가중이동평균매출 lag함수 활용

Question

안녕하세요. 강사님 강사님께서 26강 5일 가중이동평균 문제풀이 해주신 방법외에 아래와 같이 lag 함수 활용해서 문제 풀어도 현업에서 사용하기 문제 없을까요? with temp_01 as (select a.order_date as d_day, sum(b.amount) as sum_amount , row_number() over(order by date(a.order_date) asc) as rnum from nw.orders a join nw.order_items b on a.order_id = b.order_id where a.order_date >= date('1996-07-08') group by a.order_date) , temp_02 as ( select * , count(*) over(order by d_day rows between 4 preceding and current row) as cnt , avg(sum_amount) over(order by d_day rows between 4 preceding and current row) as m_avg_5days #일반 이동평균 구하기 , ( lag(sum_amount,1) over(order by d_day) * 1 + lag(sum_amount,2) over(order by d_day) * 1 + lag(sum_amount,3) over(order by d_day) * 1 + lag(sum_amount,4) over(order by d_day) * 0.5 + sum_amount * 1.5 ) / 5 as w_m_avg_5days #5일 가중이동평균 구하기 from temp_01 order by d_day ) select * from temp_02 where rnum >= 5; 이런식으로 풀어도 괜찮을까요? 현업에서 활용할때 어떤 방식이 더 효율적일지 궁금합니다!

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. sukang73님 질문과 관련하여 아래 기존 답변을 참고해 보시면 도움이 될 것 같습니다. 관련 답변 가중이동평균 LAG() 함수를 이용해 이전 행의 매출액을 가져와 가중치를 곱하는 방식으로 가중이동평균을 계산하는 것은 현업에서도 사용할 수 있는 방법입니다. 특히 가중치가 고정된 5일 이동평균이라면 질문자님처럼 LAG(sum_amount, n) 을 활용해 구현할 수 있습니다. 다만 다음 사항은 확인하는 것이 좋습니다. LAG() 의 기준은 날짜가 아니라 행(row) 입니다. 따라서 특정 날짜에 데이터가 없으면 실제 달력 기준 5일이 아닌, 데이터가 존재하는 최근 5개 행을 기준으로 계산할 수 있습니다. order_date 에 시간이 포함되어 있다면 일자별 집계를 위해 date(order_date) 또는 date_trunc('day', order_date) 등을 사용해야 합니다. 가중치가 변경되거나 이동 기간이 길어지면 LAG() 를 여러 번 작성해야 하므로 쿼리 유지보수성이 떨어질 수 있습니다. where rnum >= 5 로 초기 4개 행을 제외하는 방식은 완전한 5개 기간이 만들어진 이후부터 계산하려는 목적이라면 적절합니다. 다만 rnum 이 실제 날짜 순서와 일치하는지 확인해야 합니다. 이동평균 계산에서는 날짜가 누락될 수 있으므로, 실무에서는 날짜 캘린더 테이블을 조인하여 날짜를 보정한 뒤 계산하는 경우도 있습니다. 즉, 고정된 5일 가중이동평균을 계산하고 데이터 누락이 없다면 질문자님의 LAG() 방식도 충분히 활용할 수 있습니다. 반면 기간이나 가중치가 동적으로 바뀌거나 데이터가 매우 많다면, 가중치 테이블을 별도로 관리하거나 다른 방식으로 일반화하는 것이 유지보수와 재사용성 측면에서 더 유리할 수 있습니다. 참고로 기존 답변에서는 LAG() 를 활용한 가중이동평균 방식과 SQL 및 Pandas의 활용 차이, 그리고 LAG() 의 offset은 변수처럼 동적으로 지정할 수 없다는 점을 설명하고 있습니다. 저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.