需要予測の基となる時系列データについて制約はありません。

需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)では予測の基となる時系列データは下図のサンプルのように予測対象となる製品情報と時系列実績情報からなります。

製品情報は、商品コード、商品名の他、商品グループ、販売地域、顧客など、予測分析したい複数列の項目を自由に設定できます。列数の使用は無制限です。

時系列情報は、受注実績や売上実績の情報となります。月次、週次、日次など、予測したい自由な単位のデータを設定できます。

需要予測の基となるデータを読み込む時に、製品情報は何列使用しているかを指定します。
下記のサンプルデータですと、製品情報は5列使用しています。

マイクロソフト社のOfficeのEXCELデータやCSVデータが使用可能であり、データ量の制約もありません。

需要予測に使用する時系列データ例

販売実績に関連する製品コード、製品名、製品グループ等、分析したい項目を自由に複数設定できます。これらの項目を自由に組み合わせ選択することにより様々なま角度から時系列分析を行い、予測を実行することが可能となります。

高度な予測統計手法が実行され、最適な手法が完全自動選択されます。

需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)は、連続型の特性を有する時系列データについては、6種類の高度な予測統計手法で予測分析が行われます。その中から時系列データの実績特性に最も近い分析結果となる予測統計手法が自動で選択されます。予測情報は、予測の期待値と、バラツキを考慮した予測の最小値および最大値がえられます。もちろん指定したサービルレベルでの値となります。

予測実行時のグラフ表示例

 

間歇予測機能(離散型・不規則型需要予測モデル)は特許取得しています。

間歇型(不規則型・離散型)の特性を持った時系列データは、サービスパーツや補修部品などの需要特性です。具体的には、・突発的に需要が発生する、・時系列データに実績がゼロの割合が多い、・周期性・季節性などの規則性が無いなどの特性があり、これまでは需要予測することが困難でした。

需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)は、間歇型の需要予測が行える機能を有しており、米国特許を取得しています。米国科学財団(U.S. National Science Foundation)がスポンサーとなり、画期的な予測手法(間歇予測手法)が開発されました。

この間歇予測手法では、モンテカルロ法の一つである統計的推論の手法であるブートストラップ法が採用されています。過去の時系列データから将来の任意の期間需要について数万回の確率分布のシミュレーションにより需要を予測します。

 

トップダウンやボトムアップによる多系列予測が行えます。

需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)は、個々のアイテム(製品や商品)の合計による予測を行う機能を保有しています。グループやカテゴリ、地域、担当者など、任意の系列での需要予測分析が行えます。

トップダウン予測機能では、個別のアイテムは完全自動予測が適用され、アイテムの合計に対しても完全自動予測が適用されます。

ボトムアップ予測機能では、個別のアイテムは完全自動予測が適用され、アイテムの合計に対しては、個別の予測情報が合算されます。

単一因果関係によるイベント予測が行えます。

販売促進などのプロモーションなどにより売上が増えたり、逆に災害などの要因により売上が減ったりします。過去の時系列分析において、このようなイベントによる売上の増減実績の事実が把握出来ないと傾向特性から外れたノイズと認識してしまうことになります。需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)は、時系列実績の増減の要因としてイベントを関連させることにより、将来に同じレベルのイベントが発生した場合を仮定した需要の予測を行うことが可能です。

複数因果関係分析による需要予測が行えます。

最近では、IOTやAIデータなど、様々なデータをビッグデータとして蓄積することが容易になってきました。その蓄積されたデータが売上に影響を与えることが判れば、需要予測の精度を向上させることが可能です。
需要予測システム(需要予測ソフトウエア)SmartForecasts(スマートフォーキャスト)は、売上げの実績データと相関のあるデータを分析するツールを備えています。
その売上データと相関のある複数のデータを使用しての需要予測予測が可能です。