幅 vs 深さ、90度回転して販売予測を行う
Lokadは、スポーツバーの飲み物ではなく中華料理の予測にあまり関心を持っていない理由についてはすでに説明しました。当社のテクノロジーは、販売予測を90度回転するという考え方から成り立っています。
平均して、消費者向け製品のライフサイクルは3年です。つまり、平均して、各製品についてのデータは18ヶ月分利用できます。月次集計で販売履歴を見ると、18ヶ月のデータは18ポイントを意味します。
18のデータポイントでは、どれほど優れた予測理論や高度な予測モデルを持っていても、データが極めて不足しているため、頑健な統計分析を行うことはできません。18ポイントでは、季節性などの明らかなパターンでさえも観察するのが困難です。完全な季節性の観察が2回もできないからです。
業界によっては異なるかもしれませんが、製品が数十年間市場に存在しない限り、この問題に直面する可能性が高いです。
その結果、古典的な予測ツールキットでは、統計モデルを_微調整_するために統計学者が各製品ごとに必要です。なぜなら、18ポイントの入力データでは、非自明な統計モデルを頑健に適合させることはできないからです。
しかし、Lokadでは統計学者は必要ありません。その魔法は90度回転にあります。当社のモデルは、単一の時系列ではなく、すべての時系列に対して一度に反復処理を行います。したがって、利用可能な入力データがはるかに多くなり、それにより高度なモデルでも成功することができます。
このアプローチは単に常識です。新しいチョコレートバーの季節性を予測したい場合、他のチョコレートバーの季節性が良い候補です。なぜ各チョコレートバーを他のものと厳密に分離して扱う必要があるのでしょうか?
しかし、計算上の観点から見ると、問題はさらに困難になりました。SKUが10,000ある場合、2つのSKU間の関連はおおよそ1億回(10,000SKUは決して_大規模_な数ではありません)です。それがクラウドの出番です。アルゴリズムが厳密な二次計算量に苦しまないように設計されていても、非常に多くの処理能力が必要です。クラウドは、この処理能力を需要に応じて非常に低価格で提供しています。
クラウドがなければ、このようなテクノロジーを提供することは不可能です。