需要予測分析とは？過去データから将来の需要を定量的に見積もる手法

需要予測分析とは

需要予測分析（Demand Forecasting）とは、過去の販売実績、市場動向、外部環境の変化などをもとに、将来の製品・サービスの需要を定量的に見積もる分析手法です。

製造業における生産計画、小売業における仕入計画、サービス業における人員配置など、あらゆる事業活動の起点は「どれくらいの需要があるか」の見通しです。需要予測の精度は在庫コスト、機会損失、利益率に直結するため、経営判断の根幹を支える分析と位置づけられます。

コンサルティングの現場では、サプライチェーンの最適化、新規事業の市場規模推定、販売計画の策定支援など、多くのプロジェクトで需要予測が求められます。単に過去データの延長線を引くだけでなく、市場構造の変化や外部要因を組み込んだ予測モデルの構築が付加価値となります。

需要予測の手法は古くから統計学の分野で研究されてきました。1950年代にCharles Holt（チャールズ・ホルト）が指数平滑法を提案し、1960年代にPeter Winters（ピーター・ウィンターズ）が季節性を考慮したHolt-Winters法へと拡張しました。これらの手法は現在でも需要予測の基盤として広く使われています。

構成要素

需要予測分析は、予測対象の定義から精度検証まで一連のプロセスで構成されます。

定量的予測手法

過去の実績データに基づいて統計的に将来を予測する手法です。データの蓄積がある既存製品・サービスに適しています。

手法	特徴	適用場面
移動平均法	直近n期間の平均値で予測	短期予測、安定した需要パターン
指数平滑法	直近データに大きなウェイト	トレンドのある需要、中期予測
ARIMA	自己回帰と移動平均の統合	複雑な時系列パターン
回帰分析	外部要因との因果関係を利用	説明変数が明確な場合

定性的予測手法

過去データがない、または市場環境が大きく変化する場面で専門家の判断を活用する手法です。

手法	特徴	適用場面
デルファイ法	専門家の意見を反復集約	新市場・新技術の予測
市場調査	顧客の購買意向を直接調査	新製品の需要推定
営業チームの見積り	現場の知見を集約	短期的な受注見通し
類推法	類似製品の実績から推定	類似事例がある新製品

予測精度の評価指標

予測の良し悪しを測る代表的な指標は以下の通りです。

指標	計算方法	特徴
MAE（平均絶対誤差）	予測誤差の絶対値の平均	直感的に理解しやすい
MAPE（平均絶対パーセント誤差）	誤差率の平均	異なるスケールの製品間で比較可能
RMSE（二乗平均平方根誤差）	誤差の二乗平均の平方根	大きな誤差を重視

実践的な使い方

ステップ1: 予測対象と粒度を定義する

まず「何の需要を」「どの粒度で」「どの時間軸で」予測するかを明確にします。製品カテゴリ単位か、SKU単位か。月次か、週次か。3ヶ月先か、1年先か。予測の粒度と時間軸によって適切な手法が異なります。

粒度が細かいほど予測精度は下がる傾向があります。SKU単位の月次予測と製品カテゴリ単位の四半期予測では、後者の方が精度を出しやすいため、意思決定に必要な粒度を見極めることが重要です。

ステップ2: 過去データを収集し前処理する

過去の販売実績データを収集し、異常値の除去、欠損値の補完、季節調整などの前処理を行います。特に注意すべきは「品切れ期間」のデータです。品切れ中は需要があっても販売が記録されないため、そのまま使うと需要を過小評価します。品切れ期間の推定需要を補完する処理が必要です。

ステップ3: 予測モデルを選択し構築する

データの特性（トレンドの有無、季節性の有無、外部要因の影響度）に基づいて予測モデルを選択します。まず単純な手法（移動平均、単純指数平滑法）で予測のベースラインを作り、次により高度な手法（ARIMA、回帰分析）で精度が向上するかを検証する段階的アプローチが推奨されます。

ステップ4: 予測結果を検証し調整する

過去データの一部をテストデータとして保持し、予測精度を検証します。さらに、統計モデルの予測結果を営業担当者や現場の知見で補正する「統計予測 + 判断調整」の組み合わせが実務では一般的です。

プロモーション計画、競合の動向、規制変更など、過去データには反映されない将来の変化要因を人間の判断で加味します。

ステップ5: 予測を定期的に更新しモニタリングする

需要予測は一度作って終わりではなく、新しいデータが入るたびに更新する「ローリング予測」が基本です。予測と実績の乖離を常にモニタリングし、予測精度が悪化した場合はモデルの見直しを行います。

活用場面

• サプライチェーン最適化: 需要予測を起点に生産計画・調達計画・物流計画を連動させ、在庫コストと欠品リスクを最小化します
• 販売計画の策定: 月次・四半期の販売計画を需要予測に基づいて策定し、営業目標の合理的な設定を支援します
• 新規出店の需要推定: 商圏分析と組み合わせ、新規店舗の想定売上を予測します
• 人員計画: コールセンターや店舗の繁閑に合わせたシフト計画に需要予測を活用します
• 価格戦略: 需要の価格弾力性を組み込んだ予測モデルで、値上げ・値下げの影響をシミュレーションします

注意点

過去データの延長が通用しない局面を見極める

需要予測の基盤は過去データですが、市場構造が変化するタイミング（新技術の登場、規制変更、パンデミックなど）では過去パターンの延長が通用しません。構造変化の兆候を早期に検知し、モデルの前提を見直す仕組みが必要です。

予測精度の限界を関係者と共有する

需要予測は必ず誤差を含みます。予測精度をMAPEなどの指標で定量化し、「この予測はプラスマイナス15%の誤差を含む」と明示することで、関係者の過度な期待を管理します。予測の精度限界を前提とした安全在庫や予備予算の設計が実務上の対策となります。

複数シナリオで予測する

単一の予測値に依存すると、外れた場合のリスクが大きくなります。楽観・標準・悲観の3シナリオを用意し、各シナリオに対するアクションプランを事前に策定しておくことで、需要変動への対応力が高まります。

まとめ

需要予測分析は、過去データの統計的パターンと専門家の知見を組み合わせて将来の需要を見積もる手法です。定量的予測と定性的予測の使い分け、予測精度の評価と継続的な更新、不確実性の明示が実務のポイントとなります。予測は「当てる」ことが目標ではなく、不確実性を定量化して意思決定の質を高めることが本来の役割です。