総合情報サイト / AI活用事例・AI導入事例 / 需要予測とは?課題・種類・方法やEXCELでの例と、AIを活用したポイントを解説

需要予測とは?課題・種類・方法やEXCELでの例と、AIを活用したポイントを解説

需要予測とは、過去の販売データなどを参照し、自社の商品やサービスがどのくらい売れるのかを予測することを指します。 正確な需要予測を行うことは、企業活動においてとても重要です。 なぜなら、この需要予測に応じて、商品の増産や、サービス提供のために人材を確保を行うためです。的確に需要予測を行うことによって、コストを抑えることにも繋がります。 精度の高い需要予測は企業の成長にとって必要不可欠だと言えるでしょう。 しかし、精度の高い需要予測は難易度が高く、属人化する恐れのある業務です。そのため、近年では需要予測にAIを活用する取り組みが注目されています。 この記事では、需要予測の課題や、AIを活用した需要予測のメリットなどを紹介します。

  • 需要予測とは

    先に述べたように、需要予測とは、自社の商品やサービスの需要を予測する取り組みです。

    納期までに余裕がある場合は、受注してから生産を開始することができます。
    しかし、近年では納期が短縮傾向にあり、見込み生産や見込み調達が当たり前になってきています。
    そのために役立つのが需要予測です。
    実際より見込みが大きいと、余剰在庫を抱えることになり、見込みが小さいと、機会損失を引き起こしてしまいます。
    あらかじめ売れる量を正確に予測し、資材を調達し、生産体制を敷くことが重要です。

    需要予測は仕入れのほか人員配置、設備投資、資金調達など企業活動すべてに関わる重要な工程であると言えるでしょう。

  • 需要予測の4つの課題

    企業活動において重要な需要予測ですが、課題があります。

    例えば…

    「需要予測といっても、前年度実績を流用しているだけで、正確な需要予測とは程遠い」
    「需要予測が大きく外れて、余剰在庫を抱えてしまった」
    「現状、需要予測は担当者の勘や経験に頼っている」

    上記のように、需要予測はさまざまな問題を抱えているのが現状です。

    以下、その課題4つを詳しく説明します。

    1.属人化しがちな需要予測の業務
    需要予測には、高度なノウハウが必要です。
    過去の実績や経験などが必要となるため、需要予測は属人化することの多い業務だと言えます。

    もし、その担当者が退職したとしたら、需要予測の業務を行うことのできる人材が不在となってしまいます。また、同じ担当者が継続して同じ業務に当たることは、人材流動の硬直化の要因にもなります。

    2.不確かな勘や経験に頼って需要予測を行う
    需要予測が属人化しがちな業務となってしまう要因に、不確かな勘や経験などによる業務のブラックボックス化があげられます。
    需要予測にはデータ分析などの専門知識が必要なため、精度高く行うことは困難です。
    外資系の企業でフォーキャスターと呼ばれる専任の需要予測担当者がいることからも、その困難さがわかります。
    データの推移から需要予測を行うためには、専門知識が不可欠と言えるでしょう。

    3.需要予測と営業目標を同一視してしまう
    需要予測は、主に商品・サービスを売る営業側(供給側)と、需給側の立場があります。
    営業側の立場になると、売り逃しの機会損失を避けるため、商品・サービスを過剰に見積もる傾向があります。
    これは需要予測ではなく、あくまで営業目標です。
    需要と供給、その両方の立場から、需要予測を立案する必要があります。

    また、自社内にノウハウが十分にない場合、前年度実績などを元に精度の低い需要予測を立ててしまいがちです。

    4.需要予測を立てる商品・サービスが多すぎる
    多様なニーズに応えるため、世の中にある商品・サービスは増加する傾向にあります。
    需要予測を立てる商品・サービスは数個から数十個であれば、まだ人の手で対応できる範疇内ですが、それが数千個に上った場合、とても対応できません。
    人の手によって同じ精度で需要予測を立てることは、不可能でしょう。

    売上の大部分を占めるAランク品のみを抽出し、その需要予測のみに注力するといった方法もありますが、おすすめできません。なぜなら、Bランク以下の商品・サービスが作っている売上をおろそかにすることに繋がるからです。

    数多くの商品・サービスの需要予測を担当者が人力で行った場合、ミスを犯すこともあるでしょう。
    需要予測のミスは、企業活動に大きな影響を及ぼします。

    一方、AIが需要予測を行った場合、疲れることもミスをすることもなく、瞬時に結果を算出することが可能です。

  • EXCELで使用できる需要予測の具体的な手法

    需要予測には、どのような方法があるのでしょうか。EXCELでも使用できる、代表的な分析方法について1つずつ紹介していきます。

    ◆時系列分析法
    時系列分析法とは、過去の販売データを元に分析する方法です。時系列分析法は、過去数年分の実績データがある場合に使用可能です。状況によっては、以前のトレンドなども交えて分析します。

    ◆算術平均法
    算術平均法は、過去のデータの算術平均を計算するものです。
    今後も同じく不規則な変動が続くものとして、算術平均値を「予測値」とします。
    誤差のある測定値を分析するときにも役立つ方法です。
    算術平均法は、少数の極端な数値の影響を受けやすい点に、注意が必要であると言えるでしょう。

    ◆回帰直線法
    回帰直線法は、上昇傾向、または下降傾向にあるデータを分析する際に使用します。
    データの流れを直線で表すタイプのもので、関数をデータに当てはめることによって、数値が変動した場合の予測ができるようになる手法です。
    散布図に直線を当てはめるため、関係がわかりやすいというメリットがあります。

    ◆移動平均法
    移動平均法は、仕入れ・在庫に変化があるたびに平均単価を算出して売上原価とし、棚卸資産の評価額を算出する方法です。
    利益額を求める際に重要な方法と言えるでしょう。

    ◆加重移動平均法
    加重移動平均法とは、過去のデータよりも現在のデータほど重く扱う手法で、過去のデータになるほどに、その重みを等間隔で減少させていく手法です。
    場合によっては、先に紹介した移動平均法より正確な予測ができます。

    ◆指数平滑法
    指数平滑法は、時系列データから予測値を使って需要を予測する手法となります。
    前回の実績値が、予測値とどれだけ乖離していたかを確認し、予測値を割り出します。
    こちらも、過去データよりも直近のより新しいデータに重きを置いて算出を行う手法です。

    ◆ホルト・ウィンタース法
    ホルト・ウィンタース法は、傾向と季節性の両方に重きを置く時系列予測の手法です。
    また時系列データが少ない場合は、季節指数が作成できませんが、外部で作成したものを使用することができます。
    しかし、需要予測を行う商品が季節の変動を受けない場合、活用ができません。その点、注意が必要な手法だと言えるでしょう。

    ◆多変量解析
    多変量解析とは、特定の対象に関するデータの関係性を解き明かす解析方法のことです。
    「すでにある店舗の売上や、地域の人口などのデータを参照して、チェーン店が出店した場合の売上を予測したい」といったことにも活用できます。

  • EXCELをはじめとした需要予測の3つの方法


    需要予測には、主にExcel・在庫管理システム・AIの3つのツールを活用することが一般的です。
    それぞれの方法について紹介します。

    1.Excelで需要予測をする方法
    Excelには、FORECAST関数・TREND関数・SLOPE関数など、需要予測のできる関数が搭載されています。これらの関数を活用することで、上記に説明した「需要予測の具体的な手法」である解析方法を試すことができます。

    2.在庫管理システムで需要予測をする方法
    在庫管理システムには、需要予測機能が搭載されているタイプがあります。
    導入コストはかかるものの、データ管理を行いながら需要予測を行うことができます。

    3.AIで需要予測をする方法
    近年の技術進歩に伴い、AIによる需要予測が注目を集めています。
    過去の販売データなどを機械学習させることで、精度高く需要予測を行うことができます。

  • AIによる需要予測のメリット4つ


    次に、AIによる需要予測のメリットについて紹介します。
    従来の方法を踏襲した場合、先に紹介した需要予測の4つの課題は解決できません。
    しかし、需要予測にAIを活用した場合、以下のような4つのメリットがあります。

    1.属人化する業務からの脱却
    需要予測は専門的知識が必要となるため、担当者以外ではその業務がわからなくなってしまう状況を引き起こします。
    しかし、AIを活用した場合は、担当者が変更・退職したとしても、その影響を受けません。
    AIの中に、需要予測のノウハウが蓄積されていきます。

    2.高い精度で需要予測ができる
    Excelなどを使用し人の手で需要予測を行った場合、属人的かつ不確かな勘や経験に頼ってしまうことから逃れられないでしょう。人間が膨大なデータから正確に需要予測を行うのは困難です。データの見落としや判断ミスもあるでしょう。
    しかし、AIを活用することで、ミスを防ぎ、精度の高い需要予測の算出が可能になります。

    また、自社の販売データを学習させ、実際に算出した需要予測に対して、さらに「結果どうだったのか」を読み込ませることで、より精度の高いAIを創り出すことも可能です。

    3.データに基づいた需要予測が可能
    AIを活用した場合、過去の販売実績のデータ、天候など複数の要因から、精度の高い需要予測ができます。
    従来の勘や経験に基づく予測では根拠に乏く、社内で需要予測に対する理解を得ることが難しいこともあったでしょう。
    しかし、AIを活用すれば、客観性をもった判断が可能になります。

    4.需要予測の業務を効率化できる
    AIであれば、自動かつスピーディーに分析を行うことができます。
    担当者が何時間もかけていた作業が、ボタン1つでミスなく完了します。

    このように、AIを活用することができれば、データに基づいた予測値から、理論的な生産計画を立てることができます。

  • AIによる需要予測のポイント


    では、どのような方法でAIによる需要予測ができるのでしょうか。そのポイントや、需要予測の精度を高める方法について紹介します。

    1.「AIになんの需要予測をさせたいのか」という明確な目的を持つ
    まず、なにをAIに予測させたいのか、目的をはっきりさせましょう。
    そのためのデータを揃える必要があるためです。

    2.最新かつ信頼できるデータを使用する
    需要予測に使用するデータには、正確さが求められます。
    信頼性が高いだけでなく、なるべく新しいデータを用いましょう。

    あまりに古いデータや、正確でないデータを読み込ませてしまうと、それらのデータにAIの判断が左右されてしまうためです。

    3.検証・改善を継続する
    AIによって算出された需要予測と、実際の需要の数値に乖離があった場合、その結果を需要予測モデルへ反映しましょう。
    これは、とても重要な工程です。
    こうした作業を継続的に行うことで、AIによる需要予測の精度は向上します。

    しかし、どんなに検証・改善を繰り返したとしても、異常気象や、競合他社の新商品など、未来が予期できないことによる数値の乖離は起こりえます。
    こうした事態を事前に予測することは現実的であるとは言えません。

    AIによる需要予測を取り入れる場合、そうした誤差が発生するケースがあることは、考慮する必要があります。

  • 需要予測ができるAIサービス「MatrixFlow」(マトリックスフロー)

    AIによる需要予測のメリットを紹介しました。
    しかし、「AIをどうやって活用したらいいのかわからない」「専門知識が必要そう」といった、AIの活用について戸惑いを隠せない、といった声をよく聞きます。

    そこで、統計知識・プログラミング不要のAI構築プラットフォーム「MatrixFlow」を紹介します。
    処理単位のブロックをドラッグ&ドロップで繋ぐことでAIを活用できます。そうした直感的な操作ができることが、「MatrixFlow」の特徴です。

    また、「MatrixFlow」は、データの管理だけでなく、作成したアルゴリズムの管理など、AI構築に関わるすべての工程を一元管理することができます。
    一元管理ができることに加えて、ノウハウの蓄積も可能です。
    プラットフォーム上に自動でデータが算出されるため、例え担当者が変更・退職となった場合でも、需要予測の精度が下がることはありません。
    業種・業界によらず活用が可能です。
    ぜひ、詳細はお問い合わせください。

関連した事例