TL;DR

• SKU는 재고·판매·발주를 추적하기 위해 조직 내부에서 정의하는 상품/재고 관리 단위다.
• 예측과 메트릭에서는 SKU 자체보다 SKU에 매장, 채널, 날짜 등이 결합된 관측 단위가 중요하다.

SKU (Stock Keeping Unit)

SKU(Stock Keeping Unit)는 재고, 판매, 발주, 보충을 추적하기 위해 조직 내부에서 정의하는 상품/재고 관리 단위다. 일반적으로 판매 가능하거나 재고 관리가 필요한 상품 변형을 구분하는 내부 코드로 사용된다.

SKU는 상품명보다 더 세밀하게 정의될 수 있다. 같은 음료 제품이라도 500ml와 1L가 별도로 입고, 판매, 재고 관리된다면 서로 다른 SKU가 될 수 있다. 같은 용량이라도 단품, 묶음 상품, 온라인 전용 구성, 프로모션 패키지가 별도로 운영된다면 각각 다른 SKU로 관리될 수 있다.

SKU는 상품 카테고리, 브랜드, 상품명, 바코드와 비슷해 보이지만 같은 개념은 아니다.

• 상품 카테고리는 여러 SKU를 묶는 상위 분류다.
• 브랜드는 상품을 소유하거나 판매하는 상표 또는 제조사 단위다.
• 상품명은 고객에게 노출되는 이름일 수 있지만, 하나의 상품명이 여러 SKU를 가질 수 있다.
• 바코드는 상품 식별 번호를 기계가 읽을 수 있게 표현한 코드이고, UPC, EAN, GTIN은 국제 표준 상품 식별 번호 체계다. 반면 SKU는 조직 내부에서 재고·판매·발주 관리를 위해 정의하는 내부 상품 관리 단위다.

따라서 SKU는 고객이 인식하는 “상품 하나”와 항상 일치하지 않는다. 기업이 재고와 판매를 어떻게 나누어 관리하느냐에 따라 SKU가 달라진다.

상품 계층과 예측 단위

SKU는 상품 계층에서 실제 재고·판매·발주가 갈라지는 하위 운영 단위다. 카테고리나 브랜드는 여러 SKU를 묶는 집계 단위로 사용된다.

수요 예측에서는 이 계층을 어느 수준에서 사용할지 결정해야 한다. 상위 카테고리에서 예측한 뒤 SKU로 배분할 수도 있고, SKU 단위 예측을 합산해 상위 수요를 만들 수도 있다. 이 선택은 예측 안정성과 운영 해상도 사이의 trade-off다.

수요 예측에서의 의미

수요 예측에서 SKU는 상품 측면의 기본 식별 단위가 된다. 다만 실제 예측 대상 시계열은 SKU 단독으로 정의되기보다, 보통 SKU에 매장, 지역, 채널, 날짜 같은 차원이 결합되어 만들어진다.

예를 들어 SKU x Store x Date는 특정 SKU가 특정 매장에서 특정 날짜에 얼마나 판매되었는지를 나타내는 관측 단위다. 이 경우 예측 모델이 다루는 단위는 단순히 SKU가 아니라 SKU-Store 단위의 일별 수요 시계열이다.

이때 중요한 질문은 “SKU를 예측할 것인가?”가 아니라 “SKU를 어떤 차원과 결합해 예측 단위로 정의할 것인가?”다.

SKU 단위로 세밀하게 예측하면 상품 변형별 수요 패턴을 볼 수 있지만, 저판매량 SKU나 간헐적 수요에서는 데이터가 희소해질 수 있다. 반대로 카테고리나 브랜드 단위로 집계하면 예측은 안정적일 수 있지만, 하위 SKU의 결품, 편향, 저판매량 패턴이 가려질 수 있다.

신규 SKU는 별도 문제를 만든다. 과거 판매 이력이 없으면 SKU 자체의 시계열을 학습할 수 없으므로, 유사 속성을 가진 기존 SKU, 상위 카테고리 수요, 출시 계획, 가격, 프로모션 같은 보조 정보를 사용해야 한다. 이 문제는 cold start problem으로 볼 수 있다.

메트릭 해석에서의 의미

메트릭은 어떤 단위에서 계산하느냐에 따라 해석이 달라진다. SKU별 계산은 세부 상품 단위의 문제를 드러내고, 여러 SKU를 합산한 지표는 전체 운영 성능을 요약한다. 다만 합산 지표에서는 판매량이 큰 SKU의 영향이 커져 저판매량 SKU의 문제가 가려질 수 있다.

예를 들어 WAPE는 합산 수준에서 고판매량 SKU의 영향을 크게 받고, MAPE는 저판매량 SKU나 intermittent demand처럼 실제값이 작거나 0에 가까운 경우 불안정해질 수 있다. 또한 Forecast Bias를 집계 수준에서만 보면 하위 SKU의 과대예측과 과소예측이 서로 상쇄될 수 있고, Fill Rate 역시 큰 단위에서만 보면 특정 SKU의 결품 문제가 전체 충족률에 가려질 수 있다.

따라서 SKU는 수요예측에서 상품 측면의 기본 식별 단위이며, 실제 예측과 평가는 SKU에 매장, 채널, 지역, 날짜 같은 차원을 결합한 단위에서 이루어진다.

---

Connections

• WAPE — SKU별 계산과 여러 SKU 합산 계산의 해석이 달라진다.
• MAPE — 저판매량 SKU에서 작은 실제값의 분모 효과가 커진다.
• Forecast Bias — SKU 단위 편향이 집계 수준에서 상쇄될 수 있다.
• Fill Rate — SKU 단위 결품이 큰 집계 단위에서 가려질 수 있다.
• [[시계열 데이터]] — SKU에 시간, 매장, 채널 등의 차원이 결합되면 예측 대상 시계열이 된다.

Related MOCs

• [[MOCs - Time Series Forecasting]]
• [[MOCs - Time Series Forecasting Metrics]]