수요예측 (Demand Forecasting)

한 줄 정의: 과거 판매 데이터, 시장 동향, 정성적 정보를 활용해 미래 제품·서비스 수요를 추정하는 활동으로, 생산계획·재고관리·인력계획의 출발점이 된다.

쉽게 풀면

앞으로 물건이 얼마나 팔릴지 과거 자료와 시장 상황을 바탕으로 미리 예상해보는 것이다.

왜 중요한가

생산·재고·인력 계획의 출발점이 되는 수요 추정으로, 생산운영과 마케팅 연구에서는 시계열·인과·판단 기법의 정확도 비교와 예측 오차가 공급사슬 비용에 미치는 영향을 다룹니다. 실무에서는 S&OP 프로세스의 첫 단계로 예측 정확도 지표를 관리하고 신제품은 유사 제품 판단 예측으로 보완합니다.

어떤 절차인가

수요예측은 크게 세 부류의 방법으로 나뉩니다. 이 페이지가 분류한 대로 시계열 분석, 인과 모형, 정성적 판단입니다.

부류	대표 기법	쓰는 자료
시계열	이동평균, 지수평활법, 분해, ARIMA	과거 수요의 패턴(추세, 계절성)
인과 모형	회귀분석 등	가격, 판촉, 경기 지표 등 수요에 영향을 주는 변수
정성적 판단	델파이기법, 전문가 의견, 유사 제품 비교	자료가 없거나 구조가 바뀐 상황(신제품 등)

절차는 ① 목적과 예측 기간 정하기, ② 자료 정리(결측, 판촉 같은 인위적 변동 조정), ③ 방법 선택과 적합, ④ 훈련 구간 밖의 자료로 정확도 검증, ⑤ 예측과 오차 추적입니다. 예측 정확도는 집계 수준이 높고 예측 기간이 짧을수록 좋아지는 경향이 있어 계획 체계를 이에 맞춰 설계합니다.

언제 쓰고 무엇을 얻나

예측의 결과물은 하나의 숫자가 아니라 점 예측과 그 불확실성입니다. 불확실성은 안전재고 수준을 정하는 데 쓰입니다. 방법 사이의 성능은 오차 지표로 견줍니다.

가상의 12개월 수요 자료로 단순 지수평활(α = 0.3)과 “지난달 값을 그대로 쓰는” 단순 예측을 견준 결과입니다(코드로 계산, 2~12월 11개월 평가).

월	실제	지수평활 예측	단순 예측
2	132	120.0	120
3	125	123.6	132
4	140	124.0	125
5	138	128.8	140
6	150	131.6	138
7	148	137.1	150
8	160	140.4	148
9	155	146.3	160
10	170	148.9	155
11	165	155.2	170
12	178	158.2	165

평균절대편차(MAD)는 지수평활 13.37, 단순 예측 9.09이고, 평균절대백분율오차(MAPE)는 각각 8.67%, 6.01%입니다. 이 자료처럼 뚜렷한 상승 추세가 있으면 평활 값이 뒤처져 오히려 단순 예측이 더 정확할 수 있습니다. 어떤 기법이 항상 낫다는 결론은 없으므로, 자료 성격에 맞춰 검증해야 합니다. (지수평활에 추세 항을 더한 방법을 쓰면 이 문제가 줄어듭니다.)

논문에는 이렇게 적는다

자료와 구간: 자료의 기간, 단위(월, 주), 집계 수준(품목, 제품군), 결측과 이상치 처리, 판촉·가격 변동의 조정 방식을 적습니다.
검증 방식: 훈련 구간과 검증(시험) 구간을 나누어 표본 밖 정확도를 보고합니다. 적합 구간 오차만 보고하면 과적합을 가리지 못합니다.
오차 지표: MAD, 평균제곱근오차(RMSE), MAPE 중 무엇을 썼는지 밝힙니다. MAPE는 실제값이 0이거나 매우 작을 때 불안정해지는 한계가 알려져 있으므로 간헐적 수요에는 부적합하다고 적습니다(Hyndman & Koehler, 2006).
비교 대상: 단순 예측(naive)이나 계절 단순 예측 같은 기준 모형보다 나은지 보입니다.
조합: 여러 기법의 예측을 평균한 조합이 단일 기법보다 안정적으로 좋다는 대규모 예측 대회의 결과가 있습니다(Makridakis 등, 2020).

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

시계열분석(이동평균, 지수평활), 인과모형(회귀분석), 정성적기법(델파이법)이 예측 방법론의 3대 범주로 분류된다.

지수평활법은 최근 데이터에 더 큰 가중치를 부여해 α값 조정만으로 추세 변화에 빠르게 반응하도록 예측치를 갱신한다.

"과거 판매 데이터만을 기반으로 한 예측 모형은 시장 구조의 급격한 변화가 발생했을 때 정확도가 크게 떨어질 수 있다."

수요예측이 정량적 데이터 분석만으로 완결되지 않으며 정성적 판단으로 보완되어야 함을 보여준다.

조금 더 깊게 보면

예측은 틀린다는 전제 하에 오차 분포를 관리하는 것이 목적이며, 점 추정에 매달리면 안전재고 설계가 어긋납니다. 집계 수준이 높을수록 정확하고 예측 기간이 짧을수록 정확하다는 원칙에 따라 계획 체계를 설계해야 하며, 판촉과 가격 변화 같은 인위적 수요 변동을 시계열에 그대로 두면 모형이 오염됩니다.

예측은 틀린다는 전제 하에 오차 분포를 관리하는 것이 목적이며, 점 추정에 매달리면 안전재고 설계가 어긋난다. 집계 수준이 높을수록 정확하고 예측 기간이 짧을수록 정확하다는 원칙에 따라 계획 체계를 설계해야 하며, 판촉과 가격 변화 같은 인위적 수요 변동을 시계열에 그대로 두면 모형이 오염된다.

여러 예측 기법의 결과를 가중평균해 사용하는 앙상블 방식이 단일 기법보다 예측 오차를 줄인다는 것이 최근 데이터 기반 연구에서 자주 확인된다. 신제품처럼 과거 데이터가 없는 경우에는 유사 제품의 수요 패턴을 참조하는 유추 예측 방식이 초기 예측의 대안으로 활용된다.

주의할 점

예측은 본질적으로 오차를 수반하므로 단일 수치보다 예측오차(MAD, MAPE)를 함께 관리하고 안전재고로 불확실성을 흡수해야 한다. 예측은 본질적으로 오차를 수반하므로 단일 수치보다 예측오차를 함께 관리하고 안전재고로 불확실성을 흡수해야 한다.

헷갈리기 쉬운 용어

예측 관련 용어와 구분하세요.

용어	무엇을 가리키나	수요예측과의 관계
지수평활법	최근 관측값에 큰 가중치를 두는 시계열 기법	수요예측에 쓰이는 방법의 하나
델파이기법	익명 전문가 설문을 반복해 합의를 도출	정성적 수요예측 방법의 하나
시계열 분석	시간순 자료에서 추세, 계절성을 찾아 설명·예측	수요예측의 정량적 도구
안전재고	수요·조달 불확실성으로 인한 품절을 막기 위한 추가 재고	예측 오차를 흡수하는 재고 정책

참고 문헌

Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts.
Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688.
Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.