고단계별 관리도에 대한 글을 꽤 많이 썼는데, 그 이유는 매우 훌륭한 시각적 도구라고 생각하기 때문입니다. 다양한 용도로 사용할 수 있으며(여기서는 4가지 용도 참고) 만들기도 매우 쉽습니다. 개선 또는 변화 전후 프로세스를 분석하는 데 도움이 될 뿐만 아니라 보다 정확한 예측 또는 예상을 위한 첫걸음이 될 수 있습니다.
정말 다양한 방법으로 예측할 수 있습니다. 매출 예상이나 날씨 등 데이터 동향을 분석하고자 하는 경우 시계열을 사용하면 시간이 지남에 따라 변수가 어떻게 변할지 예측할 수 있습니다. 다양한 변수를 사용하여 응답을 예측하고자 하는 경우 회귀, 트리 기반 방법 및 다양한 알고리즘과 같은 예측 분석을 선택하는 것이 좋습니다.
다음은 수요를 예측하여 생산 능력을 계획하려는 손 소독제 제조업체의 예입니다. 지난 몇 년 동안의 데이터를 가지고 비즈니스 분석가인 Josh가 간단하게 동향 분석을 생성하려고 합니다.
어떤 유형의 데이터를 가지고 있는지 확실히 잘 모르기 때문에 선형 모델과 2차 모델(아래 둘 다)을 만듭니다. 그는 지금 곤란한 상황에 처했습니다. 선형 모델은 매출 성장을 예측하는 반면, 이차 모델은 매출 감소를 예측합니다. 2차 모델은 정확도 측정값이 더 우수하지만(MAPE, MAD 및 MSD의 상대적으로 작은 값에서 알 수 있음) 영업팀은 분기 내내 영업 파이프라인을 긍정적으로 평가했습니다. 제조 책임자에게 무엇을 말해야 할까요?
비즈니스 분석가는 재빨리 사내 통계 전문가인 Cheryl에게 자문을 구했고, Cheryl은 단일지수평활법을 사용하면 단기 예측이 가능하며, 추세나 계절적 요소가 없는 데이터에 적합하다고 설명해주었습니다.
분석가 Josh는 이 기능에 대해 들어본 적이 없지만 Minitab 시계열 메뉴에서 단일지수평활법을 빠르게 찾아냅니다. 그는 앞의 두 사례보다 훨씬 더 합리적이고 정확한 예측을 한 것으로 보입니다.
Cheryl에게 전화를 걸어 그래프를 보여줍니다. Cheryl는 그래프에서 95% PI를 가리키며 95% PI를 사용하면 구간에 단일 응답이 포함될 것이라고 95% 확신할 수 있다고 설명합니다.
즉, 향후 매출은 (이 예상치를 기준으로) 더 높거나 낮을 수 있습니다. 또한 MAP, MAD 및 MSD 측정값이 이전 모델보다 우수하지만 이 측정값들이 낮게 나왔기 때문에 이는 정확도가 떨어질 수 있다고 말합니다.
실망했지만, 최선을 다해 모델을 만들었다고 생각하며 체념하고 있을 때 전화벨이 울렸습니다. 바로 Cheryl 였습니다. Cheryl는 바로 분석을 실행하기 전에 데이터에 대해 생각하고 탐색하는 것이 중요하다는 점을 상기시켜 줍니다. 그녀는 데이터의 큰 변화를 설명할 방법이 있는지 묻습니다. 그러자 문득 깨달았습니다.
손 소독제 제조업체이므로 코로나19 기간 동안 수요가 급증했습니다! Cheryl은 단계별 관리도를 생성해보라고 권합니다. 코로나19 이전, 진행 중, 이후 수요를 차트화하면 데이터의 변화를 더 잘 이해할 수 있습니다.
또한 Josh는 수요가 증가하는 추세를 보이는 것을 발견하고 예측 기법을 코로나19 이후 데이터에 적용해 봅니다.
원래 모델에서는 판매량을 8,500만~8,600만 개로 예상했지만, 훨씬 더 정확한 새로운 예측(훨씬 낮은 MAPE, MAD 및 MSD에 기반)에서는 8,500만~8,800만 개의 판매량이 예상되었습니다. 즉, 원래의 모델을 따랐다면 생산량이 현저히 저조했을 수 있습니다. 명확한 추세가 있는 것처럼 보이기 때문에 평활화 분석을 실행할 필요는 없지만 어쨌든 분석을 실행하여 정확도가 떨어지는 모델을 발견했습니다. Josh는 상사에게 전화를 걸어 8,600만 개를 생산해야 하며 향후 몇 달 동안 생산량을 8,700만 개, 8,800만 개로 늘릴 계획을 세워야 한다고 말합니다.
예측을 할 때는 예측 기법만큼이나 비즈니스에 대한 이해가 중요합니다. 시계열을 사용하든 다른 예측 모델을 사용하든, 적절한 경우에 단계별 관리도를 사용하면 예측하는 데 더 나은 데이터 세트를 찾을 수 있을 뿐만 아니라 예측을 도출한 방법과 이유를 설명하는 데도 도움이 됩니다.
다행히, Minitab의 보조도구를 사용하면 누구나 손쉽게 관리도를 만들어 공정이 관리 한계 내에 있는지 확인하고, 관찰 결과를 통계적으로 검증하고, 공정을 변경할 경우 프로젝트 결과에 변화 또는 차이가 있는지 확인할 수 있습니다.