예측 방법 선택하기

데이터의 특성과 예측 목표에 맞춰 예측을 구성할 수 있도록 다섯 가지 예측 방법을 제공합니다. 적합한 방법은 추세, 성장, 단기 변동, 계절성 등 과거 데이터에 나타나는 패턴에 따라 달라집니다.

사용 가능한 예측 방법

적합한 경우: 일정한 추세를 보이는 데이터

Trend Tracker 는 시간에 따라 비교적 안정적으로 상승하거나 하락하는 데이터에 적합합니다. 과거 데이터가 성장률의 큰 변화 없이 명확하고 일관된 추세를 보일 때 사용하세요.

예시: 여러 기간에 걸쳐 비교적 일정한 비율로 증가해 온 매출을 예측할 때 Trend Tracker를 사용하세요.

적합한 경우: 성장률이 점점 증가하는 데이터

Growth Accelerator 는 데이터가 증가할 뿐만 아니라 그 증가율도 시간이 지남에 따라 커지는 경우에 적합합니다. 과거 데이터에서 가속화되는 성장 패턴을 파악하는 데 도움이 됩니다.

예시: 월별 매출이 분기마다 더 빠르게 증가하고 있을 때 Growth Accelerator를 사용하세요.

적합한 경우: 단기 변동이 있는 데이터

Smooth Forecaster 는 데이터의 단기 변동의 영향을 줄여 기본 추세를 더 쉽게 파악할 수 있도록 도와줍니다.

비즈니스의 장기적인 방향을 나타내지 않을 수 있는 일시적인 등락이 데이터에 있을 때 사용하세요.

예시: 월별 매출이 크게 변동하지만 전반적으로 비교적 안정적인 추세를 따를 때 Smooth Forecaster를 사용하세요.

적합한 경우: 반복되는 계절적 패턴이 있는 데이터

Season Sense 는 시간이 지나면서 반복되는 예측 가능한 패턴을 따르는 데이터에 적합합니다.

특정 월, 분기 또는 다른 기간 동안 비즈니스에 정기적인 변화가 나타날 때 사용하세요.

예시: 이커머스 기업은 명절 시즌 동안 매출이 꾸준히 증가했다가 이후 감소하는 경우 Season Sense를 사용할 수 있습니다.

적합한 경우: 복잡한 시계열 데이터

Smart Predictor 는 시계열 데이터의 더 복잡한 패턴을 처리하도록 설계된 고급 방법입니다.

데이터에 여러 패턴이 섞여 있거나 하나의 명확한 추세, 성장 패턴 또는 계절적 패턴을 식별하기 어려울 때 사용하세요.

예시: 히스토리 데이터에 변화하는 추세, 변동성, 그 외 복잡한 패턴이 혼재되어 있는 경우 Smart Predictor를 사용하세요.

히스토리 데이터의 특성을 출발점으로 삼으세요:

이러한 가이드라인은 엄격한 규칙이 아니라 출발점입니다. 가장 적합한 방법은 데이터세트와 예측 목표에 따라 달라질 수 있습니다.

먼저 과거 데이터를 검토하세요. 명확한 추세, 성장 패턴, 변동, 또는 계절성을 찾아보세요.
데이터에 맞는 방법을 선택하세요. 분석하려는 패턴을 가장 잘 반영하는 방법을 선택하세요.
가장 정교한 방법이 항상 최선이라고 가정하지 마세요. 데이터에 명확하고 일관된 패턴이 있을 때는 더 단순한 방법이 더 적합할 수 있습니다.
데이터가 변화하면 방법을 재검토하세요. 한 데이터셋에 잘 맞았던 방법이 비즈니스 패턴이 바뀌면 더 이상 최적이 아닐 수 있습니다.

팁: 데이터에서 가장 뚜렷하게 나타나는 패턴에 가장 잘 맞는 방법부터 시작하세요.