需要予測システムの選び方。比べる前に決めることと、物流で見る6つの観点

需要予測のシステムを探し始めると、比較サイトには数十の製品が並び、どれも「高精度」「AI搭載」をうたっています。機能の一覧を見比べても、自社の倉庫で本当に役に立つのはどれなのかは、なかなか見えてきません。この記事では、物流センターや倉庫で出荷物量を予測する場面を前提に、システムの種類、選ぶ前に決めておくこと、比べる観点、精度と費用の確かめ方を順に説明します。需要予測そのものの考え方は需要予測とは。物流現場での使いどころで、AIで何が変わるのかは需要予測AIとは。できることと、できないことで詳しく書いています。

需要予測システムにはどんな種類があるのか。大きく4つの形に分かれる

需要予測システムとは、過去の実績と、量を動かす要因（曜日、祝日、天候、販促など）から、先の量を見積もる仕組みのことです。製品の数は多いものの、形で分けると4つに整理できます。どれが優れているというより、社内に誰がいて、予測を何に使うかで向き不向きが決まります。

物流の現場でよく起きるのは、汎用のツールで予測の数字までは出たものの、そこから「明日は何人呼ぶか」「何台押さえるか」に直す作業が人の手に残り、結局は前週の数字を見て決めている、という状態です。予測の数字を出すことと、それを段取りに使うことの間には、もう一段の仕組みが要ります。

選ぶ前に何を決めておくのか。予測する単位、先の期間、使う場面の3つ

製品を比べる前に決めておきたいのは、予測を何に使うかです。物流センターなら、使い道はおおむね翌日以降の人数、トラックの台数、資材や在庫の準備のいずれかになります。使い道が決まると、予測する単位とどれくらい先まで必要かが、自然に決まります。

たとえば翌日の人数を決めたいなら、必要なのは前日の昼までに出る、工程別の日別の予測です。品目ごとの細かい予測は要らないかもしれません。反対に、繁忙期に向けて派遣会社に人数を伝えるのが目的なら、数週間先の週別の予測が要ります。この2つは求める製品の性格がかなり違います。

もう1つ確かめておきたいのが、手元のデータです。日別の出荷実績がWMSや基幹システムにどの単位で、何年分残っているかで、選べる製品の幅が変わります。経済産業省のガイドブックでは、予測する対象の売上実績は2〜3年分（最低1年分）を目安に挙げています。WMSに溜まった実績の使い道はWMSとは。出荷実績データは何に使えるのかにまとめています。

何を比べればよいのか。物流で効く6つの観点

比較サイトの機能表には、外部データとの連携、分析できる対象の広さ、自動発注の有無といった項目が並びます。どれも大事ですが、物流の現場で導入後に差がつくのは、データを入れる手間と、予測を段取りに使う仕組みのほうです。次の6つの観点で並べると、違いが見えやすくなります。

6つのうち、資料やデモだけでは判断しにくいのが「精度の確かめ方」と「結果の使い方」です。この2つは、自社のデータを渡して実際に試してもらうまで分かりません。候補を2〜3社に絞ったら、同じデータを渡して同じ条件で試してもらうのが近道です。

精度はどう比べればよいのか。自社の過去データを伏せて当ててもらう

カタログに載っている精度の数字は、その製品が別の会社のデータで出した結果です。業種も、予測の単位も、測った期間も違うので、自社でも同じ数字が出るとは限りません。比べるなら、自社の過去データの一部を伏せて予測してもらい、実際の値とのずれを見るのが確かな方法です。

ここで大事なのは、比べる相手を「今のやり方」にすることです。予測手法の国際的なコンペティション（M5）には5,000を超えるチームが参加しましたが、単純な予測方法を上回れたのは半分ほどでした。手の込んだ仕組みが、いつも単純な方法に勝つわけではありません。前週同曜日の数字と比べてどれだけずれが小さくなるかを見れば、導入する意味があるかどうかを判断できます。

ずれの測り方にも注意が要ります。日ごとのずれを実績で割って平均するやり方は分かりやすい反面、出荷が少ない日があると、数個のずれでも大きな率になってしまいます。物流では、期間全体のずれの合計を実績の合計で割る見方のほうが、人数や台数の感覚に近くなります。同じ1週間の予測を3つの物差しで測り比べた例は、需要予測の精度をどこまで上げられるかを書いた記事に載せています。

費用はどれくらいかかるのか。見積もりは3年の総額で並べる

需要予測システムの費用は、形によって大きく違います。経済産業省のガイドブックには、汎用の自動予測ツールを使って、店舗ごとに日次の商品別販売予測を行う場合の年間費用の試算が載っています。

同じガイドブックには、社内にプログラミングができる人が1人いる小売業が、5年分の売上データを使い、導入費用10万円、モデルづくり1.5日で予測を始めた事例も載っています。ただし、この期間にはツール選びや検証の期間は含まれていません。社内に作れる人がいて、使い道もはっきりしていれば、ここまで小さく始められるということです。

業務向けのパッケージや個別開発になると、費用の桁は変わります。ここで気をつけたいのは、初期費用と月額だけを並べて比べないことです。WMSや基幹システムとつなぐ開発費、物量の傾向が変わったときの学び直しや保守の費用は、見積もりに入っていないことがよくあります。3年使う前提で、初期・連携・月額・保守を足した総額で並べると、安く見えた製品が高くつく、ということが起きにくくなります。

中小企業であれば、国の「デジタル化・AI導入補助金」（旧IT導入補助金から名称が変わりました）を使える場合があります。対象は事務局に登録されたツールで、登録された支援事業者と一緒に申請する仕組みです。補助率は原則2分の1で、枠や業務の数によって上限が変わります。公募の回ごとに締切があるので、検討を始めた段階で候補の製品が対象かどうかを確かめておくと、スケジュールを組みやすくなります。

導入はどう進めるのか。1つの拠点・1つの荷主から始める

候補が決まったら、いきなり全拠点に入れるのではなく、物量のぶれが大きくて困っている拠点や荷主を1つ選び、そこで予測と段取りの両方を回してみます。経済産業省のガイドブックは、数字で見える効果が安定するまでに一般的に半年から1年程度かかるとしています。最初の数か月は、予測の数字と、実際に呼んだ人数・押さえた台数を並べて記録しておくと、効果を説明しやすくなります。

試すときは、予測を見て人数を決める手順そのものも一緒に変える必要があります。予測の画面を毎朝誰かが開くだけでは、決め方は変わりません。前日の何時に誰が予測を見て、何人を呼ぶかを決めるのか、を先に決めておきます。出荷物量から必要な人数を前もって決める流れは、出荷物量から必要人員を決めるで具体的に紹介しています。人数の計算に使う人時生産性の考え方は、人時生産性とは。計算式と、上げ方の順番を参考にしてください。

よくある質問

需要予測システムを選ぶときは、製品を並べる前に、何に使い、どの単位で、どれくらい先まで予測するのかを決めることから始めます。そのうえで、自社のデータを伏せて当ててもらい、今のやり方と比べたずれの差と、3年の総額を見れば、機能表だけでは見えない違いがはっきりします。最初は日別の出荷実績を2年分ほど書き出し、前週同曜日で予測したら毎日どれくらい外れていたかを計算してみると、候補と比べる物差しがひとつ手に入ります。

参考：経済産業省「AI導入ガイドブック 需要予測（小売り、卸業）」（2021年3月）／中小企業庁「デジタル化・AI導入補助金の概要」／中小機構 J-Net21「デジタル化・AI導入補助金」／Makridakis, Spiliotis, Assimakopoulos「M5 accuracy competition: Results, findings, and conclusions」International Journal of Forecasting（2022）。本記事は2026年10月時点の公表情報に基づきます。補助金の要件や締切は公募要領でご確認ください。