[심화 프로젝트] 이커머스 주간 판매량 예측3

20240830 TIL

7. 머신러닝을 통한 예측

우리 팀은 총 7가지의 회귀분석을 해보기로 했었고 선형, 릿지, 라쏘, 엘라스틱, 랜덤포레스트, XGboost, 시계열 분석을 했었다.

그 중 나는 아직 머신러닝이 어렵다고 판단되어 가장 기본적인 선형회귀와 릿지회귀를 선택해서 했고 그 결과가 바로 전에 썼던 이커머스 주간 판매량 예측2에 있다.

 

역시나 기본적인 회귀라서 그런지 성능이 좋지 않아 내가 나온 결과값을 예측을 하진 못했고 성능이 좋았던 랜덤포레스트, XGboost, 시계열 회귀 분석을 통해 어떻게 재고관리를 할 지 예측을 했다. 

 - 모델의 총 성능평가

모델	RMSE	R-squared(R2)	MAE
선형회귀	21948.62	0.09	14634.18
릿지회귀	21948.62	0.09	14634.07
라쏘회귀	13112.85	0.66260	8142.37
엘라스틱 넷	21566.12	0.08737	14514.78
랜덤 포레스트	6377.18	0.92171	2191.71
XGBoost	6018.68	0.930273 (+수정된 R-squared: 0.930270)	2286.90

 

분석을 진행했을때 각 RMSE, R2, MAE는 이렇게 나왔다.

한 눈에 봐도 내가 진행한 선형과 릿지는 결과값이 좋지 않다는 걸 알 수 있다 ^^ ....

 

설명력이 가장 좋은 랜덤 포레스트와 XGBoost로 예측을 해보기로 했다.

내가 진행한 건 아니고 팀원분이 진행해주셨다.

---

- 랜덤포레스트 예측

주간 매출액이 주어지지 않은 그래프

실제 주간 매출액과 예측된 주간 매출액 연결한 그래프

--> 우리가 예상하기론 연말에 계속 그래프가 뛰었기 때문에 예측을 했을때 연말에 그래프가 오를 것이라고 생각했지만 결과가 그렇지 않게 나와서 예측력은 사실 좀 떨어졌다

XGBoost도 마찬가지로 랜덤포레스트와 동일하게 비슷한 결과가 나왔다.

---

- XGBoost 예측

주간 매출액이 주어지지 않은 그래프

실제 주간 매출액과 예측된 주간 매출액 연결한 그래프

예측력이 둘 다 좋지 못한 것 같아 추가적으로 시계열 분석까지 해봤다

그 결과 시계열의 예측은 우리가 생각한대로 너무 잘나와줬다!

---

- 시계열 예측

이렇게 예측했을때 같이 연말에 그래프가 뛰어 오르는 것을 알 수 있다

 

그래서 우리는 랜덤포레스트,XGBoost 의 결과와 시계열 결과를 토대로 한 인사이트를 도출 하기로 했다.

 

- 랜덤 포레스트,XGBoost의 인사이트 도출

• 2012년의 연말에는 2010년과 2011년의 흐름과는 달리 Weekly Sales가 치솟는 경향은 없을 것.
• 재고관리는 ‘연말이 아닌 시즌’에 맞게 수행할 것.

- 시계열의 인사이트 도출

• 2012년의 연말은 2010년과 2011년의 흐름과 같이 Weekly Sales가 치솟고, 연초에 크게 하락할 것으로 예상됨.
• 재고관리는 연말의 폭발적인 수요와 내년 초의 수요 감소에 맞춰 수행할 것

---

<시즌별로 최적화를 얻을 수 있는 예측 효과>

시즌에 맞춘 프로모션과 시즌 패키지 상품으로 매출증대를 통한 시즌별 재고관리 최적화 방안으로 효율적인 운영을 제안하면서 

• 매출 증대 효과
• 재고 회전율 개선
• 고객 만족도 향상

이러한 효괄를 얻을 수 있을 것 같다.

<연말 연초별 최적화를 얻을 수 있는 예측 효과>

연말 프로모션을 통한 재고 회전율을 높이는 방향으로 연말,연초별 재고관리 최적화 방안으로 효율적인 운영을 제안하면서

<연말>

• 수요 예측 및 매출손실 방지
• 재고 최적화 
• 신속한 재고 회전

<연초>

• 연초 수요 감소에 대비해 재고 미리 축소 가능
• 할인프로모션 전략 사전 준비

이러한 효과를 얻을 수 있을 것 같다

---

종합적으로 예상되는 이점에 대해서도 생각을 해봤는데,

• 비용 절감 -시즌,연말, 연초 수요에 맞게 재고 관리를 통해 비용 절감 가능
• 매출 극대화 - 연말에는 충분한 재고 확보, 연초에는 효과적으로 재고 관리를 통해 매출 손실 최소화
• 위험 관리 - 시즌,연말 연초의 수요변동에 따라 재고 관리를 유연하게 해서 재고 과잉이나 부족으로 인한 위험을 줄여 안정적인 운영 가능

을 얻을 수 있을 것이라고 판단했다

---

- 추가적인 마케팅 방안

우리는 추가적으로 마케팅 방안까지 생각을. 해보았다

<시즌별>

시즌 종료 전 특별 세일을 통한 재고 관리

특정 시즌에 잘 팔리는 상품을 묶어 할인 판매를 하거나 구매 금액에 따른 사은품 증정 행사를 통한 재고 관리

 

<연말>

설날이나 크리스마스 등 큰 연말때 대규모 할인 행사를 통한 재고 관리

연말용 선물 패키지 상품을 만들어 고객 서비스 만족도도 상승시키며 재고도 함께 관리 가능

 

<연초>

연초맞이 연말에 소진하지 못한 상품을 상대로 세일이벤트 진행을 통한 재고 관리

연초에 새로나온 제품과 연말에 소진하지 못한 상품을 번들 판매를 통한 재고 관리

 

---

느낀점

처음에는 막연하게 모델링을 배웠는데도 너무 어려워서 심화 프로젝트 자체가 어려울꺼라고 생각했다.

실제로 주제를 정하고 해보니 데이터를 정제하는것부터 너무 막막하고 막혀서 힘들었다 하지만 팀원분들께서도 너무 잘해주셨고 하루에 오랫동안 회의를 계속 진행하면서 프로젝트를 이어나갔다

팀원분들과 소통으로 인해 부딪히는 일도 없었고 다들 너무 잘 해주셔서 감사할 따름이다

 

피피티는 내가 직접 골랐는데 우리의 주제와 또 월마트와 잘 어울리는 것 같아 마음에 든다! 또 팀원분들께서도 알맞게 수정도 잘 해주셔서 진짜 이번 프로젝트하면서 코드를 짜고 데이터를 정제하는게 힘들었지 정말 사람때문에 힘들진 않았다!

 

이렇게 심화 프로젝트를 하면서 데이터 분석가에 한 걸음 더 가까워진 것 같아서 좋기도 하다 하지만 실제 업무에서는 이것보다 더 어렵거나 데이터가 더 엉망인 경우가 있을 수도 있을 것 같아 한편으로는 잘 할 수 있을까란 걱정도 든다

 

그래도 배워두면 어디든 쓸모가 있겠지! 시간이 지나면 더 잘 알고 있겠지란 긍정적인 생각을 가지고 끝까지 임해보겠다라는 생각이 들었고

또 다른 팀원분들께서 모델링을 너무 잘하셔서 아 나도 저만큼 하기 위해 더 열심히 공부하고 복습하고 노력해야겠다라는 생각이 들었다

 

이제 이게 두번째 프로젝트지만 나는 인복이 너무 좋은 것 같다는 생각이 들었다 저번 프로젝트도 그렇고 이번에도 그렇고 사람들이 좋고 다들 너무 열심히 해줘서 프로젝트들을 잘 끝낼 수 있었던 것 같다!

 

이젠 더 어려운 프로젝트들만 남았지만 피해가 안되도록 최선을 다해 공부하고 또 프로젝트를 해야겠다!

---

<결과물>

심화프로젝트_A04.pptx

2.53MB

라쏘 회귀, 엘라스틱 넷 모델 구현.ipynb

0.25MB

랜덤포레스트,XGBoost,Prophet(제출용).ipynb

1.32MB

시각화 자료들(제출용).ipynb

0.51MB

최소최대_선형,릿지회귀.ipynb

0.68MB

표준화_선형,릿지회귀.ipynb

0.53MB