需要予測と聞くと、多くの方が「未来を当てること」を思い浮かべます。
けれど、実務でうまくいっている会社は、少し違う捉え方をしています。
予測とは、当てるためのものではなく、ズレの幅を数字にするためのもの。この視点に立つと、やるべきことが変わります。
なぜなら、在庫として持つべき数量は、予測値そのものではなく「予測がどれくらいぶれるか」で決まるからです。
この記事では、需要予測の基本を、手法・精度の測り方・改善の条件まで整理します。特定の製品の使い方ではなく、考え方を扱います。
📌 この記事で分かること
- 需要予測とは何か。販売予測・売上予測との違い
- 主な予測手法5つの仕組みと、向き不向き
- 精度の測り方と、「誤差30%」が実際に何個のズレなのか
- 予測でつまずく3つのパターンと、その回避方法
需要予測とは何か
需要予測とは、将来ある期間に、どの商品がどれだけ売れるかを数量で見積もることです。
目的は、その数量をもとに発注量と在庫量を決めることにあります。
「当てる」ことは目的ではない
需要予測の話をすると、精度の議論になりがちです。何パーセント当たるのか、どのモデルが優れているのか。
ただ、実務でこの数字を使う場面を考えてみてください。
発注担当者が知りたいのは、「来月ちょうど何個売れるか」ではありません。「どれくらい多めに持っておけば欠品しないか」です。
つまり、予測値そのものより、予測がどれくらいぶれるかの幅が要ります。この幅を吸収するために持つのが安全在庫です。
需要予測を「ズレの幅を数字にする作業」と捉え直すと、議論の焦点が変わります。精度を1%上げる話から、在庫を何個減らせるかの話になります。
販売予測・売上予測との違い
似た言葉が3つあります。混同されやすいので整理しておきます。
| 用語 | 見る対象 | 単位 | 主な使い道 | 主な担当 |
|---|---|---|---|---|
| 需要予測 | 市場で必要とされる量 | 数量（個） | 発注・在庫の決定 | 購買・生産管理・MD |
| 販売予測 | 自社が売る見込み | 数量・金額 | 営業計画・目標設定 | 営業 |
| 売上予測 | 金額ベースの着地 | 金額 | 予算・資金繰り | 経営企画・財務 |
違いは単位と使い道にあります。
需要予測は個数で考えます。金額に丸めてしまうと、発注に使えないためです。「今月は300万円売れる」と分かっても、何を何個仕入れるかは決まりません。
営業視点の販売予測については、販売予測の方法とは？各種方法とNetSuiteを使った分析で解説しています。
主な予測手法5つ
手法にはいくつかの段階があります。難しいものが常に優れているわけではありません。
| 手法 | 仕組み | 向いている商品 | 弱点 | 必要な履歴 |
|---|---|---|---|---|
| 前年同月コピー | 昨年の同じ月の実績をそのまま使う | 季節性が強く、需要が安定した定番品 | トレンドの変化に追随できない | 1年以上 |
| 移動平均 | 直近数か月の平均を取る | 需要が横ばいの商品 | 季節変動を平らにならしてしまう | 数か月 |
| 指数平滑法 | 直近のデータを重く見て平均する | 緩やかに変化する商品 | 急な変化には反応が遅れる | 1年程度 |
| 統計モデル | 季節性・トレンドを数式で分解する | 季節性がはっきりした商品 | 過去にないパターンには弱い | 2年以上が望ましい |
| AI時系列モデル | 複数商品の履歴をまとめて学習する | 商品数が多く、関連性がある商品群 | 履歴が短いと力を発揮しにくい | 2年以上が望ましい |
手法選びより先に決めること
表を見ると、下に行くほど良さそうに見えます。しかし実際は、履歴の長さと商品の性格で決まります。
履歴が半年しかない商品に統計モデルを当てても、意味のある結果は出ません。逆に、需要が安定した定番品なら、移動平均で十分なこともあります。
そして、どの手法を使っても、次の章で扱う「精度の測り方」がなければ良し悪しを判断できません。
手法の比較に時間をかける前に、測る仕組みを先に作るほうが近道です。
なお、ERPの標準機能としてどこまで自動化できるかは、NetSuiteの需要予測（Demand Planning）完全ガイドで製品側の視点から整理しています。
予測の精度は、どう測るのか
「予測精度が高い」と言うとき、何をもって高いと判断しているでしょうか。
ここが曖昧なままだと、改善の話が前に進みません。実務で使われる指標を2つだけ押さえておけば十分です。
wMAPE：ズレの大きさを率で見る
wMAPE（重み付き平均絶対パーセント誤差）は、予測がどれだけズレたかを率で表す指標です。
計算の考え方はシンプルです。全商品のズレを合計し、実績の合計で割ります。
似た指標にMAPEがありますが、こちらには弱点があります。実績が小さい商品でズレの率が跳ね上がり、全体の数字を歪めてしまうためです（出典：AWS予測誤差ガイド）。
wMAPEはこれを避けられます。誤差を合計してから実績の総量で割るため、数量の大きい商品ほど自然に重みが大きくなるからです。売上への影響が大きい商品を重く見る、という実務の感覚と一致します。
MASE：単純な予測に勝てているかを見る
MASE（平均絶対スケール誤差）は、もう少し踏み込んだ指標です。
これは、単純な方法と比べてどれだけマシかを表します。比較の相手は「前期の値をそのまま使う」という素朴な予測です。
読み方は明快です。
- 1を下回る：素朴な予測より精度が高い
- 1を上回る：素朴な予測より精度が低い
つまり、MASEが1を超えているモデルは、手間をかけた意味がないことになります（出典：Amazon SageMaker AI ドキュメント）。
高度な手法を導入したのに成果が出ない。そういう場面で、まず確認すべき数字です。
「精度30%」は、実際に何個のズレなのか
ここからが本題です。
率だけを見ていると、判断ができません。wMAPE 30%と言われて、それが良いのか悪いのか、直感で分かる人はいないからです。
大切なのは、率を個数に換算することです。
あるEC事業者の例で説明します。522SKU（商品の管理単位）を対象に、需要予測の仕組みを構築したケースです。
このとき、wMAPEは約30%でした。数字だけ見ると、3割も外れているように感じます。
ところが個数に置き換えると、見え方が変わります。
| 状態 | 月次の誤差幅 |
|---|---|
| 従来（担当者の経験による予測） | 約±45個 |
| 予測モデル導入後（wMAPE約30%） | 約±28個 |
ズレの幅が、45個から28個に縮んだということです。
個数に換算すると、何が決まるのか
なぜ個数への換算にこだわるのか。理由は1つです。
在庫として持つべき数量が、この幅で決まるからです。
予測が±45個ぶれる商品では、その幅を吸収できるだけの在庫を持つ必要があります。±28個に縮めば、持つべき在庫も減ります。
つまり、精度の改善は率の改善ではありません。在庫金額の削減として現れます。
ここが、需要予測を「当てる技術」と捉えるか「ズレの幅を数字にする技術」と捉えるかの分かれ目です。
自社の数字に置き換えてみる
読み進める前に、1つ確認してみてください。
自社の主力商品で、月次の販売数がどれくらいぶれているか。過去12か月の実績を並べるだけで、おおよその幅は見えます。
その幅が、いま在庫として持っている数量と釣り合っているか。ここが釣り合っていない会社は、過剰在庫か欠品のどちらかを抱えています。
前年実績のコピーは、なぜ「予測」ではないのか
多くの現場で使われているのが、前年同月の実績をそのまま今年の計画に置く方法です。
手軽で、それなりに機能します。ただし、これは予測とは呼べません。
前年コピーに欠けているもの
理由は3つあります。
1つめは、ズレの幅が分からないことです。前年の数字をそのまま置いても、今年それがどれくらい外れるかは示されません。安全在庫の根拠が作れません。
2つめは、変化を織り込めないことです。商品の入れ替え、販促の有無、市場の変動。これらが前年と違えば、前年の数字は使えません。
3つめは、外れた理由を検証できないことです。前年コピーには前提が入っていないため、なぜ外れたのかを分解できません。改善の手がかりが残りません。
それでも前年コピーには役割がある
否定したいわけではありません。前年コピーには、比較の基準線としての役割があります。
前章のMASEを思い出してください。あれは「素朴な予測に勝てているか」を測る指標でした。この素朴な予測が、まさに前年コピーにあたります。
つまり、前年コピーは予測手法ではなく、物差しとして使うのが正しい位置づけです。
新しい仕組みを入れるときは、まず前年コピーで計算した誤差を出してください。それを超えられなければ、導入の意味がありません。
なぜ「4か月先」を読む必要があるのか
需要予測の議論でよく抜けるのが、どれくらい先を読むのかという視点です。
来月の数字を当てても、間に合わない場合があります。
発注してから届くまでの時間
海外から商品を仕入れる場合、発注してから入荷するまでに3か月程度かかることは珍しくありません。生産の手配、船便での輸送、通関、国内配送が積み重なるためです。
この場合、今日の発注判断が影響するのは3か月後の在庫です。
さらに、入荷した商品はその後しばらく販売されます。次の入荷までの期間を含めると、今日決める発注量は、およそ4か月先の需要に対する答えになります。
先を読むほど、ズレは大きくなる
ここに難しさがあります。予測は、先の期間ほど当たりにくくなります。
来月の予測と4か月先の予測では、後者のほうがぶれます。当然のことです。
だからこそ、ズレの幅を把握する意味が大きくなります。4か月先を正確に当てることはできません。できるのは、「4か月先はこれくらいぶれる」と幅で押さえ、その幅を在庫で吸収する設計をすることです。
リードタイムが長い事業ほど、予測の役割は「当てる」から「幅を示す」へと移っていきます。
リードタイムが短い場合
逆に、国内調達で発注から入荷まで1週間という商品もあります。
この場合、遠い先を読む必要は薄れます。在庫が減ったら発注する、という運用でも回ります。
自社のリードタイムが何か月なのかを確認することが、予測に取り組む前の前提条件です。ここが商品によってばらついている会社は、まず商品群ごとに整理してください。
精度を上げる3つの条件
手法を変える前に効く条件が3つあります。順番も、この順です。
履歴の長さと質
季節性を捉えるには、最低でも2年分の履歴が要ります。1年では、それが季節変動なのか単発の出来事なのか区別できません。
質も同じくらい重要です。商品コードが途中で変わっている、複数の商品が1つのコードにまとまっている。こうした状態では、どの手法を使っても結果は安定しません。
まず履歴を整えること。 これが最も地味で、最も効きます。
毎月の答え合わせ
予測は、作った時点では正しさを判断できません。判断できるのは、実績が出た後だけです。
ところが実務では、実績が出る頃には次の予測作業が始まっています。振り返りは後回しになり、そのまま定着します。
答え合わせを業務の中に固定してください。予測を作る作業とセットで、前月分の差を確認する時間を置きます。
見るのは3点で十分です。
- 全体のwMAPEは、前月と比べてどう動いたか
- 特に大きく外れた商品はどれか
- その商品は、なぜ外れたのか（販促、欠品、新商品の投入など）
欠品した月の補正
見落とされやすいのが、欠品の扱いです。
在庫がなくて売れなかった月の実績は、本当の需要より小さい数字になっています。これをそのまま履歴に入れると、予測は実際より低く出ます。
低く出た予測で発注すれば、また欠品します。そして履歴はさらに歪みます。
この悪循環を断つには、欠品期間の実績を補正する必要があります。欠品前後の販売ペースから、売れたはずの数量を推定して置き換える方法が一般的です。
需要予測でつまずく3つのパターン
ここでは、取り組みが行き詰まる典型を3つ挙げます。
売り込みのために書くのではありません。「導入したのに変わらなかった」を避けてほしいからです。
精度を上げること自体が目的になる
こんな状態になっていませんか
- 予測モデルの比較検討に時間をかけている
- 精度が数%上がったが、在庫は減っていない
- 何%あればよいのかを、誰も答えられない
なぜ起きるのか
予測の目的が「当てること」に置き換わっているためです。
本来の目的は、ズレの幅を把握し、安全在庫で吸収することにあります。目的がずれると、精度は上がっても在庫金額も欠品率も変わりません。数字の改善が経営の改善につながらない状態です。
どう回避するか
精度目標を、率ではなく在庫金額で置いてください。
「wMAPEを5%改善する」ではなく、「安全在庫を◯個減らし、在庫金額を◯%圧縮する」と定義します。この置き換えだけで、議論の質が変わります。
予測はするが、答え合わせをしない
こんな状態になっていませんか
- 予測値は出しているが、実績との差を振り返る場がない
- 外れた理由を説明できない
- モデルを一度作ったきり、更新していない
なぜ起きるのか
これは、担当者の意識の問題ではありません。時間の構造の問題です。
予測は作った時点では検証できません。検証できるのは実績が出た後だけです。ところが実績が出る頃には、次の予測作業が始まっています。振り返りは常に後回しになります。
この構造が続く限り、精度は上がりません。予測を作る回数だけが増えていきます。
どう回避するか
答え合わせを、独立した作業として置かないでください。予測を作る作業とセットにします。
月次の予測作成の冒頭に、前月分の確認を組み込む。この順序にすれば、後回しになりません。
予測が、特定の人の頭の中にある
こんな状態になっていませんか
- 発注量の根拠を、特定の担当者しか説明できない
- その人が休むと、発注が止まる
- 引き継ぎのたびに、在庫水準がぶれる
なぜ起きるのか
これも人の問題ではありません。判断が記録されない仕組みの問題です。
優秀な担当者ほど、頭の中で処理できてしまいます。記録する必要を感じません。結果として、長年の経験が個人に蓄積し、組織には残りません。
そして、その人に業務が集中します。優秀だから任される。任されるから、さらに集中する。この構造は、会社が大きくなるほど深刻なリスクになります。
どう回避するか
予測をモデル化することは、その担当者を置き換えることではありません。
定型的な判断を仕組みに移し、その人にしかできない仕事に時間を使ってもらうためのものです。新商品の開拓、仕入先との交渉、売り場の設計。こうした領域は、これからも人にしか担えません。
ベンチャーネットは、この移し替えを一緒に設計する立場を取っています。個人のノウハウを否定するのではなく、組織のナレッジとして残す形にすること。それが結果として、その人の時間を解放します。
まず手をつけるなら、発注量を決めるときに見ている数字と、判断の理由を1行ずつ書き出すところからです。書き出せた分だけが、仕組みに移せる範囲になります。
需要予測を、在庫と発注につなぐ
最後に、この先の話をしておきます。
需要予測は、単体では価値を生みません。その数字が発注量に反映され、在庫が変わって初めて成果になります。
予測から在庫へ
予測で得られるのは、需要の見込みとズレの幅です。
この幅から安全在庫が決まり、安全在庫と回転分を足したものが適正在庫になります。予測精度が上がれば幅が縮み、持つべき在庫も減ります。
在庫側で決めるべきことは、適正在庫をサイクル在庫と安全在庫に分け、それぞれの減らし方を変えることです。サイクル在庫は発注の頻度で決まり、安全在庫は予測のぶれ幅で決まります。予測の改善が効くのは、後者だけです。
予測から発注へ
在庫の目標が決まっても、そのとおりに発注できるとは限りません。
最低発注数量（MOQ）、ケース単位、予算の上限、倉庫の容量。現実にはこうした制約が絡みます。制約が複数あると、直感で出した答えは最適から外れます。
制約が3つを超えたら、手で最適な答えを出すことは難しくなります。制約を書き出して一覧にするところまでを先に済ませ、計算は仕組みに任せるのが現実的な進め方です。
全体をつなぐ
需要予測・在庫・発注は、本来ひとつながりの流れです。どこか一箇所だけを改善しても、全体の成果は限定的になります。
流れ全体の考え方は、サプライチェーンの全体最適とは？で整理しています。
よくある質問
Q1. 需要予測の精度は、何%あればよいですか？
率では答えられません。商品によって適切な水準が違うためです。
判断の仕方は2段階です。まず、率を個数に換算します。wMAPE 30%が自社の商品で何個のズレにあたるかを出してください。
次に、その個数を在庫金額に換算します。ズレを吸収するために持つ在庫が、いくらになるか。この金額が許容できるかどうかが、実質的な判断基準です。
なお、MASEが1を下回っているかは最低ラインとして確認してください。1を超えていれば、前年コピーに負けています。
Q2. データはどれくらいの期間があれば、予測できますか？
季節性を捉えるには、最低2年分が望ましいところです。1年では、季節変動と単発の出来事を区別できません。
ただし、2年ないと始められないわけではありません。履歴が短い場合は、移動平均などの単純な手法から始め、データが貯まるにつれて手法を移していく進め方が現実的です。
大切なのは、始めた時点から答え合わせの記録を残すことです。この記録自体が、後の改善の材料になります。
Q3. AIを使えば、精度は上がりますか？
条件によります。手法よりも先に効く要素があるためです。
効く順番は、履歴の質、答え合わせの有無、そして手法です。履歴に商品コードの重複や欠品の未補正が残っている状態でAIを導入しても、期待した結果は出ません。
AI時系列モデルが力を発揮するのは、商品数が多く、商品どうしに関連がある場合です。複数商品の履歴をまとめて学習できるため、1商品ごとの履歴が短くても補い合えます。
Q4. 欠品した月のデータは、どう扱えばよいですか？
そのまま使わないでください。欠品した月の実績は、本当の需要より小さい数字になっています。
補正せずに履歴へ入れると、予測が実際より低く出ます。低い予測で発注すれば、また欠品します。そして履歴がさらに歪みます。
補正の考え方は、欠品前後の販売ペースから「売れたはずの数量」を推定し、置き換えるというものです。厳密でなくて構いません。欠品期間を無補正のまま放置することのほうが、はるかに大きな歪みを生みます。
まとめ：当てるのではなく、幅を知る
この記事の要点を整理します。
- 需要予測の目的は、当てることではなく、ズレの幅を数字にすること
- 手法は履歴の長さと商品の性格で決まる。難しい手法が常に優れているわけではない
- 精度は率ではなく個数と在庫金額に換算して判断する
- 前年コピーは予測手法ではなく、勝てているかを測る物差し
- 精度を上げる条件は、履歴の質・毎月の答え合わせ・欠品補正の3つ
そして、予測は在庫と発注につながって初めて成果になります。
今日できること
1つだけ、今日試せることがあります。
主力商品を1つ選び、過去12か月の月次販売数を並べてみてください。
最大と最小の差が、その商品の需要のぶれ幅です。いま持っている在庫が、その幅に対して多すぎないか、少なすぎないか。
この1商品の確認だけで、自社の在庫が抱えている課題の輪郭が見えてきます。需要予測の話は、そこから始まります。
もう少し詳しく知りたい方へ
自社のデータで、どこまで予測できるのか。まずは現状を確認するところからご相談いただけます。
NetSuite×量子最適化コンサルティングを見る
在庫・生産・広告の配分を、制約条件のもとで全体最適化します。
