수요는 판매량이 아니다 — 개념부터 바로잡기
수요예측을 말하기 전에 먼저 정할 것이 있다. 예측하려는 대상이 무엇이냐는 질문이다. 흔한 혼동이 «수요»와 «판매량»을 같은 말로 쓰는 것이다. 수요는 시장이 그 제품을 필요로 하고 살 마음이 있는 양이다. 판매량은 그중 실제로 팔려 나간 양이다.
둘은 자주 어긋난다. 재고가 모자라 진열대가 비었다면 사려던 사람이 있어도 판매량에는 잡히지 않는다. 이 기록을 그대로 믿고 계획을 세우면 실제보다 작은 수요를 기준으로 삼아 모자라는 일이 되풀이된다. 반대로 큰 폭의 할인으로 판매량이 부풀면 앞으로 살 사람까지 당겨 팔았을 뿐인데 수요가 늘어난 것처럼 읽힐 수 있다. 판매량에는 가격, 제품 특성, 영업 강도 같은 기업의 선택이 이미 들어 있어서, 순수한 예측 대상이라기보다 목표 설정의 성격이 섞인 숫자다.
| 구분 | 수요 | 판매량 |
|---|---|---|
| 뜻 | 시장이 필요로 하는 본래의 양 | 실제로 팔려 기록된 양 |
| 좌우하는 것 | 고객의 필요, 시장의 크기와 기회 | 공급 가능량, 가격, 판촉, 영업 강도 |
| 기업의 손길 | 파악하고 추정하는 대상 | 목표로 정하고 달성하는 대상 |
| 결품이 생기면 | 그대로 남는다 | 줄어든다 |
교재는 순서도 짚는다. 전체 시장과 세분시장이 필요로 하는 규모를 먼저 규명하고, 그 가운데 우리가 팔 수 있는 대상 시장을 가린 뒤에, 판매 목표와 생산·구매 계획의 숫자를 정하라는 흐름이다. 시장의 크기를 모르고 목표부터 정하면 숫자는 있어도 근거가 없다.
수요관리 세 단계 — 세우고, 합의하고, 되짚는다
수요관리는 시장과 수요에 관한 정보를 모아 분석하고, 예측하며, 전략 목표를 이루는 데 필요한 수요의 규모를 능동적으로 정해 가는 과정이다. 수요가 가격과 판촉 같은 선택에 따라 달라진다는 전제가 깔려 있어서, 어느 고객층에게 어떤 가격으로 얼마나 팔지를 회사 전체의 관점에서 정의해야 한다.
세 단계로 나뉜다.
- 수요계획 수립 — 유통 정보, 판매 실적, 통계 분석 결과, 경영계획을 바탕으로 예측하고 구체적인 수요 규모를 추정한다.
- 수요계획 합의 — 마케팅, 영업, 생산, 재무 같은 사내 부서와 외부 거래처가 모여 추정치를 놓고 합의한다.
- 모니터링과 분석 — 계획과 실제 결과를 대조하고 어긋난 이유를 다음 계획에 반영해 정확도를 끌어올린다.
합의 단계에서 중요한 것은 부서마다 따로 갖고 있던 숫자를 한 장에 올리는 일이다. 예측을 내놓지 않은 쪽에는 공급을 배분하지 않는다는 원칙이 쓰이기도 하는데, 그러면 재고가 남았을 때 누구의 가정이 틀렸는지 추적할 수 있다. 이해관계자가 한자리에 모이는 회의가 다음 강에서 다룰 생판계획 회의이고, 수요관리는 거기서 마무리된다.
체계가 없으면 악순환이 생긴다. 예측이 부정확하면 공급 계획이 흔들리고, 고객 불만과 매출 저하가 오고, 수요가 더 불안정해져서 다음 예측이 더 나빠진다. 반대로 예측을 믿고 맞추는 문화가 자리 잡으면 지킬 수 있는 납기를 약속하고, 재고가 줄고, 생산 일정이 평평해진다.
이 글의 본문은 교재 제4장 「수요관리와 수요예측」의 구성을 따른다. 용어와 정의, 분류 체계는 교재 표기를 그대로 쓰고 계산 예제의 숫자는 직접 만들었다.
교재가 쓰인 뒤에 달라진 것, 또는 현장에서 교재와 다르게 굳어진 것은 본문에 섞지 않고 「번외」로 표시해 따로 적었다. 어디까지가 교재이고 어디부터가 그 밖인지 갈라서 읽을 수 있게 하기 위해서다.
오차는 피할 수 없다 — 미리 정해 둘 것들
예측은 과거의 경험에서 출발하는데 미래는 과거와 다르게 펼쳐질 수 있다. 수요에 영향을 주는 요인이 많고 돌발 변수도 늘 있으므로 오차는 필연이다. 어떤 기업은 그래서 예측 자체가 소용없다고 말하지만, 전망이 없으면 계획과 대비도 없다. 교재는 믿을 수도 무시할 수도 없는 이 딜레마를 풀 길로 오차의 부작용을 줄이는 세 가지 준비를 든다.
첫째는 수요 개념의 명확화다. 무엇을 예측하는지부터 못 박는다.
둘째는 쓰임새에 맞는 예측 요건의 정의다. 경영계획, 생산능력 계획, 생산계획, 주문 우선순위 설정은 필요한 모양이 다르다. 총량, 품목군, 개별 제품 중 어디에 초점을 둘지와 예측 기간, 갱신 주기를 쓰임새에 따라 정한다. 경영계획에는 연 단위 총량이면 충분하고 배송 일정에는 일 단위 개별 품목이 필요하다.
셋째는 알맞은 계량 모델과 유연한 보정 체계다. 모델이 아무리 정교해도 모델에 담기지 않는 돌발 상황이 있고 모델의 가정이 바뀔 수도 있다. 그래서 모델이 낸 숫자를 상황 변화에 맞춰 객관적으로 고칠 장치가 필요하다. 모델과 사람의 판단을 대립시키지 않고 결합하라는 뜻이다.
오차를 흡수하는 능력은 업종에 따라 다르다. 제조업은 잔업, 외주, 안전재고로 여유를 만든다. 서비스는 만들어 쌓아 둘 수 없고 고객이 도착하는 순간 바로 제공해야 하는 경우가 많아 오차가 곧 품질 저하로 이어진다. 3강에서 본 서비스의 특성이 예측에서도 이어지는 것이다.
정성적 기법과 계량적 기법 — 델파이까지
예측기법은 크게 둘로 갈린다. 계량적 기법은 정량화된 과거 자료로 미래를 내다본다. 정성적 기법은 관련 분야 전문가나 경험자의 판단에 기댄다. 과거 자료가 없는 문제, 예를 들어 지금의 생산기술이 언제까지 경쟁력을 유지할지 같은 질문에는 계량 자료가 존재하지 않으니 전문가 판단 외에 길이 없다. 반대로 다음 달 개별 품목 주문량처럼 자료가 쌓여 있는 문제는 추세를 분석하는 편이 낫다.
정성적 기법의 대표는 세 가지다.
- 시장조사법: 설문, 전화, 방문 면담으로 소비자 정보를 모으고 통계로 분석한다. 신제품처럼 판매 기록이 없을 때 쓸모가 크다.
- 전문가 의견법: 경험이 많은 사람들의 의견을 모아 예측한다. 공개 토론에서는 지위 높은 사람의 말이 흐름을 좌우하거나 다수 의견에 눌려 자기 의견을 접는 일이 생긴다.
- 델파이법: 이런 문제를 피하려는 방식이다. 전문가들에게 같은 질문지를 보내 의견을 서로 모르게 받는다. 진행을 맡은 제3자가 의견과 근거를 정리해 돌려보내고, 의견이 모이지 않으면 새 질문지를 다시 보내기를 반복한다. 비교적 정확한 결과를 얻지만 비용과 시간이 많이 든다. 1950년대 미국 랜드 연구소에서 헬머와 달키 등이 발전시킨 것으로 알려져 있다.
어떤 기법을 고를지는 쓸 수 있는 시간과 돈, 풀려는 문제의 성격, 과거 자료의 형태와 입수 가능성, 기법의 단순함과 예측 대상의 범위에 달렸다. 교재의 대응 관계를 내 말로 줄이면 다음과 같다.
| 기법 | 잘 맞는 문제 | 내다보는 기간 | 드는 비용 |
|---|---|---|---|
| 델파이법 | 설비 증설 같은 장기 계획, 기술 변화 전망 | 중기~장기 | 중간 이상 |
| 시장조사법 | 신제품의 잠재 수요, 회사 전체의 총수요 | 중기 | 높음 |
| 회귀분석 | 총수요, 설비투자를 위한 장기 수요 | 중기~장기 | 중간 |
| 시계열 기법 | 재고관리와 일정계획에 쓰는 단기 수요 | 단기 | 낮음 |
기간이 길고 자료가 부족할수록 사람의 판단과 조사에, 짧고 자주 필요할수록 자료 기반 기법에 기댄다.
시계열의 다섯 가지 요인 — 기법을 고르는 기준
시계열 기법은 과거 수요나 매출 자료만 가지고 예측한다. 전제는 과거의 수요 패턴이 미래에도 이어진다는 것이다. 수요에 영향을 주는 다른 요인(가격, 광고, 경기)은 따지지 않으므로 자료가 많이 필요하지 않고 과정이 간단하다. 그래서 개별 품목의 단기 예측에 널리 쓰인다.
시계열은 다섯 요인이 겹친 것으로 본다.
| 요인 | 뜻 | 예 |
|---|---|---|
| 평균 수준 | 수요가 오르내리는 중심선 | 한 달 평균 1,200개 |
| 추세 | 일정한 방향으로 꾸준히 오르거나 내리는 흐름 | 해마다 늘어나는 구독자 |
| 계절 요인 | 정해진 주기로 되풀이되는 변동 | 주말마다 오르는 매출, 여름철 음료 |
| 순환 변동 | 길고 일정하지 않은 주기의 오르내림 | 몇 해에 걸친 경기의 파도 |
| 불규칙 변동 | 설명할 수 없는 무작위 흔들림 | 갑작스런 날씨, 우연한 대량 구매 |
불규칙 변동은 예측할 수 없으므로, 나머지 네 요인을 가려내 예측에 쓰는 것이 시계열 기법의 목표다. 추세와 계절이 뚜렷하지 않다면 이동평균이나 단순 지수평활이 어울리고, 추세가 있으면 추세를 직접 반영하는 기법이, 계절 요인이 있으면 계절지수가 필요하다.
예측오차 재기 — MAD와 MSE
기법을 골랐으면 얼마나 맞는지 재야 한다. 각 기간의 예측오차는 실제값에서 예측값을 뺀 값이다. 오차를 그대로 평균 내면 양수와 음수가 서로 지워져서 크게 빗나가고도 평균이 0에 가까울 수 있다. 그래서 부호를 없애는 두 가지 방법을 쓴다.
- MAD(평균절대편차) = 오차의 절댓값의 평균. 식으로는 Σ|e| ÷ n. 단위가 수요와 같아 «평균적으로 몇 개 빗나갔다»고 바로 읽힌다.
- MSE(평균제곱오차) = 오차를 제곱한 값의 평균. 식으로는 Σe² ÷ n. 큰 오차를 제곱해서 더 무겁게 벌주므로 가끔 크게 빗나가는 기법을 걸러 낸다.
두 지표 모두 작을수록 좋고, 같은 자료에 여러 기법을 적용해 견줄 때 쓴다. MSE의 분모는 자료에 따라 n 대신 자유도로 쓰기도 하니 비교할 때는 정의를 통일해야 한다.
참고로 현장에서는 오차를 실제값에 대한 비율로 바꾼 평균절대백분율오차(MAPE)도 많이 쓴다. 품목마다 규모가 달라도 견줄 수 있지만, 실제값이 0에 가까우면 값이 폭발하는 약점이 있다.
이동평균법과 지수평활법 — 같은 자료로 견주기
이동평균법은 시계열 기법 중 가장 단순하다. 직전 n개 기간의 실제 수요를 단순평균해서 다음 기간의 예측치로 삼는다. n이 크면 안정되지만 변화를 늦게 따라가고, 작으면 민감하지만 우연에도 흔들린다.
지수평활법은 가장 널리 쓰이는 시계열 기법이다. 과거 모든 자료를 반영하되 가까운 기간일수록 더 큰 가중치를 주는 일종의 가중 이동평균이다. 새 예측치는 당기의 실제값과 당기의 예측값만 있으면 구한다.
새 예측치 = α × 당기 실제값 + (1 − α) × 당기 예측값
α는 0과 1 사이에서 정하는 평활상수다. 1에 가까울수록 가장 가까운 실제값을 크게 믿어 반응이 빠르고, 0에 가까울수록 기존 예측을 유지해 매끄럽다. 교재는 평활된 값을 A라는 기호로 쓰지만 의미는 같다.
직접 만든 자료로 두 기법을 견주어 본다. 어느 품목의 월 수요가 8개월 동안 120, 132, 126, 141, 135, 150, 147, 156개였다. 4개월째부터 8개월째까지 5개 달의 예측을 비교한다.
이동평균(3개월). 4월 예측은 앞 세 달의 평균이다. (120 + 132 + 126) ÷ 3 = 126. 이런 식으로 구하면 133, 134, 142, 144가 나온다.
지수평활(α = 0.3). 처음 예측값은 첫 달 실제값 120으로 시작한다. 3개월째 예측 = 0.3 × 132 + 0.7 × 120 = 123.6, 4개월째 예측 = 0.3 × 126 + 0.7 × 123.6 = 124.32. 이어서 129.32, 131.03, 136.72, 139.80이 된다.
| 월 | 실제 | 이동평균 예측 | 오차 | 지수평활 예측 | 오차 |
|---|---|---|---|---|---|
| 4 | 141 | 126.0 | 15.0 | 124.32 | 16.68 |
| 5 | 135 | 133.0 | 2.0 | 129.32 | 5.68 |
| 6 | 150 | 134.0 | 16.0 | 131.03 | 18.97 |
| 7 | 147 | 142.0 | 5.0 | 136.72 | 10.28 |
| 8 | 156 | 144.0 | 12.0 | 139.80 | 16.20 |
이동평균의 MAD = (15 + 2 + 16 + 5 + 12) ÷ 5 = 10.0, MSE = (225 + 4 + 256 + 25 + 144) ÷ 5 = 130.8. 지수평활(α = 0.3)의 MAD는 약 13.6, MSE는 약 207.7이다. 이 자료에서는 이동평균이 낫다. 수요가 꾸준히 올라 모든 오차가 양수(예측이 늘 낮음)이고, 과거 값을 오래 붙드는 α = 0.3이 더 뒤처진다. α를 0.7로 올리면 MAD가 약 8.2로 내려가 이동평균을 앞선다. 어느 기법이 항상 낫다는 결론이 아니라 자료의 성격과 평활상수에 따라 순위가 바뀐다는 점이 요점이다.
수요가 이렇게 뚜렷이 오를 때는 어떻게 하나. 교재는 추세가 분명한 자료에는 추세를 직접 고려하는 지수평활법을 쓰라고 한다. 9개월째를 보면 이동평균은 151, 지수평활(0.3)은 약 144.7을 내놓지만 달마다 5개 안팎씩 오르던 흐름을 이으면 160 안팎일 텐데, 두 숫자 다 «과거 수준의 평균»이지 «가고 있는 방향»이 아니기 때문이다.
추세까지 평활하는 방법은 1950년대 후반에 찰스 홀트가 제안한 것으로 알려져 있고, 여기에 계절 요인까지 넣은 방법은 1960년 피터 윈터스가 발표해 둘을 합쳐 홀트-윈터스 방법이라 부른다. 수준과 추세를 따로 평활하는 식 두세 줄이 더해지는 구조다. 한편 예측 대회 M3 등의 비교 연구에서는 단순한 방법이 복잡한 방법에 뒤지지 않는 경우가 많았다고 보고되었다. 복잡한 모델이 항상 낫지 않으니 위의 오차 지표로 직접 견주어 고르는 습관이 필요하다.
계절지수 — 결을 걷어 내고 다시 입히기
계절 요인에는 복잡한 모형도 있지만 평균을 기준으로 한 단순한 방식이 실무에서 널리 쓰인다. ① 각 기간의 실제값을 그 해의 평균으로 나눠 비율을 구한다. ② 같은 계절의 비율을 여러 해에 걸쳐 평균 낸다. ③ 추세 등으로 예측한 다음 기간의 평균에 이 지수를 곱한다.
야외용품 매장의 분기별 판매량으로 해 본다(직접 만든 숫자).
| 연도 | 1분기 | 2분기 | 3분기 | 4분기 | 연 합계 | 분기 평균 |
|---|---|---|---|---|---|---|
| 1년차 | 90 | 130 | 150 | 70 | 440 | 110 |
| 2년차 | 96 | 140 | 170 | 74 | 480 | 120 |
| 3년차 | 104 | 150 | 178 | 88 | 520 | 130 |
1년차 1분기의 비율은 90 ÷ 110 = 0.818, 2년차는 96 ÷ 120 = 0.800, 3년차는 104 ÷ 130 = 0.800이다. 세 비율의 평균이 1분기의 계절지수 0.806이다. 같은 방식으로 2분기 1.167, 3분기 1.383, 4분기 0.643을 얻는다. 네 지수의 합은 4가 되어야 한다. 반올림 전 값으로는 정확히 4이고, 위의 반올림 값을 더하면 3.999다.
이제 4년차를 예측한다. 추세를 반영한 별도 기법으로 4년차 연 판매량을 560개로 예측했다고 가정하면 분기 평균은 140이다. 여기에 지수를 곱한다.
| 분기 | 계절지수 | 140 × 지수 |
|---|---|---|
| 1 | 0.806 | 약 112.9 |
| 2 | 1.167 | 약 163.4 |
| 3 | 1.383 | 약 193.6 |
| 4 | 0.643 | 약 90.1 |
네 값을 더하면 반올림 오차를 빼고 560으로 맞는다. 교재는 같은 방식을 요일별 매출에 적용했다. 계절지수는 «평균 대비 얼마나 높고 낮은가»를 담는 틀이어서 평균을 따로 예측하는 기법과 짝으로 쓰인다.
회귀분석 — 원인으로 예측한다
시계열 기법이 과거 수요만 본다면 인과형 기법은 수요를 움직이는 요인을 찾아 그 관계를 수치로 만든다. 가장 단순한 형태가 단순 회귀다.
Y = a + bX
Y는 예측하려는 종속변수(수요)이고, X는 Y에 영향을 준다고 보는 독립변수(광고비, 가격, 기온 등), a는 절편, b는 X가 한 단위 늘 때 Y가 변하는 정도(기울기)다. 과거 자료로 a와 b를 추정해 식을 만들고, X의 새 값을 넣어 Y를 구한다. 추정에는 관측점과 직선 사이의 거리 제곱합을 가장 작게 만드는 최소제곱법을 흔히 쓴다.
b = (nΣXY − ΣX·ΣY) ÷ (nΣX² − (ΣX)²), a = Ȳ − b·X̄
월 광고비(X, 백만 원)와 월 판매량(Y, 백 개)의 다섯 달 자료로 해 본다(직접 만든 숫자).
| 달 | X | Y | X − 평균 | Y − 평균 |
|---|---|---|---|---|
| 1 | 1 | 22 | −2 | −9 |
| 2 | 2 | 27 | −1 | −4 |
| 3 | 3 | 29 | 0 | −2 |
| 4 | 4 | 36 | 1 | 5 |
| 5 | 5 | 41 | 2 | 10 |
평균은 X가 3, Y가 31이다. (X − 평균)(Y − 평균)을 모두 더하면 18 + 4 + 0 + 5 + 20 = 47, (X − 평균)²의 합은 4 + 1 + 0 + 1 + 4 = 10이므로 b = 47 ÷ 10 = 4.7이다. a = 31 − 4.7 × 3 = 16.9. 식은 Y = 16.9 + 4.7X다. 광고비 100만 원을 더 쓰면 판매량이 평균 470개 늘어난다는 해석이 나온다.
광고비를 600만 원(X = 6)으로 잡으면 Y = 16.9 + 4.7 × 6 = 45.1, 곧 약 4,510개다. 식이 얼마나 맞는지는 결정계수로 본다. 잔차 제곱합이 5.1이고 Y의 전체 변동이 226이므로 1 − 5.1 ÷ 226 ≈ 0.977이다. 다만 이 숫자가 인과를 증명하지는 않는다. 같은 기간의 성수기 효과가 섞였을 수 있고, X = 6은 자료의 범위(1~5) 밖이어서 직선이 계속 이어진다는 가정이 들어간다.
실무에서는 독립변수를 하나만 쓰지 않고 가격, 행사 여부, 요일, 기온 같은 여러 변수를 함께 넣고, 복잡한 관계를 학습하는 기계학습 모형을 쓰는 기업도 늘었다. 그러나 변수가 늘수록 자료에 우연히 맞는 모형이 되기 쉬워 과거에 없던 상황에서 무너질 수 있다. 어떤 모형이든 앞 절의 지표로 따져 보는 순서는 같다.
일상에서 알아보는 법 — 생각해 볼 점도 함께
- 품절 표시: 인기 상품이 «품절»로 뜬 날의 판매량 0은 수요 0이 아니다. 기록에 남는 숫자와 실제 필요가 다른 대표적인 자리다.
- 편의점 발주: 다음 날 날씨, 요일, 행사 일정을 보고 발주 수량을 조정하는 모습은 시계열에 보정을 얹는 장면이다.
- 계절 상품: 겨울철 난방용품, 여름철 음료가 해마다 같은 시기에 늘어나는 것은 계절지수가 설명하는 변동이다.
습관은 하나다. 눈에 보이는 숫자가 수요인지 판매량인지 묻는 것이다.
생각해 볼 점
- 직전 석 달 매출을 평균 내서 다음 달을 정하는 방법은 매출이 급등하는 시기에 왜 늘 낮게 나올까?
- 평활상수를 크게 잡으면 얻는 것과 잃는 것은 무엇일까?
- 광고비와 판매량의 상관이 높게 나왔을 때, 광고 덕분이라고 결론짓기 전에 확인할 것은 무엇일까?
요약
- 수요는 시장의 본래 필요이고 판매량은 기업의 선택이 섞인 결과다.
- 수요관리는 수립 → 합의 → 모니터링과 분석의 세 단계이며, 합의 결과는 다음 강의 생판계획으로 이어진다.
- 오차는 필연이므로 개념을 명확히 하고, 쓰임새별 예측 요건을 정하고, 계량 모델에 보정 체계를 붙인다.
- 기법은 정성적(시장조사, 전문가 의견, 델파이)과 계량적(시계열, 회귀)으로 나뉜다.
- 시계열은 평균 수준, 추세, 계절 요인, 순환 변동, 불규칙 변동으로 이루어진다.
- MAD = Σ|e| ÷ n, MSE = Σe² ÷ n. 예제의 이동평균(3개월)은 MAD 10.0, MSE 130.8이었다.
- 지수평활은 새 예측 = α × 실제 + (1 − α) × 이전 예측이다. 상승 추세에서는 이동평균과 함께 늦다.
- 계절지수는 «기간 비율의 평균»이고, 회귀분석은 Y = a + bX로 원인과 수요의 관계를 수치로 만든다.