• Asian Journal of Business Environment
• /
• 제7권4호
• /
• pp.35-41
• /
• 2017

Purpose - This paper aims to examine several time series models to predict sales of department stores and discount store markets in South Korea, while other previous trial has performed sales of convenience stores and supermarkets. In addition, optimal predicted values on the underlying model can be got and be applied to distribution industry. Research design, data, and methodology - Two retailing types, under investigation, are homogeneous and comparable in size based on 86 realizations sampled from January 2010 to February in 2017. To accomplish the purpose of this research, both ARIMA model and exponential smoothing methods are, simultaneously, utilized. Furthermore, model-fit measures may be exploited as important tools of the optimal model-building. Results - By applying Holt-Winters' additive seasonality method to sales of two large-scale retailing types, persisting increasing trend and fluctuation around the constant level with seasonal pattern, respectively, will be predicted from May in 2017 to February in 2018. Conclusions - Considering 2017-2018 forecasts for sales of two large-scale retailing types, it is important to predict future sales magnitude and to produce the useful information for reforming financial conditions and related policies, so that the impacts of any marketing or management scheme can be compared against the do-nothing scenario.

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권3호
• /
• pp.197-220
• /
• 2022

Purpose The purpose of this study is to identifies the demand pattern categorization of repair parts of Automotive After-sales Service(A/S) and proposes a demand prediction model for Auto repair parts using Long Short-Term Memory (LSTM) of artificial neural networks (ANN). The optimal parts inventory quantity prediction model is implemented by applying daily, weekly, and monthly the parts demand data to the LSTM model for the Lumpy demand which is irregularly in a specific period among repair parts of the Automotive A/S service. Design/methodology/approach This study classified the four demand pattern categorization with 2 years demand time-series data of repair parts according to the Average demand interval(ADI) and coefficient of variation (CV²) of demand size. Of the 16,295 parts in the A/S service shop studied, 96.5% had a Lumpy demand pattern that large quantities occurred at a specific period. lumpy demand pattern's repair parts in the last three years is predicted by applying them to the LSTM for daily, weekly, and monthly time-series data. as the model prediction performance evaluation index, MAPE, RMSE, and RMSLE that can measure the error between the predicted value and the actual value were used. Findings As a result of this study, Daily time-series data were excellently predicted as indicators with the lowest MAPE, RMSE, and RMSLE values, followed by Weekly and Monthly time-series data. This is due to the decrease in training data for Weekly and Monthly. even if the demand period is extended to get the training data, the prediction performance is still low due to the discontinuation of current vehicle models and the use of alternative parts that they are contributed to no more demand. Therefore, sufficient training data is important, but the selection of the prediction demand period is also a critical factor.

• 한국항만경제학회지
• /
• 제39권2호
• /
• pp.97-110
• /
• 2023

본 연구는 거시경제 충격이 우리나라 해운기업 안정성에 미치는 영향을 분석하였다. 우리나라 해운기업의 부실 발생 빈도가 상대적으로 적다는 점을 고려하여 퍼스로짓모형을 통해 해운기업의 부실 확률을 추정하였다. 부실 예측모형 추정 결과, 총자산은 부실 확률과 음의 상관관계를 지닌 것으로 나타난 한편, 총부채는 부실 확률과 유의한 양의 상관관계가 있는 것을 확인할 수 있었다. 부실 예측모형 추정결과를 바탕으로 총매출, 총자산 및 총부채 충격이 해운기업 부실 확률에 미치는 영향을 스트레스 테스트하였다. 스트레스 테스트 결과, 매출 및 총자산 감소는 해운기업의 재무 안정성을 크게 악화시키는 것을 확인할 수 있었다.

• 문화기술의 융합
• /
• 제8권4호
• /
• pp.347-353
• /
• 2022

외식업은 소비자의 수요가 많고 진입장벽이 낮아 창업이 활발하게 일어난다. 하지만 외식업은 폐업률이 높고, 프랜차이즈의 경우 동일 브랜드 내에서도 매출 편차가 크게 나타난다. 따라서 외식업 프랜차이즈의 폐업을 방지하기 위한 연구가 필요하다. 이를 위해, 본 연구에서는 프랜차이즈 가맹점 매출에 영향을 미치는 요인들을 살펴보고, 도출된 요인들에 머신러닝 기법을 활용하여 프랜차이즈의 성패를 예측하고자 한다. 강남구 프랜차이즈 매장의 PoS(Point of Sale) 데이터와 공공데이터를 활용하여 가맹점 매출에 영향을 미치는 여러 요인들을 추출하고, VIF(Variance Inflation Factor)를 활용하여 다중공산성을 제거하여 타당성 있는 변수 선택을 진행한 뒤, 머신러닝 기법 중 분류모델을 활용하여 프랜차이즈 매장의 성패 예측을 진행한다. 이를 통해 최고 정확도 0.92를 가진 프랜차이즈 성패 예측 모델을 제안한다.

• Journal of information and communication convergence engineering
• /
• 제21권1호
• /
• pp.82-89
• /
• 2023

Various machine-learning models may yield high predictive power for massive time series for time series prediction. However, these models are prone to instability in terms of computational cost because of the high dimensionality of the feature space and nonoptimized hyperparameter settings. Considering the potential risk that model training with a high-dimensional feature set can be time-consuming, we evaluate a feature-importance-based feature selection method to derive a tradeoff between predictive power and computational cost for time series prediction. We used two machine learning techniques for performance evaluation to generate prediction models from a retail sales dataset. First, we ranked the features using impurity- and Local Interpretable Model-agnostic Explanations (LIME) -based feature importance measures in the prediction models. Then, the recursive feature elimination method was applied to eliminate unimportant features sequentially. Consequently, we obtained a subset of features that could lead to reduced model training time while preserving acceptable model performance.

• International Journal of Advanced Culture Technology
• /
• 제9권3호
• /
• pp.106-111
• /
• 2021

Multiple sales promotions for one product can be simultaneously offered. For instance, marketers can offer a premium along with a price discount. In the present research, we primarily focus on offers containing both a bonus pack and a price discount. In particular, this research examines whether consumer evaluations of offers containing both a bonus pack and a price discount (i.e., BP + PD offers) vary according to consumers' saving orientation. Specifically, we predict that for consumers with strong (vs. weak) saving orientation, offers containing the high PD but low extra amount of BP will be more favorably evaluated than offers with a high extra amount of BP but low PD. A series of two experimental results show that consumers' saving orientation moderates their evaluations of BP and PD offers, which supports the prediction. The findings imply that marketers can evoke more positive consumer responses to BP and PD offers, considering individual differences such as saving orientation.

• 지능정보연구
• /
• 제16권3호
• /
• pp.163-179
• /
• 2010

최근 패션산업에서는 고객의 니즈가 다양해지고 공급 리드타임이 크게 단축됨에 따라 최신 유행을 즉각 반영한 디자인, 빠른 상품 회전율로 승부하는 패스트 패션이 각광받고 있다. 또한, 기업간 경쟁도 심화되면서 얼마나 신속하게 효율적으로 고객의 니즈를 만족시킬 것인가가 패션산업의 중요한 성공요인으로 강조되고 있다. 따라서, 다품종 소량 신속생산이 강조되는 패스트 패션 산업에서는 트랜드 변화에 신속 대응을 지원하는 지능형 신속대응시스템(Intelligent Quick Response System : IQRS) 구축 및 지원을 절실히 요구하고 있다. 본 논문은 패스트 패션 산업 IQRS 구축에서 요구되는 신속대응 프로세스 수립, 지능적 판단을 지원하는 신속대응 기준 및 실행, 신속대응 물량 산정 및 시기 의사결정 모델을 제시하였다. 또한, 신속대응 의사결정의 합리성을 검증할 수 있는 KPI(Key Performance Indicator)를 설계하여 모델의 신뢰도를 향상시켰다. 제시된 각 모델은 A사의 ERP 구현사례를 통해 실용성을 검증하였다.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.445-456
• /
• 2021

본 연구는 소비자의 구매행동에 영향을 미치는 거시경제변수와 소비자 판매가격을 변수로 여성 골프웨어 판매량에 영향을 미치는 변수의 중요도를 확인하고 골프웨어의 판매 증진을 위한 가격전략을 제안하는 것을 목적으로 한다. 국내 여성 골프웨어 브랜드의 매출자료를 의사결정나무 알고리즘과 앙상블을 이용해 분석하였다. 티셔츠, 팬츠와 니트류는 소비자 판매가격이 판매량에 가장 중요한 영향을 미치는 요인인 것으로 밝혀졌으며, 스커트와 원피스의 경우 소비자 판매가격 외에 카테고리가 중요 요인인 것으로 밝혀졌다. 이러한 연구 결과는 아이템에 따라 소비자의 구매 행동에 영향을 주는 경제 변수가 다르다는 것을 의미하는 것으로 적절한 가격전략을 통해 매출 및 이윤을 극대화할 수 있음을 시사하고 있다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.62-73
• /
• 2022

국내 아파트 매매가 예측에 관한 연구는 현재까지 지속적으로 수행되어 왔지만, 아파트 가격은 다양한 특성이 복합적으로 작용하기 때문에 예측하는데 어려움을 겪고 있다. 아파트 매매가를 예측하는데 앞서 정확도를 높이기 위해서는 주요 변수 선정 및 영향요인 분석이 무엇보다 중요하다. 이에 본 연구는 현재 꾸준한 상승률을 보이는 광주광역시를 대상으로 아파트 매매가에 영향을 주는 요인을 분석해보고자 한다. 이를 위해 6년간의 광주광역시 아파트 실거래가와 각종 사회적 요인 데이터를 토대로, 다중회귀분석, 랜덤 포레스트, 심층인공신경망 알고리즘을 적용하여 각 모델에서 주요 영향요인을 파악하였으며, 모델의 성능은 평균 제곱근 오차, 평균 절대 오차 그리고 결정계수를 통해 비교 분석하였다. 본 연구에서는 딥러닝의 일종인 심층인공신경망의 성능이 가장 우수함을 보였고, 매매가에 영향을 미치는 주요 요인으로 건축경과연수, 계약연도, 적용면적, 양도성예금증서, 주택담보대출금리, 선행지수, 생산자물가지수, 동행지수 등이 도출되었다.

• International Journal of Computer Science & Network Security
• /
• 제22권1호
• /
• pp.55-60
• /
• 2022

Churn prediction is a critical long-term problem for many business like music, games, magazines etc. The churn probability can be used to study many aspects of a business including proactive customer marketing, sales prediction, and churn-sensitive pricing models. It is quite challenging to design machine learning model to predict the customer churn accurately due to the large volume of the time-series data and the temporal issues of the data. In this paper, a parallel artificial neural network is proposed to create a highly-accurate customer churn model on a large customer dataset. The proposed model has achieved significant improvement in the accuracy of churn prediction. The scalability and effectiveness of the proposed algorithm is also studied.