수요예측

수요예측은 미래 시점에서 소비자가 수요할 상품과 서비스의 양을 예측하는 과정을 말합니다.^[1]보다 구체적으로, 수요 예측 방법은 주요 경제 상황을 고려하여 예측 분석을 사용하여 고객 수요를 추정하는 것을 수반합니다.이는 효율적인 공급망 관리를 통해 비즈니스 수익성을 최적화하는 데 중요한 도구입니다.수요예측 방법은 크게 질적 방법과 양적 방법 두 가지로 구분됩니다.정성적 방법은 전문가의 의견과 현장에서 수집한 정보를 바탕으로 합니다.이 방법은 최근에 기업이나 제품이 시장에 출시된 경우와 같이 분석에 사용할 수 있는 최소한의 데이터가 있는 경우에 주로 사용됩니다.그러나 정량적 방법은 예측을 생성하기 위해 사용 가능한 데이터와 분석 도구를 사용합니다.수요 예측은 자원 할당, 재고 관리, 미래 용량 요구 사항 평가 또는 새로운 시장 진출 여부에 대한 의사 결정에 사용될 수 있습니다.^[2]

기업에 대한 수요예측의 중요성

수요 예측은 특히 특정 비즈니스 활동과 관련된 위험을 완화하는 것과 관련하여 다양한 산업 분야의 비즈니스에 중요한 역할을 합니다.그러나 수요예측은 분석, 구체적으로 계량분석의 복잡성 때문에 기업들에게 어려운 과제로 알려져 있습니다.^[3]그럼에도 불구하고, 고객의 요구를 이해하는 것은 비즈니스 활동이 효율적으로 구현되고 시장의 요구에 보다 적절하게 대응하기 위해 어떤 산업에서도 필수적인 부분입니다.기업이 수요를 효과적으로 예측할 수 있다면 여러 가지 이점을 얻을 수 있습니다.여기에는 폐기물 감소, 자원의 최적화된 할당, 잠재적으로 매출 및 수익의 큰 증가 등이 포함되지만 이에 국한되지는 않습니다.

위의 내용을 상세히 설명하면, 기업이 수요 예측을 요구하는 몇 가지 이유는 다음과 같습니다.

목표 달성 - 대부분의 성공적인 조직은 비즈니스가 이상적인 산출물로 운영되도록 하기 위해 성장 궤도와 장기적인 계획을 미리 정하게 됩니다.기업은 미래 수요 시장을 이해함으로써 이러한 비즈니스 환경에서 목표를 달성할 수 있도록 능동적으로 대처할 수 있습니다.
비즈니스 의사 결정 - 목표 달성과 관련하여 미래의 산업 수요를 완벽하게 이해함으로써 경영진과 주요 이사회 구성원들은 보다 높은 수익성과 성장을 촉진하는 전략적인 비즈니스 의사 결정을 내릴 수 있습니다.이러한 결정은 일반적으로 용량, 시장 목표, 원료 확보, 공급업체 계약 방향 파악 등의 개념과 관련되어 있습니다.
성장 - 미래 예측을 정확하게 이해함으로써 기업은 비용 효율적으로 확장할 수 있는 기간 내에 확장의 필요성을 파악할 수 있습니다.^[4]
인적 자본 관리 - 산업에서 수요가 빠르게 증가하고 있지만 판매 주문을 충족시킬 수 있는 직원 수가 부족한 경우 고객이 경쟁사에서 구매할 수 밖에 없어 소비자 충성도에 악영향을 미칠 수 있습니다.^[5]
재무 계획 - 현금 흐름, 재고 회계 및 일반 운영 비용과 같은 요소에서 향후 운영에 대한 예산을 효율적으로 책정하기 위해서는 수요 예측을 이해하는 것이 매우 중요합니다.^[6]정확한 수요 예측 모델을 사용하면 안전 재고를 덜 보유해야 하므로 기업의 운영 비용이 크게 감소할 수 있습니다.^[7]

수요예측기법

수요를 예측하는 데 사용되는 다양한 통계 및 계량 분석이 있습니다.^[8]수요 예측은 7단계 프로세스로 구분할 수 있으며, 7단계는 다음과 같습니다.

Stage 1 : 이론 또는 가설의 진술

수요를 예측하는 첫 번째 단계는 다양한 비즈니스 전략을 도출하기 위한 일련의 목표 또는 정보를 결정하는 것입니다.이러한 목표는 일반적으로 경제 이론 또는 이전 경험적 연구의 혼합에서 나오는 일련의 가설에 기초합니다.예를 들어, 관리자는 수요 탄력성이 과거 회사 매출에 어떤 영향을 미쳤는지에 따라 새 제품의 최적 가격과 생산량을 파악하려고 할 수 있습니다.

IMT2000 3GPP - 2단계 : 모델명세

관리자가 수행하고자 하는 분석에 따라 다양한 계량 모형이 있습니다.수요를 예측하기 위해 선택되는 모형의 유형은 얻은 데이터의 유형이나 관측치의 수 등 여러 가지 측면에 따라 달라집니다.^[9]이 단계에서는 수요 예측에 사용할 변수의 유형을 정의하는 것이 중요합니다.회귀 분석은 예측을 위한 주요 통계 방법입니다.회귀 분석에는 여러 가지 유형이 있지만 기본적으로 하나 또는 여러 개의 변수가 측정되는 종속 변수에 어떤 영향을 미치는지에 대한 분석을 제공합니다.수요 예측 모형의 예로는 M을 들 수 있습니다.계절성을 측정하기 위한 Roodman(1986)의 수요예측 회귀모형은 측정되는 데이터 포인트에 영향을 미칩니다.^[10]이 모형은 선형 회귀 모형을 기반으로 하며, 계절적 주기를 기반으로 한 선형 추세와 이들이 수요에 미치는 영향, 즉 여름과 겨울의 매출을 기반으로 한 제품에 대한 계절적 수요를 측정하는 데 사용됩니다.

선형 회귀 모형은 다음과 같이 설명됩니다.

Y_{i}=\beta _{0}+\beta _{1}X_{i}+e

$Y_{i}$ ${\$ 가 $Y_{i}$ 종속변수일 때, $\beta _{0}$ 0 ${\$ 가 $\beta _{0}$ 절편, $\beta _{1}$ $\beta _{1}$ ${\$ 가 기울기 $\beta _{1}$ 계수, $X_{i}$ ${\$ 가 독립 $X_{i}$ 변수, $e$ 가 오차항입니다.

M.Roodman의 수요 예측 모델은 선형 회귀를 기반으로 하며 다음과 같이 설명됩니다.

\lambda _{q}=\{t\mid t=1,\dots,n{\text{및 }}t{\bmod {Q}=q\}\qquad q=1,\dots,Q

$\lambda _{q}$ $\lambda _{q}$ ${\displayst$ 는 분기 $q$ 의 모든 t $지수$ 집합으로 정의됩니다.분기 $q$ 에 속하는 모든 $기간$ 의 데이터를 생성하는 프로세스는 다음과 같습니다.

{\displaystyle Y_{t}=(\beta +\tau \times t)\times \times \times \times \times \times \times \times \times \t

${\displaystyle Y_$ = 기간별 기준
$β$ $=$ 시계열 지평선 시작 시점의 기본 수요
$τ =$ 분기별 선형 추세
$\sigma _{q}$ $\sigma _{q}$ ${\displayst$ = 분기의 승수 계절 요인
$e$ $=$ 방해 용어

IMT2000 3GPP - 데이터 수집

2단계에서 모델의 종류가 지정되면 데이터와 데이터 수집 방법을 지정해야 합니다.수집할 변수를 결정하려면 먼저 모형을 지정해야 합니다.반대로, 원하는 예측 모델을 결정할 때, 정확한 모델을 공식화하기 위해서는 이용 가능한 데이터 또는 데이터를 수집하는 방법을 고려해야 합니다.수집 시계열 데이터와 횡단면 데이터는 사용할 수 있는 다양한 수집 방법입니다.시계열 데이터는 시간에 따라 순차적으로 수행된 과거 관측치를 기반으로 합니다.이러한 관측치는 데이터에서 관련 통계량, 특성 및 통찰력을 도출하는 데 사용됩니다.^[11]시계열 데이터를 사용하여 수집할 수 있는 데이터 포인트는 매출액, 가격, 제조 비용 및 해당 시간 간격(예: 주간, 월간, 분기, 연간 또는 기타 정기적인 간격)일 수 있습니다.횡단면 데이터는 단일 개체에 대해 서로 다른 기간에 수집된 데이터를 말합니다.수요 예측에 사용되는 횡단면 데이터는 일반적으로 개별, 기업, 산업 또는 지역에서 수집된 데이터 점을 나타냅니다.예를 들어, 1분기 동안 A사의 매출입니다.이러한 유형의 데이터는 다양한 데이터 포인트를 캡슐화하여 최종 데이터 포인트를 산출합니다.데이터 점의 부분 집합은 관측 가능하거나 결정 가능하지 않을 수 있지만 수요 예측 모형에 정밀도를 추가하는 실용적인 방법이 될 수 있습니다.^[12]데이터의 출처는 회사의 기록, 상업 또는 개인 기관 또는 공식 자료를 통해 확인할 수 있습니다.

IMT-2000 3GPP-Stage 4: 파라미터의 추정

모형과 데이터를 얻으면 값을 계산하여 독립 변수가 초점 종속 변수에 미치는 영향을 확인할 수 있습니다.선형 회귀 모형을 모수 추정의 예로 사용하면 다음 단계가 수행됩니다.

선형 회귀 분석 공식:

Y_{i}=\beta _{0}+\beta _{1}X_{i}+e

첫 번째 단계는 종속 변수의 관측치와 선으로부터의 적합치 사이의 차이의 제곱합을 최소화하는 선을 찾는 것입니다.^[8] ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ 는 Y ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ = ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ 0 + ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ ${\hat {Y}}_{i}=\beta _{0}+\beta _{1}{X_{i}}$ i ${\displaystyle {\hat {Y}}_{i$ }=\ $beta$ _ ${0}+\$ beta $_{1}{X_{i}}}$ 로 표현되어 σ $\Sigma (Y_{i}-{\hat {Y_{i}}})^{2}$ - $\Sigma (Y_{i}-{\hat {Y_{i}}})^{2}$ 2 ${\displaystyle \Sigma (Y_{i}-{\hat {Y_{i}})^{2},$ ${\hat {Y_{i}}}=\beta _{0}$ ${\hat {Y_{i}}}=\beta _{0}$ = ${\hat {Y_{i}}}=\beta _{0}$ ${\hat {Y_{i}}}=\beta _{0}$ ${\displaystyle {\hat {Y_{i$ }}=\ $beta _{0},$ 회귀선으로부터의 적합치입니다.

$\beta _{0}$ $\beta _{0}$ ${\displayst$ \beta $\beta _{0}$ $_$ { $0}}$ 및 $\beta _{1}$ $\beta _{1}$ ${\displayst$ $\beta _{0}$ \beta _{ $1}도$ 선의 절편과 기울기를 찾으려면 표현해야 합니다. $\beta _{0}$ $\beta _{0}$ ${\$ \ $beta$ _ ${0}}$ 및 $\beta _{1}$ 1 ${\displaystyle$ \ $beta$ _{ $1}}$ 을 결정하는 방법은 $\beta _{0}$ $\beta _{1}$ 0 ${\$ \ $beta$ _ ${0} 및$ $\beta _{1}$ $\beta _{1}$ ${\$ \ $beta$ _ ${1} 모두$ 에 대해 부분 미분을 사용하여 두 식을 0으로 설정하고 동시에 해결하는 것입니다.이러한 변수를 생략하는 방법은 다음과 같습니다.

{\begin{aligned}\beta _{1}&={\frac {n\Sigma XY-\Sigma X-(\Sigma X))^{n\Sigma X^{2}}\\beta _{0}&={\frac {\Sigma Y}{n}-{\frac {{1}\Sigma X}{n}}\end{aligned}

Stage 5: 모델의 정확도 확인

수요 예측 정확도를 계산하는 것은 제품에 대한 고객 수요와 관련하여 이루어지는 예측의 정확도를 결정하는 과정입니다.^[13]^[14]고객 수요를 이해하고 예측하는 것은 재고 소진을 방지하고 적절한 재고 수준을 유지하기 위해 제조업체와 유통업체에 필수적입니다.예측이 완벽하지는 않지만 실제 수요에 대비하기 위해서는 필요합니다.최적화된 재고와 효과적인 공급망을 유지하기 위해서는 정확한 수요 예측이 필수적입니다.

공급망 예측 정확도 계산

공급망의 예측 정확도는 일반적으로 Mean Absolute Percent Error 또는 MAPE를 사용하여 측정합니다.통계적으로 MAPE는 백분율 오차의 평균으로 정의됩니다.

그러나 대부분의 실무자는 MAPE를 평균 매출로 나눈 평균 절대 편차로 정의하고 사용합니다. 이는 MAD/평균 비율이라고도 불리는 부피 가중치 MAPE에 불과합니다.이는 절대편차의 합을 전체 제품의 총 매출액으로 나눈 것과 같습니다.이 계산 ∑ ${\frac {\sum {|A-F|}}{\sum {A}}}$ - ${\frac {\sum {|A-F|}}{\sum {A}}}$ ∑ ${\frac {\sum {|A-F|}}{\sum {A}}}$ ${\displaystyle {\frac {\sum {A-F}}{\sum {A$ 여기서 $A$ 는 실제 값이고 $F$ 는 예측값이며 WAPE 또는 가중 절대 백분율 오류라고도 합니다.

또 다른 흥미로운 옵션은 가중치가 ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ 된 MAPE ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ = ∑ ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ ⋅ ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ - ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ ∑ ( ${\text{MAPE}}={\frac {\sum (w\cdot |A-F|)}{\sum (w\cdot A)}}$ ⋅ A $)$ {\ $displaystyle {\text{$ $MAPE}}={\frac {\sum (w\cdot A-F )}{\sum (w\cdot$ A $)}}.$ 이 측정의 장점은 오류를 가중시킬 수 있다는 것입니다.유일한 문제는 계절별 제품의 경우 판매량이 = 0이고 대칭적이지 않을 때 정의되지 않은 결과를 만든다는 것입니다.이는 매출액이 예측치보다 낮은 경우보다 많을 경우 훨씬 더 정확하지 않을 수 있음을 의미합니다.sMAPE는 대칭 평균 절대 백분율 오류라고도 하며 이를 수정하는 데 사용됩니다.

마지막으로, 간헐적인 수요 패턴에 대해서는 위의 어떤 것도 특별히 유용하지 않습니다.이러한 상황에서 기업은 MASE(Mean Absolute Scale Error)를 주요 성능 지표로 고려할 수 있습니다.그러나 이 계산법은 위와 같이 직관적이지 않아 사용하기가 어렵습니다.^[15]특히 간헐적 또는 정체된 수요 패턴이 존재할 때 고려해야 할 또 다른 지표는 SPEC(Stock-keeping-oriented Prediction Error Costs)입니다.^[16]이 지표의 배경이 되는 개념은 예측 시점에서 발생하는 이론적 비용을 계산하여 예측 수요와 실제 수요를 비교하는 것입니다.실제 수요보다 높은 예측 수요는 재고 유지 비용을 초래하는 반면, 실제 수요보다 낮은 예측 수요는 기회 비용을 초래한다고 가정합니다.SPEC은 시간적 이동(실제 수요 이전 또는 이후의 예측) 또는 비용 관련 측면을 고려하며 비즈니스 측면을 기반으로 한 수요 예측 간의 비교도 가능합니다.

예측오차산출중

실제 매출액을 기준으로 예측 오차를 계산해야 합니다.평균 백분율 오차, 평균 제곱 오차, 추적 신호 및 예측 편의와 같은 여러 형태의 예측 오차 계산 방법이 사용됩니다.

6단계 : 가설검정

모형이 결정되면 첫 번째 단계에서 설명된 이론이나 가설을 검정하는 데 모형이 사용됩니다.결과는 무엇을 달성하려고 하는지를 설명하고 이론이나 가설이 참인지 거짓인지 판단해야 합니다.첫 번째 단계에서 제공된 예와 관련하여, 모형은 시장의 수요 탄력성과 과거 회사 매출에 미치는 상관 관계를 보여주어야 합니다.이를 통해 관리자는 신제품의 최적 가격과 생산 수준에 대한 정보에 입각한 결정을 내릴 수 있습니다.

Stage 7 : 예측

마지막 단계는 생성된 데이터 세트와 모델을 기반으로 수요를 예측하는 것입니다.수요를 예측하기 위해 선택한 변수의 추정치를 사용하여 수요에 미치는 영향을 결정합니다.선택한 변수의 추정과 관련하여 회귀 모형을 사용하거나 정성적 평가와 정량적 평가를 모두 실시할 수 있습니다.정성적 및 정량적 평가의 예는 다음과 같습니다.

정성평가

편법판단
예측시장
델파이 기법
게임이론
판정 부트스트래핑
시뮬레이션된 상호작용
의도 및 기대조사
집행 방식의 배심원

정량평가

이산 이벤트 시뮬레이션
외삽법
GMDH(Group Method of Data Handling)
기준반예측
정량적 비유
규칙 기반 예측
혁신의 확산
신경망
데이터 마이닝
컨조인트 분석
인과모형
세그멘테이션
지수 평활 모형
박스-젠킨스 모델
하이브리드 모델

다른이들

그 밖에 다음이 있습니다.

이동평균

시계열 투영법
- 이동평균법
- 지수평활법
- 추세투영법
선행지표

인과법
- 연쇄비법
- 소비수준법
- 최종사용방법
- 선행지표법

참고 항목

참고문헌

^ Acar, A. Zafer; Yilmaz, Behlül; Kocaoglu, Batuhan (2014-06-16). "DEMAND FORECAST, UP-TO-DATE MODELS, AND SUGGESTIONS FOR IMPROVEMENT AN EXAMPLE OF A BUSINESS" (PDF). Journal of Global Strategic Management. 1 (8): 26–26. doi:10.20460/JGSM.2014815650. ISSN 1307-6205.
^ Adhikari, Nimai Chand Das; Domakonda, Nishanth; Chandan, Chinmaya; Gupta, Gaurav; Garg, Rajat; Teja, S.; Das, Lalit; Misra, Ashutosh (2019), Smys, S.; Bestak, Robert; Chen, Joy Iong-Zong; Kotuliak, Ivan (eds.), "An Intelligent Approach to Demand Forecasting", International Conference on Computer Networks and Communication Technologies, Singapore: Springer Singapore, vol. 15, pp. 167–183, doi:10.1007/978-981-10-8681-6_17, ISBN 978-981-10-8680-9, retrieved 2023-04-27
^ Ivanov, Dmitry; Tsipoulanidis, Alexander; Schönberger, Jörn (2021), Ivanov, Dmitry; Tsipoulanidis, Alexander; Schönberger, Jörn (eds.), "Demand Forecasting", Global Supply Chain and Operations Management: A Decision-Oriented Introduction to the Creation of Value, Cham: Springer International Publishing, pp. 341–357, doi:10.1007/978-3-030-72331-6_11#doi, ISBN 978-3-030-72331-6, retrieved 2023-04-27
^ "Demand Forecasting: An Industry Guide". Demand Caster.
^ "The Advantages of Demand Forecasting". Small Business - Chron.com. Retrieved 2023-04-27.
^ Diezhandino, Ernesto (2022-07-04). "Importance and Benefits of Forecasting Customer Demand". Keepler Cloud Data Driven Partner. Retrieved 2023-04-27.
^ Hamiche, Koussaila; Abouaïssa, Hassane; Goncalves, Gilles; Hsu, Tienté (2018-01-01). "A Robust and Easy Approach for Demand Forecasting in Supply Chains". IFAC-PapersOnLine. 16th IFAC Symposium on Information Control Problems in Manufacturing INCOM 2018. 51 (11): 1732–1737. doi:10.1016/j.ifacol.2018.08.206. ISSN 2405-8963.
^ ^a ^b Wilkinson, Nick (2005-05-05). Managerial Economics: A Problem-Solving Approach (1 ed.). Cambridge University Press. doi:10.1017/cbo9780511810534.008. ISBN 978-0-521-81993-0.
^ Sukhanova*, E.I.; Shirnaeva, S.Y.; Zaychikova, N.A. (2019-03-20). "Modeling And Forecasting Financial Performance Of A Business: Statistical And Econometric Approach". The European Proceedings of Social and Behavioural Sciences. Cognitive-Crcs: 487–496. doi:10.15405/epsbs.2019.03.48. S2CID 159058405.
^ Roodman, Gary M. (1986). "Exponentially smoothed regression analysis for demand forecasting". Journal of Operations Management. 6 (3–4): 485–497. doi:10.1016/0272-6963(86)90019-7.
^ Ngan, Chun-Kit, ed. (2019-11-06). Time Series Analysis - Data, Methods, and Applications. IntechOpen. doi:10.5772/intechopen.78491. ISBN 978-1-78984-778-9. S2CID 209066704.
^ Johnston, Richard G. C.; Brady, Henry E. (2006). Capturing Campaign Effects. Ann Arbor: University of Michigan Press. ISBN 978-0-472-02303-5.
^ Hyndman, R.J., 쾰러, A.B (2005) "예측 정확도의 측정을 다시 살펴봅니다.", 모나시 대학.
^ 후버, 짐(2009) "프로세스 개선을 안내하기 위해 예측 정확도를 추적하는 방법", 선견지명:국제 응용 예측 저널.
^ 여기서 재미있는 토론을 보실 수 있습니다.
^ Martin, Dominik; Spitzer, Philipp; Kühl, Niklas (2020). "A New Metric for Lumpy and Intermittent Demand Forecasts: Stock-keeping-oriented Prediction Error Costs". Proceedings of the 53rd Annual Hawaii International Conference on System Sciences. doi:10.5445/IR/1000098446.

서지학

밀게이트, 머레이 (2008년 3월)."상품과 상품."스티븐 N. 덜로프와 로렌스 E.블루.뉴 팔그레이브 경제학 사전(제2판).팔그레이브 맥밀런. 546-48쪽. 도이:10.1057/9780230226203.0657.2010-03-24 검색.
몬타니, 귀도 (1987)"희소성".Eatwell, J. Millgate, M., Newman, P.뉴 팔그레이브.경제학사전 4.팔그레이브, 하운드밀. 253-54쪽.

[1] Acar, A. Zafer; Yilmaz, Behlül; Kocaoglu, Batuhan (2014-06-16). "DEMAND FORECAST, UP-TO-DATE MODELS, AND SUGGESTIONS FOR IMPROVEMENT AN EXAMPLE OF A BUSINESS" (PDF). Journal of Global Strategic Management. 1 (8): 26–26. doi:10.20460/JGSM.2014815650. ISSN 1307-6205.

[2] Adhikari, Nimai Chand Das; Domakonda, Nishanth; Chandan, Chinmaya; Gupta, Gaurav; Garg, Rajat; Teja, S.; Das, Lalit; Misra, Ashutosh (2019), Smys, S.; Bestak, Robert; Chen, Joy Iong-Zong; Kotuliak, Ivan (eds.), "An Intelligent Approach to Demand Forecasting", International Conference on Computer Networks and Communication Technologies, Singapore: Springer Singapore, vol. 15, pp. 167–183, doi:10.1007/978-981-10-8681-6_17, ISBN 978-981-10-8680-9, retrieved 2023-04-27

[3] Ivanov, Dmitry; Tsipoulanidis, Alexander; Schönberger, Jörn (2021), Ivanov, Dmitry; Tsipoulanidis, Alexander; Schönberger, Jörn (eds.), "Demand Forecasting", Global Supply Chain and Operations Management: A Decision-Oriented Introduction to the Creation of Value, Cham: Springer International Publishing, pp. 341–357, doi:10.1007/978-3-030-72331-6_11#doi, ISBN 978-3-030-72331-6, retrieved 2023-04-27

[4] "Demand Forecasting: An Industry Guide". Demand Caster.

[5] "The Advantages of Demand Forecasting". Small Business - Chron.com. Retrieved 2023-04-27.

[6] Diezhandino, Ernesto (2022-07-04). "Importance and Benefits of Forecasting Customer Demand". Keepler Cloud Data Driven Partner. Retrieved 2023-04-27.

[7] Hamiche, Koussaila; Abouaïssa, Hassane; Goncalves, Gilles; Hsu, Tienté (2018-01-01). "A Robust and Easy Approach for Demand Forecasting in Supply Chains". IFAC-PapersOnLine. 16th IFAC Symposium on Information Control Problems in Manufacturing INCOM 2018. 51 (11): 1732–1737. doi:10.1016/j.ifacol.2018.08.206. ISSN 2405-8963.

[:0-8] Wilkinson, Nick (2005-05-05). Managerial Economics: A Problem-Solving Approach (1 ed.). Cambridge University Press. doi:10.1017/cbo9780511810534.008. ISBN 978-0-521-81993-0.

[9] Sukhanova*, E.I.; Shirnaeva, S.Y.; Zaychikova, N.A. (2019-03-20). "Modeling And Forecasting Financial Performance Of A Business: Statistical And Econometric Approach". The European Proceedings of Social and Behavioural Sciences. Cognitive-Crcs: 487–496. doi:10.15405/epsbs.2019.03.48. S2CID 159058405.

[10] Roodman, Gary M. (1986). "Exponentially smoothed regression analysis for demand forecasting". Journal of Operations Management. 6 (3–4): 485–497. doi:10.1016/0272-6963(86)90019-7.

[11] Ngan, Chun-Kit, ed. (2019-11-06). Time Series Analysis - Data, Methods, and Applications. IntechOpen. doi:10.5772/intechopen.78491. ISBN 978-1-78984-778-9. S2CID 209066704.

[12] Johnston, Richard G. C.; Brady, Henry E. (2006). Capturing Campaign Effects. Ann Arbor: University of Michigan Press. ISBN 978-0-472-02303-5.

[13] Hyndman, R.J., 쾰러, A.B (2005) "예측 정확도의 측정을 다시 살펴봅니다.", 모나시 대학.

[14] 후버, 짐(2009) "프로세스 개선을 안내하기 위해 예측 정확도를 추적하는 방법", 선견지명:국제 응용 예측 저널.

[15] 여기서 재미있는 토론을 보실 수 있습니다.

[16] Martin, Dominik; Spitzer, Philipp; Kühl, Niklas (2020). "A New Metric for Lumpy and Intermittent Demand Forecasts: Stock-keeping-oriented Prediction Error Costs". Proceedings of the 53rd Annual Hawaii International Conference on System Sciences. doi:10.5445/IR/1000098446.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

Search