# 자습서 – 다변수 시계열 예측을 통한 판매 예측

이 자습서에서는 시계열 모델을 학습하고 사용하여 시간에 따른 판매 예측을 만드는 방법을 알아봅니다. 특히 기록 데이터를 사용하여 다변수 시계열 모델을 구성, 교육, 배포하고, 이를 사용하여 매장 및 제품군별 매일 판매량을 예측하고 시각화합니다.

[Predicting sales with multivariate time series forecasting - Qlik Cloud](https://play.vidyard.com/tay2uoJfsfwTxhANF5mAfF)

## 이 자습서의 대상

이 자습서는 미래의 특정 기간 동안 판매량 등의 메트릭을 예측하는 방법을 알려고 하는 사용자를 위해 고안되었습니다. 기계 학습과 Qlik Sense에 대한 지식이 있으면 도움이 되지만 필수는 아닙니다.

이 자습서를 완료하려면 Qlik Cloud 테넌트와 작업할 공간에 대한 적절한 권한이 필요합니다. 이 중 일부는 관리자가 지정합니다. 자습서를 진행하는 동안 권한 오류가 발생하면 테넌트 관리자에게 문의하십시오. 다음에 대한 권한이 필요합니다.

* ML 실험 만들기 및 작업

  [ML 실험의 생성, 사용 및 관리](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#CreateUseExp)

* ML 배포 만들기 및 작업

  [모델 배포 및 ML 배포 생성](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelDeployment)

  [ML 배포 관리](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ManagementMLDeploy)

  [배치 예측 실행](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#RunningBatch)

* 배포된 모델 활성화

  [모델 승인](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelApproval)

* 스크립트 및 분석 앱 작업

## 준비 사항

먼저, 아래 링크된 자습서 자료를 다운로드해야 합니다.

원하는 자료를 다운로드한 후 데스크톱에 압축을 해제합니다.

[MLTimeSeriesTutorialData](https://help.qlik.com/ko-KR/cloud-services/tutorials/MLTimeSeriesTutorialData.zip)

교육 데이터 집합에는 개별 매장과 제품군에 대해 매일 추적되는 판매에 대한 기록 데이터가 포함되어 있습니다.

적용 데이터 집합에는 미래 기능에 대한 데이터 외에도 예측을 생성하는 데 필요한 기록 데이터가 포함되어 있습니다.

다음과 같이 하십시오.

1. 분석 활동 센터를 엽니다.

2. 만들기 페이지로 이동하여 데이터 집합을 선택한 다음 데이터 파일 업로드를 선택합니다.

3. ML - Multivariate forecasting - training.csv 파일을 업로드 대화 상자로 끕니다.

4. 다음으로 ML - Multivariate forecasting - apply.csv 파일을 업로드 대화 상자로 끕니다.

5. 공간을 선택합니다. 다른 사용자가 이 데이터에 액세스할 수 있도록 하려면 개인 공간 또는 공유 공간이 될 수 있습니다.

6. 업로드를 클릭합니다.

데이터 집합이 업로드되었으므로 이제 실험 만들기를 진행할 수 있습니다.

## 이 자습서의 단원

이 자습서의 항목은 차례로 완료할 수 있도록 설계되었습니다. 그러나 중단했다가 언제든지 다시 돌아올 수 있습니다.

1. [시계열 실험 생성 및 구성](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-tutorial-create-experiment.htm)
2. [시계열 모델 검토](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-tutorial-review-models.htm)
3. [시계열 모델 배포하기](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-tutorial-deploy.htm)
4. [시계열 배포로 예측](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-tutorial-predict.htm)
5. [매출 예측 시각화](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-tutorial-visualize.htm)

## 추가 자료 및 리소스

* 더 자세히 알고 싶으시다면 [Qlik](http://www.qlik.com/)에서 제공하는 다양한 리소스를 활용해 보세요.
* [Qlik 온라인 도움말](http://help.qlik.com/)을 이용할 수 있습니다.
* 무료 온라인 과정을 포함한 교육은 [Qlik Learning](https://learning.qlik.com/)에서 이용할 수 있습니다.
* 토론 포럼, 블로그 등은 [Qlik Community](http://community.qlik.com/)에서 찾을 수 있습니다.

## 사용자 의견

의견이 있으시면 피드백을 보내 주시기 바랍니다. 아래 섹션을 사용하시면 됩니다.