Quantiles = 在庫最適化 2.0
Getting more accurate forecasts, that turn into profitsを得ることは、Lokadにとって最優先事項です。しかし、需要予測は半世紀以上にわたり大規模に研究されており、各0.1%の精度向上は通常、困難な戦いを意味します。
時には、突破口が生まれることもあります。 今日、我々はLokadの立ち上げ以来、最も重要な技術アップグレードを発表します6年前: すぐに利用可能な**クォンタイル予測**。
クォンタイルは、多くの場合において、在庫最適化（小売、卸売、製造業向け）の観点から従来の予測を完全に陳腐化させるという意味で、破壊的です。
クォンタイルが真価を発揮する3つの状況を特定しました：
- 90%以上の高いサービスレベル。
- 不定期な需要（動きの遅い商品の場合）。
- 一括注文（スパイク需要）。
これらの状況では、弊社の従来の予測技術とのベンチマークにより、クォンタイル予測は通常、在庫量を20%削減、もしくは欠品を20%減少させることが示されています。
並外れた主張には、並外れた証拠が必要です。 Carl Sagan
しかし、これまで見込み客やクライアントとの間で実施してきた多くのベンチマークは、弊社の_従来_の予測技術がすでに競合を上回っていることを示しています。ところが、クォンタイル予測を用いることで、在庫最適化の全く新しいレベルを実現できるのです。
ぜひ、クォンタイルを試してみてください。
クォンタイルアップグレードの舞台裏
クォンタイル予測（クォンタイル回帰とも呼ばれる）は、学界で数十年にわたり利用されてきました。その後、金融分野では、1980年代後半からアナリストがVaR（バリュー・アット・リスク）分析にクォンタイルを広範に活用してきました。
Lokadにおいても、クォンタイルは長い間活用されてきました。例えば、2009年には、時系列の逐次クォンタイル予測. IEEE Transactions on Information Theory, March 2011, vol. 57, n°3 が、当社のメンバーの一人によって発表されました。しかし、つい最近まで、クォンタイルはビジネス上、非常に誤って数学的な気晴らしと見なされ、極めて重要な概念と認識されていませんでした。
我々を足止めしていたのは、統計学の洞察が不足していたわけではなく、クォンタイルと在庫最適化との深い関係性についての理解が不足していたからです。この洞察は、あるクライアントから彼女の在庫に対する最適なサービスレベルを算出する公式を求められた際に、ほとんど偶然の産物としてもたらされました。
確かに突破口ではあるが、遅すぎた
このクォンタイルによる突破口は、他分野で数十年にわたり成功裏に応用されてきたことから、あくまで相対的な評価に過ぎません。しかし、採用が遅れた理由の一因として、クォンタイルモデルは従来の予測モデルに比べ、約10倍の処理能力を必要とする点が挙げられます。クラウドコンピューティングがなければ、アグレッシブな価格設定を維持しつつ、クォンタイルを実運用に乗せることは不可能だったでしょう。
