LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 113

따라하면 바로 적용 가능한 이동평균법과 계절요인 제거하는 방법

 

 

(앞선 글에 이어) 계절요인분석 4

 

이제 예상매출을 구해야 하는데, 예상 매출은 추세식을 같이 사용해서 구하겠습니다. 그러니까 앞서서 구한 추세식을 이제 다시 한번 이용하는 것입니다.

 

추세식*수정된 계절지수

 

I9=E9*M11

즉 3분기의 추세식값에 3분기의 수정된 계절지수를 곱한 것입니다.

근데 우리는 VLOCKUP 함수를 배웠으니 이를 적용하면

 

=E9*VLOOKUP(C9,$K$9:$M$12,3,0)

=추세식*VLOOKUP(분기가,K9부터 M12까지 같은 것을 찾아서 세 번째 숫자를 제시하고 아니면 0을제시)

 

이제 더블클릭을 해서 우리가 궁금한 2024년도 예상 매출액을 확인하겠습니다. 마지막으로 이러한 결과를 과연 몇% 정도 믿어야 하느냐는 RSQ 값 R2 확인해야 하는데요 이건 함수식으로 하면 됩니다.

 

=RSQ(I7:I22,D7:D22)

 

관측값 하고 예측치 하고 (이때 22셀 까지만 실제 값이므로) RSQ를 구하면 0.93 이 나오는 매우 높은 결과가 나옵니다.

 

즉 추세식으로는 낮지만, 이동평균을 이용해서 계절지수를 적용하니 RSQ가 비약적으로 올라갔습니다.

 

계산 중심의 예측이 다소 어렵게 느껴 지실수도 있으나 앞선내용들을 충실히 하셨으면

매우 쉽습니다. 그냥 따라하면 다 됩니다. 심지어 이 양식을 가지고 대략적으로 따라 하시면 됩니다.

 

복잡하고 어려우니 하나 하나 다시 설명을 해서 복습 하겠습니다.

먼저. 관측값 (실제 매출)을 기준으로 순서를 종속변수, 매출액을 독립변수로 해서 분산형 차트를 그리고 차트에서 추세식 (함수식)을 구했습니다. 그리고 그 함수식을 활용해서 이때 2차항으로 했습니다. 항 계수의 결정은 그래프롤 보고 합니다. 본 예제에서는 그것과 상관 없이 그냥 2차항으로 했습니다. 이때 설명력은 0.2 로 사용하기 어려운 수준입니다.

 

두 번째로 매출액 4개를 기준으로 이동평균을 구해서 계절효과를 줄였습니다. (4/4분기)

 

세 번째로 이동평균 데이터를 하나씩 보니 1,2,3,4, 계속 올라가다 다시 1분기에 내려가서 1,2분기 50%, 2,4분기 50%로 가중이동평균을 구했습니다.

 

네 번째로 가중이동평균 예측값과 매출액을 나누어 주어 계절지수를 1차로 구했습니다.

 

다섯 번째로 계절지수를 각분기별 1,2,3,4, 구분해서 구했고 도 이것을 평균 1로 맞추면서 각 지수별 평균 값으로 나누어 수정된 계절지수를 도출 했습니다.

 

여섯 번째로 먼저 도출한 추세식에 수정된 계절지수를 곱하여 예상매출을 구했습니다.

마지막으로 설명력 확인을 위해 관측값과 예측값을 기준으로 설명력을 계산하니 0.93으로 높은 설명력을 보여줬습니다.

 

다음 포스팅에 이어서 계속

.

.

.

생성형인공지능, LLM, 일잘러, RAG응용, 챗지피티 를 활용해서 프로 일잘러 되기 출간 준비중~~!!