커머스 체품 판매량 예측하기

배경

현대 디지털 시대에 들어, 온라인 판매는 상품과 서비스를 전달하는 핵심 채널로 자리매김하였습니다.

이러한 변화와 함께, 온라인 판매 채널에서 수집되는 대규모 데이터는 더 이상 그저 정보의 한 형태가 아닌, 온라인 판매 환경에서 귀중한 통찰력을 얻는데 있어 중요한 자산이 되었습니다.

이런 데이터를 활용해 빠르고 정확한 판매 예측을 수행하는 것은, 기업들이 효율적인 재고 관리를 하고, 타겟 마케팅 전략을 세우는데 필수적입니다.

따라서 이번 해커톤은 이런 데이터를 파악하고 이를 바탕으로 실제 판매량을 예측하는 AI 모델 개발에 초점을 맞추고 있습니다.

이번 교재에서는 온라인 채널 제품 판매량 예측 대회에서 우승한 코드를 통해 우승할 수 있었던 접근 방법을 공유드리며 쉽게 이해할 수 있게 도와드립니다.

학습 목표

스테이지 1 : 탐색적 데이터 분석을 통해 데이터 이해하기

스테이지 1에서는 탐색적 데이터 분석(EDA, Exploratory Data Analysis)을 통해 데이터를 깊이 있게 이해하는 방법에 대해 배웁니다. EDA는 데이터 사이언스 프로젝트의 핵심 부분으로, 데이터의 기본적인 정보를 파악하고, 각 피처의 분포를 확인하며, 피처들 간의 연관성을 탐색하는 과정입니다. 이를 통해 각 온라인 채널의 판매량을 예측하는 데 필요한 기초를 다질 수 있습니다. 이번 스테이지에서는 온라인 판매 데이터를 분석하여, 효율적인 재고 관리와 타겟 마케팅 전략을 세우기 위한 통찰력을 얻고, 이를 바탕으로 판매 예측 AI 모델을 개발하는 데 인사이트를 얻는 것이 목표입니다.

스테이지 2 : 데이터 전처리 스테이지 2에서는 탐색적 데이터 분석(EDA, Exploratory Data Analysis)을 통해 얻은 정보들을 바탕으로 데이터를 처리하는 과정을 배웁니다. 이를 통해 모델 학습에 더욱 효과적인 데이터를 구축합니다.

스테이지 3 : 모델 고도화

스테이지 3에서는 데이터 전처리의 결과를 활용하여, 온라인 판매량 예측을 위한 모델링 과정을 배웁니다. 모델링은 인공지능 프로젝트에서 중심적인 단계로, 이를 통해 우리는 데이터로부터 패턴을 학습하고 예측 작업을 수행할 수 있는 모델을 구축합니다. 특히, 각 온라인 채널의 판매량을 예측하는 데 필요한 모델을 훈련시키는 방법을 배웁니다. 모델을 효과적으로 구축하고 최적화하는 능력은 효율적인 재고 관리와 타겟 마케팅 전략 수립을 위한 중요한 요소입니다.