사실 수요 관리자 입장에서 시계열 예측이나 분석 시스템에 투자하는 일은 투자 대비 효과가 낮은 영역입니다. 많은 양의 데이터 클렌징과 한땀 한땀 제거해야 하는 아웃라이어(Outlier), 각종 파라미터를 조정해야 하는 등 사용 가능한 수요 예측 정보를 획득하기까지의 과정은 오랜 시간이 소요되었고, 이마저도 최종 수요 예측값으로 바로 사용할 수 없는 참조용 베이스라인 정도입니다. 과거 데이터 기준으로 수립한 시계열 예측에 미래 수요를 변화시키는 새로운 요인들을 추가해야만 수요 예측이 완성되기 때문입니다. 최초 시계열 수요 예측의 모델이 되었던 항공 수요처럼 추세, 계절성, 이벤트 등 영향도 분석이 잘 되는 비즈니스 유형이 많지 않고, 수요 예측 모델 정확도를 높이는 과정에서 통계 전문가와 업무 전문가 사이..