이 단계는 모델 성능을 크게 좌우하며 정확한 예측을 위한 준비 과정입니다.

• 결측치 처리, 이상치 제거, 시간/계절성 특성 추출 지원
• 특성 변수 생성 (요일, 공휴일, 프로모션 지표 등) 지원
• 수요에 영향을 주는 외부 요인 (기상, 이벤트 등) 선택 지원

이 단계는 데이터 패턴을 학습하여 향후 수요를 예측하는 함수로 변환됩니다.

• 시계열 예측 모델: ARIMA, Prophet, LSTM 등 지원
• ML 회귀 모델: Random Forest, Gradient Boosting, XGBoost 지원
• 딥러닝 모델: RNN, CNN-LSTM 지원

최종 모델은 실제 운영에서도 신뢰할 수 있는 수준으로 성능이 보장되어야 합니다.

• 정확도(RMSE, MAE 등) 평가 테이블 제공
• 교차 검증 및 검증 세트 기반 성능 테스트 기능 제공
• 하이퍼파라미터 조정으로 예측 성능 최적화 지원

이 단계는 최종 모델을 시스템에 실제 적용하고 운영합니다.

• API 또는 파이프라인으로 실시간 예측 서비스 제공
• 운영 중 들어오는 실제 수요 데이터를 기반으로 모델 재학습 (Retraining)
• 예측 오류 패턴 분석 및 지속적인 성능 개선 지원