지수 평활은 주어진 기간에 대한 기사에 대한 수요를 예측하는 방법입니다. 이 방법은 수요가 주어진 기간의 과거 소비 평균과 같을 것으로 추정하여 시간에 더 가까운 값에 더 큰 가중치 또는 가중치를 부여합니다. 또한 다음 예측의 경우 현재 예측의 기존 오류를 고려합니다.
수요 예측은 제품 또는 서비스에 대한 고객 수요를 예측하는 방법입니다. 이 프로세스는 연속적이며, 관리자는 과거 데이터를 사용하여 상품 또는 서비스에 대한 판매 수요를 계산합니다.
출처 : pixabay.com
회사의 과거 정보를 시장 경제 데이터에 추가하여 매출이 증가할지 감소하는지 확인합니다.
수요 예측의 결과는 영업 부서의 목표를 설정하는 데 사용되며 회사의 목표와 일치하도록 노력합니다.
지수 평활 방법
평활화는 매우 일반적인 통계 프로세스입니다. 평활화 된 데이터는 종종 다양한 형태의 일상 생활에서 발견됩니다. 평균을 사용하여 무언가를 설명 할 때마다 평활화 된 숫자가 사용됩니다.
올해 기록상 가장 따뜻한 겨울을 경험했다고 가정 해 보겠습니다. 이를 정량화하기 위해 기록 된 각 연도의 겨울 기간에 대한 일일 온도 데이터 세트로 시작합니다.
이렇게하면 "점프"가 큰 숫자가 많이 생성됩니다. 한 겨울을 다른 겨울과 쉽게 비교할 수 있도록 데이터에서 이러한 모든 점프를 제거하는 숫자가 필요합니다.
데이터의 점프를 제거하는 것을 평활화라고합니다. 이 경우 단순 평균을 사용하여 평활화를 달성 할 수 있습니다.
예측에서 평활화
수요 예측의 경우 평활화는 또한 과거 수요의 변동을 제거하는 데 사용됩니다. 이를 통해 향후 수요를 추정하는 데 사용할 수있는 수요 패턴을 더 잘 식별 할 수 있습니다.
수요의 변동은 온도 데이터의 "점프"와 동일한 개념입니다. 수요 내역의 변동을 제거하는 가장 일반적인 방법은 평균 또는 특히 이동 평균을 사용하는 것입니다.
이동 평균은 미리 정의 된 기간 수를 사용하여 평균을 계산하며 해당 기간은 시간이 지남에 따라 이동합니다.
예를 들어 4 개월 이동 평균을 사용하고 오늘이 5 월 1 일인 경우 1 월, 2 월, 3 월 및 4 월의 평균 수요를 사용합니다. 6 월 1 일에는 2 월, 3 월, 4 월, 5 월의 수요가 사용됩니다.
가중 이동 평균
단순 평균을 사용하는 경우 데이터 세트의 각 값에 동일한 중요도가 적용됩니다. 따라서 4 개월 이동 평균에서 각 월은 이동 평균의 25 %를 나타냅니다.
수요 이력을 사용하여 미래 수요를 예측함으로써 가장 최근 기간이 예측에 더 큰 영향을 미친다는 것을 알 수 있습니다.
이동 평균 계산은 원하는 결과를 얻기 위해 각 기간에 서로 다른 "가중치"를 적용하도록 조정할 수 있습니다.
이러한 가중치는 백분율로 표시됩니다. 모든 기간에 대한 모든 가중치의 합계는 100 %가되어야합니다.
따라서 4 개월 가중 평균에서 가장 가까운 기간의 가중치로 35 %를 적용하려면 100 %에서 35 %를 빼고 나머지 세 기간으로 나누기 위해 65 %를 남길 수 있습니다.
예를 들어 4 개월 동안 각각 15 %, 20 %, 30 % 및 35 %의 가중치로 끝낼 수 있습니다 (15 + 20 + 30 + 35 = 100).
지수 평활
지수 평활 계산을위한 제어 입력을 평활 계수라고합니다. 가장 최근 기간 동안 수요에 적용된 가중치를 나타냅니다.
가중 이동 평균 계산에서 35 %가 가장 최근 기간 가중치로 사용되는 경우 지수 평활 계산에서 평활 계수로 35 %를 사용하도록 선택할 수도 있습니다.
지수 부분
지수 평활 계산의 차이점은 이전 기간에 적용 할 가중치를 계산할 필요없이 평활 계수를 사용하여 자동으로 수행한다는 것입니다.
이것은 "지수"부분입니다. 35 %를 평활 계수로 사용하는 경우 가장 최근 기간의 수요 가중치는 35 %가됩니다. 최근 수요 이전 기간의 수요 가중치는 35 %의 65 %가됩니다.
65 %는 100 %에서 35 %를 뺀 값입니다. 이는 해당 기간 동안 22.75 %의 가중치와 동일합니다. 다음 가장 최근 기간의 수요는 35 %에서 65 %에서 65 %로 14.79 %와 같습니다.
이전 기간은 9.61 %에 해당하는 35 %의 65 % 65 %의 65 %로 가중치가 부여됩니다. 이는 첫 번째 기간까지 모든 이전 기간에 대해 수행됩니다.
공식
지수 평활을 계산하는 공식은 다음과 같습니다. (D * S) + (P * (1-S)), 여기서,
D = 해당 기간의 가장 최근 수요.
S = 10 진수 형식으로 표시되는 평활 계수 (35 %는 0.35).
P = 이전 기간의 평활 계산으로 인한 가장 최근 기간의 예측.
스무딩 계수가 0.35라고 가정하면 (D * 0.35) + (P * 0.65)가됩니다.
보시다시피, 필요한 유일한 데이터 입력은 수요와 가장 최근 기간 예측입니다.
예
한 보험 회사가 차량 보험을 제공하면서 미국에서 가장 큰 도시로 시장을 확장하기로 결정했습니다.
초기 조치로이 회사는이 도시의 주민들이 차량 보험을 얼마나 많이 구매할 것인지 예측하려고합니다.
이를 위해 다른 작은 도시에서 구입 한 자동차 보험 금액을 초기 데이터로 사용합니다.
기간 1에 대한 수요 예측은 2,869 계약 차량 보험이지만 해당 기간의 실제 수요는 3,200이었습니다.
회사 재량에 따라 0.35의 평활 계수를 할당합니다. 다음 기간에 대한 예측 수요는 P2 = (3200 * 0.35) + 2869 * (1-0.35) = 2984.85입니다.
이 같은 계산이 1 년 전체에 대해 이루어졌고 실제로 얻은 것과 그 달에 대해 예측 한 것 사이의 다음 비교 표를 얻었습니다.
평균화 기법과 비교하여 지수 평활은 추세를 더 잘 예측할 수 있습니다. 그러나 그래프에서 볼 수 있듯이 여전히 부족합니다.
예측의 회색 선이 파란색 수요 선을 완전히 따르지 않고 훨씬 아래 또는 위에있을 수 있음을 알 수 있습니다.
참고 문헌
- Wikipedia (2019). 지수 평활. 출처 : es.wikipedia.org.
- Ingenio Empresa (2016). 단순 지수 평활을 사용하여 수요를 예측하는 방법. 출처 : ingenioempresa.com.
- 데이브 피아 세키 (2019). 지수 평활 설명. 출처 : inventoryops.com.
- 연구 (2019). 수요 예측 기법 : 이동 평균 및 지수 평활. 출처 : study.com.
- Cityu (2019). 지수 평활 방법. 출처 : personal.cb.cityu.edu.hk.