需要予測は、ビジネスの意思決定には欠かせない取り組みです。将来の需要を正確に予測することで、在庫管理・人員配置・マーケティング戦略などを最適化し、経営の安定化と成長を実現できます。
近年ではAI技術の発展により、需要予測の精度が飛躍的に向上しています。従来の統計モデルや経験則による予測では、複雑な市場変化への対応に限界がありました。しかし、AIを活用することで、より高い精度での需要予測が実現可能になっています。
本記事では、需要予測でAIを活用するメリットやデメリット、具体的な企業事例まで解説いたします。
正確で素早い需要予測を通じて「さらなる企業成長を実現させたい」と考えているマーケティング担当者・経営者の方はぜひ参考にしてみてください。
Table of Contents
需要予測とは
需要予測とは、商品の販売量やサービスの利用者数など、将来の需要を予測することです。
たとえばアパレル企業であれば、季節性や今年のトレンド、過去の売上データなどをもとに将来の需要を予測して、生産計画や在庫管理に活用します。
目的
需要予測の目的は、売上予測の精度を高めて、適切な販売準備を行うことです。予測が正確になれば、過剰在庫や人手不足による販売の機会損失を防ぐことにつながります。
一般的には、需要予測に基づいて下記のような重要な意思決定を行います。
・生産計画
・在庫管理
・人員配置
・設備投資
・資金調達
近年では、物価高の影響を受けて在庫・人員・設備など、さまざまな“コスト”に敏感になる企業様も多いのではないでしょうか。需要予測を正確に行うことで、これらのコストが無駄に発生することを防ぎ、企業として大切な“利益”を確保することにつながります。
種類
需要予測は大別すると、下記4つの種類に分類されます。
・統計による予測
・市場調査による予測
・経験による予測
・機械学習による予測
統計による予測
統計による予測とは、過去の需要データや販売データに基づいて、将来の需要を予測する方法のことです。昨今では最も一般的な方法であり、客観的なデータをもとに論理的に算出する方法のため、担当者による予測結果の誤差が少ないという特徴があります。
一方で、過去のデータを参考にするため、外部要因までは考慮できない点には注意が必要です。とくに社会情勢や顧客ニーズなどの変化が激しい昨今では、算出方法を定期的に見直したり、外部要因による影響のバッファを設けたりなどの工夫が求められるでしょう。
市場調査による予測
市場調査による予測とは、アンケートやインタビューなどを通じて、顧客の需要を調査する方法のことです。データでは読み取れない潜在的な需要を把握できるという特徴があります。
一方で、アンケートやインタビューを実施するには工数や費用がかかる点には注意が必要です。また、とくにインタビューでは「n=1」の回答になるため、調査結果は鵜呑みにしすぎず、あくまで参考程度に確認するのがよいでしょう。
経験による予測
経験による予測とは、担当者の経験と勘に基づいて、将来の需要を予測する方法のことです。経験豊富な担当者であれば、外部環境に大きな変化さえなければ、精度の高い予測を実現できるでしょう。
一方で、担当者の異動・退職のリスクがある点には注意が必要です。経験や勘は言語化が難しいため、後任への引き継ぎが難しく、属人性の高いスキルであると考えられます。
機械学習による予測
機械学習による予測とは、過去の販売データや市場調査データなど、さまざまなデータをコンピューターに学習させることで、将来の需要を予測する方法のことです。AIによる学習では、さまざまな変数を考慮した高精度のシミュレーションが期待できます。
一方で、機械学習には「教師データ」が必要になります。一定以上のデータを用意できるまでは、精度の高い予測が難しいため、一時的に作業工数や時間がかかる点には注意をしましょう。
手法
需要予測は大別すると、下記5つの手法に分類されます。
・算術平均法
・移動平均法
・回帰分析
・指数平滑法
・加重移動平均法
算術平均法
算術平均法とは、複数の数値の合計をその数で割る計算方法のことです。一般的な「平均を求める」方法と同じで、過去のデータを合算した数値を、そのデータの個数分で割って求めることになります。
計算が簡単なため「すぐに概算を算出する」という用途には向いていますが、あくまで“概算”であり、正確な需要予測は難しい点には注意が必要です。過去の傾向と同じ傾向が未来でも続くことを前提に計算を行うため、想定外の変化が起こった場合、シミュレーションに大きな誤差が発生する可能性があります。
移動平均法
移動平均法とは、一定期間内のデータの平均値を連続的に計算していく方法のことです。主に、株価や為替レートなどの時系列データの分析に用いられます。
直近のデータを色濃く反映するため、トレンドを把握しやすいというメリットがあります。一方で、外部要因による一時的な売上増加や減少などの“外れ値”が対象期間に含まれてしまう場合、適切な需要予測が難しくなります。ノイズが与える影響が大きい点には注意が必要です。
回帰分析
回帰分析とは、説明変数が目的変数に対して、どのような影響を与えているかを分析する計算方法のことです。式で表すと「Y = a + bX」で、直線のグラフになります。
因果関係があると予想される数字が明確な場合には、精度の高いシミュレーションを実現できるでしょう。一方で、複数の説明変数が存在する場合には注意が必要です。その場合、Excelや専用のソフトウェアを用いて「重回帰分析」を行うなど、より多角的な予測が求められます。
指数平滑法
指数平滑法とは、過去の予測値と実績値の差分を取り入れて、新しい予測値を推定する方法のことです。時系列に沿ったデータであれば利用できるため、対象範囲となるデータ量が多いほか、直近のデータに重み付けをして分析ができるため、比較的精度の高い予測が可能です。
一方で、一時的なトレンドや季節変数などの外部要因が大きい場合の分析には、不向きな方法だといえます。たとえば「昨年の◯月はSNSで反響が大きくて売上が3倍になって…」「その年は暖冬で売上が小さくて…」などといった個々の事象は、すべて一律なものであると見なして分析が行われるため、注意が必要です。
加重移動平均法
指数平滑法とは、特定期間のデータをもとに、加重係数を掛け合わせて算出する方法のことです。特筆すべきは過去のデータをすべて同じように扱うのではなく、直近のデータほど重要度を高めて予測を行える点にあります。
一方で、過去のデータのみを参考にするため、市場や技術の変化などの外部要因を考慮できない点には注意が必要です。一度、加重移動平均法で算出したあとに、外部要因の発生確率や影響度に応じて松竹梅で需要予測のシミュレーションを作成するのがよいでしょう。
需要予測を行う方法
需要予測を行う下記3つの方法について解説いたします。
・表計算シートを活用する
・在庫管理システムを活用する
・需要予測AIを活用する
表計算シートを活用する
簡単な需要予測であれば、ExcelやGoogle スプレッドシートなどの表計算シートを活用することでシミュレーションが可能です。すでに導入している企業であれば、追加コストをかけずに今すぐ取り組むことができます。一方で、データ量が増えると管理が煩雑になるほか、予測精度に限界がある点には注意が必要です。
在庫管理システムを活用する
在庫管理システムとして提供されているサービスのなかには、需要予測の機能が含まれているものがあります。既に社内でシステムを導入している場合には、需要予測の機能があるか否かを確認してみるのが良いでしょう。
在庫データと連携することで、実際のデータに基づいたリアルタイムでの需要予測が可能です。一方で、新規で導入する場合にはコストがかかるほか、複雑な操作設定が必要な点には注意が必要です。
需要予測AIを活用する
AIを活用して需要予測をする方法もあります。売上情報・在庫情報・顧客情報など、自社が保有するさまざまなデータをもとにシミュレーションを行うため、既存のツールを超えた高い予測精度を期待できます。
一方で、サービスの導入やシステムの開発にはコストがかかる点には注意が必要です。AIによる需要予測では「教師データ（元になるデータ）」の精度と量が肝になるため、その準備には一定の時間や専門知識が求められます。
従来までの需要予測における課題
Excelや在庫管理システムを用いた従来までの需要予測では、下記2つの観点から課題が挙げられます。
・属人性が高い
・予測精度が低い
属人性が高い
とくにExcelでは複雑な関数やグラフを活用したり、データの出典元を把握したりなど、専門の担当者でなければ理解ができない部分が出てくるでしょう。仮に誤った計算をしていても、担当者が変われば間違いに気がつかずに、誤った予測をしてしまう可能性もあります。
予測精度が低い
特定のデータだけを参考に作成した予測では、正確性に課題がある点には注意が必要です。とくに過去のデータだけを参考に作成している場合には、外部要因の変化をリアルタイムで取り込めず、社会変化や競合他社の追従を考慮できない可能性があります。自社で保有するデータだけではなく、市場トレンドなどの外部要因も変数として取り入れる必要があるでしょう。
需要予測でAIを活用するメリット
従来までの需要予測では「属人性が高い」「予測精度が低い」といった課題がありましたが、AIを活用することでこれらの課題をすべて解消できます。
加えて、下記のようなメリットも挙げられます。
・業務を効率化できる
・正確な意思決定ができる
・競合との差別化につながる
業務を効率化できる
AIを活用することで、データ分析に関する「集計」や「分析」の業務時間を大幅に短縮できます。需要予測はあくまでシミュレーションに過ぎません。マーケティング担当者は本来の業務である、商品開発やプロモーションなどの「需要をつくる」業務に多くの時間を割くことができるでしょう。
正確な意思決定ができる
需要予測にAIを活用することで、人間よりも高精度のシミュレーションを作成できます。意思決定の元になるデータが正確であれば、マーケティング戦略や在庫管理などの意思決定で、より正確な判断ができる可能性も高まります。
競合との差別化につながる
データ分析のスピードが速くなれば、意思決定までの時間を短縮できます。また、マーケティング戦略や在庫管理などの意思決定が正確になれば、経営基盤を盤石にすることもできます。このように、意思決定の「スピード」と「正確さ」を高めることは、競合他社との大きな差別化につながるでしょう。
需要予測でAIを活用するデメリット（注意点）
担当者による属人性をなくし、高い精度で需要予測をするにはAIの活用が欠かせません。一方でAIを活用する場合には、下記2つのデメリット（注意点）も存在します。
・一定以上のデータ量が必要になる
・欠損のない元データの用意が必要になる
一定以上のデータ量が必要になる
AI（機械学習）の活用には、一定以上のデータが必要になります。これは一般的に「教師データ」といわれます。
一定以上のデータが存在しないと、AIは「何が正しくて、何が正しくないのか」を判断することができません。簡単な例を挙げると、たとえば「りんご」の画像データを大量に学習しないと、AIは「りんご」の画像を見て、それが「りんご」であることを判断できません。学習データが少なければ「梨」や「桃」の画像を見ても「りんご」と判断してしまうこともあるでしょう。
このように、AI（機械学習）を活用した需要予測には、一定以上の事前データが必要になります。用意できるデータ量が少ない場合には、高い精度のシミュレーションは見込めない点に注意が必要です。
欠損のない元データの用意が必要になる
先述した通り、AIを活用した精度の高いシミュレーションには教師データが必要になります。このデータには「量」だけではなく「質」も求められます。学習の元になるデータに間違いが存在すると、算出される数値にも影響が出てしまいます。
参照データのミスは、表計算ソフトを用いた従来の計算方法でも起こりうるトラブルです。一方で、AIにより算出されたデータの場合は、担当者が「間違っているはずがない」と勘違いし、なかなかミスに気がつくことができないというケースもあるため、とくに注意が必要です。
需要予測でAIを活用するのがおすすめの企業
需要予測でAIを活用することには大きなメリットがありますが、一方で導入コストがかかることも事実です。
下記のような企業であれば、導入のメリットを期待できるでしょう。
・在庫リスクが高い商品/サービスを展開する企業
・市場変化が比較的激しい商品/サービスを展開する企業
・中規模以上の商品/サービスを展開する企業
在庫リスクが高い商品/サービスを展開する企業
在庫リスクが高い商品やサービスでは、高い精度の需要予測が求められます。具体的には、余剰在庫を翌年に持ち越しづらい「アパレル」や「食品」などが挙げられます。
余剰在庫には保管スペースやメンテナンス費用が発生してしまうほか、一般的に「棚卸資産」として計上される項目のため、抱えれば抱えた分だけキャッシュフローが減少し、資金繰りを悪化させる原因にもつながるものです。
できるだけ正確な需要予測を行い、適正な量を在庫として抱える体制を整える必要があります。
市場変化が比較的激しい商品/サービスを展開する企業
競合他社による市場参入が激しかったり、天候や社会情勢などの外部要因が販売に与える影響が大きかったりする商品やサービスでは、変数の種類が多く、人間が需要予測を行うには限界があります。
この場合、AIを活用しても100%の需要予測は難しいでしょう。しかし、今ある膨大なデータのなかで最大限高い精度でシミュレーションを行うためには、コンピューターの活用が欠かせません。
一方で市場変化が少なく、成長率がある程度予測できる商品やサービスでは、変数が少ない傾向にあります。表計算ソフトや在庫管理システムなど、既存ツールを用いたシミュレーションでも、ある程度の精度を担保できるでしょう。
中規模以上の商品/サービスを展開する企業
中規模以上の商品やサービスを展開する企業であれば、過去の販売実績や在庫データが一定量存在するため、AIによる学習精度を担保することができます。
一方で、リリースしたばかりの商品やサービスでも、外部データを活用できれば需要予測は可能です。ただし、実際のデータがあったほうが精度は高く、さらにデータの種類や量が増えれば増えるほど、ますます精度は高くなります。高い予測精度が求められる場合には、まずは一次情報のデータをどれだけ集められるかを確認してみましょう。
需要予測でAIを活用した企業事例
実際に、需要予測でAIを活用した企業事例をご紹介いたします。
サッポロビール株式会社
サッポロビール株式会社は、ビールやRTD（栓を開けてそのまま飲める低アルコール飲料）の出荷における「AI需要予測システム」の運用を開始しました。このシステムでは、商品販売の約16週間前から需要予測をし、その後の受注状況や販売状況を考慮しながら出荷量を予測することができます。
予測精度は、2022年10月から2023年3月の間で検証を行ったところ、人間だけで行うよりも約20%上昇しました。
同社では、需要予測の精度向上はサプライチェーン全体の計画・実行業務の高度化、データドリブンな意思決定の実現、在庫管理の最適化などにつながるとして、本腰を入れて取り組まれるようです。
参照：サッポロビール株式会社（AI需要予測システムの本格運用開始）
株式会社三陽商会
株式会社三陽商会は、ファッションポケット株式会社と業務提携を行い、トレンド予測や消費者ニーズの把握にAIを活用する取り組みを開始しました。
ファッションポケット株式会社は、画像AIエンジンを用いたファッショントレンド解析サービス「AI MD」を展開する企業です。株式会社三陽商会では、本サービスを活用して、需要予測の精度を向上し、プロパー消化率の向上、販売機会ロスの削減、余剰在庫の抑制などを図るようです。
具体的には、期初計画とトレンド分析を通じた需要予測の差分から、カラーやアイテムなどで過不足領域を特定して商品企画につなげられる予定です。
参照：株式会社三陽商会（三陽商会とファッションポケット、業務提携に関するお知らせ）
株式会社イトーヨーカ堂
株式会社イトーヨーカ堂では、AIを活用した商品発注システムの運用を全国の店舗で開始しました。本システムの導入により、商品価格や陳列数、気温、降水確率、曜日特性などのデータをもとに、AIが最適な販売予測数を発注者に提案することができます。
2018年春からテスト導入をしている店舗では、担当者が発注作業にかかる時間を平均約3割短縮できたようです。また、在庫切れによる販売機会のロスも削減できたことがわかりました。
従来まで発注作業に当てていた時間は接客対応や売り場づくりなど、より顧客に向き合う時間に活用できるため、お客様満足度の向上に向けた取り組みにもつなげられるようです。
参照：株式会社イトーヨーカ堂（「AI（人工知能）発注」の仕組みを全店に導入）
株式会社グッディ
株式会社グッディでは、AIによる需要予測を導入して発注量の最適化に取り組みました。
同社では、全国約60店舗での取扱商品数は8万点にのぼり、従来までの発注業務では担当者の経験則をもとに発注を行っていました。商品別の売上数を予測するAI学習モデルを作成したところ、98%の精度で売上予測を実現することができたようです。
株式会社あきんどスシロー
株式会社あきんどスシローでは、食材の調達精度を向上させることを目的として、AIを活用した新たな需要予測に取り組んでいます。
具体的にはスシローが持つ販売データをもとに、類似商品から新メニューの需要予測を立てて、販売見込をシミュレーションしています。同社では、その他にもタッチパネルの表示メニューを最適化するAIやスタッフのシフト作成を最適化するAIなど、さまざまな分野でテクノロジーが活用されているようです。
参照：BUSINESS INSIDER（｢もったいない｣をAIの力で解決。アクセンチュアが挑むフードロス問題）
横浜Ｆ・マリノス
横浜Ｆ・マリノスでは、チケット販売にAIを活用した「ダイナミックプライシング」を採用しました。過去の販売実績データをもとに、AIが販売見込をシミュレーションし、収益最大化となる最適価格を設定するものです。
繁忙期と閑散期で入場料を変える同様のシステムは、すでに一部のエアラインやホテルでも採用されています。同チームでは、本システムを採用することで、国内最大級の日産スタジアムの稼働率を高めることを目的としているようです。
参照：日経XTREND（自由席を3倍値上げ 19年は「価格変動制」の波が各業界を襲う）
東京無線協同組合
東京無線協同組合では「AIタクシー」の運行をスタート。AIによる需要予測をもとに先行してタクシーが向かう取り組みを開始しました。
従来までのタクシー業界では、需要予測は長年の経験と勘をもとに行われており、運転手それぞれに委ねられている部分が大きくありました。そのため、土地勘のない新人では需要予測が難しく、収入に大きな差が開いてしまうこともあったようです。
しかし、同社では本システムを導入したことで、ベテラン運転手と新人運転手のノウハウ差を縮めることに成功しました。結果として、1日あたりの売上を10～15%ほど上げられたようです。
参照：日経XTECH（新人でも稼げる、AI先進4社で出始めた成果）
まとめ
需要予測は生産計画や在庫管理、人員配置、設備投資など、ビジネスにおけるさまざまな意思決定に欠かせないデータです。そのため、高い予測精度やスピードが求められます。
とくに近年では物価高の影響を受けて、在庫や人員にかかるコストには厳しい目を向けられている担当者・経営者の方も多いのではないでしょうか。他社とのコスト競争が激しい市場では、需要予測は企業の競争力にもつながるといっても過言ではありません。
需要予測を行う方法として、表計算シートや在庫管理システムを活用する方法もありますが、業務の属人性が高くなったり、予測精度が低かったりなど、さまざまな課題が挙げられます。
そのため、需要予測が肝になる商品・サービスを提供する企業では、一定以上の販売実績や在庫データ量を保有している場合、AIを活用して需要予測を行うのがおすすめです。
また、需要予測には「統計による予測」「機械学習による予測」「市場調査による予測」など、さまざまな種類があります。なかでも「市場調査」では、アンケートやインタビューを通じて顧客の声を直接聞き、具体的な話や潜在的な需要まで把握することができます。
インタビューでは、顧客の声を抜け漏れなく正確に聞き取ることが重要です。また、ヒアリングした内容を議事録にまとめて、社内のメンバーに共有することが求められます。
AI GIJIROKUを活用することで、ZoomやGoogle Meetなどのオンライン会議ツールと連携をするだけで、議事録を自動で作成することができます。業種業界に特化した音声エンジンを採用しているため、特有の専門用語も正しく識別して議事録に残すことが可能です。音声認識精度は99.8%で、発言内容を正確に聞き取り、情報共有をスムーズに進めることができます。
また、同サービスを提供する株式会社オルツでは、パーソナル人工知能を中心としたAI活用・LLM開発・DX推進を支援しています。音声技術に強みを持ち、さまざまな業種業界に特化した音声認識エンジンAPIもご提供しているため、貴社のアプリケーションやシステムとの連動にもご活用いただけます。
少しでもご興味のある方は、下記のお問い合わせフォームよりご連絡ください。
