予測アルゴリズムの概要

CutomForecast®(カスタムフォーキャスト)の予測手法は対移動平均法と指数平滑法の両方を組み合わせた予測モデルの導出方法です。
例えば、月次予測の場合、最初に対移動平均法を用いてデータの月別指数を求め、それを反映させて、時系列データからトレンドを抜きます。次に改良した原系列データを指数平滑法に当てはめることで、より優れた予測値を導出します。
これにより、季節的な傾向と直近の重みを共に考慮に入れた予測モデルの構成が可能となります。
指数平滑部分における平滑化定数は、ARMAモデルのパラメータ推定用いた最適解を利用しています。

予測の基となる時系列データについて

CustomForecast 予測の基となる時系列データ例

予測の基となる時系列データは、EXCELデータあるいはCSVデータが使用可能です。
時系列データのサイクルは、月次、週次、および日次が可能であり、過去最大3年分の時系列データが使用可能です。
データのフォーマットは、上記の図サンプルデータのように商品コード、品名の2列の他、2種類の集計単位の設定が可能です。
EXCELデータの場合には、Sheet 別に時系列データを準備することも可能であり、CustomForecast へ読み込む時に、Sheet 別のデータを選択します。

予測実行概要

CustomForecast予測実行画面例

CustomForecast の予測を実行すると、最適な予測手法が自動選択されます。

自動選択された予測手法やモデル精度が表示され、確認することが可能です。

集計単位のドリルアップおよびドリルダウンの操作をこの画面上で行うことが可能です。

予測実行グラフ

CustomForecast予測実行グラフ例

予測実行グラフの例では、24ヶ月に実績データを使用して、12ヶ月間の予測を行った例です。
予測グラフには、
・時系列実績データ
・トレンドデータ
・自己平均データ
・予測中央データ(予測期待値)
・予測下限データ(安全在庫含むデータ)
・予測下限データ
が表示されます。

予測の上限データは、予測実行時に指定したサービスレベルに基づき、予測期待値に必要な安全在庫数を加えたデータとなります。