B2B Demand Prediction

역할 : EDA / 모델링(Regression) / 커뮤니케이션 

사용한 스킬 : Python

느낀점 :

​​

  1. 매일 매출이 발생하지 않는 Daily데이터 셋이다. 어떤 거래처는 한 달에 한 번 정도 거래가 일어났다. 거래가 빈번히 일어나는 상위 30%의 기업에 대해서만 수요예측을 하기로 하였다. 단변량 데이터 셋이고, 주기성도 보이지 않아 추가적인 변수 파악이 필요하였다. 현업 자와 인터뷰를 하였고, 논문 등을 찾아보며 단변량에서 10개 정도의 외부 변수들을 추가할 수 있었다. LightGBM의 성능이 가장 좋은 성능을 보였지만 주관적으로는 좋은 성능을 보이지는 못한 것 같다. 다만 회사 내부 Index에 의하면 어느 정도 준수한 성능이라고 한다. 

​

 

  2. Regression 모델의 결과물을 시각화해본 결과 주문이 언제 발생할지 정확하게 맞추는 모습을 볼 수 있어 Classification문제로 바꾸어 진행하지는 않았다. 다만 여기서 분석자가 threshold를 정의해주어야 했다.

​  

 

 

 

 

 

 

 

 

 

 

 

 

과거 20일 데이터의 예측값 평균을 m이라 하고 표준편차를 s라 할 때

threshold = m - s 로 정의하였다. 미래 예측값이  threshold보다 크면 매출이 발생하는 것이고, 아니라면 매출이 없는 날이라고 하였다. 196일 중 150일을 주문했던 거래처의 경우 F1 score가 0.94로 준수한 성능을 보였다.

 

영업팀의 수는 32명이고 매달 5시간의 근무 단축이 있을 것이라 기대되며 일년에 총 5,700만원의 Man Power절감이 있을것으로 예상된다.

​

​

활용방안 : 매일 아침 영업사원에게 당일 수요가 있는지 확인해야 할 거래처들의 목록이 주어짐. 업무 효율성과 거래처의 신뢰성을 달성.

​

아쉬웠던 점은 Sparse한 데이터셋에서 GRU-D를 변형해서 적용해보지 못한점이 아쉽다.

​