数値予測にあたり

企業や店舗によっては、予測をしなければならない場面があるかもしれません。
ここでは数値の予測に焦点を当てて考えてゆきます。

ここで「数値予測」の対象となっているものは様々です。
例えば売上高、利益(粗利益、営業利益、経常利益など)、販売数量、利用者数、来店客数のほか、製品であれば故障件数、不良数量などあらゆるものが対象です。

このとき、数値を予測するのに「予測をしておしまい」ではとてももったいないことです。
一方、予測は当たりさえすれば良いのか、と言う問題もあります。
また過去のデータを基に将来の数値予測を行う場合、その方法は大きく分けて2つあります。


【数値予測の主な方法】

  1. 予測したい項目について、時系列の推移を利用する方法
  2. 予測したい項目と(ほぼ)連動して変化するその他の項目も利用する方法

1番目の例は、例えばこんな感じです。

時系列データ

時系列データ

このデータは、第一四半期~第四四半期までのデータを基に、翌四半期の数値を予測することを試みるものです。
この例については、明日(2014年3月4日)の記事で詳しく説明します。

そして2番目の例は、例えば「夏の暑い日はよりビールが売れて、それほど暑くない日は、ビールはあまり売れない」というように、予測したい項目はビールの販売数量であっても、そのビールの売れ行きを、最高気温という別な項目のデータも一緒に分析をして、ビールの販売数量を予測するというものです。

この例もまた追って簡単に説明しますが、ビジネスで数値予測を行うときの考え方を、次にまとめておきます。


【数値予測の臨み方】

  • 特定の業界によって適した予測手法というものは無い
  • 特定の業界によって予測したい項目に影響する決まった要因というものは無い
  • いきなり将来の予測をせず、直近の予測から試してみる
  • すぐに当たる予測は得られることはまず無く、日常業務を通じて予測精度を上げてゆく
  • 高度な手法やシステムによらなくても一定の方法で済んでしまう場合もある

例えば販売数量を予測したい場合、その販売数量が天候や曜日によってある程度変化していることがわかっている場合は、それぞれ販売数量、曜日、天候といった項目をまとめて分析しながら予測を試みます。
それぞれのデータの項目のことを統計学では変数と呼びます。
予測したい項目の販売数量に対して、曜日や天候など、販売数量が変化する要因にあたる項目のことを、説明変数などと呼ぶことがあります。

これは回帰分析という分析方法が良く使われることから、良く「説明変数」って言う言葉を遣ってしまうのです。
回帰分析については、また別な機会で説明することにします。

予測をしたい項目の変化はなぜ起こっているのか?は、業界の慣習や経験、また経験からくる直感など、人間が介在して説明変数は何かを探ったり、また既にあるデータの中から、力作業的に販売数量(予測したい項目)との関連を探ることも必要になります。

気に入った?