Quantile Gridsを使用した予測（2015年）

Quantileグリッドは、在庫が関与する場合には従来の予測手法に比べて根本的な改善をもたらします。また、分位数予測にも優れているため、将来についてははるかに多くの情報を提供します。特に商業においては、従来の予測手法はうまく機能しません。この問題の根本原因は単純です：将来は不確実です。従来の予測は将来の需要の正しい値を予測しようとしますが、それには失敗します。将来の需要の「正しい」値が予測されることを期待して従来の予測を修正しようとすることは幻想です。Quantileグリッドは、この問題に対してまったく異なる立場を取ります。

Quantileグリッドでは、Lokadは特定の製品の将来の需要値を1つ予測するのではなく、需要の確率分布全体を予測します。つまり、需要がゼロ単位、1単位、2単位などになる確率を予測します。この情報は非常に豊富であり、従来の予測よりもはるかに利益を上げる方法で活用することができます。

非統計学者向けの導入

これらの行を読んでいる間、もし統計学者でない場合、あなたのビジネスがこれらのいわゆる「分位数グリッド」を使って何か合理的なことをする可能性があるかどうか疑問に思うかもしれません。これは、実際には動作する予測手法というよりも、現代統計学の博士論文の良いタイトルのように聞こえます。もし、この用語が威圧的だと思うなら、単に「分位数グリッド」を「実際に動作する予測」と置き換えて考えてみてください。Lokadを使用しているほとんどの企業は、統計学のスキルを持っていません。あなたの受信トレイに関連付けられたスパムフィルタも高度な統計を使用していますが、それを使用するためには博士号を持っている必要はありません。

Lokadは、商業においてほぼ同じことをしています。私たちは、先進的な機械学習を活用して、あなたの会社をより利益を上げるものにし、その背後にある技術は非常に高度になっており、もはやそれについて非常に気にする必要はありません。

以下では、Lokadの裏側で何が起こっているかについて説明しますが、Lokadを使用するには、ベイジアン確率推論に精通している必要はありませんのでご安心ください。

商業のための予測の再考

多くのベンダーは、ARIMA、Box-Jenkins、Holt-Wintersなどの「高度な」予測手法を使用していると自慢していますが、これらの手法は実際には半世紀前のものであり、ほとんどの冷蔵庫よりも処理能力の低い当時の最も強力な企業用コンピュータで計算できるモデルに優先度を付けていました。これらの手法を考案した人々は非常に優れた人々でしたが、彼らは当時の計算リソースでやりくりしなければならず、非常に少ない計算で計算できるモデルを優先しました。現在では、非常に少ないコストで予測の課題に対して大量の計算リソースを使用することができます。

クラウドコンピューティングプラットフォームを使用すると、1000時間の計算リソースのコストは50ドル未満です。明らかに、これにより予測に対して根本的に新しい展望が開けます。そして、まさにこれらの展望をLokadは広範に探求してきました。Quantile Gridsは、Lokadの予測技術の第3バージョンを表していますが、全体像を把握するために数年前にさかのぼりましょう。2008年に、私たちはクラシックな予測を最初のバージョンとして開始しましたが、Lokadのチームが3年間の大規模な研究開発努力を行ったにもかかわらず、クラシックなアプローチは行き詰まりでした。クラシックな予測に満足しているクライアントは実際にはほとんどいませんでした。他の予測ベンダーとの経験を通じて、Lokadのクライアントの経験についてさらに詳しく知るにつれ、予測技術に満足している企業は一つもないことがわかりました。この問題はLokadに特有のものではなく、予測業界全体が機能不全であることに気付き、何かを変えることにしました。

2012年、LokadはQuantile Forecastsというコードネームで予測技術の第2バージョンをリリースしました。単純に言えば、クォンタイル予測はクラシックな予測に悩まされる最大の問題に対処します：クラシックな予測は単に正しい問題を見ていません。

実際、企業にとっての課題は、在庫切れを引き起こす予期せぬ需要の高さと、不要な在庫を引き起こす予期せぬ需要の低さの両極端を避けることです。将来の需要が「予想どおり」の場合、ビジネスの観点からはほとんど重要ではありません。

しかし、クラシックな予測、平均値または中央値の予測は、これらの「極端な」状況を完全に無視し、完全に平均ケースに焦点を当てています。予想どおりの在庫切れと不要な在庫の両方を防ぐことには失敗します。クォンタイル予測はこの課題に直接取り組み、在庫切れを回避するなどのシナリオに焦点を当て、この問題に正確な答えを提供しようとします。2012年になると、満足しているクライアントがますます増え始めました。Lokadの設立から3年以上経った時点で、初めてうまくいくものを手に入れました。

2015年、Lokadは予測技術の第3バージョンであるクォンタイルグリッドをリリースしました。クォンタイル予測はすでにクラシックな予測に比べて根本的な改善でしたが、まだ弱点がありました。私たちはクォンタイル予測技術を数十回の展開でますます経験を積むにつれ、たった「1つ」のビジネスシナリオの予測を作成するというアイデアは妥当であるものの、完全ではないことに気付きました。なぜこの1つのシナリオだけなのですか？2つ目や3つ目のシナリオはどうなのですか？複数のシナリオを手動で管理することは煩雑であり、すべてのシナリオを一度に予測する必要があると気付きました。計算の観点からは、これは非常に高コストでした。各製品について、ほぼすべての需要レベルの確率を計算する必要がありました。しかし、関与する計算の量は驚異的に見えますが、計算リソースの価格も年々急落してきました。5年前には高すぎると考えていたものが、今では非常に手頃な価格になっています。2015年、Lokadは予測技術の第3バージョンであるクォンタイルグリッドをリリースしました。クォンタイルグリッドは非常に計算負荷が高いですが、クラウドコンピューティングリソースの価格が急落したおかげで手頃な価格になりました。

需要の全体的な確率分布を考慮する

将来の需要は不確定です。将来の需要を単一の値で表現しようとする試みは、どれほど優れた値であっても完全なストーリーを伝えることはできません。正確な将来の需要レベルを予測できる「魔法の」システムを持っていたら素晴らしいですが、これはかなりの妄想です。予測が間違っている場合、この予測を「修正」しようとするのは非常に誘惑的です。残念ながら、統計的な予測は非常に直感に反するものであり、現実的には修正する必要がないことが頻繁にあります。予測値は将来の需要の完全に有効で可能性のある結果の1つです。

システムは、将来の需要に対してわずかにより確率の高い値を生成するように微調整することができますが、それだけです。会社は最初に期待されたビジネス活動の向上につながらないわずかにより確率の高い将来の需要の値しか得ることができません。

クォンタイルグリッドは非常に異なるアプローチを取ります。Lokadは、各製品に対して将来の需要の各レベルの確率を計算します。将来の需要が既知であるという幻想を維持しようとする代わりに、クォンタイルグリッドは多くの可能な将来に関連する確率を直接表現します。

例えば、リードタイムが2週間の売れない製品を考えると、この製品の次の2週間の需要の分布（通常、予測の範囲はリードタイムに一致する必要があります）は次のように表現できます：

将来を完全に確率的な観点から考えることは複雑に思えるかもしれませんが、実際にはすでにすべてのビジネスエグゼクティブが行っていることを表しています。つまり、特定の結果の確率を考慮し、ビジネスに関連する最も重要なシナリオに対して賭けを行い、最も関連性のあるシナリオに対処する準備をするためです。予測エンジンの観点からは、事前に「最も関連性のある」シナリオが何であるかはわからないため、論理的な解決策は、ある程度無理やりなものですが、すべての可能なシナリオを処理することです。ただし、ビジネスが予測する製品が1000個あると仮定し（当社の一部のクライアントは何百万ものSKUを扱っています）、Lokadが各製品に対して100のシナリオに関連する確率を計算すると、クォンタイルグリッドは処理が実用的ではない100,000のエントリを生成します。以下のセクションでこのポイントに到達します。

サプライチェーンの優先順位付け

各購買の決定について、将来の需要と現在の購買の決定に依存する「結果」の式を簡単な計算式として書き留めることができます。その後、各レベルの将来の需要の対応する確率に基づいて、すべての決定をスコアリングすることができます。

需要予測は、商業用の購買注文や産業設定での生産バッチのトリガーなど、サプライチェーンの意思決定に最も一般的に使用されます。将来の結果に関連するすべての確率を持っている場合、すべての購買の優先順位リストを作成することが可能です。実際に、各購買の決定について、簡単な計算式を書き留めることができます。需要がD単位であり、P単位を購入すると仮定すると、財務的な結果はXになります。言うまでもなく、Lokadはこの短い式を書くのをお手伝いします。ほとんどのビジネスにとって、これは粗利から在庫のコストと欠品のコストを差し引いたものになります。したがって、この式を持っている場合、製品Zの「1単位を購入する」というようなすべてのサプライチェーンの決定に対して、結果はすべての可能な将来の確率と比較して重み付けすることができます。これにより、すべての可能な決定の「スコア」を計算します。

すべての決定にスコアが付けられたら、これらの決定をランク付けし、最も利益の高いオプションをリストのトップに配置することができます。このリストをマスター購買優先リストと呼んでいます。このリストでは、すべての製品が複数の行に表示されます。実際に、製品Zの1単位を購入することが最も優先される購買の決定（つまり、最も緊急の購買）かもしれませんが、次の製品Zの1単位を購入することは、他の多くの製品の単位を購入することが必要な20番目に優先される購買の決定です。

マスターリストは非常にシンプルな質問に答えます。企業が在庫に使う余分な1ドルがある場合、このドルは最初にどこに行くべきですか？実際に、このドルは企業に最大のリターンをもたらすアイテムに使うべきです。その後、この特定のアイテムが取得されたら、同じ質問を繰り返すことができます。ただし、この場合、この1つの余分な単位が取得された後、次に購入することが最も利益の高いアイテムは異なるものになる可能性があります。なぜなら、在庫を積み上げると収益が減少するため、同じアイテムを大量にストックすることは、在庫が回転せず、不良在庫になる確率が高くなるからです。これらの問題は、「結果」の式やリストの優先順位に自然に反映されます。

サービスレベルの微調整よりも優れています

「最適な」サービスレベル、つまり在庫切れの確率を望ましい確率にすることは非常に困難な課題です。これは、サービスレベルが会社の財務パフォーマンスと間接的に関連しているため、複雑な問題です。実際に、一部の製品では、サービスレベルを1％向上させることが非常に高価になる場合があります。したがって、リソースが利用可能な場合は、同じ投資レベルで1％ではなく10％の追加のサービスレベルをもたらす他の製品に割り当てるべきです。

マスター購買優先リストとして使用されるQuantile Gridsでは、サービスレベルについて心配する必要はありません。なぜなら、サービスレベルは優先順位付け自体に組み込まれているからです。

高利益率の製品のサービスレベルを安価に向上させることができれば、この製品は自然にリストのトップに上がります。逆に、売上が乱高下している製品は、サービスレベルを向上させる試みが非常に高価になるため、在庫が危険なほど低くなり、需要パターンが非常に乱れていても、この製品はリストのトップに上がることはありません。優先リストはまた、キャッシュの制約の問題も解決します。会社がどのようなキャッシュ状況にあるかに関係なく、優先リストは扱いやすいオプションを提供します。利用可能な現金が非常に少ない場合、会社はリストのトップにあるものだけを購入し、補充が必要な製品の在庫レベルを維持します。余分な現金がある場合、会社は成長を最も促進するアイテムに焦点を当てながら在庫リスクを管理するために在庫を増やすオプションがあります。

サプライチェーンの制約を注入する

企業は、SKUレベルまたは注文レベルでの最小注文数量などの供給制約に頻繁に対処する必要があります。場合によっては、コンテナなどの大量のユニットを集める必要があります。このような制約は、上記で説明したマスター購買優先リストを介して自然にワークフロープロセスに統合することができます。これにより、優先順位付けされた購買提案が提供されるだけでなく、注文制約と互換性のある推奨事項も提供されます。

実際の制約のタイプによって、従うべき正確なプロセスは異なります。たとえば、コンテナ出荷を考えてみましょう。Lokadは、リストの順序で購入ラインが処理され、各サプライヤーが他のサプライヤーと独立して出荷していると仮定して、サプライヤーごとの累積ボリュームを計算することができます。これらの累積ボリュームに基づいて、目標のコンテナ容量に達するまでリストを下に進むプロセスは非常に簡単です。同様に、特定のSKUに最小注文数量の制約が存在する場合、この場合は制約が満たされるまでリストの前に来るすべての行を削除し、制約が満たされた後に数量を最初の行に直接報告することも簡単です。

SKUの購入をNユニット以上に設定することで、SKUの競争力が低下します。つまり、SKUはリストの下位ランクで最初に表示されるようになります。これは、最小注文数量によって在庫リスクが増加するため、意図した動作です。特に、このアプローチは、クラシックな予測と分位数予測の両方に否定的な影響を与えた長年の課題を完全に解決します。推奨の再注文数量が注文制約を上回る場合、どうすればよいですか？いくつかのユニットを削除する必要がある場合、最初に削除すべき製品はどれですか？ユニットを追加する必要がある場合、どの製品をより多く購入するべきですか？従来の予測手法では、これらの質問に満足のいく回答を提供していませんでした。優先購買リストでは、リストの順序に従うだけです。