머신러닝을 이용한 경제관련 주요 통계지표가 중소기업 매출액에 미치는 예측 변인 탐색: 인쇄관련 쇼핑몰 중소기업을 중심으로 (Exploring the predictive variables of major economic-related statistical indicators on SME sales using machine learning: Focusing on small and medium-sized businesses in print-related shopping malls.)

서지정보

· 발행기관 : 한국컴퓨터교육학회
· 수록지 정보 : 컴퓨터교육학회 논문지 / 25권 / 3호 / 79 ~ 89페이지
· 저자명 : 이광수

초록

본 연구는 코로나19로 인하여 중소기업 경제가 어려워지고 있는 가운데 정부 지원정책들이 반영된 경제관련 주요 통계지표가 인쇄관련 쇼핑몰을 운영하고 있는 중소기업의 매출액에 어떠한 밀접한 관계가 있으며, 그 중 어떠한 지표가 가장 영향을 미치는지 머신러닝을 이용하여 변인을 탐색하고 중소기업 매출액 예측에 적합한 분석 기법을 제공하고자 한다. 이에, 본 연구는 경제관련 주요 통계지표 22개와 중소기업 중 인쇄업을 하고 있는 기업을 대상으로 2013년 8월 ~ 2021.11월까지의 기업 매출데이터를 기반으로 랜덤 포레스트, XGBoost, LightGBM을 통해 예측 변인 및 성능을 탐색하였다. 그 결과 예측변인은 소비자물가지수, 생활물가지수가 중소기업 매출액에 미치는 중요한 변인으로 판명되었고, 회귀성능은 지표 MAE, MSE, RMSE를 살펴본 결과 랜덤 포레스트는 0.0767, 0.0083, 0.0912로 나타났고, XGBoost는 0.1006, 0.0172, 0.1311로 나타났으며, LightGBM는 0.1303, 0.0276, 0.1661로 나타나 랜덤 포레스트가 XGBoost와 LightGBM 보다 회귀 성능이 가장 우수하다고 나타났다. 이에, 본 연구는 머신러닝 결과를 토대로 인쇄관련 쇼핑몰을 운영하고 있는 중소기업 매출액에 미치는 변인과 머신러닝 기법을 제시하였으며, 여러 시사점과 후속연구를 제안하였다.

영어초록

While the economy of small and medium-sized enterprises is becoming difficult due to COVID-19, this study aims to explore how major economy-related statistical indicators that reflect government-backed policies are closely related to sales of small and medium-sized enterprises operating print-related shopping malls and which indicators are most affected by using machine learning and to provide appropriate analysis techniques for predicting sales of small and medium-sized enterprises. Therefore, this study analyzed predictive variables and performance through random forest, XGBoost, and LightGBM based on 22 major economic statistical indicators and corporate sales data from August 2013 to November 2021 for companies engaged in the printing business among SMEs. As a result, the predictive variables were found to be important variables of the consumer price index and living price index on SME sales, and the regression performance was examined by examining the indicators MAE, MSE, and RMSE. Random forests were 0.0767, 0.0083, and 0.0912, XGBoost was 0.1006, 0.0172, 0.1311, and LightGBM was 0.1333, 0.0276, and 0.1661, indicating that random forests had the best regression performance than XGBoost and LightGBM. Therefore, this study presented the variables and machine learning techniques that affect the sales of small and medium enterprises operating the printing-related shopping mall based on the results of machine learning, and suggested various implications and follow-up studies.

참고자료

· 없음