22. 데이터 평탄화와 추세 예측

나는 사전에 예언하기를 항상 피하는데 그 이유는 이미 사건이 벌어진 후에 예언하는 것이 훨씬 좋기 때문이다. -윈스턴 처칠(정치가)-

 

인간은 처음 주술사가 모닥불 가장자리에 쭈그리고 앉아 뼛조각들을 던져 앞날을 알려고 했던 때부터 예측이라는 것을 해왔다. 우리는 출근하는 동안에는 최근 교통 체증을 생각하면서 얼마나 걸릴지를 예상하며, 회사에 도착해서는 제품 판매를 예측하고 홍보 응답률을 예측하거나 예산 집행의 차이를 예측한다. 이제 우리는 SPSS와 같은 복잡한 알고리즘이 내장된 통계 분석 프로그램들의 도움을 받아 뼛조각들을 던진다. SPSS에 항상 접근하거나 그것을 사용할 능력을 갖춘 사람이 많지는 않지만, 우리는 일상의 예측 필요를 마이크로소프트 엑셀로 만족시킬 수 있다. 단순 예측 및 분석을 위해 우리가 해야 하는 대부분의 것이 마이크로소프트 엑셀에 내장되어 있으며 사용하기도 매우 단순하다. 이 장에서 당신은 불규칙한 데이터를 다듬어서 그 데이터에 숨어 있는 패턴을 어떻게 이해하고 사용할 수 있는지를 배우게 될 것이다. 당신은 모든 엑셀 워크시트에서 쓸 수 있는 당신 자신만의 수식을 작성하는 방법에 대해 배울 것이며 분석 툴팩 안의 마법사를 사용하는 방법에 대해 배울 것이다. 만일 당신이 선형 또는 곡선형 추세를 가질 가능성이 있는 데이터를 예측할 필요가 있다면 엑셀의 TREND 함수와 GROWTH 함수의 사용 방법도 배우게 될 것이다. 데이터를 분석하고 미래를 예측하기 위하여는 수리 과학이 필요한 만큼 기술 또한 필요하다. 당신은 데이터를 평탄화하거나 예측하기 위하여 어떤 수학적 방법이 적절하고 어떤 매개변수를 사용해야 하는지 이해해야 한다. 정성적 기술이 필요한 이유는 납득할 수 있는 범위에서 얼마나 멀리 미래를 예측할 것인지, 보려는 것을 잃지 않으면서 얼마나 데이터 평탄화를 잘할 수 있는지, 또 인구 변화와 경쟁 제품 출현 같은 외부 요소가 당신의 예측에 얼마나 영향을 줄 것인지를 판단하는 데 있다.

TIP. 사무실에 앉아 커피를 마시면서 놀라운 이익 증가를 예측한다고 생각하면 즐거운 마음이겠지만, 현장을 발로 뛰어 그 예측에 현실감을 부여하지 않는다면 위험한 일이 벌어질 수 있다. 한 기술 창업 회사의 CEO는 가입비가 대부분을 차지하는 그 회사의 매출 예측을 '하키 스틱' 곡선 모양을 그릴 것으로 예상하였다. 그러나 거기에는 생산 능력, 유통 경로 또는 경쟁 압력에 대한 평가는 없었다. 결국 신생기업 투자 자금과 개인 투자 자금으로 들어온 몇백만 달러가 터무니없는 예측에 근거해 그대로 낭비되었고 회사는 문을 닫았다. 모든 예측은 빨간색으로 쓰인 "과연 현실적인가?" 라는 질문을 항상 염두에 두어야 한다. 

 

불규칙한 데이터의 평탄화

비즈니스 데이터는 일관성 있게 골고루 퍼져 있는 경우가 드물다. 대부분 꼭대기와 골짜기를 무작위로 오가고, 시장 사람들의 감성적 변덕을 그대로 반영한다. 대기업이든 중소기업이든 일정하지 않은 데이터를 다듬어 그 밑에 깔린 패턴을 볼 수 있는 방법이 필요하다. 밑바탕의 패턴을 볼 수 있도록 불규칙한 데이터를 평탄화하는 데 이동 평균이 사용된다. 이것은 일정 기간에 걸친 데이터의 평균을 취하는 방식이다. 이 평균은 급등이나 일시적 하락의 불규칙성을 매끄럽게 할 뿐만 아니라 데이터를 '평탄하게'하여 급격한 변화를 없애거나 지연시킨다. 대부분의 비즈니스는 월간 판매 또는 재고 회전과 같은 표본 데이터를 조사한다. 이런 데이터는 대개 3개월 또는 6개월의 이동 평균을 사용한다. 상대적으로 짧은 기간이지만 데이터의 평균을 가지고 그 데이터의 불규칙성 너머의 것을 볼 수 있다. 이를 통해 움직임이 얼마나 빠른지도 알 수 있다. 이에 비해 더 긴 기간의 데이터 평균은 불규칙한 움직임을 매끄럽게 해주지만 변화의 출현을 지연시킨다. 이동 평균을 얼마나 매끄럽게 해야 하는지를 아는 데는 기술이 필요하다. 만일 너무 많이 매끄럽게 한다면, 빠른 변화를 놓칠 수 있다. 반면 매끄러움이 부족하다면 그 밑바탕의 패턴을 볼 수 없게 된다. 적절한 수준을 알아내려면 상이한 가중 요소 또는 매끄럽게 하는 평탄화 요소를 적용해보고 상이한 평탄화 방법들을 적용해본다. 이 장에서 두세 가지 상이한 접근 방법들을 보여줄 것이다.

 

단순 이동 평균법에 의한 데이터 평탄화

한 데이터 계열을 매끄럽게 평탄화하는 가장 단순한 방법은 단순 이동 평균법이다. 이동평균에서 한 데이터 값은 현재 데이터 값을 한 세트의 과거 데이터 값들과 평균을 구하는 방식으로 '평탄화'된다. 일정한 기간에 걸쳐 평균을 계산하는 것이다. 예를 들면, 3기에 걸친 데이터의 평균은 아래 수식을 사용한다.

Forecast(t) = Average(Data(t) + Data(t-1) + Data(t-2))

여기에서 t는 예측 데이터 시점이다. Data(t)는 당기 데이터이며, Data(t-1)은 전기 데이터이고, Data(t-2)는 2기 전 데이터다. 데이터의 평균을 구하는 기간의 길이는 당신이 그 데이터가 얼마나 매끄럽게 평탄화되기를 원하는가에 달려 있다. 대부분 월간 데이터는 매끄럽게 평탄화하는 데 3개월 또는 6개월이 적절하다.

주의사항 만일 선형 또는 성장 투사에 의해 한 계열을 신속히 완성할 필요가 있다면, 그 데이터 계열을 선택한 뒤 선형 또는 성장 투사로 비어 있는 셀들을 채우기 위해 오른쪽 마우스를 사용하여 채우기 핸들을 끈다. 그렇지만 이 방법은 수작업으로 하기에는 편리하지만 대시보드에서는 도움이 되지 않는다. 엑셀에 의해 이 방법으로 만들어진 데이터는 바꿀 수 없이 정적이며 당신이 추가 원천 데이터를 수정하거나 추가하더라도 반영되지 않는다.

수식에 의한 이동 평균법

단순한 평탄화는 엑셀 수식으로 쉽게 할 수 있다. 또한 엑셀의 분석 툴팩을 사용하여 단순 평탄화를 만들 수도 있다. 하지만 그것이 없이도 스스로 쉽게 할 수 있기 때문에 분석 툴팩을 사용할 필요는 거의 없다.