통신예측
Telecommunications forecasting모든 전기통신 사업자는 네트워크 계획을 지원하기 위해 예측 계산을 수행한다.[1]정확한 예측은 사업자들이 제품 출시 전에 제품 개발 및 소개, 광고, 가격 책정 등과 관련된 주요 투자 결정을 할 수 있도록 도와주는데, 이는 회사가 새로운 벤처에서 이익을 내고 자본이 현명하게 투자될 수 있도록 보장하는 데 도움이 된다.[2]null
예측이 사용되는 이유는?
예측은 여러 목적을 위해 실시할 수 있으므로, 계산을 수행하는 이유를 명확히 정의하고 이해하는 것이 중요하다.예측하는 일반적인 이유로는 다음과 같다.[2]
- 계획 및 예산 – 예측 데이터를 사용하면 네트워크 설계자가 얼마나 많은 장비를 구입하고 어디에 배치할 것인지 결정하여 트래픽 부하를 최적의 상태로 관리할 수 있다.
- 평가 – 예측은 경영진이 의사결정을 내린 결정이 회사에 유리하게 작용할지 또는 손해를 끼칠지를 결정하는 데 도움이 될 수 있다.
- 검증 – 새로운 예측 데이터를 사용할 수 있게 되면 새로운 예측이 기존 예측에 의해 예측된 결과를 검증하는지 여부를 확인할 필요가 있다.[clarification needed]
예측의 목적을 알면 다음과 같은 추가 질문에 대답하는 데 도움이 될 것이다.[2]
- 무엇을 예측하고 있는가?– 이벤트, 동향, 변수, 기술
- 집중 수준 – 단일 제품 또는 전체 제품군에 집중, 단일 회사 또는 전체 산업에 집중
- 예측은 얼마나 자주 실시되는가?– 일별, 주별, 월별, 연간
- 사용된 방법이 경영진이 취해야 할 결정을 반영하고 있는가?
- 결정을 내리는 데 사용할 수 있는 자원은 무엇인가?– 리드 타임, 직원, 관련 데이터, 예산 등
- 발생할 수 있는 오류의 유형은 무엇이며, 이로 인해 회사는 어떤 대가를 치르게 되는가?
예측에 영향을 미치는 요인
예측 시 어떤 요소가 계산에 영향을 미칠 수 있는지, 그리고 어느 정도까지 영향을 미칠 수 있는지를 이해하는 것이 중요하다.다음과 같은 몇 가지 공통 요인의 목록을 볼 수 있다.[2]
- 기술
- 경제학
- 글로벌 경제 – 경제 풍토, 예측, 추정, 경제 요인, 금리, 프라임 금리, 성장, 경영진의 전망, 투자자들의 자신감, 정치
- 부문별 경제 – 산업, 투자자의 전망, 통신, 신흥 기술 성장률, 경기 침체 및 둔화 추세
- 거시 경제 – 인플레이션, GDP, 수출, 환율, 수입, 정부 적자, 경제 건강
- 인구통계학
- 지역 인구 수 측정 - 출생자 수, 거주자 수, 사망자 수
- 사람들의 생활 방식 – 건강, 출산율, 결혼율, 노령화율, 임신, 사망률
자료작성
예측을 수행하기 전에 사용 중인 데이터는 "준비"되어야 한다.데이터에 오류가 있으면 예측 결과도 똑같이 결함이 있을 것이다.그러므로 모든 변칙적인 데이터를 제거하는 것이 중요하다.그러한 절차를 데이터 "스크러빙"[2]이라고 한다."특이치"로 알려진 데이터 점 제거와 관련된 데이터 스크러빙.특이치는 정규 패턴 밖에 있는 데이터다.그것들은 보통 변칙적이고 종종 독특한 사건들에 의해 발생하기 때문에 재발할 것 같지 않다.특이치를 제거하면 데이터 무결성이 향상되고 예측의 정확도가 높아진다.null
예측 방법
예측을 실시하기 위해 사용되는 방법은 다양하다.이들은 자신들이 개발한 이론에 따라 다른 그룹으로 나눌 수 있다.[2]
판단 기반 방법
판단 기반 방법은 예보가 실시되고 있는 분야에 상당한 경험이 있는 사람들의 의견과 지식에 의존한다.판단 기반 방법은 크게 두 가지가 있다.[2]
- 델파이 방법 – 델파이 방법에는 일련의 질문을 전문가에게 지시하는 것이 포함된다.전문가들은 미래 발전에 관한 추정치를 제시한다.연구자는 답변을 요약한 뒤 전문가들에게 의견을 수정하고 싶은지 질문하며 요약본을 다시 보낸다.델파이 방식은 그다지 신뢰성이 높지 않고 아주 드문 경우에서야 성공적으로 작동했다.
- 외삽법 – 외삽법은 일반적인 예측 방법이다.이는 미래 사건이 이전 사건들과 동일한 경계를 따라 계속 전개될 것이라는 가정에 근거한다. 즉 과거는 미래에 대한 좋은 예측 변수다.연구자는 먼저 이전 사건에 대한 데이터를 입수하여 이를 표시한다.그리고 나서 그는 패턴이 나타났는지 판단하며, 만약 나타났다면, 그는 패턴을 미래로 확장하려고 시도하고 그렇게 함으로써 일어날 것 같은 것에 대한 예측을 생성하기 시작한다.패턴을 확장하기 위해 연구자들은 일반적으로 S자형 로지스틱 함수나 곰퍼츠 곡선이나 파국적 곡선과 같은 단순한 외삽 규칙을 사용하여 외삽에 도움을 준다.연구자의 판단이 필요한 규칙을 정하는 데 있다.
조사방법
조사방법은 고객의 의견에 기초하므로 올바르게 수행하면 합리적으로 정확하다.조사를 실시함에 있어, 조사의 대상 집단을 파악할 필요가 있다.[3]이는 애초에 왜 예보가 실시되고 있는지 따져보면 알 수 있다.일단 대상 집단이 확인되면 샘플을 선택해야 한다.샘플은 대상의 하위 집합이며 대상 그룹의 모든 사람을 정확하게 반영하도록 선택되어야 한다.[3]그런 다음, 설문조사는 표본 그룹에 일련의 질문을 제기해야 하며, 그 답변이 기록되어야 한다.null
기록된 답변은 통계적 및 분석적 방법을 사용하여 분석해야 한다.평균 의견과 평균에 대한 변동은 사용할 수 있는 통계적 분석 기법이다.[3]그런 다음 분석 결과는 대안 예측 방법을 사용하여 확인해야 하며, 그 결과는 발표될 수 있다.[3]이 방법은 표본이 대상 그룹의 균형적이고 정확한 부분집합일 경우에만 정확하고 표본집단이 질문에 정확하게 답한 경우에만 정확하다는 것을 명심해야 한다.[3]null
시계열법
시계열 방법은 주기적인 기준으로 사건에 대해 취해진 측정을 기반으로 한다.[2]이러한 방법들은 그러한 데이터를 사용하여 미래로 추정하는 데 사용될 수 있는 모델을 개발함으로써 예측을 생성한다.각 모델은 다른 가정들의 집합에 따라 작동하며 다른 목적을 위해 설계된다.시계열 방법의 예는 다음과 같다.[2]
- 지수 평활 – 이 방법은 분석 중인 데이터의 이동 평균(예: 판매 수치의 이동 평균)을 기반으로 한다.
- 주기적 및 계절적 추세 – 이 방법은 반복 또는 계절적 기간에 발생하는 패턴이나 추세를 정의하는 데 도움이 되는 이전 데이터에 초점을 맞춘다.그런 다음, 연구자들은 현재 데이터를 사용하여 이 기간의 데이터에 적합하도록 패턴을 조정할 수 있으며, 그렇게 함으로써 현재 시즌 또는 사이클의 나머지 기간 동안 어떤 일이 일어날지 예측할 수 있다.
- 통계적 모델 – 통계적 모델을 통해 연구자는 변수 간의 통계적 관계를 개발할 수 있다.이 모델들은 현재 데이터에 기초하고 외삽을 통해 미래 모델을 만들 수 있다.외삽 기법은 표준 통계법에 기초하여 예측의 정확성을 향상시킨다.통계 기법은 예측을 산출할 뿐만 아니라 정밀도와 신뢰도를 정량화한다.이것의 예는 1917년 덴마크 수학자 아그너 얼랑에 의해 개발된 ERLANG B와 C 공식이다.
유사 방법
유사한 방법에는 외국 사건과 연구 중인 사건 사이의 유사점을 찾는 것이 포함된다.외국 행사는 통상 시사보다 '자연'이 많은 시기에 선정된다.어떤 외국 사건도 현재의 사건을 완벽하게 반영하지 못하며, 이것은 필요한 수정이 이루어질 수 있도록 명심해야 한다.외국적이고 좀더 성숙한 일련의 사건들을 살펴봄으로써, 현재 사건의 미래를 예측할 수 있다.[2]null
유사한 방법은 다음과 같은 두 그룹으로 나눌 수 있다.[2]
- 정성적(기호적) 모델
- 정량적(숫자) 모델
원인모델
인과 모델은 예측의 가장 정확한 형태고 가장 복잡하다.그것들은 예측되는 사건의 복잡하고 완전한 모델을 만드는 것을 포함한다.모델은 가능한 모든 변수를 포함해야 하며, 가능한 모든 결과를 예측할 수 있어야 한다.null
인과 모델은 종종 너무 복잡해서 컴퓨터에서만 만들어질 수 있다.그것들은 일련의 사건들의 데이터를 사용하여 개발된다.모델은 그것을 개발하는 데 사용된 데이터만큼 정확하다.[2]null
조합 예측
조합 예측은 위에서 설명한 방법을 결합한다.이점은 대부분의 경우 정확도가 높아진다는 것이다. 그러나 연구자는 위의 각 방법의 단점이 예측에서 복합 오류를 발생시키기 위해 결합되지 않도록 주의해야 한다.조합 예측의 예로는 "판단 및 정량적 예측의 통합"과 "단순 및 가중 평균"[2]이 있다.null
예측 정확도 결정
항상 도전적인 미래 사건을 예측하려는 시도를 의미하기 때문에 어떤 예측의 정확성을 판단하기 어렵다.예측 정확도를 개선하고 테스트하기 위해 연구자들은 다양한 검사 방법을 사용한다.간단한 검사 방법에는 여러 가지 다른 예측 방법을 사용하고 결과를 비교하여 어느 정도 동일한지 확인하는 것이 포함된다.또 다른 방법은 예측 계산에서 오차를 통계적으로 계산하여 오차 제곱근 평균 오차 관점에서 표현하는 것을 포함할 수 있으며, 따라서 방법의 전체 오차를 나타낼 수 있다.예측이 개발된 원본 데이터 중 일부가 잘못된 것으로 판명될 경우 어떤 일이 일어날지 결정하기 때문에 민감도 분석도 유용할 수 있다.예측 그 자체와 마찬가지로 예측 정확도 판단은 결코 확실하게 수행될 수 없으므로 입력 데이터를 최대한 정확하게 측정하고 얻으며, 가장 적절한 예측 방법을 선택하고, 예측 프로세스를 최대한 엄격하게 수행하는 것이 바람직하다.[2]null
