【需要予測の基礎知識】指数平滑法、単純移動平均法、加重移動平均法をわかりやすく解説

商品や製品の売れ行きの過去データを蓄積し、それをもとに将来の必要量を計算する需要予測。
正確な需要予測が可能となれば、それは市場を支配したのと同義であり、需要予測はビジネスにおいて重要な役割を持つ。

今回は数理的なモデルにより将来の需要を計算する基本的な手法について（可能な限り平易に）ご紹介する。

はじめに：需要予測の意義
需要予測の基本的手法
ロジスティクス分野の専門知識（おススメ参考書）

はじめに：需要予測の意義

多くの場合、需要予測は、企業内の経験豊富な担当者が「職人技」的に業界動向を見極めつつ、数理的計算を用いるまでもなく将来の需要計画を立てているのが実態なのではないだろうか。

人間が様々な情報を懸案し需要計画を立てるか、数理モデルにより需要計画を策定するのか。

これらは「どちらを選択すべきか」という次元のものではない。

よくシステム導入の現場で数理モデルベースの需要予測機能を実装しようというときに、「これって良く当たるの？」と訊かれることがある。

しかし、需要予測の意義とは「当たる」とか「当たらない」といった次元にあるのではない。
（精度は確かに重要なのだが、宝くじとはちがうので）

人間が優れた感性で需要を見極めようが、優れた数理モデルを用いようが、そもそも未来を完全予測することなどできない。

重要なのは、根拠に基づき予測を行い、それと実績がズレた場合は何が原因だったのかを考え、次回の予測をより精度の高いものにしていくというアプローチを繰り返すことだ。
システム的な需要予測であったり、数値的根拠に基づく予測というのは、そうしたサイクルを回す際の指針として活用するためのものというわけだ。

需要予測の基本的手法

需要予測は過去のデータに基づいて行う。
その際に重要なのが、過去のデータにどう「重みづけ」を行うかだ。

10年前のデータと直近のデータを、同等に扱っても良いのだろうか？
通常は、あまりにも古いデータでは参考にならないことが多いし、一方で10年前程度であれば同等に考慮すべき、というケースもある。

つまりケースバイケースで選択すべきモデルも異なってくる。

今回は「単純移動平均法」「加重移動平均法」「指数平滑法」について順に解説する。

単純移動平均法とは

単純移動平均はデータの重みづけが平坦な平均であり、過去のデータも直近のデータも同等に扱う。過去の実績値全部を合算して、期間で割ることで求められる。

もっともわかりやすい方法と言える。

加重移動平均法とは

過去になるに従い、重みを等間隔で減少させていく平均方法が加重移動平均。直近のデータほど重く扱う。

加重平均の係数（0以上1以下）として、例えば前月に対して最大値1の重みを付け、そこから１か月遡るごとに重みを0.1ずつ減少させていくとする。
係数は１０か月遡れば0となる。

よってこのケースでは、過去１０か月分のデータが重みを付けて考慮されるし、それより以前の月に関しては切り捨てられることとなる。

指数平滑法とは

指数平滑とは、過去の実績データを用いつつ「より新しい方の実績値」により大きな重みを置き、過去になるほど小さな重みをかけて移動平均を算出するもの。

指数平滑法の特徴
①過去に遡るほど、重みは指数関数的に減少するので「指数」平滑と呼ばれている。
②単純移動平均は、過去データのすべてを同じ重みで扱うのに対し、指数平滑法は直近のデータほど重視して扱う。
③加重移動平均は、過去の重みがある時点で0となるので、それより以前のデータは考慮されない。一方、指数平滑は過去に遡っても重みづけが0になることはなく、過去データのすべてを予測値に反映する。