재고가 없어서 팔지 못한 날과 고객이 찾지 않아서 팔리지 않은 날은 매출표에서 비슷하게 보입니다. 두 상황을 구분하지 않고 판매량을 학습시키면 인기 상품을 적게 주문하는 악순환이 생길 수 있습니다. 수요 예측 모델을 바꾸기 전에 먼저 확인할 것은 판매 기록이 어떤 조건에서 관측됐는지입니다.
판매량은 수요가 관측된 결과다
재고가 충분하고 구매 경로가 정상이라면 판매량은 수요를 파악하는 유용한 자료입니다. 하지만 품절, 영업 중단, 주문 제한이 있으면 고객의 구매 의사가 모두 거래로 남지 않습니다. 이런 데이터는 단순한 이상치가 아니라 관측이 제한된 값입니다.
품절 이후 판매량이 0이라고 잠재 수요도 0이라고 처리하지 않습니다. 그렇다고 품절 전 속도로 하루 전체를 무조건 늘려 잡는 것도 위험합니다. 오전과 오후의 방문 패턴이 다르거나 행사 종료가 겹쳤을 수 있기 때문입니다. 보정은 근거와 가정을 함께 남겨야 합니다.
재고 수량보다 판매 가능 시간을 모은다
하루 종료 시점의 재고만으로는 언제부터 판매가 불가능했는지 알 수 없습니다. 입고, 품절, 판매 재개 시각과 채널별 주문 가능 상태를 기록합니다. 창고에 재고가 있어도 판매 채널의 동기화 지연으로 구매할 수 없었다면 그 시간도 별도로 파악해야 합니다.
재고가 있다는 기록과 실제 진열 여부가 다를 수도 있습니다. 초기에는 모든 상황을 정밀하게 측정하려 하기보다 품절을 확실히 알 수 있는 구간과 불확실한 구간을 구분합니다. 데이터의 확실성을 표시하면 예측 결과를 해석할 때도 도움이 됩니다.
관측값과 보정값은 분리해 저장한다
원래 판매량을 추정 수요로 덮어쓰지 않습니다. 실제 판매량, 판매 가능 시간, 품절 상태, 보정 수요와 보정 방식 버전을 별도 필드로 둡니다. 모델이 어떤 값으로 학습됐는지 재현할 수 있어야 합니다.
보정 방법은 단순 비교군부터 검토할 수 있습니다. 비슷한 요일의 정상 판매일이나 유사 점포의 흐름을 참고하되 가격·행사·날씨 등 차이를 확인합니다. 자료가 부족하면 하나의 정확한 추정치처럼 표현하지 말고 가능한 범위와 불확실성을 표시합니다.
가상 사례: 오후에 품절된 인기 부품
정비용 소모품이 오전에 모두 팔린 뒤 오후 주문을 받지 못했다고 가정해 봅시다. 일일 판매량만 보면 공급한 수량이 곧 수요가 됩니다. 다음 발주를 그 판매량에 맞추면 재고 부족이 반복되고 학습 데이터도 계속 공급량에 묶입니다.
품절 시각과 미충족 주문 문의가 남아 있다면 판매 제약이 있었음을 확인할 수 있습니다. 다만 문의 한 건을 곧바로 확정 수요 한 건으로 계산하지 않습니다. 중복 문의, 취소, 대체품 구매를 확인하고 자료별 신뢰도를 구분해야 합니다.
대체 구매와 채널 이동을 놓치지 않는다
한 상품이 품절되면 고객이 다른 상품을 살 수 있습니다. 이때 대체품의 판매 증가를 순수한 수요 증가로 학습시키면 다음 재고 계획이 왜곡됩니다. 원상품과 대체품의 동시 움직임, 동일 고객의 재주문, 채널 간 이동을 가능한 범위에서 분석합니다.
품절 기간을 모두 학습에서 빼는 방법도 편향을 만들 수 있습니다. 수요가 특히 높을 때 품절이 발생했다면 중요한 높은 수요 구간만 빠지기 때문입니다. 제외·가중치 조정·보정 중 어떤 방법을 썼는지와 그 한계를 문서화합니다.
예측 정확도 외에 재고 결과를 검증한다
품절이 적었던 별도의 기간에서 예측을 평가하고, 품절 구간을 포함한 운영 결과도 따로 봅니다. 판매량 오차만 낮다고 좋은 발주 정책은 아닙니다. 미충족 수요, 잔여 재고, 폐기와 긴급 조달 같은 결과를 함께 비교해야 합니다.
처음에는 한 품목군에서 보정 전후의 발주 제안을 비교하는 방식으로 시작할 수 있습니다. 성과 수치를 미리 약속하기보다 어떤 관측 제약을 제거했는지 설명합니다. 예측 모델의 입력을 수요라고 부르기 전에 실제로 무엇을 측정한 숫자인지 확인하는 것이 출발점입니다.
실무 체크리스트
- 품절 시각과 판매 재개 시각을 기록하는가
- 실제 판매량과 추정 수요를 분리해 보존하는가
- 품절 때문에 증가한 대체품 판매를 점검하는가
참고 자료: Forecasting: Principles and Practice의 결측·이상치 등 실무 데이터 문제. 참고 자료는 예측에서 발생하는 데이터 처리 문제를 다룹니다. 품절 판매를 잠재 수요로 보정하는 방법은 데이터와 업무 가정에 따라 별도로 검증해야 합니다.
본문 이미지는 이해를 돕기 위해 생성한 개념 삽화이며 실제 측정 자료나 고객 현장 사진이 아닙니다.
#수요예측 #품절데이터 #재고최적화 #판매예측 #데이터품질 #공급망 #발주계획 #관측편향 #머신러닝 #물류AI
