🐮 우추리 축산 일일 매출 예측 프로젝트 🐷

🎯 프로젝트 목적

• 대전광역시 서구 도화공원길 21에 위치한 우추리 축산
• 2020년 2월 이후로 세계적으로 확산된 코로나 신종 바이러스로 인해 매출의 타격에 큰 영향을 입게 된 상태
• 머신 러닝을 활용하여 일일 매출을 실시간으로 예측해 정육 재고 관리를 최적화하고 최종적으로 운영 비용 최소화 목적

📋 데이터 명세서

• 우추리 축산 일 매출 데이터

  • 영업 오픈일 2009-01-01 ~ 현재 까지의 일 매출 데이터
  • Excel 활용해 수기로 직접 수집

• 지상(종관, ASOS) 일자료 조회 서비스

  • 공공 데이터 Open API
  • 평균기온
  • 최저기온
  • 최고기온
  • 1시간 최다강수량
  • 일 강수량
  • 평균풍속
  • 최대풍속
  • 평균상대습도
  • 최소상대습도
  • 1시간 최다일사량
  • 일사량

• 축산물등급판정 서비스

  • 공공 데이터 Open API
  • 한우와 육우 도매 가격
    • 2009-01-01~2011-03-02 까지는 전국 도매 가격
    • 2011-03-03~현재 까지는 중부권 도매 가격(대전이 중부권에 속함)
  • 돼지 탕박 도매 가격
    • 돼지 박피 도매 가격도 있었으나 현재 돼지고기의 약 97%가 돼지 탕박을 사용하기 때문에 박피 데이터는 제외
    • 돼지 탕박과 돼지 박피의 차이점

🛠 데이터 전처리

• 결측치

  • 지상(종관, ASOS) 일자료 데이터
    • 해당 데이터 변수들은 서로 상관성이 높기 때문에 Pearson Correlation을 기반으로 하여 KNN(K-Nearest-Neighbors) Imputer 사용

• 이상치

  • 한우와 육우 도매 가격
    • 한우 가격은 육우 가격의 약 1.8배로 책정. 이를 이용해 로직 구현
    • 한우 가격이 잘못 책정된 날짜일 경우 ➡️ 해당 날짜의 육우가격을 이용해 이상치 대체
    • 육우 가격이 잘못 책정된 날짜일 경우 ➡️ 해당 날짜의 한우가격을 이용해 이상치 대체

• 명절, 공휴일 파생변수 생성

• 설, 추석 명절

  • 우추리 축산은 항상 명절 당일 직전날까지 영업 게시
  • EDA 결과, 명절 이벤트로 인해 명절 당일 직전날로부터 과거 6일간 매출이 평소와 다르게 매우 높은 것으로 관찰
  • holidays 오픈소스를 이용해 대한민국의 명절 데이터를 미리 로드하고 해당 날짜로부터 미래 6일 이내에 명절 당일 직전날이 존재하면 가중치를 1부터 6까지 차등적으로 부여
    • 위와 같은 로직을 사용해 실시간 날짜에 명절 연휴 가중치를 부여할 수 있음

• 일반 공휴일

  • 어린이날, 석가탄신일 등과 같이 일반 공휴일에도 평소와 다르게 높은 매출이 집계
  • 명절과 마찬가지로 동일한 로직 구현

🦾 예측 모델 성능 비교

• Train : 2009-01-01 ~ 2020-05-03
• Validation : 2020-05-04 ~ 2021-05-04(1일씩 교차검증 수행)
• MAPE: 예측값이 실제값과의 차이가 얼마나 차이나는지에 대한 비율

Model	Train MAPE	Test MAPE
Prophet	51.80%	41.75%
ARIMA	63.25%	67.43%
Linear Regression	43.51%	52.20%
Polynomial Linear Regression(2 degree)	41.02%	49.41%
PLS Regression	44.68%	62.21%
Random Forest	11.10%	34.32%
XGBoost	28.41%	33.51%
LightGBM	22.19%	34.22%
LightGBM(PCA로 차원축소 )	25.50%	37.70%
Hybrid Voting(Random Forest+XGBoost+LightGBM)	20.20%	33.35%
LSTM(with Convolution)	37.31%	42.95%

💡 최종 모델 : Random Forest Regressor
💡 Optimal Hyper-parameter : n_estimators=100, min_samples_split=2
💡 앞으로 일일 데이터를 계속 수집 후 학습할 것이므로 Train MAE가 가장 낮은 Random Forest 선정

🧷 최종 모델 예측 그래프(2009-01-01 ~ 2021-05-04)

📊 분석결과 보고서 작성

• Notion

📟 자동화

• 예측하기 전 전일 우추리 축산 매출과 휴무 여부를 today_sale 변수와 remark에 입력
• 예측하려는 날 오전 8시, 오전 11시에 2차례 main.py 수행
• 유닉스 계열 Mac OS 시간 기반 잡 스케줄러 cron 이용
• 예측값을 SMS로 전달하기 위해 소정의 유료 SMS 발송 플랫폼 twiliow 활용

from model import WoochuriPredModel
from twilio.rest import Client
import pandas as pd
print('예측하려는 날짜:', pd.Timestamp.now())

# Load updated crawling dataset and modeling to predict tomorrow's sale
# Setting parameters using local MySQL id, password
user, password = 'root', 'your password'
end_time = (pd.Timestamp.now() - pd.Timedelta(days=1)).strftime("%Y-%m-%d")

# run crawling, preprocess datasets, and finally prediction at one time
PredModel = WoochuriPredModel(user=user, password=password, end_time=end_time,
                              today_sale='must be integer', remark='평일')
FinalDataset = PredModel.execute()
result = PredModel.run(FinalDataset)

# Sending message
account_sid = 'AC8f9d9f4c8983ee648153f5347ee027a9'
auth_token = 'your_auth_token'  # customize your_auth_token
client = Client(account_sid, auth_token)

woochuri_master = '+821094125854'
message = client.messages.create(from_='+13132543287', body=result, to=woochuri_master)
print(message.sid)

⚙️ Stack

• Python 3.7.7
• BeautifulSoup 4.6.0
• MySQL 8.0.21(pymysql 1.0.2)
• Pandas
• Numpy
• Scikit-learn 0.24.1
• Tensorflow 2.x
• PowerPoint
• IDE: PyCharm, Jupyter notebook

📌 twiliow 사용법

• 다음 명령어를 터미널에서 입력 후 다운로드
  pip install twilio
  
• twilio 가입 후 twilio 웹 브라우저 console로 이동해 account_sid와 auth_token 확인 후 main.py 파일과 동일한 코드로 메세지 전송