경영의사결정 칼슨 백화점 Forecasting 기법 사례 분석

경영의사결정 칼슨 백화점 Forecasting 기법 사례 분석 [경영의사결정] 칼슨 백화점 Forecasting 기법 사례 분석.hwp 목차 Ⅰ. Forecasting 1. Forecasting Lost Sales of Carlson Department store 2. Why do we Forecast? 3. What Issues do we have to concern? Ⅱ. Component of Time Series 1. What is Time Series? 2. Time Series의 변동요인 Ⅲ. Smoothing Method 1. What is Smoothing Methods? 2. Moving Averages 3. Weighted Moving Averages 4. Exponential Smoothing Ⅳ. Trend Projection 1. Trend Projection Ⅴ. Trend and Seasonal Components 1. Multiplicative Time Series Model 2. DeSeasonalizing the Time Series 3. Using DeSeasonalized Time Series to Identify Trend 4. Seasonal Adjustments Ⅵ. An estimate of sales had there been no hurricane 1. 사용할 기법과 이유 2. MS6.0 3. 결론 Ⅶ. An estimate of countywide department store sales had there been no hurricane 1. 사용할 기법과 이유 2. MS6.0 3. 결론 Ⅷ. An estimate of lost sales for the Carlson Department Store for September through December 2006 1. 사용할 기법과 이유 2. 계산 3. 결론 Ⅸ. 결론 본문 Ⅰ. Forecasting 1. Forecasting Lost Sales of Carlson Department store 2006년 8월 31일 허리케인이 몰아치면서 칼슨 백화점은 매우 큰 손해를 입었다 칼슨 백화점은 2006년 9월부터 12월까지 4개월 동안 영업을 할 수 없었으며, 지금은 보험회사와 해당 기간 동안의 판매손실량에 대한 논쟁을 하는 중이다. 이 논쟁에는 두 가지 해결되어져야할 이슈가 있다. 첫째, 만약 허리케인이 오지 않았더라면, 칼슨 백화점이 달성할 수 있었던 판매량은 얼마인가. 둘째, 칼슨 백화점이 태풍(허리케인)으로 인하여 발생한 사업 활동으로 증가한 초과 판매량에 대한 보상을 받을 권리가 있는가, 없는가. 이 초과판매량은 80억 달러 이상의 연방재난구호기금과 보험금이 카운티로 유입되면서 발생한 다른 기업체들의 성과와 백화점들의 판매량 증가에 따른 것이다. [표 15.15]는 태풍 발생 전 48개월 동안의 판매량 데이터를 나타내고 있다. [표 15.16]은 카운티 내에 있는 모든 백화점들의 태풍 발생 전 48개월 동안의 전체 판매량을 보여주며, 또한 칼슨 백화점이 영업을 하지 못한 4개월 동안의 카운티 내 백화점들의 전체 판매량도 보여준다. 경영진은 당신에게 이와 같은 데이터를 분석하고 2006년 9월에서 12월까지의 판매손실량을 추정하도록 하였다. 경영진은 또한 동일기간 동안 태풍과 연관된 판매량의 초과분이 만들어 질수 있는지 없는지에 대한 답변도 원한다. 만약 이러한 경우가 가능하다면, 칼슨 백화점은 보통의 판매량은 물론, 획득 가능했었던 초과 판매량에 대한 보상을 받을 권리가 있는 것이다. [표 15.15] 2002.09부터 2006.08까지, 칼슨 백화점의 판매량 [표 15.16] 2002.09부터 2006.12까지, 카운티 내 모든 백화점의 판매량 2. Why do we Forecast? 경영을 하기위해서는 기업 경영을 하면서 발생한 사건들의 데이터를 마주하게 된다. 그리고 이를 바탕으로 기업운영을 위한 의사결정을 하게 되는데, 이러한 의사결정은 과거의 데이터 그 자체만으로는 올바르거나 정확하기 어렵다. 따라서 경영진은 다양한 방면에의 과거데이터를 바탕으로 한 예측값을 알기를 원하며, 이를 통하여 의사결정을 하고자 한다. 이러한 예측값이 올바른 의사결정을 할 수 있도록 도와준다고 믿기 때문이며, 실제로도 그러하다. 예측값은 매출액, 순이익, 원자재의 수요, 배달소요시간 등등 서플라이체인의 시작에서 끝까지 그리고 그 체인하나하나와 관련한 외부체인과의 관계 등 많은 곳에서 사용되어진다. 이러한 예측값을 측정해 내기위해서 여러 가지 기법들이 개발되어져 있다. 크게는 양적인 분석과 질적인 분석이 있으며, 우리는 양적인 분석을 중점적으로 다루어보고자 한다. 양적인 분석을 위한 방법에는 크게 Causal과 Time Series가 있는데, Causal은 인과관계를, Time Series는 일정한 기간 동안 관찰된 데이터를 바탕으로 다가오는 미래의 예측값을 구하는 분석방법이다. 이와 같은 Time Series는 그 데이터가 관찰된 기간이나, 분석한 데이터의 성격에 따라 다양한 방식으로 분석하게 되는데, 그 방법이 지금부터 알아보게 될 Smoothing Method, Trend Projection, Trend Projection adjusted for Seasonal influence이다. 아래에 이와 같은 예측분석을 위한 기법을 그 성격에 따라 분류하여 도식화 하였다. <예측분석기법> 3. What Issues do we have to concern? 그렇다면 예측을 위한 다양한 방법 중에서 칼슨 백화점이 마주한 보험사와의 보상 문제를 해결하기 위해서는 어떠한 방법을 사용해야하는가? 지금부터 위에서 언급한 분석기법들의 특징을 알아보고, 우리가 구해야하는 아래의 세 가지 예측값(추정치)을 구하기 위해 어떤 기법을 사용하게 될 것이지 논해보자. 1. 허리케인이 발생하지 않았을 시의 판매량 추정치 2. 허리케인이 발생하지 않았을 시의 카운티 전체의 판매량 추정치 3. 2006년 9월에서 2006년 12월까지 칼슨 백화점이 문을 닫음으로써 발생한 판매손실량의 추정치 본문내용 TENTS Ⅰ. Forecasting 1. Forecasting Lost Sales of Carlson Department store 2. Why do we Forecast? 3. What Issues do we have to concern? Ⅱ. Component of Time Series 중제목 Ⅱ. Component of a Time Series중제목 ForecastING(대제목) 1. What is Time Series? 2. Time Series의 변동요인 Ⅲ. Smoothing Method 1. What is Smoothing Methods? 2. Moving Averages 3. Weighted Moving Averages 4. Exponential Smoothing Ⅳ. Trend Projec