説明

本質的に、数値予測の実践は、過去の歴史的データに基づいて未来を予測するために科学的な手法を用いることです.

製品を製造したり、商品を輸送したりする際、どのプロセスにも遅延が伴います。これは、今日の決定が最終的に将来の予想された状況を反映していることを意味します。たとえば、製品を生産する際、それに見合う需要があるだろうという期待が伴います.

すべての予測手法、すなわち単純移動平均から高度な機械学習モデルに共通しているのは、過去のトレンドを未来に投影する手法であるという点です。言い換えれば、未来が過去と同じでなければ、その予測は捉えることができず、たとえばeコマースの台頭など市場の変化は検出できません。設定されたモデルは、新しいデータに対して速くも遅くも反応しますが、本質的には過去の観測に依存するため、予測精度は過去がどれだけ未来の出来事を反映しているかに大きく依存します.