需要予測AIの導入を検討するときは、発注担当者と予測したい商品・何日先の需要を知りたいかを確かめます。そのうえで、手元の販売実績を使えるか調べ、過去の実績で予測を試す順序で進めます。
拠点ごとのExcelをまとめる担当者や、発注業務へのAI導入を進める担当者向けの記事です。弊社が開発を受ける立場から、需要予測AIの導入を相談する前の準備と進め方をまとめました。
記事の要点(図解1分)
予測の対象・実績データ・精度の確かめ方・発注条件の4点を先に決めます。
AIで要約・質問をする
※ 開いたAIの入力欄に文が入っていない場合は、下のプロンプトをコピーして貼り付けてください
記事 https://n-v-l.co/blog/demand-forecast-ai を読み、次の形で答えて。私について知っている情報があれば前提にする。 1.結論1文 2.記事の具体例3つ(企業名・サービス名・数字入り) 3.読む価値がある見出し2つ+理由 4.私の会社に効くか(私を知っていれば当てはめ、不明なら判定質問3つ) 5.末尾に「答えてもらえれば、記事とサイト(https://n-v-l.co/)をもとに打ち手と記事にない部分を分けて答えます」 1500字以内。記事にないことは書かない。
ご利用中のAIで記事の要約を作成。その後、記事とサイトの内容をもとに、あなたのご質問に回答します。
社内で整理することは、次の4点です。発注担当者と一緒に確かめてください。
| 確認すること | 決める内容・調べる記録 |
|---|---|
| 予測の対象 | どの商品について、何日先の需要を、品目別・拠点別のどの単位で出すか |
| 実績データの状態 | 販売実績の期間と集計単位、商品コードの違い、欠品・特売の記録の有無 |
| 精度の確かめ方 | 過去のどの期間を使い、何日先の予測と実績を比べるか |
| 発注時の確認 | 在庫と入荷予定、賞味期限、最低ロットなど、人が判断する条件 |
最初に予測を試す商品は、どのように選びますか。
岡田最初は実績が多い売れ筋の定番商品から始めます。何日先を予測するか、品目ごとか拠点ごとか、数字を出す単位も先に決めておきたいです。
商品コードをそろえ、販売実績に欠品や特売の記録を添えます。必要な実績の長さは商品によって変わるため、年数だけで導入の可否を決めないでください。

季節で売れ方が変わる商品は、何年分の実績が必要ですか。
岡田季節性がある商品では、日別で3〜5年分を目安に考えています。1〜2年では厳しそうなので、もう少しデータが欲しいです。月の合計しかない場合も、予測に何のデータが影響するかによりますが、集計の単位が粗いと感じます。
予測の専門書『Forecasting: Principles and Practice』は、必要なデータ量は予測モデルで推定する項目の数やデータのばらつきに左右されると説明しています。一律の最低件数を当てはめる方法には根拠が乏しいとしています。 参照:13.7 Very long and very short time series|OTexts
短い期間の実績や月次データで始められるかは、対象商品と予測したい期間を伝えて個別に確かめます。
岡田欠品した日が分からないと、予測が低く出ると考えています。特売の日は売れ方が違うので、値引きを含めて記録を先に集めたいです。欠品や特売があった日は、日別の表に印の列を足して残します。
日々の在庫数や入荷日、入荷までにかかる日数も欲しいです。ただ、日別の実績が3年分あれば、欠品・特売の記録がない状態でまず予測を試し、精度を見て記録を足す進め方もあります。
岡田新商品は、似た商品の実績を使う形で予測を受けられます。一方、年に数回しか売れない商品は、予測には向かないと考えています。
データがそろっていても、品目が少なく担当者の判断で業務を進められている会社や、発注のやり方が決まっていない会社には、導入を勧めません。
必要な数字を決め、手元のデータから商品コードの対応を整理します。複数の表をまとめた後は、元の記録と照合してから発注担当者に渡します。

実績が短く、拠点ごとに商品コードも違う場合は、何から始めますか。
岡田最初に決めるのは、見たい数字です。次に、手元にどんなデータがあるかを調べ、商品コードなどのマスタをどう作るか決めます。その後の整備は並行して進めます。
拠点ごとに同じ商品のコードが違う場合、コードをそろえることが予測を始める条件です。基幹システムを途中で入れ替えていても、数え方やデータの形が同じなら、変更前後の実績をつなげて使えます。
岡田拠点ごとの実績を1つの表にまとめた後は、次の点を確かめます。
3つがそろったら、過去2〜3か月分を出して、今のレポートと同じ数字になるかを見ます。同じ数字になれば、予測を試し始めてよいと思います。
帳簿と実際の在庫のずれは、予測の検証と並行して直してよいと思います。ただし、どちらの在庫を正とするかは先に決めておきたいです。
予測を頼む前に、拠点ごとのExcelを1つの表にそろえる作業だけでも依頼できますか。
岡田データ整備だけの依頼も受けられます。お手伝いできるのは、商品コードをそろえるところからです。需要予測そのものも受けますが、何を予測したいかによって対応する範囲が変わります。
販売店や拠点ごとに形の違う実績を1つのデータにそろえる方法は、Hyperboardのページで紹介しています。
自社の商品と予測したい期間を決め、過去の実績で答え合わせをします。他社の的中率を比べる際も、対象と計算方法が同じかを確かめてください。

他社の的中率を、自社でも期待してよいですか。
岡田品目や何日先か、精度の数え方が違えば比べられません。売れ筋の商品だけなら近づく可能性はありますが、品目によります。導入前に、過去の実績を使って予測し、答え合わせするのが基本です。
『Forecasting: Principles and Practice』では、予測する時点より前のデータだけを使って検証します。実務で数期間先の予測が必要なら、数期間先の誤差を調べる方法も示しています。 参照:5.10 Time series cross-validation|OTexts
たとえば2週間先の発注を決めたいなら、過去のある日を起点に、当日までの実績で2週間先を予測します。答え合わせに使う期間の実績を学習に混ぜず、起点を変えて誤差を確かめる方法です。
岡田AIは一度でうまくいくとは考えていません。精度の調整が必要です。精度を約束できませんが、予測が外れたときの見直しまで受けます。本番では参考程度に使い始め、調整を続けながら使う範囲を広げていく方がよいと考えています。
今年から大口の取引先が増えた場合に、過去の検証と同じ精度を期待できるかは、その取引先の規模にもよります。
過去の実績をもとに、AIが求人を自動で推薦する仕組みを作った事例は、以下で紹介しています。
予測が出たら、人が根拠となった実績と現在の在庫、入荷予定を確かめます。新商品や特売など、担当者の判断を残す範囲も決めておいてください。
岡田定番はAI、新商品と特売は人が判断する分け方がよいと思います。人が判断しないと分からないことは、人に任せます。販売実績が少ない商品や季節性のある商品では、担当者の直感の方が合うことも多いと考えています。

岡田予測の数字が合っていても、そのまま発注しない方がよい商品はあります。賞味期限が短く廃棄が出る商品や、最低ロット・納期に決まりがある商品です。
Microsoftの公式資料では、発注条件として最低数量や発注単位、調達にかかる日数を設定します。需要の予測値に加えて、発注条件を発注計画で扱います。 参照:Default order settings for dimensions and product variants|Microsoft Learn
Microsoftの有効期限を扱う計画では、既存在庫を期限内に使うことも考慮します。商品を使える日・入荷する日と有効期限によって、需要に充てられる在庫が変わります。 参照:Master planning for products with limited shelf life|Microsoft Learn
予測が300個でも、最低ロットが1,000個なら、発注数量をそのまま300個にはできません。必要数を上回る分を期限内に販売できるか、必要な日に入荷するかを発注担当者が確認します。AIを導入する前に、賞味期限・最低ロット・納期を管理している表や契約内容も集めておきましょう。
まずは発注担当者と、試したい定番商品、何日先の需要を知りたいか、数字を出す単位を決めてください。データを集める担当者は、販売実績の年数、拠点間の商品コードの違い、欠品・特売の記録の有無を調べます。
弊社への相談時は、予測したい内容と手元の記録を持ち寄ってください。商品コードの統一など、データ整備からご相談いただけます。
実績の整理や予測の検証を外に頼む場合の費用と進め方は、以下の記事で説明しています。

エンジニア出身。大阪大学在学中から複数のプロダクトを立ち上げ、2019年にNOVEL株式会社を設立。上場企業を含む60件以上のAI導入・システム開発を支援し、見積もりと要件定義は自ら担当する。著書『2冊目に学ぶ ChatGPTプロンプト攻略術』(C&R研究所、2023年)。

社内のエンジニアや代表への取材と、お客様の導入支援の記録をもとに記事を作っています。NOVELは上場企業を含む60社以上のAI導入・システム開発を支援し、商談解析AI「DOKO」などの自社製品も開発しています。


関連する記事はこちら
訪問営業の指導がうまくいかない原因|部下のクロージングが上達しないわけ
部下の報告と実際の商談内容に、ずれを感じたことはありませんか。
経営ダッシュボードの作り方|最初の1枚を作る手順とExcelでの予実比較
経営ダッシュボードの作成を任されたら、まず経営会議で見たい数字と比較対象を確認します。試作画面を先に作っても、手元に月次の集計表しかなければ、日別の推移は出せません。元データで集計できるかの確認が、画面作成の前提です。
営業の生産性を上げるには?訪問営業の成約率を改善する手順
営業の生産性を上げるには、担当者ごとの成約率を比べ、成約率の低い人がつまずいている場面を絞って指導します。成約率の低い営業が困りごとを聞く場面で話を進められていなくても、所長が商談の会話を見なければ、同行やロープレでどの場面を練習させるか決められないためです。
商談解析で何が分かる?訪問営業での始め方とツールの選び方
訪問営業の録音がたまっていても、所長が聴き直す時間を取れず、指導に使えないことがあります。商談解析を検討するなら、自社の売り方に沿った判定と、気になった場面の音声をすぐ聴けることを確かめてください。想定する運用は、AIが出した点数や要約を手掛かりに、所長が指導する形です。この記事では、訪問営業の録音を指導に使うた…
訪問営業の失注分析|「価格」「検討中」で終わらせない4つの手順
日報の失注理由が「価格」「検討中」に偏り、担当者に何を指導すればよいか決まらない。そんなときは、断られた段階と商談の会話を見比べてください。報告された理由から、すぐに値下げを決めるのは早計です。
店舗データ分析の進め方|全店の数字をそろえる判断基準
店舗ごとの報告ExcelとPOSの売上が合わず、月初は数字の確認だけで時間が過ぎる。経営者から急に店舗比較を頼まれても、すぐには出せない。こうした状態なら、まず経営会議で何を比べたいかを決め、元データの確認から始めてください。
商談記録のテンプレート|作り方と記入例、部下の指導での使い方
商談記録のテンプレートは、日時や要望、次の行動などの基本項目に、お客様の言葉と営業の見立てを分けて書く欄を足して作ります。部下が「好感触」と書いても、お客様の言ったままの言葉が無ければ、所長は次の商談で何を聞くよう指導するか決められないためです。
訪問営業の成約率向上|商談のどこを直すか見分ける方法
訪問件数を増やし、クロージングの研修もしたのに成約率が上がりません。住宅・リフォームの営業所で次の指導を決めるなら、決まった商談と決まらなかった商談の会話を比べてください。玄関先で警戒された商談と、見積前に困りごとを聞けていない商談では、練習する内容も別です。
営業トークスクリプトの作り方|訪問営業の台本を改善し続ける手順
営業トークスクリプトは、商談をフェーズに分け、フェーズごとに話す内容と次へ進む条件を決めて作ります。場面の区切りが無ければ、所長は成約した商談と失注した商談の会話を同じ場面で比べられず、台本のどこを直すか決められないためです。
訪問営業の営業品質を向上させるには?契約後のトラブルから商談を点検する
訪問営業の営業品質を上げるには、契約後にキャンセルやクレームになったお客様の商談の録音を聴き、説明の抜けやお客様に誤解を与えた発言を確かめます。営業が報告するキャンセルの理由は建前のこともあり、本当の理由は、商談の会話を聴かないと分からないためです。
販売管理システムの選び方|経営が見たい数字を出せるか確かめる
販売管理システムの導入や入れ替えを任されたら、経営会議で必要な集計表を候補製品で作れるか確かめましょう。得意先別の売上が出ても、経営が求める業種別の粗利まで出せるとは限りません。
営業KPIの決め方|訪問営業の指導に使う指標と測り方
訪問件数は足りているのに、成約率が上がらない担当者はいませんか?商談に同行するか録音を聞かない限り、管理者はどの場面で何を変えるかを指示できません。件数の指示だけでは、商談のうまさは本人任せのまま変わりません。
人気記事ランキング
おすすめ記事

エンジニア出身。大阪大学在学中から複数のプロダクトを立ち上げ、2019年にNOVEL株式会社を設立。上場企業を含む60件以上のAI導入・システム開発を支援し、見積もりと要件定義は自ら担当する。著書『2冊目に学ぶ ChatGPTプロンプト攻略術』(C&R研究所、2023年)。
生成AI・AIエージェント・業務システム導入・開発伴走支援|AI導入の支援実績 60社以上/上場企業から中堅企業まで|2019年設立