있었는데요, 없었습니다.

쓱닷컴 수요예측 프로세스

• SSG.COM은 매일 출하량을 예측하여 자동발주 및 권고발주 시스템에 활용합니다.
• 데이터 충분 시 ML 모델(XGBoost, LGBM 등), 부족 시 이동평균, 지수평활법, Croston 등을 사용합니다.
• 과거 출하량, 배송처리 가능량, 할인행사, 운영 관련 값 등을 feature로 활용합니다.

문제점 및 개선 방안

• 품절률 급등 문제 발생. 권고발주 대비 자동발주의 낮은 품절률 확인 후, 권고발주 대상을 자동발주로 전환 확대했습니다.
• 기존 모델의 행사 시점 예측 오차 개선을 위해 TFT(Temporal Fusion Transformer) 모델을 도입했습니다.

TFT 및 Quantile Forecasting 적용 효과

• TFT는 과거 연속 데이터를 시간 순서대로 학습하여 행사 패턴을 포착, 예측 정확도를 개선했습니다.
• Quantile Forecasting으로 예측 구간 및 확률 정보를 제공하여 품절 방지 또는 재고 최적화 등 상황에 맞는 의사결정이 가능해졌습니다.
• RMSE는 11%에서 3%로 감소했고, 품절률은 16.1% 개선되는 성과를 보였습니다.