4차 산업혁명 시대에 발맞추어 기업들은 과거 어느 때 보다 다양하고 많은 양의 데이터를 확보하고 이용할 수 있는 비즈니스 환경에 놓여있다. 다양한 비즈니스 환경에서 제각각 실시간으로 헤아릴 수 없을 정도의 데이터 축적이 이루어지고 있으며, 이를 빅데이터(Big Data)라고 부른다. 최근 데이터 추출 기술과 분석 프로그램의 발전에 따라 빅데이터를 전략적 의사결정에 활용하려는 기업이 점차 증가하고 있다. ...
4차 산업혁명 시대에 발맞추어 기업들은 과거 어느 때 보다 다양하고 많은 양의 데이터를 확보하고 이용할 수 있는 비즈니스 환경에 놓여있다. 다양한 비즈니스 환경에서 제각각 실시간으로 헤아릴 수 없을 정도의 데이터 축적이 이루어지고 있으며, 이를 빅데이터(Big Data)라고 부른다. 최근 데이터 추출 기술과 분석 프로그램의 발전에 따라 빅데이터를 전략적 의사결정에 활용하려는 기업이 점차 증가하고 있다. 빅데이터 분석은 재고 관리, 수요 예측, 생산, 가격 결정, 시장 흐름 파악, 소비자 인식 및 트렌드 분석 등에 있어서 기존의 전형적인 데이터 수집 방식으로는 얻을 수 없던 새로운 정보를 창출할 수 있다. 본 논문에서 취급하는 패션 업계에서도 제품 기획, 고객 관리, 판매 등에서 웹(Web) 기반 빅데이터 분석 및 추출을 활용하려는 기업들의 시도가 늘어나고 있다. 그러나 이와 관련된 연구는 지금까지 소수에 불과하다. 이러한 점에 착안하여 본 연구에서는 지난 5년간 온라인 쇼핑몰 ‘A’ 업체에서 실시간으로 누적된 데이터를 바탕으로 상품별 판매량을 분석하고 각 변수의 변화에 따른 판매량을 예측하여 판매량 증대와 효율적인 재고 관리를 위한 빅데이터를 활용한 온라인 판매 수요 예측 모델 BAPP(Big data Analysis for sales Prediction Platform)를 제안한다. 특히 본 연구에서는 R 프로그램을 활용하여 2014년부터 2017년도까지의 판매량을 바탕으로 2018년도 판매량을 예측하였고 예측한 판매량과 실제 판매량을 비교 분석하였다. 비교 분석한 결과 반팔 티셔츠는 더울 때뿐만 아니라 평소에도 인 웨어(In Wear)로 많은 사람이 활용하기 때문에 꾸준한 판매량을 보이며 예측과 실제 판매량이 ±1.5%의 오차만 발생했다. 아우터 웨어(Outer Ware)의 경우에는 예측과 실제 판매량에서 ±8%의 오차가 발생하였다. 그 원인으로는 2016년 10월 29일부터 2017년 3월 10일까지 촛불 집회가 진행되어 아우터 웨어 판매량이 순간적으로 급증했다. 한편 수요 예측을 진행할 때 이러한 사회적 이슈를 배제하고 진행하여야 하지만 R 프로그램은 그러지 못하였고 전년도 겨울의 높은 판매량이 그대로 반영되어 2018년도에도 아우터 웨어가 많이 판매될 것으로 예측하였다. 하지만 실제 판매량은 예측 판매량보다 저조하였다. 그러나 전년도 판매량만 반영하여 예측을 진행한 것이 아닌 4년 치의 판매량을 바탕으로 예측을 진행하였기 때문에 쇼핑몰에 큰 타격을 주는 오차는 아니었다. 또한 소비자들의 선호하는 적정 가격대를 분석하여 그 가격대에 맞춰 판매를 진행한 결과 반팔 티셔츠는 ±4.5%의 오차 아우터 웨어는 ±1.5%의 오차가 발생 하였다. 오차가 매우 작은 편이었기에 성공적인 수요 예측을 했다고 판단할 수 있다. 이러한 결과를 볼 때 본 연구는 상품을 판매하는 패션 업계, 요식 업계 등의 다양한 기업들과 해외 진출 기업에 긍정적인 도움을 줄 수 있을 것이라 사료된다.
4차 산업혁명 시대에 발맞추어 기업들은 과거 어느 때 보다 다양하고 많은 양의 데이터를 확보하고 이용할 수 있는 비즈니스 환경에 놓여있다. 다양한 비즈니스 환경에서 제각각 실시간으로 헤아릴 수 없을 정도의 데이터 축적이 이루어지고 있으며, 이를 빅데이터(Big Data)라고 부른다. 최근 데이터 추출 기술과 분석 프로그램의 발전에 따라 빅데이터를 전략적 의사결정에 활용하려는 기업이 점차 증가하고 있다. 빅데이터 분석은 재고 관리, 수요 예측, 생산, 가격 결정, 시장 흐름 파악, 소비자 인식 및 트렌드 분석 등에 있어서 기존의 전형적인 데이터 수집 방식으로는 얻을 수 없던 새로운 정보를 창출할 수 있다. 본 논문에서 취급하는 패션 업계에서도 제품 기획, 고객 관리, 판매 등에서 웹(Web) 기반 빅데이터 분석 및 추출을 활용하려는 기업들의 시도가 늘어나고 있다. 그러나 이와 관련된 연구는 지금까지 소수에 불과하다. 이러한 점에 착안하여 본 연구에서는 지난 5년간 온라인 쇼핑몰 ‘A’ 업체에서 실시간으로 누적된 데이터를 바탕으로 상품별 판매량을 분석하고 각 변수의 변화에 따른 판매량을 예측하여 판매량 증대와 효율적인 재고 관리를 위한 빅데이터를 활용한 온라인 판매 수요 예측 모델 BAPP(Big data Analysis for sales Prediction Platform)를 제안한다. 특히 본 연구에서는 R 프로그램을 활용하여 2014년부터 2017년도까지의 판매량을 바탕으로 2018년도 판매량을 예측하였고 예측한 판매량과 실제 판매량을 비교 분석하였다. 비교 분석한 결과 반팔 티셔츠는 더울 때뿐만 아니라 평소에도 인 웨어(In Wear)로 많은 사람이 활용하기 때문에 꾸준한 판매량을 보이며 예측과 실제 판매량이 ±1.5%의 오차만 발생했다. 아우터 웨어(Outer Ware)의 경우에는 예측과 실제 판매량에서 ±8%의 오차가 발생하였다. 그 원인으로는 2016년 10월 29일부터 2017년 3월 10일까지 촛불 집회가 진행되어 아우터 웨어 판매량이 순간적으로 급증했다. 한편 수요 예측을 진행할 때 이러한 사회적 이슈를 배제하고 진행하여야 하지만 R 프로그램은 그러지 못하였고 전년도 겨울의 높은 판매량이 그대로 반영되어 2018년도에도 아우터 웨어가 많이 판매될 것으로 예측하였다. 하지만 실제 판매량은 예측 판매량보다 저조하였다. 그러나 전년도 판매량만 반영하여 예측을 진행한 것이 아닌 4년 치의 판매량을 바탕으로 예측을 진행하였기 때문에 쇼핑몰에 큰 타격을 주는 오차는 아니었다. 또한 소비자들의 선호하는 적정 가격대를 분석하여 그 가격대에 맞춰 판매를 진행한 결과 반팔 티셔츠는 ±4.5%의 오차 아우터 웨어는 ±1.5%의 오차가 발생 하였다. 오차가 매우 작은 편이었기에 성공적인 수요 예측을 했다고 판단할 수 있다. 이러한 결과를 볼 때 본 연구는 상품을 판매하는 패션 업계, 요식 업계 등의 다양한 기업들과 해외 진출 기업에 긍정적인 도움을 줄 수 있을 것이라 사료된다.
In line with the era of the Fourth Industrial Revolution, companies are in a business environment where they can accumulate and use more data than ever before. In a variety of business environments, there is an immeasurable amount of data accumulation in real time, which is called big data. With the...
In line with the era of the Fourth Industrial Revolution, companies are in a business environment where they can accumulate and use more data than ever before. In a variety of business environments, there is an immeasurable amount of data accumulation in real time, which is called big data. With the recent development of data extraction technology and analysis programs, a growing number of companies are looking to leverage big data in strategic decision-making. Big data analytics can generate new information that was not available with traditional data collection methods, such as inventory management, demand prediction, production, pricing, market flow identification, and consumer awareness and trend analysis. In the fashion industry handled by this paper, more and more companies are trying to utilize web-based big data analysis and extraction in product planning, customer management and sales. However, there have been only a handful of studies related to this so far. Taking this into account, this study proposes the Big data Analysis for Sales Prediction Platform (BAPP), an online sales demand prediction model using big data for efficient inventory management and increased sales by analyzing sales by product based on real-time cumulative data from online shopping mall 'A' companies over the past five years. In particular, this study used the R program to predict 2018 sales based on sales from 2014 to 2017 and compared and analyzed forecast and actual sales. According to the comparative analysis, the short-sleeved T-shirts were sold steadily not only when it was hot, but also because many people used them as in wear, resulting in only ±1.5 percent error in forecast and actual sales. For Outer Ware, there was a ±8% error in forecast and actual sales. As a cause, candlelight vigils were held from Oct. 29, 2016 to March 10, 2017, with the sales of autor ware soaring momentarily. On the other hand, while forecasting demand, we should exclude these social issues, but the R program failed to do so and predicted that the high sales volume for the winter of the previous year would be reflected and that many Outer Ware would be sold in 2018. However, actual sales were lower than forecast sales. but, the forecast was not a big blow to the shopping mall as it was based on four years' worth of sales, not just on the previous year's sales. Moreover, the analysis of consumers' preferred price range and the sale was carried out in accordance with the price range, resulting in a error of ±1.5% for the half-sale T-shirt with a error of ±4.5%. It can be judged that the error was small enough to make a successful demand forecast. In summing up these results, it is believed that this study will provide positive assistance to a wide range of companies, including the fashion and restaurant industries that sell goods, and to companies that make inroads into overseas markets.
In line with the era of the Fourth Industrial Revolution, companies are in a business environment where they can accumulate and use more data than ever before. In a variety of business environments, there is an immeasurable amount of data accumulation in real time, which is called big data. With the recent development of data extraction technology and analysis programs, a growing number of companies are looking to leverage big data in strategic decision-making. Big data analytics can generate new information that was not available with traditional data collection methods, such as inventory management, demand prediction, production, pricing, market flow identification, and consumer awareness and trend analysis. In the fashion industry handled by this paper, more and more companies are trying to utilize web-based big data analysis and extraction in product planning, customer management and sales. However, there have been only a handful of studies related to this so far. Taking this into account, this study proposes the Big data Analysis for Sales Prediction Platform (BAPP), an online sales demand prediction model using big data for efficient inventory management and increased sales by analyzing sales by product based on real-time cumulative data from online shopping mall 'A' companies over the past five years. In particular, this study used the R program to predict 2018 sales based on sales from 2014 to 2017 and compared and analyzed forecast and actual sales. According to the comparative analysis, the short-sleeved T-shirts were sold steadily not only when it was hot, but also because many people used them as in wear, resulting in only ±1.5 percent error in forecast and actual sales. For Outer Ware, there was a ±8% error in forecast and actual sales. As a cause, candlelight vigils were held from Oct. 29, 2016 to March 10, 2017, with the sales of autor ware soaring momentarily. On the other hand, while forecasting demand, we should exclude these social issues, but the R program failed to do so and predicted that the high sales volume for the winter of the previous year would be reflected and that many Outer Ware would be sold in 2018. However, actual sales were lower than forecast sales. but, the forecast was not a big blow to the shopping mall as it was based on four years' worth of sales, not just on the previous year's sales. Moreover, the analysis of consumers' preferred price range and the sale was carried out in accordance with the price range, resulting in a error of ±1.5% for the half-sale T-shirt with a error of ±4.5%. It can be judged that the error was small enough to make a successful demand forecast. In summing up these results, it is believed that this study will provide positive assistance to a wide range of companies, including the fashion and restaurant industries that sell goods, and to companies that make inroads into overseas markets.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.