AI
수요 패턴이 수요 모델을 고른다: Amazon Connect Decisions로 살펴보는 Agentic Demand Forecasting
두줄요약
SKU별 수요 패턴을 진단해 모델과 신호를 다르게 적용하는 에이전틱 수요 예측 방식을 소개했습니다. Amazon Connect Decisions로 분류, 측정, 오케스트레이션을 자동화하는 흐름을 살펴봤습니다.
핵심 내용
- 수요 예측에서 SKU별 패턴이 달라지므로 ADI·CV²로 수요 유형을 진단하고, WAPE·Bias로 예측 품질을 함께 평가하는 방법을 설명
- Smooth, Erratic, Intermittent, Lumpy 패턴에 따라 ETS/ARIMA, Croston류, 공변량 반영, 분위수·오버라이드 규칙 등 처방이 달라짐을 정리
- Amazon Connect Decisions가 진단·측정·모델 선택·외부 신호 반영·오케스트레이션을 자동화해 수천 개 SKU를 매 사이클 재평가하는 구조를 소개
- 프로모션 캘린더 같은 known-future 신호와 데이터 누수 주의점, 신제품의 콜드 스타트를 파운데이션 모델과 유사 상품군 매핑으로 보완하는 방식도 다룸
적용해볼 점
- SKU를 단일 모델로 묶지 말고 패턴별로 분류해 예측 전략을 다르게 적용할 필요
- 오차 크기와 방향을 함께 보고, 외부 신호는 미래 시점에 실제로 알 수 있는 값만 사용해야 함
