店舗予測エラーの1/4は棚外在庫で説明できる
予測の精度という概念は微妙で、_本当に_微妙です。未来からの予測がより近いほど良いと言うのは常識ですが、常識はまったく間違っていることがあります。
Shelfcheckの導入により、販売時点でより多くのデータを処理し、在庫不足（OOS）の問題を自動的に検出しようとしています。過去数ヶ月で、OOSパターンに関する知識が大幅に向上し、今日ではこの知識が主要な予測技術に再利用されています。
状況を具体的に説明しましょう。以下のグラフは、特定の製品の店舗レベルでの日次集計販売を表しています。店舗は週7日営業しています。週2の終わりに7日間の予測が行われますが、週3の中頃にOOSが発生します。黒い点が付いている日は、_売上がゼロ_です。
この状況では、予測はかなり正確ですが、OOSの問題のため、販売対予測の直接比較は、予測が販売を大幅に過剰予測しているように見えますが、それは事実ではありません、少なくともOOSのない日ではそうではありません。過剰予測の測定値は、OOS自体が原因で生じる人為的なものです。
これまでのところ、OOSは_知覚される予測の精度_を低下させるだけのようですが、これはあまり悪いことではないように思えます。なぜなら、おそらくすべての予測方法が同じように影響を受けるはずだからです。結局のところ、どの予測モデルもOOSの問題を予測することはできません。
さて、OOSは予測の精度を低下させるだけでなく、予測を_改善_することもできます。
これを説明するためにグラフを見てみましょう。再び、日次販売データを見ていますが、今回はOOSの問題が週2の最終日に始まります。
週3の予測は週全体でゼロです。予測モデルは_OOSの期間を予測しています。予測は完全に正確ではありませんが、週3の最終日には補充が行われ、再び売上がゼロでなくなります。
明らかに、OOSの問題の期間を予測する予測モデルは、数値比較_sales vs forecasts_の観点から非常に正確です。しかし、**それは本当に意味がありますか？**いいえ、明らかにそうではありません。私たちは_需要_を予測したいのですが、販売の_人為的なもの_を予測したくはありません。さらに、ゼロの予測はゼロの補充につながり、結果としてOOS問題の実際の期間を延長し（そしてOOS愛好家の予測モデルの_精度_をさらに向上させる）、これは明らかに望ましくない状況です、数値的な観点から見ても予測がどれだけ良いかに関係なく。
OOSの過剰適合の悪いケース
2番目のグラフで示されている状況が珍しいとは程遠いことがわかりました。実際、店頭の在庫不足率が8％（小売業界では一般的な数字）で、日次予測の平均絶対パーセント誤差（MAPE）が約30％の場合、OOSの状況は通常、合計予測誤差の8％×100 / 30 ≈ 27％ ≈ 測定される合計予測誤差の1/4を占めるということがわかります。実際、MAPEの定義から、ゼロ売上日（OOS）に非ゼロの予測があると、100％の誤差が発生します。
OOSによって引き起こされる誤差の割合が大きいため、“最終日にトップセラー商品の売上がゼロの場合、7日間の売上をゼロに予測する"というような簡単なヒューリスティックスが、OOSパターンを直接活用することで、予測誤差を数パーセント減らすことができることがわかりました。明らかに、ほとんどの実務家は、このようなルールを予測モデルの中に明示的に組み込むことはありませんが、比較的複雑な線形自己回帰モデルでも、このパターンをかなり学習し、その結果、OOSに過剰適合する可能性があります。
当然ながら、ShelfcheckはこれらのOOSの問題に対してサポートしています。お楽しみに。
読者コメント（2）
ラースさん、こんにちは。 フォローアップありがとうございます。 店舗レベルでは、状況が非常にノイジーです。1日あたりの1つまたは2つの商品の販売が典型的なケースと考えてください。価格は確かに重要ですが、実際には、店舗レベルでは、特定の商品の5％の価格調整の影響を正確に定量化するのは非常に難しいです。ただし、プロモーション（これも価格効果ですが、大きなものです）は、実際には店舗レベルでも非常に計測可能な効果があります。 その後、Shelfcheckは日々の価格情報を統合しています。ただし、食品・飲料業界では、価格情報を活用せずに、既存のシステムの精度を大幅に上回ることができることがわかりました。 ただし、価格情報が無意味であるとは言っていません。これまで小売業界で観察されてきたすべてのセットアップを大幅に改善するためには、それが必要ではないというだけです。 そして、将来的には、価格だけでなく、細かいロイヤリティデータも、予測市場で競争力を維持するためにますます重要になるでしょう。
Joannes Vermorel（6年前）
こんにちは、 F&Bでは、実際の販売数量はしばしば実際の販売価格と強い相関関係があります。これは、価格弾力性指数=数量変化％/価格変化％を使用してモデル化されることがよくあります。私の経験では、実際の販売数量のみを見て、実際の平均価格を考慮に入れない一次元の統計的予測はかなり無意味であり、時間の無駄です。あなたは同意しますか？また、これについてどう思いますか？
ラース（6年前）
