이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
수요예측의 핵심 문제를 저는 과거 패턴으로 미래를 보는데, 과거에 없던 변화는 못 잡는다는 점으로 봅니다. 안정적으로 반복되는 수요는 과거 데이터로 꽤 맞지만, 갑작스러운 이슈나 신제품처럼 전례가 없는 건 과거가 알려 주지 못합니다. 그래서 해결도 문제에 맞춰 나눕니다.
반복 패턴이 뚜렷한 품목은 과거 흐름 기반으로 충분하고, 행사·날씨처럼 수요를 흔드는 외부 요인이 큰 품목은 그 요인을 같이 봐야 합니다. 전례 없는 신제품은 비슷한 기존 품목에 빗대거나 현장 감각을 구조화해 보조로 쓰는 쪽이 현실적입니다. 다만 어떤 방법도 완벽히는 못 맞춘다고 봅니다. 그래서 핵심은 정확도 자체보다, 예측이 실제와 얼마나 빗나갔는지 주기적으로 재고, 자주 틀리는 조건을 찾아 보정하는 고리를 두는 것입니다. 못 잡는 변화는 예측으로 메우기보다 재고나 유연성으로 흡수하는 게 맞다고 봅니다.
저는 수요예측을 맞히는 일이 아니라, 틀림을 빨리 줄여 가는 일로 봅니다. 완벽한 예측은 없으니, 문제의 본질은 틀렸을 때 그걸 얼마나 빨리 알아채고 고치느냐입니다. 흔한 문제는 셋입니다. 데이터가 한쪽으로 쏠려 평균만 따라가거나, 외부 변수를 안 봐서 흔들림을 놓치거나, 신제품처럼 과거가 없어 못 잡는 것입니다. 해결도 거기 맞춥니다. 쏠림은 영향 큰 요인을 같이 넣고, 외부 변수는 행사·계절을 모델에 반영하고, 과거 없는 건 유사 사례나 정성 정보를 보조로 씁니다. 다만 어느 방법이든 전제가 깨지면 같이 틀린다고 봅니다. 그래서 핵심은 예측 오차를 계속 추적해, 어떤 조건에서 자주 틀리는지를 학습하는 구조입니다. 그리고 못 잡는 부분은 예측을 더 정교하게 만들기보다, 그만큼 재고 여유나 빠른 대응으로 메우는 게 현실적이라고 봅니다.
솔직히 수요예측을 다 정확히 맞히려다 데인 관점에서 말씀드리겠습니다. 모든 품목을 똑같이 정확히 맞히려 하면 어디도 제대로 못 맞춥니다. 그래서 저는 어느 예측이 틀리면 더 비싼지부터 봅니다. 과다 예측은 재고가 쌓이는 비용이고, 과소 예측은 못 파는 기회 손실인데, 품목마다 어느 쪽이 더 비싼지 다릅니다. 그래서 틀리면 비싼 품목에 정확도 노력을 집중하고, 영향 작은 건 거친 예측으로 둡니다. 문제는 거기서 갈립니다. 비싼 품목의 흔한 오차 원인은 외부 요인을 안 본 것이라, 그 요인을 같이 넣어 줄입니다. 다만 완벽은 못 합니다. 그래서 남는 오차는 그 품목의 재고·발주 정책으로 흡수하고, 예측이 자주 틀리는 조건을 계속 기록해 보정하는 고리를 둡니다. 핵심은 전부가 아니라, 틀리면 비싼 데부터 줄이고 나머지는 다른 방식으로 흡수하는 것입니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 한국전력공사 데이터 사이언티스트 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.