ITトレンドがおすすめする製品・サービス
- ■内製の進め方別
- 予測モデルの選定や精度の確認を効率化する：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）」、Forecast Pro
- 専門的な分析知識がなくても需要予測に取り組みやすい：AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」、CrowdANALYTIX 在庫適正化サービス、Perswell
- 自社の要件に応じたカスタマイズを相談する：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）」、CrowdANALYTIX 在庫適正化サービス
- ■内製したい範囲別
- 予測モデルの構築を製品に任せ、結果の確認や運用を自社で行う場合：AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」、Perswell、Forecast Pro
- 学習データや予測値の補正を自社で行う場合：PlanNEL、CrowdANALYTIX 在庫適正化サービス
- 予測結果を発注や在庫管理の判断に活用する場合：AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」、CrowdANALYTIX 在庫適正化サービス、Perswell
需要予測システムの内製前に決める対象と単位
需要予測は、何を、どの粒度で、いつまで予測するかによって、必要なデータも手法も変わります。内製に着手する前に、予測の目的を具体的に決めておきます。
予測する品目と粒度の絞り込み
すべての品目を一度に予測しようとすると、データの整備が追いつきません。まずは、欠品や過剰在庫による損失が大きい品目や、売上への影響が大きい品目から始める進め方が現実的です。
粒度も、品目別か、店舗別か、日次か、週次かで難しさが変わります。粒度を細かくするほど、一つひとつのデータ量が少なくなり、予測がぶれやすくなる点にも注意が必要です。最初は粗めの粒度で始めて、精度を見ながら細かくする方法もあります。
予測期間と業務の締め時刻の対応
予測期間は、発注から納品までのリードタイムや、生産計画の期間にあわせて決めます。リードタイムが二週間の品目なら、少なくとも二週間先の需要が必要です。
予測を出す頻度と、発注や計画の締め時刻の関係も整理しましょう。締め時刻より後に出る予測は、使われずに終わるおそれがあります。発注担当者に、実際の締め時刻と作業の流れを聞いておくと確実です。
成功の基準となる指標の設定
予測の良し悪しは、欠品率や在庫日数、廃棄の量など、業務の指標で判断します。内製の前に、現状の数値を記録して、改善の目標を決めておく必要があります。
基準がないと、予測が当たったかどうかを後から評価できません。担当者の感覚ではなく、数値で効果を確かめられる形にしておきましょう。関係部署と目標を共有しておくと、予測の使い道もそろいます。
予測の材料となるデータの整え方
需要予測の精度は、モデルの工夫以上に、元データの質に左右される場合があります。内製では、このデータ整備に多くの時間がかかります。
販売実績に潜む需要の見かけの減少
欠品していた期間の販売数は、実際の需要より少なく記録されます。この数字をそのまま学習させると、需要を低く見積もる予測になる可能性があります。
欠品の期間を記録しておき、補正や除外の対象として扱う工夫が必要です。欠品の記録がない場合は、在庫の推移から期間を推定する方法も検討します。返品や取り消しの扱いも、事前にルールを決めておきます。
販促や天候などの外部要因の追加
販売数は、特売や広告、天候、休日、競合の動きなど、さまざまな要因で変動します。これらを予測の材料として加えると、精度が上がる場合があります。
ただし、要因を増やしすぎるとモデルが複雑になり、結果の説明が難しくなります。まずは販促の実施日や休日など、社内で把握できる情報から始めましょう。要因ごとに精度への効果を確かめながら、少しずつ追加すると管理しやすくなります。
データの欠損や表記ゆれの整理
商品コードの変更、名称の表記のばらつき、入力の漏れなどは、予測を乱す要因です。複数のシステムからデータを集める場合は、特に注意が必要です。
整理の作業は、一度で終わりません。新商品の追加や廃番の都度、データの対応表を更新する運用を決めておくと、後の手間を抑えられます。担当者が変わっても更新できるよう、対応表の置き場所も決めておきます。
需要予測の結果を発注業務に反映する方法
需要予測を行うだけでは、現場の業務改善にはつながりません。自社でモデルを開発する場合も、既製ツールを活用する場合も、予測結果を発注や生産計画に反映する仕組みを整えることが重要です。
単純な手法を基準にする
直近の平均や、前年の同じ時期の実績を使う方法は、手軽で説明しやすい予測です。まずこの方法で予測を出し、基準となる精度を把握します。
機械学習などの高度な手法は、この基準を上回るかで価値を判断します。上回らないなら、運用や保守の負担が重い手法を採用する理由はありません。
誤差の指標を使い分ける
予測の誤差には、平均絶対誤差や、割合で示す指標など複数の測り方があります。売れ行きの小さい品目では、割合の指標が極端に大きくなることもあるため、品目の性質にあわせて選びます。
一つの指標だけで判断せず、欠品や在庫の増加といった業務上の結果もあわせて確認すると、現場の感覚に近い評価ができます。指標の算出方法は文書にして、関係者で共有しておきましょう。
過去の期間で検証する
作ったモデルは、学習に使っていない期間のデータで、どれだけ当たるかを検証します。学習に使った期間で確かめると、実際の運用より良い結果に見えてしまいます。
繁忙期や特売のある期間など、予測が難しい時期での結果も確認しましょう。結果が悪い時期の傾向をつかむと、人による補正の方針を立てやすくなります。検証の結果は、次の見直しの材料として保管します。
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。
内製した需要予測システムを発注業務へ戻す
予測を出すだけでは、現場の業務は変わりません。内製した予測を発注や生産の判断に組み込む部分も、設計に含める必要があります。
予測結果を画面や帳票で渡す
予測の数値は、担当者が普段使う画面や帳票に表示すると、定着しやすくなります。新しい専用画面を作ると、確認の手間が増えて使われなくなる場合もあります。
予測値だけでなく、直近の実績と前年同期の数字を並べると、納得して使えます。表示する項目は、現場の担当者の意見を聞いて決めましょう。使われない項目は、後から減らす前提で始めても構いません。画面の変更を依頼しやすい体制も整えておくと安心です。
人による補正の余地を残す
新商品や突発的な需要の変化は、データに表れる前に現場が気づくことがあります。予測を自動で発注に反映せず、担当者が確認して修正できる仕組みが望まれます。
補正した理由と結果を記録すると、人の判断が予測より当たっていたのかを検証できます。記録がなければ、補正の効果が確かめられません。入力の手間が重くならないよう、理由は選択式にする工夫もあります。
予測の根拠を説明できるようにする
なぜその予測になったのかを説明できないと、現場の信頼を得るのが難しくなります。影響の大きかった要因や、過去の似た時期の実績を示せる仕組みがあると有効です。
内製のモデルは、作った担当者にしか説明できない状態になりがちです。ほかの担当者でも説明できるよう、考え方を文書にしておきましょう。説明用の資料があると、新しい担当者の理解も早まります。
内製を続けるための体制と既製ツールの使い分け
需要予測の内製は、作って終わりではなく、保守と改善を続ける仕事です。長く運用するための体制と、既製のツールを使う選択肢も整理します。
属人化を防ぐ体制づくり
内製の予測が一人の担当者に依存すると、異動や退職で運用が止まるおそれがあります。複数の担当者で役割を分け、作業の手順を文書に残すことが欠かせません。
データの整備、モデルの更新、現場への説明など、必要な役割を洗い出しましょう。担当者の入れ替えを前提にした引き継ぎの計画も大切です。引き継ぎの手順を実際に試しておくと、抜けに気づけます。
再学習と精度確認の手順
需要の傾向は変わるため、予測モデルは定期的に見直す必要があります。見直す周期と、精度が下がったと判断する基準を、あらかじめ決めておきます。
基準を決めずに運用すると、精度の低下に気づくのが遅れます。誤差を定期的に集計し、結果を一覧にして、関係者で確認する場を設けましょう。確認は毎月の定例会議に組み込むと、続けやすくなります。
既製の需要予測システムとの使い分け
すべてを内製する必要はありません。品目の特性が標準的で、既製の機能で足りるなら、既製の需要予測システムのほうが、導入の期間や維持の負担を抑えられる場合があります。
自社に特有の要因が大きい品目だけを内製し、他は製品に任せる組み合わせも考えられます。人員や費用を見積もったうえで、内製の範囲を決めましょう。判断に迷う場合は、小さな範囲で試して費用と効果を確かめる方法もあります。
内製の負担を抑える需要予測ツール一覧
需要予測の内製を支援する製品を、予測モデルの選定や精度評価、データの補正、運用支援などの機能から比較します。自社で担いたい作業と、製品に任せたい範囲を整理して選びましょう。
| 製品名 | 特徴 |
|---|---|
| PlanNEL | 複数のAIモデルによる需要予測と精度評価に対応。欠損値や外れ値の補正、補正理由の記録も可能 |
| AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」 | 予測アルゴリズムの自動選定やデータ処理の自動化に対応。専任担当者が導入・運用を支援 |
| CrowdANALYTIX 在庫適正化サービス | 複数のAIモデルでSKU単位の需要を予測。外れ値の除外やトレンド補正、発注量のレコメンドに対応 |
| Perswell | データサイエンティストなしで機械学習モデルを活用。外部データを取り込み、商品別の需要予測を支援 |
| Forecast Pro | 実績データから適した予測モデルを自動選択。統計・機械学習による予測とプロセスの可視化に対応 |
内製の範囲にあわせて選ぶ需要予測製品
予測モデルの選定やデータの補正を自社で行える製品と、予測処理や運用を支援する製品を紹介します。設定の自由度や専門知識の必要性、導入後のサポート体制を比較しましょう。
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、予測モデルの選定や精度評価、学習データの補正を支援するSCMシステムです。ProphetやRandom Forestなど複数のAIモデルを利用でき、MAPEやWAPE、RMSEで予測精度を比較できます。欠品や特売、外れ値などの影響を補正し、補正理由の記録にも対応。欠損値の補完や外れ値の除去を設定に応じて自動化できます。個別カスタマイズはエンタープライズプランのみ対応します。
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、専門知識がなくてもAIによる需要予測に取り組めるクラウド型サービスです。最適な予測アルゴリズムの自動選定や、データの取り込み・加工・更新の自動化に対応し、数万～数十万SKUの予測を支援します。発注量の自動算出はオプションで提供。専任のデータサイエンティストが、データ準備や活用方針の検討から導入後の精度評価、運用改善まで伴走します。
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。
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
まとめ
需要予測システムを内製する際は、予測対象や評価指標を定め、データ整備からモデルの作成・検証、現場での運用までを設計することが重要です。すべてを自社で開発する必要はなく、既製ツールを活用して予測条件の調整や精度確認を行う方法もあります。必要な専門知識やサポート体制を比較し、自社に適した内製の範囲を検討しましょう。
