【AIによる需要予測の活用事例】AIを活用して未来を作る

需要予測技術とは？その原理について

需要予測技術とは、事前に商品が売れる量を予測する技術のことです。在庫が少なすぎると販売機会の損失に繋がり、多すぎても資金繰りに悪影響を及ぼすため、事前に適切な量を予測して準備をすることが求められます。どの業界でも、高い精度の需要予測技術を用いることで、販売機会の損失を回避でき、大きな利益にも繋げることができます。

需要予測の具体的な統計手法

従来の需要予測技術では統計的手法が用いられていました。過去の実績を基に、回帰分析、移動平均法、指数平滑法などの方法で予測をしていました。

移動平均法

移動平均法とは、過去数ヶ月の売り上げの平均から当月の売り上げを予測する手法です。毎月、計算する月がずれていくため、このような名前になっています。直近のデータは反映されますが、過去のデータが無駄になってしまうデメリットがあります。

指数平滑法

指数平滑法とは、過去の予測値と実績値に重み付けをして、新たに予測をする方法です。得られた過去のデータのうち、より新しいデータに大きな重みをつけます。過去のデータであればあるほど、重みを指数関数的に小さく設定するため、このような名前になっています。直近のデータだけではなく、過去のデータも活用できます。

回帰分析

回帰分析とは、因果関係のありそうな説明変数を直線の形でモデリングする方法です。使用する説明変数の数で、単回帰分析や重回帰分析などと呼び分けます。

しかし、従来の統計学的予測では、訓練データを学習しすぎてしまい、未知データに対して予測ができなくなり、逆にパフォーマンスを下げてしまう可能性が高いです。この状態を過学習と呼びます。統計学的予測では、過学習が起きやすいため、複雑に変化するマーケット環境に対しては弱いです。

そのため、AIを活用した、機械学習ベースの需要予測を導入する必要に迫られています。集合学習や深層学習などの機械学習の手法は、ブラックボックス化しているため、解釈しにくいという問題はありますが、過学習を低減でき、正確な予測をすることができます。また、AIを活用することで、過去のデータがない新商品の需要予測も、多様な外的要因のデータや類似した商品のデータを用いることで予測が可能になります。

例えば、集合学習では、線形回帰や決定木やSVMなどの手法で学習させたモデルを作り、それらの結果の平均値を出すなどして複合的に用いることで、一つのモデルよりも安定して正確な予測を行うことができます。

どの需要予測技術を用いるか判断する際、多くの選択肢からある程度の数までは原理や経験から絞ることができますが、最終的にどの手法が最適であるかは実際に検証しないとわかりません。それぞれの方法に絶対的な優位性があるわけではないため、過去のデータを使って精度を検証して、一番誤差が少なく使いやすい方法を、目的に応じて利用する必要があります。

需要予測技術がどれほど優れていても最終的に評価をして決定を下すのは人間なので、AIと人間の知能の両方を最大限に活かして、より良い未来を作っていく必要があります。

需要予測技術の歴史と最新の動向について

需要予測技術の歴史と最新の動向について述べていきます。

ひとつずつ見ていきましょう。

需要予測技術の歴史について

従来では、主に担当者の長年の経験と勘から需要を予測し、意思決定を行ってきました。しかし、これでは知見が非常に属人的であるため、共有をして組織に蓄積させることができませんでした。

そのため、より客観的な基準として、統計的手法が使用されるようになりました。しかし、この手法では過学習が起きる可能性が高く、正確な予測ができないという問題がありました。

そのため、AIを活用した、機械学習ベースの需要予測が必要になりました。これにより、過学習を抑えることができ、高い精度で予測ができるようになりました。また、新商品の需要予測をする際も、類似した商品のデータなどを用いることで予測できるようになりました。

需要予測技術の最新の動向について

現在、多くの企業において、在庫の削減が大きな経営問題となっています。しかし一方で、お客様からの要求がますます強くなっているため、欠品の発生も企業経営に大きな影響を与えています。

そのため、どの業界においても、事前に適切な在庫の量を予測して準備をすることが求められます。AIを活用して、高い精度の需要予測技術を用いることで、機会の損失を回避でき、大きな利益にも繋げることができます。

また、このような客観的な基準を基に意思決定を繰り返すことで、組織全体としての判断精度の向上が見込まれます。

さらに、グローバル化やニーズの多様化により、商品ライフサイクルが短縮されてきています。商品がヒットしてから増産をしても、間に合わずに販売の機会損失が増えてしまうことがあります。

そのため、企業には素早く柔軟な対応が求められており、需要予測はとても重要です。

関連：AI導入のメリットとデメリットは？わかりやすい具体例で解説

企業のビジネスにおける需要予測技術の活用事例

AIによるタクシー利用客の場所ごとの推移予測

AIを利用することで、場所ごとの正確な乗客数の予測をすることができます。新人ドライバーでもベテラン並みの成果を出し、早い時期から安定した収入を得ることができるため、若い人のタクシー業界への注目度が高まることが予想されます。

事例

トヨタ自動車、JapanTaxi、KDDI、アクセンチュアの4社が、AIを活用してタクシーの需要を予測し、ドライバーに配信する「配車システム」を試験導入しました。

課題

タクシー業界では少子高齢化により慢性的な人手不足が課題となっています。限られた人手でニーズがある場所に効率よくタクシーを供給させなければなりませんが、タクシー待ちなどを多く発生させてしまい、機会損失を招いていました。これまでは運転手の勘と経験で需要が多そうな場所に向かっていたので、若手運転手は成果を上げるまでに時間がかかり離職率が高くなっていました。

解決策

時間と場所などが組み合わさったデータから、ニューラルネットワークで特徴を取り出したりして学習させるディープラーニングの手法を用いることで、場所や気象状況、時間帯などのデータから今後30分間の乗客数を予測し、スムーズに配車を行いました。

効果

ドライバーの1ヶ月の売り上げが前月比で20.4％増加しました。業務が効率化されたことで、新人ドライバーでもベテラン並みの乗車回数が達成できるようになるため、若手運転手の離職率の低下も期待できます。

（参照元：Aiによる需要予測でタクシー業界が売り上げ増加！Aiでタクシー業界もスマート化）

小売やアパレル業界におけるAIを活用した売上予測

小売やアパレル業界では、AIを利用することで適切な値引きの割合を正確に予測し、価格を最適化させることができます。これにより、損失を防ぎ、利益を最大化させることができます。

事例

商品情報などを登録すると商品の売り上げを予測できる「Sell.NAVI」を利用することで、売り上げが改善されました。

課題

小売やアパレル業界では現場の経験のみを頼りにして値引き金額を決定していました。しかし、過剰な値引きや値引き不足による損失が課題となっていました。

解決策

Sell.NAVIの需要予測モデルを導入することで、POSデータや商品マスタ、店舗情報のデータを登録するだけで、商品の値引率を可視化し、商品の売り上げを予測してグラフで表示させました。

効果

単純な操作のみで商品の売り上げを予測でき、約10％の売り上げの改善と在庫回転率の向上が見込まれます。

（参照元：データ分析を専門とするDAPが、小売・アパレル業界向けに需要・値引き予測「Sell.NAVI」の予約開始！）

AIによる適切な量の医療品の出荷予測

AIを用いることで、適切な量の医療品を出荷することができます。これにより、在庫が少なすぎる事による機会の損失と、多すぎることによる資金繰りの問題を解決することができました。

事例

アルフレッサ株式会社はソフトバンク株式会社が提供するAI技術「MAGELLAN BLOCKS」を活用し、医療品の出荷を高い精度で予測できるようになりました。

課題

独自の需要予測ツールでは操作性に問題がありました。また、担当者の経験に基づく出荷予測も行っていたため、予測を更に省力化できる他の方法を模索していました。

解決策

過去3年間の出荷データを学習させ、使いやすい予測モデルを導入しました。

効果

一部の品目では誤差率が1.5％以下となり、人手による出荷予測を上回るまで精度が向上しました。また、それにより余剰在庫や欠品のリスク回避にもつながりました。

（参照元：医薬品の出荷予測にAIを活用。一部品目の予測誤差率1.5％を切り、生産性が向上。）

まとめ

需要予測技術は、どの業界においても、機会の損失を防ぎ、大きな利益を出すために必要となっています。そこで、精度が高く正確な需要予測をするためには、AIを活用した、機械学習ベースの需要予測が必要不可欠です。

このように、客観的な基準を用いて意思決定をすることで、AIと人間の知能の両方を最大限に活かし、より良い未来を作っていくことができます。

実践にいかせるDX人材育成講座をお探しの方へ

DX推進をするにあたり、社内のDXリテラシー教育は避けては通れない道です。

・人材育成はその効果が図りづらく、投資判断がしづらい

・講座を受講させたいが、対象者が忙しく勉強をする時間がとりづらい

などのお悩みを解決する、

受講開始から最短1日で受講完了でき、受講内容を踏まえたアウトプットが得られる「DXリテラシー講座」をご用意しました。

DXリテラシー講座詳細につきましてはダウンロード資料よりご確認ください。

以下リンクよりフォーム入力ですぐにダウンロードいただけます。