유통관리사 합격 필수 수요예측(이동평균·지수평활) 기출 함정과 계산 예시 완벽 해설

유통관리사 기출 수요예측 기법 이동평균·지수평활 완벽 정리

유통관리사 시험에서 수요예측은 유통전략·경영분석 파트 전반을 연결하는 핵심 주제입니다. 매출 계획, 재고 운영, 발주량 결정 등 실무 의사결정의 출발점이기 때문에 기출에서도 꾸준히 등장합니다. 실제 출제 기준에도 “수요예측”과 “매출액 예측 및 목표관리” 항목이 명시되어 있어 대비가 필수입니다.또한 유통정보·의사결정 시스템 영역에서도 수요예측 문제가 대표적 활용 분야로 안내됩니다. 

---

1. 수요예측의 의의와 시험 포인트

• 의의 : 과거 수요 데이터를 분석해 향후 기간의 수요를 정량적으로 추정하는 절차.
• 목적 : 생산·발주·재고·판촉·인력계획의 합리화, 비용 최소화, 서비스 수준 향상.
• 시험 포인트 : 이동평균 vs 지수평활의 개념·공식·장단점 비교, 평활계수(α) 해석, 오차지표(MAPE, MAD) 선택.
• 연계 : 매출액 예측·목표관리, 재고회전율·안전재고, 발주정책(Q, P) 등과 연결. 

---

2. 이동평균법(Moving Average, MA)

가장 기본적인 시계열 예측 기법으로, 최근 N기간의 관측치 평균을 다음 기간의 예측치로 사용합니다. 최신 데이터를 동일 가중으로 취급하며, 단기적 노이즈를 완화하는 데 유리합니다.

2-1. 단순 이동평균(SMA) 공식

Ft+1 = (At + At-1 + ... + At-N+1) / N

• N(창 길이)가 클수록 예측이 부드럽지만 반응이 느림 (추세 급변 시 후행).
• N이 작으면 반응은 빠르지만 변동에 민감 (잡음 증폭 위험).

2-2. 가중 이동평균(WMA)

Ft+1 = w1At + w2At-1 + ... + wNAt-N+1 (단, Σw=1)

• 최근 데이터에 더 높은 가중을 부여해 변화 대응력 강화.
• 가중치 설계(선형·삼각형·사용자 지정)가 성능을 좌우.

2-3. SMA 계산 예시(3기간)

최근 3개월 실수요가 120, 135, 150이라면 다음 달 예측은 (120+135+150)/3 = 135.

2-4. 이동평균의 장단점 요약

• 장점 : 계산 간단, 단기 노이즈 제거에 탁월, 데이터 수집·설명 용이.
• 한계 : 추세·계절성이 있을 때 예측 지연, 데이터 단절(윈도 밖 정보 소실), 창 길이 선택 민감.

---

3. 지수평활법(Exponential Smoothing, ES)

과거 관측치에 지수적으로 감소하는 가중을 부여하여 최신 관측치에 더 큰 비중을 주는 기법. 데이터의 변화에 신속 반응하며, 계산 효율이 높아 실무에서 널리 쓰입니다. 유통정보/의사결정 영역에서도 대표 적용 예로 다뤄집니다.{index=4}

3-1. 단순 지수평활(Single ES)

Ft+1 = αAt + (1-α)Ft (0 < α ≤ 1)

• α(평활계수): 반응 속도 조절 노브. α↑ → 최신치 민감(빠른 반응), α↓ → 부드럽지만 후행.
• 초기치: F1=A1 또는 초기 평균값으로 설정.

3-2. 이중 지수평활(Holt)

추세가 있는 데이터에 적합. 수준(L)·추세(T)를 분리 추정.

Lt=αAt+(1-α)(Lt-1+Tt-1)
Tt=β(Lt-Lt-1)+(1-β)Tt-1
Ft+k=Lt+kTt

• β(추세평활계수)로 추세 민감도 조절. α·β 튜닝이 관건.

3-3. (참고) 삼중 지수평활(Holt-Winters)

계절성까지 있으면 계절항을 추가(가법/승법). 시험에선 개념 구분 수준이면 충분.

3-4. 단순 ES 계산 예시

α=0.3, Ft=140, At=150이면, Ft+1=0.3×150+0.7×140=143.

3-5. 지수평활의 장단점

• 장점 : 적은 데이터로도 실시간 갱신, 이동평균보다 추세 반응 우수, 계산·시스템 구현 쉬움.
• 한계 : α/β 선택 민감, 계절성 강하면 Holt-Winters 필요, 구조 변화 시 초기화 이슈.

---

4. 이동평균 vs 지수평활: 언제 무엇을 쓰나?

구분	이동평균	지수평활
핵심 아이디어	최근 N개 평균	지수적 가중(최근치 중시)
반응 속도	N 작을수록 빠름	α 높을수록 빠름
추세 대응	후행(지연) 발생	Holt로 개선 가능
계절성	직접 반영 어려움	Holt-Winters 필요
계산/시스템	간단	간단(실시간 갱신 용이)

시험 팁: “최근 변동에 민감하게 반응해야 하나 계산은 간단해야 한다” → 단순 지수평활(α↑) 선택이 정답인 경우가 많습니다. 반대로 “단기 잡음 제거·매끄러운 추세” → 창이 조금 긴 이동평균.

---

5. 오차 측정과 모수(α·N) 선택

• MAD(Mean Absolute Deviation): |실제−예측|의 평균. 단위 그대로.
• MSE(Mean Squared Error): 제곱 평균. 큰 오차에 가중.
• MAPE(Mean Absolute Percentage Error): 백분율 기준 비교에 유리.

튜닝 절차 : 후보 N(또는 α)을 정해 각 모델을 적합 → 검증 구간 오차(MAPE 등)를 비교 → 최소 오차 모델 채택. 유통정보·DSS(의사결정지원시스템)에서 수요예측과 민감도 분석을 자동화해 품질을 높이는 접근이 소개됩니다. {index=5}

---

6. 실전 미니 케이스: 편의점 주간 판매예측

데이터(주간 판매량) : 100, 120, 132, 125, 150

1. SMA(3주) : F6 = (125+150+132)/3 = 135.7
2. ES(α=0.4) : 초기 F2=100 가정
   F3=0.4×120+0.6×100=108
   F4=0.4×132+0.6×108=117.6
   F5=0.4×125+0.6×117.6=120.6
   F6=0.4×150+0.6×120.6=132.4

비교 : 갑작스런 150에 ES(α=0.4)가 더 빠르게 반응(132.4)하는 반면, SMA는 직전 3개 평균으로 완충(135.7)되어 노이즈를 더 눌러줍니다. “급변 대응”이면 ES, “노이즈 완화”면 SMA가 유리.

---

7. 자주 나오는 함정·오답 포인트

• 매출액 vs 매출원가 혼동 : 예측 오차/지표 계산에서 단위를 문제 지시대로 사용할 것.
• 이동평균 창 길이 : 창을 늘리면 항상 좋아지는 게 아님(반응성 저하).
• α 해석 : α가 클수록 최신치 비중↑, 반응 빠름(오답: “부드러워진다”).
• 초기화 : ES 초기값, Holt 초기 L/T 설정 누락 주의.
• 구조변화 : 판촉·가격변경·신규점포 오픈 등 구조적 변화 시 과거치 의존 모델은 재튜닝 필요.

---

8. 실무 연결: 재고·발주·목표관리

예측 정확도가 높을수록 재고 과잉·품절 위험이 낮아지고, 리드타임과 안전재고 설정이 정교해집니다. 매출액 예측 및 목표관리와 직결된다는 점에서 출제 기준이 반복 강조됩니다.

---

9. 학습 전략(시험 대비 체크리스트)

1. 공식 암기 : SMA, WMA, ES(α), Holt(α·β).
2. 튜닝 감각 : “반응 속도 vs 안정성” 트레이드오프 질문에 답변할 수 있게.
3. 오차지표 : MAPE/MAD/MSE 개념과 언제 쓰는지.
4. 연계 파트 : 재고·발주·목표관리·DSS와의 연결고리 서술 대비. 

---

마무리

이동평균은 단순하고 노이즈 억제가 강점, 지수평활은 반응성이 강점입니다. 데이터 특성(변동성·추세·계절성)에 맞춰 N이나 α를 튜닝하고, 오차지표로 객관적으로 비교하면 예측력이 크게 향상됩니다. 수요예측은 유통전략 수립(수요예측·시장분석)과 경영관리(매출 예측·목표관리)의 기초이므로, 반드시 공식을 익히고 계산·서술형 함정을 함께 대비하세요.