確率的予測 (2016)
確率的予測は、分位数グリッドに基づくLokadの前世代の予測技術を大幅に改善するものです。従来の予測手法と比べて画期的な進歩であり、はるかに高い精度が、サプライチェーン、在庫、生産の業務改善につながります。多くの企業は、期待に応えない予測に失望しています。Lokadが問題の根本原因を十分に理解するまでには何年もかかりました。従来の予測手法には正しい数値が期待されますが、未来は不確実です。ツールやソリューションが期待どおりの数値を出せなければ、期待した効果も得られません。確率的予測は、一つの未来だけを考える代わりに、さまざまな結果それぞれに確率を割り当てます。
このLokadTVのエピソードでは、確率的予測を活用してサプライチェーンの運用をどのように改善できるかを見ていきます。精度や制限について議論し、なぜ業界が依然として従来の手法に固執しているのか、そして予測の未来がどのようになるかについて論じます。
不確実性を受け入れる
私たちの経験では、既存の予測モデルをどれほど微調整しても、従来の意味でより良いモデルを開発するために研究を重ねても、この問題は解決しません。安全在庫分析のような手法は不確実性を扱うはずですが、実際には後付けにすぎません。サプライチェーン管理では、極端な事象がコストを左右します。予想外の高需要が欠品と顧客の不満を生み、予想外の低需要が死蔵在庫と高額な在庫償却につながります。経営者が知るとおり、企業は最善を望みつつ最悪に備えるべきです。需要が予想どおりなら、すべて順調に進みます。予測の本当の課題は、粗い移動平均でさえうまくいく簡単なケースではありません。サプライチェーンを混乱させ、関係者を振り回す難しいケースに対処することです。
Lokadは、確率的予測という、予測に取り組む根本的に新しい方法を開発しました。簡単に言えば、需要の確率的予測は、単なる需要の見積もりではなく、あらゆる未来のシナリオそれぞれに対する確率を評価します。需要が0（ゼロ）ユニットとなる確率、1ユニットとなる確率、2ユニットとなる確率、といった具合に、各レベルの需要に対して見積もりがなされ、確率が十分に小さくなったところで無視されるのです。
これらの確率的予測は、未来を捉える全く新しい視点を提供します。予測数値がそのまま実現するという楽観的な視点に囚われるのではなく、確率的予測は、すべてが常に可能であるものの、その起こりやすさは均等ではないことを思い出させてくれます。したがって、最悪への備えにおいて、確率的予測はリスクを定量的にバランスさせる強力な手段を提供します（従来の予測がこれに無頓着であるのとは対照的に）。
従来の予測手法ではリスク分析が後回しにされがちですが、Lokadは確率的予測によりリスクを前面に押し出しています。
実務者の観点から
確率的予測は、とっつきにくく専門的に感じられるかもしれません。しかし、サプライチェーンの実務者なら、直感的には何年も前から使っている可能性があります。リスクが大きすぎるために、元の予測を上方や下方に修正した場面を思い出してください。確率的予測が目指すのは、まさに不確実な未来に対して、現実の意思決定を適切に判断することです。従来の予測手法ではリスク分析が後回しになりがちですが、Lokadは確率的予測によって分析の中心に据えます。
確率的予測エンジンの出力は、確率の分布として表されます。実用的な観点では、この情報は非常に豊富ですが（結局のところ、数多くの可能な未来の一端を見ることができるのです！）、そのままでは使いにくいものです。そのため、Lokadはこれらの確率を再発注量などのビジネス上の意思決定に変換するための、完全なプラットフォーム、必要なツール、そしてチームサポートを提供しています。
Lokadのウェブアプリはビッグデータ処理機能を備えており、これらの予測を貴社に特化した意思決定に変換するためのビジネスロジックを構築することを可能にします。これらの意思決定は、例えば最小発注数量（MOQ）などのサプライチェーン上の特定の制約、賞味期限切れに伴うリスクなどの経済的要因、そして毎朝8時前に行う日々の発注といったプロセスに合わせて調整することができます。
機械学習による自動化
サプライチェーン管理では、多くの製品が多数の拠点を移動します。従来の予測ソリューションは、新製品や製品ライフサイクルの影響など先進的な統計パターンが絡む場合、かなり手作業による調整に依存しがちです。しかし、Lokadの経験では、予測ソリューションが_微調整_を必要とするなら、その微調整は尽きることがありません。いくら多くの週や月の人手を投じても、製品が多すぎ、拠点が多すぎ、そしてビジネスが常に変化するため、常に_さらなる微調整_が求められるのです。
そのため、Lokadでは予測プロセスの完全な自動化を選択しました。つまり、
- 予測を得るための統計知識は一切不要
- 予測を微調整する作業は一切求められない
- ビジネスに合わせた予測を維持するためのメンテナンスは一切必要ない
小さな欠点として、これらのアルゴリズムは従来のものよりもはるかに多くの処理能力を消費します。しかし、この課題はクラウドコンピューティングによって対処され、データ量に関わらず予測エンジンが円滑に動作するようになっています。
私たちの確率的予測の起源
確率的予測を発明したのはLokadではありません。他の数学者たちが、主に商品相場や天候の予測といった、まったく異なる問題のために発展させてきました。また、Lokadも初めから採用していたわけではなく、従来型の予測（2008年）、分位数予測（2012年）、分位数グリッド（2015年）を経ています。
これ以前の経験から、確率的予測は実際には私たちの予測技術の第4世代にあたります。過去の各バージョンで得た経験により、幅広いビジネス状況に対応できる予測エンジンの設計に関して相応のノウハウを蓄積することができました。
平均値ではなく確率を推定するという発想は、従来のアプローチでうまくいかせようとしていた初期の頃に生まれました。従来手法が本質的に欠陥を抱えていること、そしていかなる研究開発を行っても壊れた統計基盤は修正できないということに、数多くの失敗を通じて気付いたのです。予測モデルを機能させるためには、まず統計基盤自体を修正する必要がありました。
予測エンジンの各バージョンは、数学的には前のバージョンを_一般化_したものです。新しい世代ほど、より多くの状況を扱えます。厳密でも間違った答えより、おおよそ正しい答えのほうが有用です。最も厄介なのは、エンジンの表現力が足りず、ある事業状況に適切な予測を生成できない場合です。同じ理由で、その状況の統計的な理解に本当に必要な入力データを処理できない場合もあります。Lokadの予測技術は開発の途上にあります。確率的予測エンジンで達成したことには誇りを持っていますが、取り組みは続きます。オンプレミス型では新しいツールへの更新自体が難題になりますが、Lokadのお客様は次世代の予測エンジンが利用可能になれば、すぐにその恩恵を受けられます。
予測に関するFAQ
どの予測モデルを使用していますか？
私たちは_多くの_予測モデルを使用しています。現在使われているほとんどのモデルは_機械学習_アルゴリズムと見なされるでしょう。これらのモデルはLokadによって開発され、科学文献において特定の名称を持つ対応物は通常存在しません。2008年に始めた際、Box-Jenkins、ARIMA、Holt-Winters、指数平滑法などの古典的手法をすべて再実装しましたが、これらのモデルは最新のモデルと競合できず、使われなくなりました。
どのようにして使用するモデルを選定していますか？
適切なモデル、またはモデルの適切な凸結合を選ぶことは、良い予測を作る仕事の半分を占めます。統計的には、常に「最良」のモデルを選べるシステムは、常に「完璧な」予測を選ぶシステムと厳密に同等です。実際の予測エンジンでは、最適なモデル群を選ぶためにバックテストを広く活用しています。
予測エンジンは季節性、トレンド、曜日の影響に対応していますか？
はい、予測エンジンはすべての一般的な周期性に対応しています。当社のモデルは、他の製品で見られる周期性を活用して、特定の製品の予測精度を向上させるために、多重時系列アプローチを積極的に活用しています。当然、二つの製品が同じ季節性を共有していても、曜日パターンが同一とは限りません。これに対応するモデルも用意しています。
どのようなデータが必要ですか？
需要を予測するためには、予測エンジンに少なくとも日々の過去の需要が提供される必要があり、さらに細分化された受注履歴があるとなお良いです。履歴の期間については、長ければ長いほど良く、2年未満では季節性を検出できないため、3年の履歴を良好、5年の履歴を優秀と考えています。リードタイムを予測するためには、通常、発注書に注文日と納品日が含まれている必要があります。製品やSKUの属性を指定することで、予測を大幅に洗練させることにもつながります。さらに、在庫レベルを提供していただくと、初期の意味ある在庫分析を行う上で非常に有用です。
私のExcelシートの予測は可能ですか？
経験則として、すべてのデータが一枚のExcelシートに収まる場合、通常は大きな支援は期待できません。正直なところ、誰もそれを実現できません。スプレッドシートのデータは週単位または月単位に集約される可能性が高く、その結果、過去の情報の大部分が失われてしまいます。また、この場合、製品に適用されるカテゴリや階層に関する情報もほとんど含まれていません。当社の予測エンジンは、保有するすべてのデータを活用するため、極小のサンプルでテストしても満足のいく結果は得られません。
欠品や販促はどう扱いますか？
欠品と販促は、過去の販売実績に偏りを生じさせます。予測したいのは販売ではなく需要なので、その偏りを考慮する必要があります。よく使われる誤った対処法は、履歴を書き換え、空白を埋めたりピークを切り詰めたりすることです。これは予測値を予測エンジンの入力に使うことになり、深刻な過学習を招く可能性があるため、当社は採用しません。代わりに、需要の観測が打ち切られた箇所や、需要が押し上げられた箇所を示すフラグを、エンジンが直接扱います。
新製品の予測は行いますか？
はい。ただし、新製品を予測するには、既存製品の発売日と、発売当時の需要履歴が必要です。製品カテゴリや製品階層も提供することをお勧めします。エンジンは、新製品と比較できる既存製品を自動的に特定して予測を行います。新製品自体の需要はまだ観測されていないため、予測はその製品の属性だけに基づきます。
予測の調整は可能ですか？
統計的予測におけるほぼ10年の経験が何度も教えてくれたのは、予測を調整することは決して良い考えではないということです。もし予測を調整する必要があるのであれば、それはおそらく予測エンジンに修正すべきバグが存在することを意味します。修正すべきバグがなく、統計的観点から予測が期待通りに実施されている場合、予測を調整するのはおそらく問題に対する誤った対処法です。通常、予測の調整が必要になるということは、経済的な要因を考慮する必要があることを示しており、それは予測自体ではなく、予測の上に行われるリスク分析に影響を与えます。
私の業界分野での経験はありますか？
私たちは、ファッション、生鮮食品、消費財、電子機器、スペアパーツ、航空宇宙、軽工業、重工業など、数多くの業界分野での経験を有しています。また、eコマース企業、卸売業者、輸入業者、製造業者、流通業者、小売チェーンなど、多様な業界プレーヤーにも対応しています。あなたの業界分野での経験があるかどうかを確かめる最も簡単な方法は、直接お問い合わせいただくことです。
予測の精度向上に外部データを使用しますか？
いいえ。他のクライアントとの協業を通じて得られたノウハウとシステム全体の調整の恩恵により予測は向上していますが、予測には他のLokadクライアントや公開データセットなど、外部データソースから取得されたデータは一切含まれていません。同様に、あなたのデータは明示的にあなたの会社アカウントに関連する目的のためだけに使用され、それ以外には決して用いられません。