cleanUrl: /prophet/retrospect
cherry: true

Limits of Facebook Prophet

Specific purpose and applications

• Time series data with patterns and seasonality

• Strong seasonality patterns: Data with similar patterns depends on time → Login patterns, employee entry, commute patterns

• Naver Online Payment Reference - https://d2.naver.com/helloworld/0065813

  과거의 장기적인 추세를 보고 이후의 대략적인 추세를 확인하는 용도로 사용할 때 Prophet 라이브러리는 훌륭한 결과물을 보여 준다. 특히 갑작스런 데이터의 변동이 없는 상황에서는 실제 데이터와 아주 근접한 예측 결과를 보여 준다.하지만 명절이나 기타 상황에 의해 거래량이 한시적으로 하락하거나 증가하는 경우, 사업 확대 등으로 인해 전반적인 거래량 자체가 변동되는 경우 등에서는 적절한 예측 결과를 보여 주지 못하는 문제가 있다. 과거의 추세를 따라 주기 함수를 만들고 이후의 거래를 예측하는 모델의 한계 때문이다.

DB Active Session과 특정 상품의 판매 추이를 관련시켜 예측하는 데 사용하는 것은 가능한가?

고려되어야 할 Factor가 너무 많다! → 데이터 과학자 및 AI 의 영역

• 요일: 월요일에 잘 팔리던 제품이 일요일에도 잘 팔리나?
• 시간: 저녁 8시에 잘 팔리던 제품이 오전 8시에도 잘 팔리나?
• 휴일: 평일에 잘 팔리던 제품이 휴일에도 잘 팔리나?
• 외부 요인: 날씨, 계절, 사회적 이슈(마스크)에 따라 잘 팔리고 덜 팔리는데 어떻게 가중치를 둘 것 인가?

DB Active Session과 Plain 상품 판매 추이만 조합하여 예측 모델을 만들어 사용하는 것은 의미가 있는 것일까?

고려되는 Factor (사용가능)

• 요일
• 시간
• 휴일

Active Session 카운트와 주문 수량을 어떻게 조합해서 예측 데이터를 생성할 지 생각해보자 (Prophet 으로 가능한가?)