機械学習を使った需要予測とは！導入のメリットや成功事例を紹介

需要予測とは、将来的にどのくらいの需要が見込めるのか、売れ行きや使用量を予測することを言い、AI（人工知能）による機械学習の活用が見込まれる分野の一つです。これまで担当者が長年の経験と勘で行ってきた需要予測を、開発されたシステムに頼ることで売れるチャンスを逃さず、大きな利益につなげることが期待されています。今回は、機械学習による需要予測を導入するメリットやその活用事例を紹介します。

▼更に需要予測について詳しく知るには？
需要予測の基本を徹底解説！精度向上のポイントも紹介

▼社内のデータをAI化するには？
ノーコードAIツールUMWELT紹介ページ（活用事例あり）

需要予測とは機械学習で需要を図る手法の一つ

在庫管理に欠かすことのできない需要予測にAIを活用することで、より迅速で正確な予測を可能にします。人の力だけでは、過去の販売実績や気象情報、競合他社の売価などの膨大な情報の中から関連するデータを取り出し、企業によっては数十万点に及ぶ商品を管理することは難しく、AIによる学習、推論技術をベースにすることが必要不可欠となっています。発注数やそのタイミングを最適化できれば、人件費の削減や労働時間の短縮、従業員の負担軽減につながる期待もあります。

▼更に需要予測について詳しく知るには？
需要予測の基本を徹底解説！精度向上のポイントも紹介

需要予測を実施するメリット

多くの企業ではこれまで、需要予測の精度が低いことで過剰在庫を生んだり、販売機会のロスを招いたりしてきました。結果として余分に生産工数が増えることによる固定費用の増大、廃棄ロスにつながっていたのです。AIを活用すれば在庫の最適化だけでなく、多品種少量生産への対応や、経営における意思決定を迅速化できる可能性もあります。また、どうしても人でなければ難しい予測に時間を費やすこともできるようになります。

1.ヒューマンエラーを防げる

AIの特徴の一つに正確さがあります。需要予測には膨大なデータを同時に分析する必要があり、AIに比べて情報分析や処理能力に大きな差のある人間が仮にやろうとすれば、人為的ミスの可能性や精度の低下などが考えられます。機械学習は、データをAI自身が解析して法則性を見つけ出していくため、さまざまなデータを正確に反映し、ヒューマンエラーの少ない運用が実現できるのです。

2.従業員の負担を軽減できる

膨大な量の荷物を管理する物流業界では、AIによる需要予測で最適化を図れる場面が数多く存在します。例えば、適正な在庫量が算出できるようになれば、数日先の車両の手配や倉庫業務を担う人員の調整などが可能で、それにより業界が頭を悩ませている人手不足や長時間労働など、従業員の負担軽減も期待できます。アイテム数が多いことで管理できない品目がある、今の予測方法では手間がかかりすぎている、といった現場の課題を解決してくれるかもしれません。

3.過不足のない発注や生産ができる

これまで正確に需要が読めていなかったことで起きていた現場の混乱も、過不足が最小限に抑えられた根拠ある予測値を得ることで収まります。製品在庫だけでなく、原材料や貯蔵品の適正化、設備や人材の的確な配置も実現できるようになるでしょう。

需要予測を実施するデメリット

しかし、「需要予測システムを導入すれば高精度の予測が可能になり、完璧に在庫管理ができる」かと言うと残念ながら違います。すべての期間の需要を正確に把握する予測モデルはないと考えるべきです。ただ、結果がすぐに現れないからといって導入が失敗だったというわけではありません。何度も検証を重ねていくことで、自社に適した予測方法が確立されていきます。予測が当たらなかったときの対策も明確になるのです。システムの効果的な運用においては、そのデータを基に対策を重ねていくことが重要です。

需要予測の手法

予備知識として、需要予測をするための統計的な手法の中から3つを簡単に紹介します。

1.移動平均法

売上原価を求める手法の一つとして移動平均法があります。在庫変動があるその都度、平均単価を算出して売上原価とし、在庫の総数を示す棚卸資産の評価額として取り扱うための計算方法です。現在の棚卸資産の評価額を把握することで、市場など何かしらの変化があったときの適切な経営判断に用いることができます。一方、デメリットとしては計算を行う回数が多くなるため、商品点数が増えるほどに複雑化し、担当者の負担は大きくなります。

2.指数平滑法

指数平滑法は、時系列データから将来の値を予測するのに活用される代表的な時系列分析手法です。過去データのうち、より新しいデータに重いウエイトをかけて移動平均を算出する加重平均法の一つで、前回の予測値と実績値があれば、今回予測値が算出できる簡単さも特徴だと言えます。在庫管理などで、定期発注の発注量予測によく使用されるほか、財務上の時系列予測、株価変動分析などでも用いられています。

3.時系列分析法

時系列分析法はその名の通り、時間経過に沿って計測されるデータの推移を見て需要予測を行う分析手法です。主に傾向の把握と数値予測を行うことができます。例えば、発売中の新商品の販売傾向や顧客のグループ別販売傾向を知りたい場合、実績を折れ線グラフで表し、傾向を視覚的に確認することができます。

需要予測の導入事例

製造や物流業界だけでなく、今や農業、コンビニ、大型スーパーなど多くの現場で、各業界が抱える課題の解決に向けて、機械学習による需要予測の導入が広がっています。

1.需要予測で農作物のフードロスを防ぐ取り組み

数カ月先のレタスの市場価格を予測することで、フードロス削減を目指す取り組みが始まっています。大学や企業などが共同で開発したシステムは、過去の野菜の市場価格などをAIが機械学習することで、2カ月先のレタスの市場価格を高精度に予測。植物工場の野菜の廃棄や販売機会の損失削減が期待できると言われています。

2.AIによる発注判断

AIを活用した商品受注システムを試験導入するイトーヨーカ堂では、価格や陳列棚の数、客数、気温や降水確率といった天候情報、曜日ごとの特性などを分析し、提案された販売予測数を踏まえて店舗担当者が発注を判断しています。セブン‐イレブン・ジャパンもAIによる発注判断を取り入れており、慢性的な人手不足を抱える現場における発注業務の省人化、省力化を目指しています。

3.交通需要の予測によるタクシー業界の効率化

タクシー業界では、トヨタ自動車とKDDIなどが共同で開発した配車支援システムの導入が進んでいます。運行実績や人口動態予測、イベント情報などを掛け合わせ、タクシーの需要を予測。さらに、タクシー需要への影響が大きい気象情報や公共交通機関の運行状況といったデータも、AIに取り込むことで高い精度の予測を実現しています。空車タクシーが少ない場所に車両を集めることにより乗車率が向上し、さらには人手不足に悩む業界にとって、新人ドライバーもベテランドライバー並みの成果が出せるようになることで活性化も期待されています。

需要予測の精度を上げる方法

ただシステムを導入すれば正確で外れのない需要予測が可能になるわけではありません。日常業務に使うのか、経営戦略の決定に使うのかといった目的とする意思決定により、求められる要件は大きく異なります。さらに、導入後も精度を上げていくために、いくつかの注意点があります。

1.質の良いデータを使用する

完璧な予測は難しいからこそ、使用するデータは、最新の正確なものを使うことが重要になります。例えば、1カ月先の生産量を予測する場合、1カ月前のデータより1日前のデータの方が予測精度を高めることは目に見えています。データを分析して活用する企業にとって重要な業務の一つは、製品に関するデータを最新のものに更新し、正確な情報を活用することと言えます。

2.異常値の存在を知る

今の時代、SNSによる拡散で突然商品が流行する、メディアに取り上げられたことで爆発的に売り上げが伸びるなど、一時的に売り上げが増加することがあります。その場合は異常値として入力データから除外、または補正などの処理を行います。仮にSNSの拡散によって伸びた売り上げデータを使っても、平常時の売り上げを予測することは難しいからです。

3.生産数との誤差を考慮する

どれだけ高精度の予測モデルが構築できても、需要に影響を及ぼすすべての要素を考慮することは不可能に近く、実際の需要量との間には必ず誤差が生まれます。例えば競合他社から新商品が発売された場合、その商品に関する情報は事前には取得できず、予測モデルに組み込むことは難しいために、自社商品の需要が大きく変動してしまうのです。

需要予測システムを導入する際に意識するポイント

それでは実際に、需要予測システムを導入しようと考えたときに選ぶポイントを紹介していきます。

1.目的に合わせた予測を行う

需要予測によりどのような意思決定をしたいのか、その目的を決める必要があります。2週間後の発注数を予測するといった日常業務のための短期的な意思決定の場合、比較的近い将来を高い精度で予測することが求められます。一方で、経営戦略のために中長期的な意思決定をしたい場合には、遠い将来の予測が必要になることが多いのです。新商品発売のタイミングや設備投資の時期など、会社の経営戦略を立てるために、大体の傾向の把握ができればいいのですが、市場の動向や取引先の戦略などの要素を絡めた予測であることが望ましく、それはとても難しい需要予測の活用になります。

2.システムの実績で導入を検討する

多くの需要予測システムがありますが、精度を比較しても微妙な違いであることも多く、ほとんどのパッケージには機能に大差がないのが現状です。使い勝手や導入後にシステムをサポートしてくれる機能があるかなど、さまざまな面から総合的に判断することが求められるため、まずは専門的な知識と豊富な経験を持つ製造元、販売供給元を選ぶことをおすすめします。

需要予測システムを導入したいのであればTRYETINGの「UMWELT」がおすすめ

需要予測は、担当者の長年の経験と直感を駆使し、さらに数理的な処理も使って行う非常に難しい作業です。AIを活用したシステムなら、精度の高い予測を実現できます。TRYETINGの「UMWELT」は、導入から運用までがとにかく簡単。クラウドを活用して導入コストを大幅に削減し、AI大手企業からも採用される技術力が強みです。

まとめ

著しい社会変化の中で経営を安定させるためには、スピーディーで正確な需要予測の活用が不可欠。統計学の基本知識を持つ社員がいない企業は、AIを活用した需要予測システムの導入を検討してみてはいかがでしょうか。