ChatGPT에 여러 달치 매출 엑셀을 넣어봤다｜다음 달 판매량을 예측할 수 있을까?

ChatGPT에 엑셀 파일을 넣어보기 시작하면서 처음에는 과거 데이터를 분석하는 데 관심이 있었다.

어떤 상품이 많이 팔렸는지, 매출이 왜 줄었는지, 재고가 너무 많은 상품은 무엇인지 찾아보는 식이었다.

그런데 재고를 분석하고 적정 발주량까지 계산해보니 결국 마지막 질문에 도착했다.

“과거 판매 데이터를 가지고 앞으로 얼마나 팔릴지도 예측할 수 있을까?”

만약 이것이 가능하다면 이야기가 달라진다.

재고가 부족해진 뒤 대응하는 것이 아니라 부족해지기 전에 발주할 수 있고, 과잉재고가 발생한 뒤 할인하는 것이 아니라 애초에 발주량을 줄일 수도 있기 때문이다.

그래서 이번에는 몇 달치 판매 데이터가 들어 있는 엑셀을 ChatGPT에 넣어봤다.

그리고 물었다.

“다음 달에는 얼마나 팔릴 것 같아?”

 

예측하려면 데이터가 어느 정도 쌓여 있어야 한다

당연한 이야기지만 지난주 판매량 하나만 가지고 다음 달을 정확하게 예측할 수는 없다.

가능하면 여러 달의 데이터가 필요하다.

상품명, 판매일자, 판매수량, 판매금액 정도만 있어도 기본적인 흐름은 볼 수 있다.

데이터가 충분하다면 요일별 패턴이나 월별 변화도 확인할 수 있다.

그래서 처음에는 예측부터 요청하지 않았다.

“상품별 월간 판매량을 정리하고 최근 판매 추세가 증가, 유지, 감소 중인지 구분해줘.”

먼저 과거 데이터의 흐름부터 확인했다.

 

매출보다 판매수량을 먼저 봤다

미래 판매를 예측할 때 매출액만 보면 문제가 생길 수 있다.

가격이 인상되면 판매량이 그대로여도 매출은 증가하기 때문이다.

반대로 할인판매를 하면 판매량이 크게 증가해도 매출 증가폭은 작을 수 있다.

재고와 발주에 활용할 목적이라면 매출보다 판매수량이 더 중요한 경우가 많다.

그래서 이번에는 상품별 판매수량을 중심으로 분석했다.

“최근 6개월 상품별 월간 판매수량과 증감률을 계산해줘.”

이렇게 보면 꾸준히 성장하는 상품과 판매량이 떨어지는 상품이 구분되기 시작한다.

 

본문 내 이미지는 ChatGPT, Gemini 등 AI 도구로 직접 생성한 것입니다.

단순 평균으로 다음 달을 예상해봤다

가장 단순한 방법부터 시작했다.

최근 3개월 평균 판매량을 다음 달 예상 판매량으로 사용하는 것이다.

예를 들어 최근 판매량이

1월 900개
2월 1,050개
3월 1,100개

라면 최근 평균을 기준으로 다음 달 판매량을 예상해볼 수 있다.

물론 이것은 아주 단순한 방식이다.

하지만 판매량 변동이 크지 않은 상품이라면 기본적인 기준값으로 사용할 수 있다.

여기서 조금 더 발전시켜봤다.

“최근 판매량에 더 높은 가중치를 적용해서 다음 달 예상 판매량을 계산해줘.”

최근 트렌드를 조금 더 강하게 반영하는 방식이다.

 

증가하는 상품과 감소하는 상품은 따로 봐야 했다

모든 상품을 같은 방식으로 예측하는 것도 문제가 있다.

매달 비슷하게 판매되는 상품이 있는 반면 꾸준히 성장하거나 빠르게 감소하는 상품도 있기 때문이다.

예를 들어,

800 → 1,000 → 1,200 → 1,400

처럼 판매량이 계속 증가하는 상품에 단순 평균을 적용하면 다음 달 판매량을 낮게 예상할 가능성이 있다.

반대로 판매량이 계속 감소하고 있는 상품이라면 평균값이 실제보다 높게 나올 수 있다.

그래서 이렇게 요청했다.

“판매량 추세가 지속된다고 가정하고 증가 추세와 감소 추세를 반영해 다음 달 판매량을 예상해줘.”

이렇게 하면 단순 평균과는 다른 결과가 나온다.

 

요일 패턴도 찾아봤다

월간 데이터만 보는 것보다 일별 판매 데이터가 있다면 조금 더 재미있는 분석이 가능하다.

특정 상품이 주말에 많이 팔리는지 평일에 많이 팔리는지를 확인할 수 있기 때문이다.

그래서,

“최근 3개월 판매량을 요일별로 분석해서 반복되는 판매 패턴이 있는 상품을 찾아줘.”

라고 요청했다.

요일별 차이가 큰 상품은 단순 일평균으로 재고를 운영하는 것보다 요일별 예상 판매량을 활용하는 편이 더 현실적이다.

특히 다음 달의 달력과 결합하면 어느 정도 예상 판매량을 계산하는 데 활용할 수 있다.

 

갑자기 튀는 숫자는 그대로 믿으면 안 된다

판매 데이터를 보다 보면 특정 날짜의 판매량이 갑자기 몇 배로 증가하는 경우가 있다.

이런 데이터를 AI가 그대로 학습해서 다음 달 판매량에 반영하면 예측값이 왜곡될 수 있다.

예를 들어 평소 하루 30개 판매되는 상품이 행사 때문에 하루 300개 판매됐다고 해보자.

이 300개를 일반적인 판매량으로 보는 것은 문제가 있다.

그래서 예측 전에 이런 요청을 해보는 것이 좋다.

“평소 판매량과 크게 다른 이상치를 찾아서 원인을 확인해야 할 데이터를 별도로 표시해줘.”

행사, 가격 할인, 품절 후 재입고처럼 특별한 이유가 있었다면 정상 판매 데이터와 구분할 필요가 있다.

 

계절성은 AI도 모르면 모른다

여기서 중요한 한계가 나타난다.

여름에 많이 팔리는 상품, 겨울에 많이 팔리는 상품, 명절에 판매량이 급증하는 상품이 있다.

그런데 데이터가 몇 달밖에 없다면 ChatGPT도 1년 전체의 계절성을 알 수 없다.

예를 들어 겨울 데이터만 제공하고 여름 판매량을 예측해달라고 하면 정확도가 떨어질 수밖에 없다.

따라서 가능하다면 최소 1년 이상의 데이터를 사용하는 것이 좋고 전년도 같은 기간 데이터가 있다면 함께 비교하는 것이 좋다.

“전년도 같은 달 판매량과 최근 3개월 판매 추세를 함께 반영해 다음 달 판매량을 예상해줘.”

이런 방식이 훨씬 현실적이다.

 

예상 판매량을 하나의 숫자로 믿으면 위험하다

예측 결과가 1,250개라고 나왔다고 해보자.

그러면 다음 달에 정말 정확히 1,250개가 팔릴까?

당연히 그렇지 않다.

그래서 하나의 숫자보다는 범위로 보는 것이 낫다.

예를 들어,

예상 판매량 1,250개
보수적 예상 1,100개
상향 예상 1,400개

처럼 보는 방식이다.

특히 재고나 발주에 활용한다면 이런 범위가 더 유용하다.

그래서 ChatGPT에도 이렇게 요청할 수 있다.

“예상 판매량을 하나의 값으로 제시하지 말고 보수적·기준·상향 시나리오로 나눠서 보여줘.”

 

개인적으로는 이 방식이 실제 업무에 더 적합하다고 느꼈다.

 

본문 내 이미지는 ChatGPT, Gemini 등 AI 도구로 직접 생성한 것입니다.

예측과 실제 판매량을 비교해야 한다

AI 예측에서 가장 중요한 것은 예측 자체보다 나중에 결과를 확인하는 것이다.

이번 달에 다음 달 판매량을 예측했다면 한 달 뒤 실제 판매량과 비교해봐야 한다.

예측 1,200개
실제 1,050개

였다면 왜 150개의 차이가 발생했는지 확인하는 것이다.

이 과정을 반복하면 어떤 상품은 예측이 잘 맞고 어떤 상품은 예측하기 어렵다는 것도 알 수 있다.

판매가 안정적인 상품은 자동화하기 쉽지만 행사나 날씨의 영향을 크게 받는 상품은 사람이 더 많이 개입해야 한다.

결국 중요한 것은 AI의 예측 정확도를 계속 검증하는 것이다.

 

ChatGPT가 미래를 맞히는 것은 아니다

여기까지 해보면 한 가지는 분명하다.

ChatGPT가 미래를 아는 것은 아니다.

과거 데이터를 보고 반복되는 패턴과 변화 방향을 찾아서 미래의 가능성을 계산하는 것이다.

갑작스러운 경쟁사의 할인 행사도 모르고, 내일 날씨가 어떻게 바뀔지도 모르며, 다음 달에 어떤 상품이 SNS에서 갑자기 화제가 될지도 모른다.

그래서 AI가 알려준 판매예측 숫자를 그대로 발주량으로 사용하는 것은 위험하다.

하지만 그렇다고 가치가 없는 것은 아니다.

오히려 중요한 것은 사람의 감으로만 예상하던 부분에 데이터라는 기준점을 하나 더 만들어준다는 것이다.

 

여섯 편의 엑셀 실험을 마치며

처음에는 정말 단순한 궁금증이었다.

“ChatGPT에 엑셀 파일을 통째로 넣으면 어디까지 분석할 수 있을까?”

그 질문에서 시작했다.

그러다 매출을 분석했고, 상품별 변화를 찾아봤다.

재고 데이터를 넣어 과잉재고와 품절 위험을 찾았고, 판매속도와 안전재고를 이용해 적정 발주량도 계산해봤다.

그리고 마지막에는 과거 판매 데이터를 가지고 다음 달 판매량까지 예상해봤다.

여기까지 해보니 ChatGPT의 엑셀 활용에서 가장 중요한 것은 복잡한 함수를 대신 계산해주는 기능만은 아니었다.

숫자 속에서 사람이 먼저 봐야 할 것을 찾아주는 능력.

나는 그 부분이 가장 유용했다.

 

물론 AI의 계산이 항상 맞는 것은 아니다.

데이터가 잘못되어 있으면 결과도 잘못되고, AI가 모르는 현장 상황이 있다면 사람이 보완해야 한다.

결국 마지막 판단은 여전히 사람의 몫이다.

하지만 수천 줄의 엑셀을 처음부터 끝까지 사람이 들여다보는 것과 AI에게 먼저 이상한 부분을 찾아달라고 한 뒤 사람이 검증하는 것은 전혀 다른 업무 방식이다.

 

이번 시리즈를 시작할 때의 질문은

“ChatGPT가 엑셀을 얼마나 잘 분석할까?”

였다.

 

여섯 편을 마치면서는 질문이 조금 달라졌다.

 

“AI가 분석해준다면, 나는 무엇을 판단해야 할까?”

 

아마 앞으로 업무에서 더 중요해지는 것은 그 질문일지도 모르겠다.