비교
3. 합계 일치와 운영 손실 동시 검증

주의할 실패: 전체 오차 개선만으로 성공 판단

관찰할 지표: 계층별 오차·품절·과잉재고

적용 전 체크리스트

• 실제 발주 계층 정의
• 상위·하위 예측의 오차 비교
• 합계 일치와 운영 손실 동시 검증

참고 자료

Forecasting: Principles and Practice — Hierarchical Forecasting. 계층적 예측과 합계 일치 개념은 원저자의 공개 교재를 참고했습니다. 발주 손실과 연결하는 부분은 적용 제안입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#계층적예측 #수요예측 #상품예측 #예측조정 #재고계획 #네이처프랙탈 #산업AI #의사결정 #데이터활용 #현장적용