시계열 데이터베이스(Time-Series Database)는 시간의 흐름에 따라 반복적으로 측정·기록된 값이나 이벤트의 연속적인 집합을 저장하고 관리하는 데이터베이스입니다. 값들은 일반적으로 일정한 시간 간격(예: 매시간, 매일, 매주)으로 수집됩니다.
시계열 데이터는 매우 다양한 분야에서 폭넓게 활용됩니다. 대표적인 예로 주식 시장 분석, 경제 및 판매 예측, 예산 분석, 공공요금 연구, 재고 관리, 생산량 예측, 업무량 예측, 공정 및 품질 관리 등이 있습니다. 또한 기온·풍향·지진과 같은 자연 현상의 관측, 수치 및 공학 실험, 의료 치료 기록 관리에도 널리 사용됩니다.
시계열 데이터베이스와 시퀀스 데이터베이스의 차이
시계열 데이터베이스는 시퀀스(순차) 데이터베이스의 한 종류로 볼 수 있습니다. 시퀀스 데이터베이스란 순서가 있는 이벤트들의 나열을 포함하는 모든 데이터베이스를 의미하며, 구체적인 시간 정보가 있든 없든 상관없습니다. 예를 들어 웹 페이지 탐색 경로나 고객의 쇼핑 거래 순서는 시퀀스 데이터에 해당하지만, 반드시 시계열 데이터라고 할 수는 없습니다.
급증하는 시계열 데이터
최근 센서, 원격 측정(telemetry) 장치, 온라인 데이터 수집 도구가 대규모로 보급되면서 시계열 데이터의 양이 급격히 늘어나고 있습니다. 주식 거래처럼 하루에 기가바이트 단위로 데이터가 쌓이는 경우도 있고, NASA 우주 프로그램처럼 분 단위로 방대한 데이터가 생성되는 경우도 있습니다.
시계열 데이터의 트렌드 분석 4대 요소
주식 시장의 특정 종목 일별 종가처럼 변수 Y를 시간 t의 함수로 표현하면 Y = F(t)로 나타낼 수 있습니다. 이러한 시계열 데이터의 특성을 분석하는 트렌드 분석은 다음 네 가지 주요 요소로 구성됩니다.
1. 추세(Trend) 또는 장기 변동
추세는 긴 시간 구간에 걸쳐 시계열 그래프가 향하는 전반적인 방향을 의미합니다. 이러한 움직임은 추세 곡선(trend curve)이나 추세선(trend line)으로 표현되며, 대표적인 산출 방법으로는 가중 이동 평균법(weighted moving average)과 최소제곱법(least-squares method)이 있습니다.
2. 순환 변동(Cyclic Variations)
순환 변동은 추세선이나 추세 곡선을 중심으로 발생하는 장기적인 진동을 말합니다. 순환은 주기적일 수도 있고 아닐 수도 있으며, 동일한 시간 간격마다 정확히 같은 패턴을 반복할 필요는 없습니다.
3. 계절 변동(Seasonal Variations)
계절 변동은 체계적이거나 달력과 관련된 주기적 패턴을 의미합니다. 발렌타인데이를 앞두고 초콜릿과 꽃 판매가 급증하거나, 크리스마스 전 백화점 매출이 늘어나는 것이 대표적인 예입니다. 더운 여름철 물 사용량이 증가하는 현상 역시 계절 변동에 해당합니다. 이러한 계절 변동은 연속된 여러 해의 같은 시기(월)에 나타나는 동일하거나 유사한 패턴을 말합니다.
4. 불규칙 변동(Irregular or Random Movements)
불규칙 변동은 노사 분쟁, 홍수 같은 자연재해, 기업의 인사 개편 발표 등 우연하거나 돌발적인 사건으로 인해 시계열에 나타나는 산발적인 움직임을 의미합니다.