패션시장 수요예측 연구 번역(한국어 원본)Ⅱ. 수요예측모형의 개념 및 선행연구
1. 한국 패션마켓의 현황과 예측의 필요성
최근 한국 패션시장은 급속한 변화 속에 있다. 먼저 글로벌 기업의 참여가 확대되고 있다. 이들은 시장 수요에 따라 상품을 기획하고 2주 만에 상품을 공급하는 스피드한 경영시스템으로 한국토착기업의 시장역역을 파고들고 있다. 더욱이 글로벌 기업들이 주는 다양한 상품력, 첨단유행제품, 합리적인 가격, 쾌적한 매장환경 등은 한국 소비자의 패션제품 구매행동을 변화시키고 있다. 패션시장의 변화 중에서 또하나는 세계 경기의 침체로 수요는 급속히 감소되고, 충동구매 대신 계획구매가 증가한다는 것이다. 그러나 명품이나 유명상표는 높은 가격일수록 판매가 잘된다는 베블린 효과로 인해, 오히려 수요가 증가하고 있다. 여기에 기후나 기온 등 자연조건의 변화로 계절 수요에 대한 예측이 불가능해 졌고, 그 결과 기업 경영에 직접적인 영향을 미치고 있다. 이와같이 다변화되고 있는 한국 수요시장에서는 전통적 방법의 마켓 분석법 혹은 머천다이징 기법으로 경영 실적을 개선하기에는 한계를 보이고 있다. 이제는 좀 더 지능적이고 과학적인 방법의 해결책이 필요하다.
최근 대기업을 중심으로 일부 패션기업들이 시장 수요에 대응하기 위해 과학적인 예측을 하는 정보기술을 도입하려는 움직임은 조금씩 보이고 있다. 그러나 예측을 하기 위해서는 과거의 축적된 자료가 있어야 하는데, 국내에서는 패션시장의 크기나 수요의 특성에 대한 총괄적인 정보가 전혀 없는 실정이다. 통계청에서 제공하는 도소매액 조사에서의 소매업 매출 정보, 가구실태조사에서 가구별 패션제품 구매액 정보, 한국은행에서 제공하는 패션기업의 경영실적 정보가 있으나, 패션기업이 운영하는 패션 주기별, 패션 세분시장별, 패션 품목별로 상세 정보를 제공해 주지는 못하고 있다. 더욱이 짧게는 1년 후, 길게는 3년 후에 제공하기 때문에 패션경영에 즉각적으로 응용할 수 없는 후행지수이기도 하다. 그러므로 패션시장을 구성하는 품목들은 무엇이 있으며 어떻게 구분되는지, 패션시장의 수요는 얼마나 되는지, 이들은 수요는 무엇에 의해 영향을 받는지 등에 대한 단순한 의문에 적절한 해답을 제공할 수 있다면, 이러한 자료를 활용하여 패션시장에 대한 정확한 수요예측정보시스템을 구축할 수 있을 것이다.
이에 본 연구에서는 한국 패션시장의 수요에 대한 정의와 수요예측에 대한 체계적인 방법론을 구축하고자 한다. 이 연구를 통해 시장의 수요예측이 정확히 예측된다면, 시장에서 요구하는 상품을 중심으로 계획적 기획을 수립하여 재고물량을 조절할 수 있고, 수요변동에 따라 다양한 경영관리를 실행하여 지속가능한 성장을 지원하는 데에 활용될 것이다.
2. 패션수요예측의 개념과 예측모형
수요(demand)는 재화나 용역에 대하여 단순한 욕구가 아닌 구매력(購買力)이 수반된 욕구이며, 이를 유효수효라고도 한다. 본 연구에서의 패션수요는 패션제품을 구매하기 위해 지불한 총금액으로 정의하였고, 패션산업에서는 일반적으로 패션시장규모라고 일컫는다. 그리고 미래의 구매 수준을 패션수요의 예측이라고 하였다. 즉 패션수요예측은 과거 및 현재의 자료를 기초로 패션시장의 수요가 질적·양적으로 어떤 경향을 나타내고, 어떤 상태에 있는가를 예측하는 것이다. 정확한 예측은 생산능력을 효율적으로 운용할 수 있게 해 주고 고객의 요구에 반응하는 시간을 단축시키고, 재고를 줄일 수 있도록 해주는 것이다 Larry P. Ritzman, 상게서, p.591.
. 미래의 현상을 미리 내다보는 것이 목적인 예측은 축적된 과거 정보가 바탕이 된다. 과거정보를 활용한 예측방법에는 [표 1]과 같이 예측의 대상이 되고 있는 변수의 과거 자료나 오차에만 의존된다고 가정하는 시계열모형(Time Series Model)과 예측이 될 변수가 하나 또는 그 이상의 변수들과 인과관계를 갖는다고 가정하는 인과모형(Casual Model)이 있다. 시계열 모형은 오직 하나의 변수, 즉 시간을 기준으로 했을 때 해당 변수의 예측치를 구하는 것으로 단일변량 시계열모형이라고도 한다. 반면, 인과모형에서 미래예측치에 영향을 미치는 변수가 하나 이상일 경우 다변량 시계열 모형이라고 한다. 단기예측에는 시계열분석법이 유용한 반면, 장기예측에는 원인적 예측법이나 판단에 의한 인과모형이 주로 사용 된다 강석천(1984), 생산관리론, 경세원. |
패션시장 수요예측 연구 번역(영어 번역본)Ⅱ. Concept and previous research of demand forecasting model
1. Current status of Korean fashion market and necessity for forecasting
The Korean fashion market is in the process of rapid changes. First, more global companies are participating in the market. They are penetrating into the market of domestic companies with their quick management system that allows product planning according to market demand and supplying of product within 2 weeks. Moreover, advantages provided by global companies such as wide range of products, latest trend products, reasonable price, and pleasant store atmosphere are changing the purchasing pattern of Korean consumers. Another change in the fashion market is the rapid decline of demand due to global economic depression and increase in planned purchase instead of impulse purchase. Due to the Veblin effect, however, consumer demand for luxury or well-known brand goods is increasing. In addition, change in natural conditions including climate and temperature has made forecasting of seasonal demand impossible and consequently affects corporate management. In face of such changes in the Korean market, traditional market analysis and merchandising methods are showing limitations in improving management performance. A more intelligent and scientific solution is needed at this point.
Some fashion companies, mainly large corporations, are attempting to introduce technology for scientific forecasting in order to respond to market demands. Forecasting requires accumulated data from the past, but there is no comprehensive data on fashion market size or characteristics of demand in Korea. Statistics Korea provides wholesale and retail sales data from survey and data for household expenditure on fashion product from household survey while the Bank of Korea provides management performance of fashion companies, but they do not provide detailed information for each fashion cycle, segmented market, and fashion product. In addition, data are provided after 1 to 3 years, making them a lagging index that cannot be used for immediate application in fashion management. Therefore, appropriate solutions to questions such as “What are the products composing the fashion market and how are they classified?”, “What is the size of fashion market demand?”, and “What influences fashion market demand?” can be used to establish an accurate fashion market forecasting system.
The aim of this study was to establish a methodology for definition of demand in Korean fashion market and forecasting of the demand. If market demand can be accurately forecasted using results of this study, plans can be established to control the amount of stock for products required by the market. Moreover, various management strategies can be employed to respond to fluctuations in demand and support sustainable growth.
2. Current status of Korean fashion market and necessity for forecasting
Demand is defined as a desire for goods and services that is accompanied by purchasing power. It is also referred to as effective demand. Demand in the fashion market was defined as the total amount of expenditure used to purchase fashion products, which is generally referred to as fashion market size in the fashion industry. Next, future level of purchase was defined as forecasting of the demand, i.e. fashion demand forecasting involves analyzing the quantitative and qualitative trends of fashion market demand based on data from the past and the present to predict the condition of the market. Accurate forecasting helps efficient operation of production abilities and reduces time to respond to customer’s demand and the amount of stock Larry P. Ritzman, ibid., p.591.
. Past data becomes the foundation for forecasting, in which the goal is to predict future phenomenon. Time series model assumes the variable for prediction is affected only by past data or error and causal model assumes the variable for prediction has causal relationship with one or more variables, as shown in Table 1. Time series model acquires predicted values for a single variable of time, and is sometimes referred to as univariate time series model. On the other hand, if there are more than one variables affecting future predicted value in causal model, the model is referred to as multivariate time series model. Time series analysis method is useful for short-term forecasting, while causal forecasting and causal model based on analysis are mainly used for long-term forecasting Kang, S. C.(1984), Product management theory, Kyongsaewon Publishing Company.
. |
