ChatGPT連携サービス
![](https://aismiley.co.jp/wp-content/uploads/2023/04/Bizchatgpt.png)
最終更新日:2024/03/04
過去のデータを用いて需要予測を行うことは、過剰在庫や欠品を最小限に抑え、ビジネス上のリスク低減を図ることにつながります。従来は作業者や職人の経験・勘に依存していた需要予測をシステム化することで、予測精度が高まり、より正確な在庫管理の実現が可能です。
需要予測を行う方法には、エクセルや在庫管理システム、需要予測AIなどがありますが、近年は需要予測AIが広まってきており、業種・業態を問わずさまざまな企業が導入しています。本記事では、エクセルを使った需要予測方法と問題点のほか、需要予測AIの活用メリットについても解説します。
行動予測について詳しく知りたい方はこちらの記事もご覧ください。
人(消費者)の行動予測を行うAIの仕組み・メリットを紹介!
需要予測とは、過去のデータに基づいて将来的な需要を予測する技術のことです。例えば過去の売上データから今後1年間の商品の売上個数を予測し、今後の原料の仕入れや商品の生産計画を策定するなどの場面で役立ちます。
従来の需要予測は、具体的な数値を活用するのではなく、現場の担当者が経験に基づいて行う場面が数多くありました。しかし、経験に基づく需要予測は担当者によって精度にばらつきが出やすく、一定の品質を維持することも難しいという特徴があります。
近年は販売管理システムやCRMなどを導入する企業が増えてきており、過去の売上データや販売履歴などを収集できる体制が整いつつあります。このような背景から、経験に基づく曖昧な需要予測ではなく、具体的なデータを活用した需要予測が積極的に行われるようになってきています。
需要予測は、さまざまな場面で活用されています。製造業において将来的な売上個数を予測し、生産管理や在庫管理に役立てることはもちろん、小売・飲食業においては、来客数や売上予測に基づき、余剰在庫を削減する取り組みにも役立てられています。
コールセンターでは、過去の入電数から今後の入電数を予測して、シフト調整や業務の割り当てを調整する用途などに用いることもできるでしょう。このように、「需要予測」とは単に商品の製造管理を行う目的で行われるに留まらず、実にさまざまな場面で活用されています。
近年では、自社が収集したさまざまなデータを活用すべく、需要予測AIが幅広い業界に浸透しつつあります。需要予測AIを導入することで、自動的に需要予測値を算出できるだけでなく、これまでの「作業者の経験に基づく予測」から「過去の実績値に基づいた予測」へ転換でき、より精度の高い需要予測を実現できます。
正確な在庫管理を行う上で、需要予測は必要不可欠です。在庫管理における需要予測とは、自社が扱う商品のうち、「どの商品が」「いつ」「どのくらいの数量」出庫・販売されるのかを正確に予測し、予測に基づいた仕入れや製品の製造を行うことが求められます。
需要予測を行うことは、基準在庫(安全在庫)の数量を定義することにも役立ちます。基準在庫とは、「欠品しないために最低限必要な在庫数」を指しています。基準在庫を設けて明確な基準のもとに生産を行えれば、「足りると思っていたが足りなかった」などの、不慮のトラブルを回避しやすくなるでしょう。
また、需要予測を正確に行えれば、過剰在庫のリスクを抑えて適正な在庫数を維持し、廃棄リスクも軽減可能です。
廃棄リスクを抑えるためには「作りすぎ」を防止する必要がありますが、一方で、生産数が少なすぎると欠品を招くおそれがあります。需要予測に基づいた基準在庫を設定し、一定数量を下回らない体制を整えることで、過剰在庫と欠品の双方のリスク軽減を図れます。
前述のように、需要予測を行うことで過剰在庫や欠品のリスクを軽減できます。このように、需要予測の本質は「需要予測値を正確に算出すること」そのものではなく、「需要予測値を算出してリスク低減を図ること」です。
「作りすぎ」や「不足」を防止し、想定外の損害を被るリスクを回避することこそ、需要予測を活用する本来の目的といえるでしょう。
とはいえ、外的要因などが原因で必ずしも需要予測と実需要が一致しないケースも考えられます。仮に欠品を招いて販売機会の損失が発生した場合であっても、そのデータが次回の需要予測に活かされて、より正確な予測の算出につながります。
また、基準在庫の考え方をもとに在庫の適正化を図れるため、まだ販売しきれていない在庫を抱えたまま新たな在庫を入庫しなければならない状況を防ぎ、常に必要な在庫を維持可能です。この特徴もまた、リスク低減という需要予測の目的を果たすためのポイントのひとつといえます。
需要予測を取り入れることによって、適正な需要を把握し在庫管理を適正化したり、業務改善の足がかりになったり、具体的な過去のデータを利用して作業者や職人の経験と勘に頼らない運用を行うことにつながります。
データに基づいた正確な数値を算出できれば、これまでの「なんとなく」の経営から脱し、効率的な現場運用が可能になるでしょう。ここでは、需要予測を取り入れる3つのメリットについて詳しく解説します。
需要予測を行うことで、在庫管理の適正化を実現できます。需要予測を行わずに工場で商品を生産すると、需要が変化しているにもかかわらず漫然と同じ量を生産し続けてしまい、過剰在庫や欠品を招くおそれがあるためです。
以前よりも需要が低下している商品を従来と同じ生産量で作り続ければ、倉庫内の在庫が増え続けて、在庫管理コストが増大するだけでなく、廃棄リスクも高まるでしょう。一方、需要が増加しているにもかかわらず生産量を増やさなければ、欠品が常態化して顧客満足度が低下したり、販売機会を喪失してしまったりする可能性があります。
データに基づいた適切な需要を知ることで、実態に基づいた生産計画を立案し、過剰在庫と欠品を最小限に抑えられます。
需要予測をシステム化できれば、業務改善への足がかりにもなります。従来のように作業者や職人が手動で需要予測を行うと、決まった作業を定期的に繰り返さなければならず、膨大なリソースを需要予測に費やさなければなりません。
需要予測をシステム化することによって、人の手で行っていた作業を自動化し、これまで需要予測に割り当てていたリソースを解放できます。作業者や職人を現場のより重要性が高い業務に注力させられるようになり、生産性の向上や業務効率化につながるでしょう。
また、データに基づいた需要予測を行うことで、最適な人員配置を行い、貴重なリソースをより効率的に活用できます。
作業者や職人の経験・勘に頼らず、目に見えるデータを活用して需要を押さえられることも、需要予測のメリットのひとつです。
従来の現場では、作業者や職人が自身の経験から生産数や仕入れ数を判断するケースが少なくありませんでした。しかし、「この季節はいつもより商品が売れる気がするから、いつもより多めに仕入れておこう」「〇月はあまり売れないから、生産数を少し減らそう」など、体感による判断は、大きな判断ミスにつながるリスクが高まります。
また、作業者や職人の経験と勘に頼った現場運用は、判断ミスを誘発しやすくなるだけでなく、担当者ごとの精度のばらつきを招いたり、スキルの平準化に悪影響を及ぼしたりする可能性もあります。データに基づいた需要予測を行うことで、需要が数値によって可視化され、経験や勘に頼らない運用が可能です。
需要予測には、時系列分析法、移動平均法、指数平滑法、加重移動平均法の4つの計算方法がよく活用されます。それぞれの計算方法によって使用するデータや数式が異なるため、需要予測を行う際は、自社がどの方法を使って計算するのかを事前に決めておく必要があります。
収集しているデータや分析の目的に応じて、適切な方法を選択することが大切です。ここでは、4つの計算方法の概要と、具体的な数式について解説します。
時系列分析法は、4つの需要予測の計算方法において最もよく用いられています。「一定期間で得られたデータの推移」を参照し、需要予測を算出する方法です。ここで言う「一定期間」とは、例えば前年度や前年同月、半期、四半期などが挙げられます。
時系列分析法を用いる際は、時間の推移だけでなく、季節性の要因による変動や、周期性・社会情勢の変化なども含めて需要予測を行うことが大切です。ただし、数年間にわたる長期的なデータ収集が必要な場合もあるため、立ち上げから間もない企業などでは時系列分析法を使った分析が難しい場合もあります。
時系列分析法では、上記の4つのモデルがよく活用されています。季節手法と非季節手法の違いは、季節性の要因を含めて需要予測を行うかどうかです。
移動平均法とは、実績値をもとにある期間内の平均値を算出し、期間内の需要を算出する計算方法です。
例えば、当年度の4~6月の需要を算出したい場合に、前年度の4月に300万円、5月に1,200万円、6月に600万円の売上がそれぞれ上がっていたとします。この場合、各月の売上変動が激しいため、前年同月比によって需要予測を行うことは難しいと考えられます。
そこで、4月~6月の売上の平均値700万円を需要予測値として活用し、当年度4~6月の生産計画を進めていくのが移動平均法の考え方です。
移動平均単価=(受入棚卸資産の評価額+在庫棚卸資産の金額)÷(受入棚卸資産数量+在庫棚卸資産数量)
指数平滑法とは、需要予測値と実際の需要に差異が出ることを織り込み、指数を活用して次回の需要予測を行う計算方法です。例えば、今年度の売上金額を1,000万円と予測していたものの、実際の売上が900万円だった場合、900÷1,000=0.9となり、この値を指数として使用します。
指数平滑法の計算式は、次のとおりです。
次回の需要予測値=a×前回の実績値+(1-a)×前回の需要予測値
これを前述の例に当てはめると、下記のような計算になります。
次回の需要予測値=0.9×900+(1-0.9)×1,000=910万円
上記の「a」の値は、「平滑定数」や「平滑化係数」と呼ばれることもあります。
加重移動平均法とは、移動平均法よりも最新の需要変動要因を重視した計算方法です。「加重移動平均」は、「加重係数」と呼ばれる値を、予測の元となる月の販売個数にかけることで算出できます。
加重移動平均法の計算式は次のとおりです。
1×最新データ+(1-a)×2番目に新しいデータ+(1-2a)×3番目に新しいデータ+(1-3a)×4番目に新しいデータ……(データの個数だけ繰り返す)
加重移動平均法では、最新の需要を重視するため、データが古くなるほど重みづけが少なくなっていく点が特徴です。新しいデータを参照して計算するため、移動平均法に比べて信頼性の高い需要予測を行いやすいというメリットがあります。
エクセルを使った需要予測の算出方法には、関数を使う方法と、エクセルの「予約シート」機能を使う方法の2通りがあります。
関数を使った算出方法はさらに細かく分かれており、FORECAST関数、TREND関数、SLOPE関数の3種類があるため、目的や状況に合わせて使用する関数を使い分けることが大切です。ここでは、関数を使った算出方法について詳しく解説します。
関数を使った算出方法には、回帰直線を利用した3種類があります。単回帰分析の場合はFORECAST関数、重回帰分析ならTREND関数、売上金額の平均的な伸長率を求める場合はSLOPE関数を活用します。
FORECAST関数はエクセルの関数を使って需要予測を行う際に、比較的よく用いられる計算方法です。「年度」と「売上」など、1つのデータを1つの要素で説明する「単回帰分析」を活用した需要予測になります。
自社で蓄積してきた過去のデータを活用して、翌年の売上金額を予測し、売上目標を設定する場合などに役立ちます。
予測に使うaとbの値は、次のように説明できます。
予測に使うaの値:bの値を予測する基準になる1つの値
bの範囲:エクセル上に入力されている既知のbの値(セルの範囲または配列)
aの範囲:エクセル上に入力されている既知のaの値(セルの範囲または配列)
FORECAST関数を使った計算は、aとbの値が直線的な関係にある場合に適しています。
TREND関数とは、統計学を活用して複数の要素を処理する「重回帰分析」を用いた計算方法です。DMの郵送数と売上金額の関連性など、マーケティング施策が売上金額に及ぼしている影響を明らかにし、費用対効果を計算する際などに向いています。また、複数の要素をもとにして翌年度の売上金額を予測する場合にも役立ちます。
予測に使うaとbの値は、次のように説明できます。
bの範囲:エクセル上に入力されている既知のbの値(セルの範囲または配列)
aの範囲:エクセル上に入力されている既知のaの値(セルの範囲または配列)
予測に使うaの値:bの値を予測する基準になる複数の値を指定(セル・セル範囲・配列など)
切片: 回帰直線の切片となるaの取り扱いを指示する命令
TRUE:切片aを計算(省略の場合も同様)
FALSE:切片を0とする
FORECAST関数と同様に、aとbの値が直線的な関係にある場合に適しています。
SLOPE関数とは、過去のデータに基づいて、売上金額の平均的な伸長率を求めるための関数です。過去の伸長率を知ることで、翌年度の伸長率を予測し、需要を算出する場面などに活用できます。
既に判明しているaとbの範囲から回帰直線を算出し、傾きを割り出すことで伸長率を明らかにします。
予測に使うaとbの値は、次のように説明できます。
bの範囲:エクセル上に入力されている既知のbの値(セルの範囲または配列)
aの範囲:エクセル上に入力されている既知のaの値(セルの範囲または配列)
FORECAST関数と同様に、aとbの値が直線的な関係にある場合に適しています。
関数を使用する方法以外に、エクセルに備わっている「予測シート」機能を利用する方法もあります。予測シート機能は「Excel 2016」以降のエクセルに実装されている標準機能で、関数を使用しなくてもワンクリックで需要予測値を算出できる点が特徴です。
予測データは過去のデータを参考に算出され、自動的に表とテーブルが生成されるため、関数の知識がない方でも気軽に利用できる点がメリットといえるでしょう。
予測シートは「指数平滑化」を用いて分析が行われるため、在庫管理や財務の数値など、幅広い予測に活用できます。
予測シートは、「データ」タブの中に含まれています。予測に使用したいデータと対応するセルの範囲を選択した状態で、「予測シート」というメニューをクリックすると「予測ワークシートの作成」という画面が立ち上がるので、プレビューに表示されているグラフを確認して「作成」を選択するだけで簡単に作成可能です。
エクセルを使った需要予測の問題点としては、「関数を理解しなければならない」「外的要因を考慮するのが難しい」という2点が挙げられます。これらの2点がなぜエクセルで需要予測を行うにあたって問題なのか、詳しく解説します。
エクセルで少量の計算を行う場合は、手動で計算式を記述して目的の数値を求めることも可能です。しかし、需要予測を行う場面では、これまで蓄積してきた膨大なデータを使い、複雑な計算を行わなければなりません。
エクセル上で膨大なデータを処理するためには、手動で計算式を記述するのではなく、複数個の関数の活用が必要不可欠です。つまり、エクセルを利用して需要予測を行うのであれば、まずは関数を理解し、使いこなせるようになる必要があります。
ただし、需要予測の担当者が関数を理解していたとしても、急病や退職などの理由で離脱した際に、次の担当者が関数を理解していなければ、関数が壊れても誰も修正することができなくなります。このようなデメリットから、実際にはエクセルを活用して需要予測が行われるケースはそれほど多くありません。
エクセルを利用した需要予測には、外的要因を考慮した予実管理が難しいという問題もあります。ここでいう「外的要因」とは、競合店舗の突発的な値下げや、市場のトレンド変化、一時的な欠品など、需要予測のために投入しているデータ以外の要素を指します。
エクセルの項目に含まれない外的要因は、需要予測の計算結果として現れません。そのため、エクセルの機能の範囲内では、外的要因まで含めた精度の高い需要予測を行うことが難しいという実情があります。
仮に外的要因を計算に含めるための新たな項目を追加する場合でも、既に組み上げられているエクセルシートに複雑な変更を加える際は、関数の詳しい知識が必要です。需要予測のための作業工数が膨大になりやすく、現実的ではない場合も多いでしょう。
前述のエクセル以外にも、需要予測をサポートするツールがあります。「エクセルを使わずに需要予測を行いたい」という方は、その他のツールを利用するのも選択肢のひとつです。ここでは、在庫管理システムと需要予測AIについて詳しく解説します。
入出庫を記録して自社の在庫を管理するための「在庫管理システム」には、需要予測機能が搭載されているものもあります。在庫管理システムにおける需要予測は、過去の入出庫履歴などのデータを参考にして、将来的な需要を導き出すものです。
あくまでも在庫管理システムに付帯した機能のひとつであることから、ごく簡単な機能のみを備えている場合もあれば、複雑で精度の高い予測が可能なものまで幅があります。需要予測機能が搭載された在庫管理システムを導入する場合は、機能面を細かく確認することが大切です。
需要予測AIとは、売上情報や顧客の購買履歴など、自社が蓄積したさまざまな情報をAIが自動的に分析し、将来的な需要を予測するシステムのことです。
一般的には、投入できるデータ数が多いほど予測精度の高いデータが得られるため、需要予測AIを活用する場合は、日頃からデータを収集・保管しておくことが大切です。ただし、やみくもに全てのデータを投入すれば良いというものではなく、投入前のデータを十分に精査し、需要予測にとって有用なデータのみを絞り込むことも大切です。
「需要予測AI」を活用することで、複雑な計算や関数を必要とせず、エクセルを用いる場合に比べて手軽に需要予測を行えます。ここでは、需要予測に「需要予測AI」を活用する4つのメリットについて解説します。
需要予測AIはシンプルで扱いやすい操作感のサービスも数多くあり、初めて需要予測を行う方でも簡単に予測分析が可能です。数クリックの操作で必要な情報を算出できるので、「需要予測は難しそう」と敷居が高く感じられている方でも安心して利用できます。定期的に利用するからこそ、誰でも扱いやすいサービスを選ぶことで、現場への定着率を高められます。
「なぜこのような予測結果を算出したのか」まで詳しくチェックできる機能が備わっている需要予測AIを選べば、予測結果に基づいた経営判断を行う際にも大いに役立つでしょう。
需要予測AIは、社内に存在するさまざまなデータをもとに需要予測を行います。そのため、需要予測AIの導入は、これまで蓄積してきた自社データを有効活用できる貴重な機会となるでしょう。
社内には、ECサイトの売上履歴や会員情報、月別の売上高など、需要予測に活用できるデータが溢れています。需要予測AIを活用することで、導入前は「ただの数値」でしかなかったこれらのデータが、自社の今後のマーケティング施策や経営方針を判断するための重要な指針を示すデータへ変化します。用意するデータはCSVファイルのみと、運用が手軽な点も、注目したいポイントのひとつです。
需要予測AIの導入によって、導入工数や運用工数の削減も期待できます。需要予測は定期的に同じ作業を繰り返して将来的な需要の見通しを立てるため、繰り返しの業務が発生しやすいという特徴があります。需要予測AIなら、このような繰り返しの業務を自動化できるため、運用工数を削減可能です。導入工数を最適化したい場合は、最適な導入プランを提案してもらえるコンサルティングサービスが付帯した需要予測AIを利用すると良いでしょう。
需要予測ツールのみを導入する場合は、月額1万円程度から始められるサービスもあるため、「まずは需要予測AIを使ってみたい」という方は、安価なサービスから始めてみるのもおすすめです。
需要予測AIを導入することで、AIモデル構築の工数を圧縮できます。
従来のデータサイエンティストがAIモデルを構築する方法では、前処理からモデル構築作業まで長い時間がかかるのが一般的でした。しかし、需要予測AIを導入することによって、モデル構築作業に要する一連の流れを大幅に圧縮して、浮いたリソースは他の重要業務に割り当てることが可能になります。
仮にツールの導入による工数圧縮がうまくいかない場合は、各社が提供する「データサイエンティストによる需要予測AIモデル構築サービス」を利用するのも方法のひとつです。自社にAIモデル構築のためのリソースがなくても、ベンダー企業のサービス利用時に合わせて依頼可能できます。
需要予測を行うことで、過剰在庫や欠品を最小限に抑えるリスク管理が可能になります。作業者や職人の経験・勘に頼ることなく、過去のデータに基づいた正確な予測を行うことは、スキルの平準化を図るとともに、DXの実現や業務効率化を促すことにもつながります。
需要予測を行う方法には、エクセルや在庫管理システム、需要予測AIなどがありますが、難しい知識が不要で作業を自動化できる需要予測AIの導入が特におすすめです。数クリックで予測分析を行えて、自社のデータを最大限に活用できる需要予測AIなら、販売機会の最大化とリスク低減を達成できるでしょう。
アイスマイリーでは、需要予測サービスを提供している事業者を幅広く紹介しています。需要予測AIに関する情報を集めたいとお考えの方は、下記より無料で一括資料請求を行えますので、ぜひご活用ください。
AIソリューションについて詳しく知りたい方は以下の記事もご覧ください。
AIソリューションの種類と事例を一覧に比較・紹介!
AIについて詳しく知りたい方は以下の記事もご覧ください。
AI・人工知能とは?定義・歴史・種類・仕組みから事例まで徹底解説
業務の課題解決に繋がる最新DX・情報をお届けいたします。
メールマガジンの配信をご希望の方は、下記フォームよりご登録ください。登録無料です。
AI製品・ソリューションの掲載を
希望される企業様はこちら