〜　予測の事例 〜

ここで紹介している予測の事例は、例えば１番目の「納豆」の予測で言うと、納豆または食品の業界で同様に精度良く予測を行うことができるということではありません。
また、より多く使われている回帰分析や数量化理論I類が万能であるいう意味でもありません。

また企業研修などでも説明していますが、予測を行ったら予測をしっぱなしではいけません。

１．納豆の需要予測

納豆メーカーは、お客様であるスーパーから、明日○○納豆がいくらの注文があるかを正確に予測したい。
担当営業の予測では、多めになってしまいます。逆に不足したら、スーパーの発注担当者からクレームをつけられるのでどうしても多めに予測してしまうからです。データを調べたところ、競合する複数の納豆の価格がかなり需要に効いていることがわかりました。そこで、手法として重回帰分析を適用しています。現在検討中です。

Excel用アドインプログラム：　拡張回帰分析プログラム
　Excelのデータ分析ツールでも回帰分析はありますが、説明変数は１６列まで
　という制約があります。このツールは200列×2000行まで有効です。
　　→　http://www.datamining.jp/goods/dms501.htm

２．来週、かまぼこはいくらの需要があるか

かまぼこを製造している工場は、来週かまぼこをいくら作れば良いのかを正確に予測したい。
この工場では、幸か不幸か工場長の勘（予測）が良く当たるのです。しかしながら、もし工場長が休んだり、定年退職でいなくなったらどうするのですか？と言っています。やはり、データから合理的に予測することが必要になります。手法は数量化理論１類を提案しています。予測を参考にして、更に人の判断を加味すれば良いのではないでしょうか。

Excel用アドインプログラム：　超らく解析プログラム
　Excelのデータ分析ツール「回帰分析」はありますが、カテゴリーデータの扱いは
　やっかいです。カテゴリーデータのまま回帰分析を実行することができるのが
　この「超らく解析」です。Excelデータ分析ツール」回帰分析の機能を
　利用しています。
　　→　http://www.datamining.jp/goods/dms50A.htm

Excel用アドインプログラム：　影響度分析プログラム
　「超らく解析」の拡張版で、200変数×4000行まで有効です。
　　→　http://www.datamining.jp/goods/dms510.htm

３．ドラッグストアの時間帯別の売上予測

ドラッグストアでの売上金額の時間帯別の予測。
要因を曜日・イベントの有無・時間帯として、手法は数量化理論１類で解析してみました。満足いく予測精度でした。

４．食材メーカーでの食材の３か月間の需要予測

食用油などを製造している食材メーカーでは３ｹ月先の需要予測をしたい。
品目が300種類もあります。すべての品目の３か月先の需要予測です。生産計画に必要なのでできるだけ正確に予測したいのです。Excel上にグレイモデル（灰色理論）を組込み予測しています。H社と予測のコンペとなりました。似たような予測精度であったとのことです。

Excel用アドインプログラム：　グレイ法予測プログラム
　グレイモデルという予測手法をExcelで実現。
　時系列データの予測に有効な予測手法の１つです。
　　→　http://www.datamining.jp/soft/html/H302GrayYosoku101.htm

５．機械メーカーの交換部品の予測

機械メーカーでは機械の部品の交換のために数万という部品を用意しておく必要があり、在庫計画は最大の課題。
どの部品も揃えておくのでは経費がかかりすぎます。そこで、予測を基に、過不足なく用意しておくのが効率的です。機械部品なので、季節性がなく難問です。手法はグレイモデル（灰色理論）を提案しました。

６．新車の月毎の販売台数を予測する

新車を発売してから、この先どれだけの売上が見込めるかを予測する。
過去の新車の販売台数と似たカーブを描いているパターン（相関係数が１に近いもの）を見つけ、あとは単回帰式で予測しました。この方法を相似法と呼んでいます。

Excel用アドインプログラム：　相似法予測プログラム
　「相似法」はオリジナルの呼称ですが、時系列データにおいて
　このように新車の販売台数の推移を、過去のデータの推移の
　うちからもっとも新車の販売台数の推移に似たものを予測に
　利用するものです。
　　→　http://www.datamining.jp/soft/html/H301SimAutoEst101.htm

７．アパレル会社では４週間先までの商品の売上数を予測したい

過去100週の商品の売上数から、この先４週間の売上数を予測したい。
時系列データの予測に有効なARIMAモデルを使用して予測したところ成功しました。

８．売出して２週間の売上数を基に季節性のあるブランドものが３か月後合計でいくら売れるか

アパレル会社で季節性のあるブランドものの予測。売出してわずか２週間の売上数から３か月後、合計で何枚売れるかを予測したい。
これは難問でした。２週間とはデータは１４個ではなく、２個でした。昨年のデータは参考になりませんでした。数値予測は難しいのでランク予測に切り替えました。大化けしたもの、売れたもの、普通に売れたもの、あまり売れなかったものとランクに分けました。このブランドはどのランクに入るかを予測したところ予測精度は向上しました。手法はExcelの並べ替え（ソート）機能を使用しました。

９．同窓会の出席者数を予測する

十数年振りに、高校の同窓会を開催することになりました。心配なのは参加者が８０名を満たないと赤字になります。参加者を募集して1週間の応募者数から、締切日に何人になるかを予測しました。100人と予測しました。実際は98人でした。皆、びっくりでした。手法は２次の多項式を求め外挿しました。