한 소매업체는 수년간의 일일 데이터를 사용하여 수천 개의 품목에 대한 30일 수요 예측이 필요합니다. 재고 부족은 과잉 재고보다 훨씬 더 많은 비용이 듭니다. 품목 수준 기능(카테고리, 브랜드, 안전 재고)을 사용할 수 있으며, 이진 프로모션 플래그가 존재하지만 5일 동안만 알려진 미래 값을 가집니다. 이러한 제약 조건에서 수익을 극대화하려면 어떤 예측 알고리즘과 평가 지표를 선택해야 할까요?

재고 부족이 과잉 재고보다 훨씬 더 많은 비용이 든다는 것은 예측이 실제 수요보다 높게 나와야 함을 의미합니다. 따라서 0.75 분위수(P75)와 같은 상위 분위수 예측이 적합합니다. CNN-Quantile Regression(CNN-QR)은 시계열 데이터의 복잡한 패턴을 학습하고 분위수 예측을 직접 수행할 수 있어 이러한 요구 사항에 부합합니다. 또한, 품목 수준 특성(카테고리, 브랜드, 안전 재고)과 이진 프로모션 플래그를 효과적으로 활용할 수 있습니다. 평가 지표로는 분위수 예측의 정확성을 직접 측정하는 Weighted Quantile Loss(wQL)가 가장 적절합니다. ARIMA는 분위수 예측에 직접적으로 적합하지 않으며, WAPE는 분위수 예측의 특성을 반영하지 못합니다.