確率的予測 (2016)
確率的予測は、定量グリッドに基づくLokadの従来世代の予測技術に比べて大幅な改善をもたらします。従来の予測手法と比較すると、確率的予測は画期的な突破口を提供し、はるかに高い精度を実現し、結果としてサプライチェーン、在庫、または生産において運用上の利点へと繋がります。多くの企業が、期待通りに機能しない予測に失望しています。Lokadが問題の根本原因を完全に把握するまでには何年もかかりました。従来の予測手法は正しい数値を出すことが期待されますが、当然ながら未来は不確実であり、ツールやソリューションが期待通りに正確な数値を示さない場合、利益も実現しません。確率的予測は、一つの可能性だけを考慮するのではなく、さまざまな結果それぞれに確率を割り当てます。
このLokadTVのエピソードでは、確率的予測を活用してサプライチェーンの運用をどのように改善できるかを見ていきます。精度や制限について議論し、なぜ業界が依然として従来の手法に固執しているのか、そして予測の未来がどのようになるかについて論じます。
不確実性を受け入れる
私たちの経験では、既存の予測モデルの微調整や、伝統的な意味でより良いモデルを開発するための研究開発をどれだけ行っても、この問題は解決しません。安全在庫分析のような手法は不確実性に対応できるはずですが、実際には安全在庫分析は単なる後付けに過ぎません。サプライチェーン管理では、極端な事象がコストを左右します。すなわち、予想外の高需要が品切れと顧客の不満を生み出し、また予想外の低需要が死蔵在庫と高額な在庫評価損につながるのです。すべての経営者が知っているように、企業は最善を願いつつも最悪に備えるべきです。需要が予想通りであればすべてが順調に進みますが、核心となる課題は、容易なケースでうまくいくだけでなく、サプライチェーンを混乱させる困難なケースに対処することにあります。
Lokadは、確率的予測という、予測に取り組む根本的に新しい方法を開発しました。簡単に言えば、需要の確率的予測は、単なる需要の見積もりではなく、あらゆる未来のシナリオそれぞれに対する確率を評価します。需要が0（ゼロ）ユニットとなる確率、1ユニットとなる確率、2ユニットとなる確率、といった具合に、各レベルの需要に対して見積もりがなされ、確率が十分に小さくなったところで無視されるのです。
これらの確率的予測は、未来を捉える全く新しい視点を提供します。予測数値がそのまま実現するという楽観的な視点に囚われるのではなく、確率的予測は、すべてが常に可能であるものの、その起こりやすさは均等ではないことを思い出させてくれます。したがって、最悪への備えにおいて、確率的予測はリスクを定量的にバランスさせる強力な手段を提供します（従来の予測がこれに無頓着であるのとは対照的に）。
従来の予測手法ではリスク分析が後回しにされがちですが、Lokadは確率的予測によりリスクを前面に押し出しています。
実務者の観点から
確率的予測は非常にとっつきにくく技術的に感じられるかもしれません。しかし、サプライチェーンの実務者であれば、直感的な確率的予測を何年も行ってきたはずです。基本の予測を、リスクが大きすぎるために上方または下方に修正しなければならなかった状況を思い出してください。これこそが確率的予測の本質であり、不確実な未来に直面した際に現実的な意思決定のバランスを適切に取るためのものです。従来の予測手法ではリスク分析が二の次にされがちですが、Lokadは確率的予測によってその点を強調しています。
確率的予測エンジンの出力は、確率の分布として表されます。実用的な観点では、この情報は非常に豊富ですが（結局のところ、数多くの可能な未来の一端を見ることができるのです！）、そのままでは使いにくいものです。そのため、Lokadはこれらの確率を再発注量などのビジネス上の意思決定に変換するための、完全なプラットフォーム、必要なツール、そしてチームサポートを提供しています。
Lokadのウェブアプリはビッグデータ処理機能を備えており、これらの予測を貴社に特化した意思決定に変換するためのビジネスロジックを構築することを可能にします。これらの意思決定は、例えば最小発注数量（MOQ）などのサプライチェーン上の特定の制約、賞味期限切れに伴うリスクなどの経済的要因、そして毎朝8時前に行う日々の発注といったプロセスに合わせて調整することができます。
機械学習による自動化
サプライチェーン管理では、多くの製品が多数の拠点を移動します。従来の予測ソリューションは、新製品や製品ライフサイクルの影響など先進的な統計パターンが絡む場合、かなり手作業による調整に依存しがちです。しかし、Lokadの経験では、予測ソリューションが_微調整_を必要とするなら、その微調整は尽きることがありません。いくら多くの週や月の人手を投じても、製品が多すぎ、拠点が多すぎ、そしてビジネスが常に変化するため、常に_さらなる微調整_が求められるのです。
そのため、Lokadでは予測プロセスの完全な自動化を選択しました。つまり、
- 予測を得るための統計知識は一切不要
- 予測調整のための微調整は一切期待されない
- ビジネスに合わせた予測を維持するためのメンテナンスは一切必要ない
小さな欠点として、これらのアルゴリズムは従来のものよりもはるかに多くの処理能力を消費します。しかし、この課題はクラウドコンピューティングによって対処され、データ量に関わらず予測エンジンが円滑に動作するようになっています。
私たちの確率的予測の起源
Lokadは確率的予測を発明したのではなく、他の数学者たちが主に商品株価予測や天気予測といった全く異なる問題に取り組むためにこの概念を用いたのです。また、Lokadは初めから確率的予測を採用していたわけではなく、従来の予測（2008年）、分位数予測（2012年）、分位数グリッド（2015年）を経てきました。
これ以前の経験から、確率的予測は実際には私たちの予測技術の第4世代にあたります。過去の各バージョンで得た経験により、幅広いビジネス状況に対応できる予測エンジンの設計に関して相応のノウハウを蓄積することができました。
平均値ではなく確率を推定するという発想は、従来のアプローチでうまくいかせようとしていた初期の頃に生まれました。従来手法が本質的に欠陥を抱えていること、そしていかなる研究開発を行っても壊れた統計基盤は修正できないということに、数多くの失敗を通じて気付いたのです。予測モデルを機能させるためには、まず統計基盤自体を修正する必要がありました。
さらに、私たちの予測エンジンの各バージョンは数学的には前バージョンの_一般化_であり、新世代の予測エンジンは前世代よりも多くの状況に対応できるようになっています。実際、ほぼ正しいほうが全く間違っているよりはましです。最も困難な状況は、エンジンが十分な表現力を持たず、特定のビジネス状況に最も適した予測を生成できなかったり、または、必要な統計的洞察を得るために真に関連する入力データを処理できなかったりするときに現れます。Lokadでは予測は常に進化中の作業です。私たちは確率的予測エンジンで築き上げたものを誇りに思いつつも、これで努力が終わったわけではありません。オンプレミス型のソリューションとは異なり、新しいツールへのアップグレードがそれ自体で大きな挑戦となる中、Lokadのクライアントは次世代の予測エンジンが利用可能になるとすぐにその恩恵を受けることができます。
予測に関するFAQ
どの予測モデルを使用していますか？
私たちは_多くの_予測モデルを使用しています。現在使われているほとんどのモデルは_機械学習_アルゴリズムと見なされるでしょう。これらのモデルはLokadによって開発され、科学文献において特定の名称を持つ対応物は通常存在しません。2008年に始めた際、Box-Jenkins、ARIMA、Holt-Winters、指数平滑法などの古典的手法をすべて再実装しましたが、これらのモデルは最新のモデルと競合できず、使われなくなりました。
どのようにして使用するモデルを選定していますか？
適切なモデルまたはモデルの適切な凸結合を選ぶことは、最初から良い予測を構築する上で半分の戦いと言えます。統計的観点から、常に「最良」のモデルを選べるシステムは、常に「完璧な」予測を選ぶシステムと厳密には同等です。実際、当社の予測エンジンは最適なモデルセットを選定するためにバックテストに大きく依存しています。
予測エンジンは季節性、トレンド、曜日の影響に対応していますか？
はい、予測エンジンはすべての一般的な周期性に対応しています。当社のモデルは、他の製品で見られる周期性を活用して、特定の製品の予測精度を向上させるために、多重時系列アプローチを積極的に活用しています。当然、二つの製品が同じ季節性を共有していても、曜日パターンが同一とは限りません。これに対応するモデルも用意しています。
どのようなデータが必要ですか？
需要を予測するためには、予測エンジンに少なくとも日々の過去の需要が提供される必要があり、さらに細分化された受注履歴があるとなお良いです。履歴の期間については、長ければ長いほど良く、2年未満では季節性を検出できないため、3年の履歴を良好、5年の履歴を優秀と考えています。リードタイムを予測するためには、通常、発注書に注文日と納品日が含まれている必要があります。製品やSKUの属性を指定することで、予測を大幅に洗練させることにもつながります。さらに、在庫レベルを提供していただくと、初期の意味ある在庫分析を行う上で非常に有用です。
私のExcelシートの予測は可能ですか？
経験則として、すべてのデータが一枚のExcelシートに収まる場合、通常は大きな支援は期待できません。正直なところ、誰もそれを実現できません。スプレッドシートのデータは週単位または月単位に集約される可能性が高く、その結果、過去の情報の大部分が失われてしまいます。また、この場合、製品に適用されるカテゴリや階層に関する情報もほとんど含まれていません。当社の予測エンジンは、保有するすべてのデータを活用するため、極小のサンプルでテストしても満足のいく結果は得られません。
品切れやプロモーションはどう扱いますか？
在庫切れとプロモーションは、過去の販売実績における偏りを表しています。目的は販売ではなく需要を予測することであるため、この偏りを考慮に入れる必要があります。一つよくある――しかし誤った――対処法は、履歴を書き換えてギャップを埋め、ピークを切り詰めるというものです。しかし、私たちはこのアプローチを好みません。なぜなら、予測結果を予測エンジンに投入することになり、大きな過学習の問題を引き起こす可能性があるからです。その代わりに、私たちのエンジンは、需要が検閲または膨張している箇所を示す「フラグ」をネイティブにサポートしています。
新製品の予測は行いますか？
はい、行います。しかし、新製品を予測するためには、エンジンが他の「従来型」製品の発売日および発売時の過去の需要データを必要とします。また、製品カテゴリや製品階層を指定することが推奨されます。エンジンは、実際に「従来型」製品を自動検出することにより新製品を予測しますが、これは新製品と比較可能と見なされるものです。しかし、新しいアイテムについてはまだ需要が観測されていないため、予測はそれらに関連する属性に全面的に依存します。
予測の調整は可能ですか？
統計的予測におけるほぼ10年の経験が何度も教えてくれたのは、予測を調整することは決して良い考えではないということです。もし予測を調整する必要があるのであれば、それはおそらく予測エンジンに修正すべきバグが存在することを意味します。修正すべきバグがなく、統計的観点から予測が期待通りに実施されている場合、予測を調整するのはおそらく問題に対する誤った対処法です。通常、予測の調整が必要になるということは、経済的な要因を考慮する必要があることを示しており、それは予測自体ではなく、予測の上に行われるリスク分析に影響を与えます。
私の業界分野での経験はありますか？
私たちは、ファッション、生鮮食品、消費財、電子機器、スペアパーツ、航空宇宙、軽工業、重工業など、数多くの業界分野での経験を有しています。また、eコマース企業、卸売業者、輸入業者、製造業者、流通業者、小売チェーンなど、多様な業界プレーヤーにも対応しています。あなたの業界分野での経験があるかどうかを確かめる最も簡単な方法は、直接お問い合わせいただくことです。
予測の精度向上に外部データを使用しますか？
いいえ。他のクライアントとの協業を通じて得られたノウハウとシステム全体の調整の恩恵により予測は向上していますが、予測には他のLokadクライアントや公開データセットなど、外部データソースから取得されたデータは一切含まれていません。同様に、あなたのデータは明示的にあなたの会社アカウントに関連する目的のためだけに使用され、それ以外には決して用いられません。