한땀한땀 장인의 정신으로,
데이터 수집 가공이 9할

지난호에서는 유통업계에서 인공지능을 활용할 수 있는 사례로, 인공지능을 이용해 일별 상품 수요를 예측할 수 있는 방법을 간략히 소개했다. 이번호에서는 구체적으로 어떻게 인공지능을 활용해 최적의 상품 수요를 예측할 수 있는지 단계별로 알아보겠다.

상품 수요예측의 구체적인 단계를 알아보기 전에 우선 최적의 수요예측을 위해서는 AI, 즉 인공지능 딥러닝 알고리즘과 클라우드 환경상에서의 인프라를 활용하지 않고서는 불가능하다는 것을 전제하겠다.

1단계 데이터 수집
가장 중요한 시계열 데이터 수집이 핵심

수요예측의 첫 번째 단계는 데이터 수집단계다. 점포에서 수요예측을 위해 필요한 데이터 종류는 크게 세 가지로 나눌 수 있다. 첫째는 예측하고자 하는 상품의 시계열 데이터(Target Time-Series Dataset)다. 2년 혹은 3년치의 상품 판매량, 재고, 주문, 발주 수량 등의 데이터로 가장 중요하고 근간이 되는 데이터다.

두 번째 데이터는 상품 판매에 영향을 미치는 내외부 변수 데이터(Related Time-Series Dataset)다. 내부 데이터로는 해당 상품의 일자별 가격, 프로모션 여부, 할인율, 특정 시점(명절, 연말연시, 창립기념일, 김장철, 크리스마스, 어린이날, 올림픽), 상품 수명주기, 상품별 마케팅 비용(광고비) 등이 있다. 외부 데이터 중에서는 당연히 날씨와 강수량 데이터가 가장 중요하다. 상품의 수요예측에 있어 기온이나 비, 눈 같은 날씨 데이터는 매우 중요하다. 요즘에는 미세먼지 수치도 중요해지고 있다. 날씨 외에도 지역별 인구 증감, 경제 지표 등을 분석해야 한다.

세 번째 데이터는 관련 상품에 대한 속성 데이터다. 메타 데이터라 하는데, 상품의 브랜드와 선호도 추이, 유통기간, 점포에서의 진열공간 크기, 단종 정보, 색상, 성분 등이 있다. 메타 데이터라는 것은 워낙 방대하기 때문에 수집 및 활용이 쉽지 않다. 그래서 일단은 시계열 ...기사전문보기