ITトレンドがおすすめする製品・サービス
- ■予測の方式別
- 統計モデルと機械学習を併用：Forecast Pro
- 機械学習（AI）が中心：PlanNEL、AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」、LTV-Zaiko、α-発注、CrowdANALYTIX 在庫適正化サービス、Perswell
- ■業務とのつながり別
- ■新旧の予測の比べやすさ別
- 予測精度を指標で比較できる：PlanNEL
需要予測システムを乗り換える理由を整理する
需要予測システムの乗り換えを考える前に、現在の課題がシステムによるものか、データや業務の進め方によるものかを整理します。原因を切り分けずに乗り換えると、新しいシステムでも同じ課題が残る可能性があるためです。
予測が外れる原因の切り分け
予測が実績から外れる原因は、予測の方式だけとは限りません。販売実績に欠品や特売の影響が混ざっている、品目の統合や名称変更が反映されていないなど、学習に使うデータの側に原因がある場合もあります。
需要予測には、過去の傾向や季節性を数式で表す統計モデルと、多くの要因から規則性を学ぶ機械学習があり、得意な場面が異なります。どの品目で、どの程度外れているのかを整理してから、方式の違いを比べましょう。
発注や計画の業務とのつながり
予測の結果が発注や生産計画に使われていないことも、乗り換えを考えるきっかけの一つです。予測値を表計算に書き写して発注量を決めている場合は、転記の手間や誤りが発生しやすくなります。
予測から発注までを一つの流れにしたいのか、予測値を計画担当者の判断材料として使いたいのかで、乗り換え先に求める機能が変わります。業務のどこで予測を使うかを決めてから、候補を絞り込みましょう。予測を使う部署が複数ある場合は、それぞれの要望を事前に聞き取っておくと選定の基準を共有できます。
運用の属人化と保守の課題
社内で作った予測の仕組みや表計算のマクロを使っている場合、作成した担当者しか中身を理解していないことがあります。担当者の異動や退職で、予測の設定を変更できなくなるおそれがあります。
パッケージ製品を使っている場合も、提供会社のサポート方針やサーバーの更新時期が見直しの機会です。現在の仕組みで何を設定しているかを文書に残しながら、乗り換えの準備を進めましょう。
乗り換えで移す需要予測のデータ
需要予測システムの予測の質は、学習に使うデータに大きく左右されます。乗り換えでは、旧システムに蓄積されたデータを洗い出し、新しいシステムで使える形に整えて移すことが、切り替え後の予測を安定させる前提です。
販売実績と欠品・特売の記録
中心となるのは、品目別や店舗別、日別などの販売実績や出荷実績です。季節による変動を学習させるには、少なくとも数年分のデータが必要とされる場合があるため、何年分を移すかを提供会社と相談します。
あわせて、欠品していた期間や特売、キャンペーンの記録も移しましょう。欠品で売れなかった日をそのまま学習すると、本来の需要より少なく予測される可能性があります。記録が残っていない場合は、分かる範囲で補っておきます。
品目マスタと集計の階層
品目コードや分類、店舗や倉庫の区分といったマスタも移行の対象です。リニューアルで品番が変わった商品は、新旧の品番を紐付けておかないと、過去の実績が別の商品として扱われてしまいます。
予測を品目単位で行うのか、分類や地域でまとめて行うのかといった集計の階層も、新しいシステムで再現できるかを確認します。現在の分類が実態にあっていない場合は、乗り換えを機に見直すことも検討しましょう。
過去の予測値と補正の記録
旧システムが出した予測値と、担当者が手で補正した値の履歴も残しておきたいデータです。新しいシステムの精度を評価する際に、旧システムと比べる基準として使えます。
担当者がどのような理由で補正していたかを記録しておくと、システムに反映すべき要因を見つけやすくなります。補正の理由が担当者の経験だけに頼っている場合は、ルールとして書き出しておきましょう。
新旧の需要予測を同じ条件で比べる
乗り換え先の需要予測システムが現在より役立つかを判断するには、新旧の予測を同じ条件で比べる必要があります。提供会社が示す精度の数値は、対象のデータや評価の方法が異なるため、自社のデータで確かめることが大切です。
評価の指標と期間をそろえる
予測の精度を比べる際は、評価の指標と期間をそろえます。指標には、予測と実績のずれを割合で表すMAPE（平均絶対パーセント誤差）などがありますが、販売数の少ない品目では値が大きく振れやすい点に注意が必要です。
比べる期間は、繁忙期と閑散期の両方を含めると、季節による得意・不得意が見えてきます。全体の平均だけでなく、売上の大きい品目や欠品の影響が大きい品目に絞った結果も確認しましょう。
並行運用で品目別に確かめる
本番の切り替え前に、一定期間は新旧両方のシステムで予測を出し、実績と比べる並行運用を行う方法があります。品目や店舗ごとに結果を並べると、どの条件で新しいシステムの予測が実績に近いかを判断できます。
並行運用の期間中は、発注や計画には旧システムの予測を使い、新システムの結果は検証にとどめると業務への影響を抑えられます。並行運用の期間と、切り替えを判断する基準は事前に決めておきましょう。比較の結果と判断の理由を記録しておくと、社内で切り替えの合意を得やすくなります。
ITトレンドでは、最新の製品・サービスを多数比較・掲載しています。まず資料請求して、さまざまな製品の機能や特徴を比較してみてください。忙しい業務時間内でも、各社に問い合わせる手間なく、たった1回の入力（約60秒）で需要予測システムの一括資料請求が可能です。浮いた時間で、じっくりと製品を比較検討し進めましょう。
発注や生産計画への組み込み方
予測の精度を確かめたら、予測結果を実際の業務でどう使うかを決めます。予測値の受け渡し先や更新の頻度、担当者による補正の方法を整理しておくと、切り替え後の業務が混乱しにくくなります。
予測結果の受け渡し先と頻度
予測値を発注システムや生産管理システム、販売計画の資料などに受け渡す方法を決めます。システム同士を連携させる場合は、データを受け渡す時刻と、連携に失敗したときに通知が届くかを確認しましょう。
予測を毎日更新するのか、週や月ごとに更新するのかによって、必要な処理の時間や連携の仕組みが変わります。品目数が多い場合は、予測の計算にかかる時間も並行運用の間に確認しておきましょう。発注の締め時刻や生産計画を確定する日程から逆算して、予測を出す時刻を決めておくと安心です。
担当者による補正のルール
新商品の発売や大口の受注など、過去のデータに表れない要因は、担当者が予測値を補正して対応する場面があります。補正の権限や記録の残し方を決めておくと、誰がなぜ値を変えたかを後から確認できます。
補正を特定の担当者に任せきりにすると、その人が不在のときに判断が滞るおそれがあります。補正の基準を文書にして複数人で共有し、定期的に補正の結果と実績を振り返る場を設けましょう。
予測を使う部署への説明
新しい需要予測システムの予測値は、旧システムと比べて増減の傾向が変わることがあります。発注や生産計画の担当者が理由を理解しないまま使うと、予測値を信頼できずに使われなくなる可能性があります。
切り替えの前に、予測の方式や使っているデータ、並行運用で確かめた結果を、利用する部署に説明しておきましょう。予測値の見方や、予測と実績が大きくずれたときの相談先も伝えておくと、現場での判断が滞りにくくなります。
乗り換え後も需要予測を育てる運用
需要予測システムは、導入して終わりではありません。販売の傾向や取り扱う品目は変わり続けるため、乗り換え後も予測の精度を確かめ、必要に応じて設定や学習の条件を見直していく運用が欠かせません。
予測モデルの見直しのタイミング
市場の変化や販路の追加によって、過去のデータが示す傾向と現在の需要がずれる場合があります。予測と実績のずれを定期的に確認し、ずれが続く品目は学習の期間や使う要因を見直します。
モデルの再学習や設定の変更を、システムが自動で行うのか、担当者や提供会社が行うのかは製品によって異なります。見直しを誰がどの頻度で行うかを、乗り換えの段階で決めておきましょう。
新商品や外部要因の扱い
販売実績のない新商品は、似た商品の実績を参考にする方法などで予測を補う必要があります。どの商品を参考にするかのルールを決めておくと、発売直後の発注量の判断に役立ちます。
天候や行事、価格の変更などの外部要因を予測に取り入れたい場合は、そのデータをどこから入手し、どの頻度で更新するかも決めます。追加するデータが増えると準備の手間も増えるため、効果を確かめながら段階的に取り入れましょう。
乗り換え先候補の需要予測システム一覧
予測の方式や、発注・生産計画とのつながり方は製品によって異なります。乗り換えの目的にあう候補を絞り込む材料として活用してください。
| 製品名 | 特徴 |
|---|---|
| PlanNEL | 複数のAIモデルで予測し、MAPEなどの指標でモデルの精度を比較できる |
| AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」 | 予測から発注量の算出までを自動化し、基幹システムやERPとAPIで連携 |
| LTV-Zaiko | AIによる需要予測と在庫分析で、発注・値引・店舗間移動の判断を支援 |
| Forecast Pro | 統計・機械学習モデルに対応し、実績から予測モデルを自動で選択 |
| α-発注 | AIの需要予測と仕入れ条件をもとに、発注リストを自動で作成 |
| CrowdANALYTIX 在庫適正化サービス | 複数のAIモデルで大量のSKUを予測し、リードタイムやMOQを考慮した発注量を提示 |
| Perswell | 外部データを取り込んだ機械学習の予測と、API連携による発注数の自動算出 |
| Demand Solutions DSX | 需要予測・需給計画・生産スケジューラー・S&OPの4モジュールを統合 |
| NetSuite 需要予測 | 取引履歴や季節変動から需要を予測し、供給計画から購買・作業指示まで自動化 |
| 需要計画ソフトウェア | 社内外のデータを統合し、需要予測から需給計画までを一気通貫で支援 |
新旧の予測を比べながら移行しやすい需要予測システム
予測精度の評価や学習データの補正、予測結果を発注・生産計画へつなぐ機能など、乗り換え時の検証や業務への組み込みに役立つ需要予測システムを紹介します。
PlanNEL
- 販売実績を元に複数AIモデルで需要を予測し、精度の高い計画立案
- 予測精度を定量評価し、採用すべきモデルと改善ポイントを確認
- 外れ値などの影響を補正した学習データで、予測精度を高める
ザイオネックス株式会社が提供する「PlanNEL」は、新旧の予測を同じ指標で比べながら乗り換えを進めたい企業が検討できるSCMシステムです。ProphetやRandom Forestなど特性の異なるAIモデルを使って販売実績から需要を予測し、品目ごとに精度の高いモデルを選べます。MAPE・WAPE・RMSEでモデルの精度を比較でき、誤差の分布も可視化されます。欠品や特売、外れ値の影響を補正した学習データを作れるほか、補正の理由を記録することも可能です。
AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」
- 予測から発注量算出などのアクションまで自動化
- 数十万SKU・外部データに対応した高精度な需要予測
- データ処理から基幹システム連携まで自動化
AI CROSS株式会社が提供するAI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」は、予測値を表計算に書き写して発注量を決めている運用から抜け出したい製造業・卸売業向けのサービスです。予測値や現在庫、リードタイム、安全在庫をもとに発注量を算出し、出荷調整や価格試算にも対応します。基幹システムやERPとAPIで連携して実績データの受け渡しや予測結果の反映を自動化でき、気象やカレンダーなどの外部データも予測に取り込めます。運用設計から現場への定着までは、専任担当が支援する体制です。
LTV-Zaiko
- ZPM分析で在庫の状態を可視化
- AIによる需要予測で欠品と過剰在庫を同時に防ぐ
- 発注・値引・店舗間移動の提案
株式会社LTV-Xが提供する「LTV-Zaiko」は、予測の結果を発注だけでなく値引きや店舗間の在庫移動にも使いたい、店舗やECの在庫を扱う企業向けのAI需要予測・在庫分析システムです。全SKU・店舗単位のAI需要予測をもとに、補充発注や店間移動、売価変更を提案します。在庫の状態をZPM分析で7つの象限に分けて可視化し、目標の消化率に届いていない商品を把握できます。主要な受注システムやECカートと標準で連携し、購買データや商品データを取り込めます。
Forecast Pro （株式会社日立ソリューションズ東日本）
- 実績から最適な予測モデルを自動選択
- 統計・機械学習モデルで多様なデータに対応
- 予測プロセスの可視化で業務標準化を推進
α-発注 （株式会社infonerv）
- 需要や仕入れ条件を踏まえて発注リストを自動作成
- 在庫状況をモニタリングし異常を速やかに検知
- AI導入効果の事前検証や定期チューニングなどサポートも充実
CrowdANALYTIX 在庫適正化サービス （株式会社マクニカ）
- PSIレポートで在庫の可視化～発注量最適化までを支援
- 複数のAIモデルを用いて大量のSKUの個別需要予測を実現
- 発注量レコメンドと需給シミュレーションで最適な意思決定を支援
Perswell （株式会社DATAFLUCT）
- データサイエンティストなしで機械学習モデルを活用可能。
- 外部データを取り込み、商品別の予測モデルで精度を向上。
- API連携で発注数や在庫量を自動算出し、最適な発注を実現。
Demand Solutions DSX （JFEシステムズ株式会社）
- 4つの計画モジュールをワンシステムで管理可能。
- 業務プロセスに応じ、段階導入や一部モジュール導入が可能。
- Excel計画業務を一本化し、可視化と標準化を実現。
NetSuite 需要予測 （トライフォース・グローバル・ソリューションズ株式会社）
- 過去データと傾向分析による需要予測。
- 柔軟な設定で正確な計画が可能
- 供給計画から購買・作業指示まで自動化し業務を効率化。
需要計画ソフトウェア （o9ソリューションズ・ジャパン株式会社）
- AIと機械学習で高精度な需要予測を実現。
- 統合プラットフォームで部門横断の計画整合性を強化。
- シナリオ分析でリスクと機会を可視化し迅速対応を支援。
まとめ
需要予測システムの乗り換えでは、予測が外れる原因を切り分け、販売実績や欠品・特売の記録、品目マスタ、過去の予測値を整えて移すことが大切です。新旧の予測は同じ指標と期間で比べ、並行運用で品目別に確かめてから切り替えましょう。発注や生産計画への組み込み方や、乗り換え後の見直しの体制もあわせて検討します。資料請求で、予測の方式や業務との連携が異なる需要予測システムを比べてみてください。
