예측 정확도 정보

(세부정보)을 눌러 예측 데이터 또는 과거 데이터에 대한 자세한 정보를 가져오면 예측 정확도가 표시됩니다.

사용가능한 과거 데이터 양은 예측의 정확도에 영향을 줍니다. 데이터가 많을수록 정확도가 향상됩니다. 최소한 예측 기간 수보다 2배 이상의 과거 데이터 양이 있어야 합니다. 예측 기간과 과거 데이터 양의 비율이 3배 이상인 것이 좋습니다. 예측 시 사용 가능한 과거 데이터가 부족하면 경고 또는 오류가 표시됩니다. Predictive Planning은 데이터의 계절 패턴을 검색하고 미래에 투영할 수 있습니다(예: 휴일 중 매출 급증). 계절성을 검색하려면 둘 이상의 전체 데이터 주기를 사용할 수 있어야 합니다.

또한 Predictive Planning은 과거 데이터에서 누락된 값을 검색하고 선으로 연결된 값으로 채운 다음 이상치 값을 스캔하여 허용 범위로 정규화합니다. 데이터에 누락된 값 또는 이상치가 너무 많아서 신뢰할 수 있는 예측을 수행할 수 없는 경우 경고 또는 오류 메시지가 표시됩니다.

예측 정확도는 데이터의 노이즈 정도에 의해 영향을 받을 수도 있습니다. 대량의 과거 데이터를 사용할 수 있더라도 데이터의 노이즈 또는 무작위 변동으로 인해 기본 추세가 모호해지고 예측 정확도가 낮아질 수 있습니다.

예측에 이벤트를 사용하면 예측 정확도가 향상되며 특정 이벤트에 대한 예측된 데이터의 예상 급증 및 감소를 확인할 수 있으므로 이벤트를 미리 계획하고 기회를 활용하는 데 도움이 됩니다. 이벤트를 제외하면 데이터 급증 또는 감소는 예측 기간에 걸쳐 정규화되거나 분산되므로 잠재적으로 덜 정확한 예측이 생성됩니다.

일반적으로 다음 지침을 사용하여 예측 정확도를 확인합니다.

• 95 – 100%: 매우 양호. 과거 데이터에 강력한 추세 또는 계절 패턴이 있습니다.
• 90 – 94.9%: 우수. 과거 데이터에 보통 추세 또는 계절 패턴이 있습니다.
• 80 – 89.9%: 좋음. 과거 데이터에 약한 추세 또는 계절 패턴이 있습니다.
• 0 – 79.9%: 좋지 않음. 과거 데이터에 검색 가능한 추세 또는 패턴이 없습니다.