물류 확장을 위한 판매 예측을 어떻게 수집하고 변환하나요?

데이터 분석 수업에서 소매 판매 데이터로 주간 예측 모델을 만든 적이 있습니다. 처음에는 단순하게 과거 평균값으로 예측하면 될 것이라고 생각했지만, 실제로 해보니 계절성이나 프로모션 주간을 고려하지 않으면 오차가 심하게 발생했습니다.

데이터 전처리 단계에서 가장 많이 막혔습니다. 원본 데이터에 날짜 형식이 일관되지 않거나 결측값이 섞여 있었습니다. 결측값을 단순히 0으로 채웠더니 모델이 그 주를 '판매가 없는 주'로 인식해버렸습니다. 결측값 처리 방식 하나가 예측 결과를 얼마나 바꾸는지 그때 처음 실감했습니다. 이후에는 앞뒤 주의 평균으로 채우는 방식으로 변경했습니다.

예측 결과를 물류 수량으로 변환하는 것은 교수님이 추가로 제안해주신 과제였는데, 판매 예측 수치를 그대로 발주 수량으로 사용하면 안 된다는 것을 배웠습니다. 리드타임, 재고 버퍼, 운송 단위 같은 조건을 추가로 반영해야 했습니다. 단순한 숫자 예측이 실제 물류 의사결정에 사용되려면 도메인 지식과 결합되어야 한다는 것이 그 과제의 핵심 교훈이었습니다.