A-1データ分析・データ利活用 · 業務分析

需要予測

Demand Forecasting

じゅようよそく

過去の販売実績や市場の動向などのデータをもとに、将来の製品やサービスの需要量を予測すること。移動平均法や指数平滑法などの時系列分析、最小二乗法による回帰分析、専門家の意見を集約するデルファイ法などを用い、生産計画、在庫管理、要員計画の基礎になる。

共有:

他の資格での定義

過去の販売実績や市場の動向などのデータから、将来の製品やサービスの需要量を予測すること。移動平均法、指数平滑法、回帰分析などの手法を用い、生産計画、在庫管理、設備やサービスの容量の計画に生かす。

過去の実績や関連要因から将来の需要量を見積もること。在庫や生産計画の前提となり、精度が過剰在庫や欠品の発生を左右する。

将来のサービス需要を、過去の利用実績や事業計画、季節変動などから見積もること。容量・能力計画や要員計画の前提となり、予測が外れると資源不足による品質低下や過剰投資を招く。

過去の実績や関連要因から将来の需要量を見積もること。在庫や生産計画の前提となり、精度が過剰在庫や欠品の発生を左右する。

過去の実績や関連要因から将来の需要量を見積もること。在庫や生産計画の前提となり、精度が過剰在庫や欠品の発生を左右する。

Past Exams

過去問で 10 回出題（応用情報技術者試験 5・高度試験午前Ⅰ 2・ITパスポート試験 1・ITストラテジスト試験 1・システム監査技術者試験 1）

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。

目的変数を、説明変数の一次式（重み付きの和と定数）で表して予測する回帰の手法で、予測値と実測値の誤差の二乗和が最小になるように係数を求める（最小二乗法）。説明変数が1つの単回帰と、複数の重回帰がある。単純で解釈しやすいが、非線形の関係は表現できない。

同じ対象を時間の経過に沿って一定の間隔で観測・記録したデータ。株価、日々の売上、センサの測定値などが該当し、傾向変動（トレンド）、季節変動などの周期的な変動、不規則変動に分けて分析し、将来の値の予測に用いる。

ある変数（目的変数）の値を、他の変数（説明変数）の値から説明・予測する関係式を求める統計手法。説明変数が1つなら単回帰分析、複数なら重回帰分析といい、最小二乗法で係数を求め、当てはまりのよさを決定係数で評価する。需要予測や要因分析に使う。

時系列データについて、一定の期間の平均を、期間を1つずつずらしながら計算する方法。短期的な変動や不規則な変動をならして基調となる傾向を読み取り、直近の一定期間の平均を次期の予測値とする需要予測にも使う。新しいデータほど大きな重みを置く加重移動平均もある。

前回の予測値に、前回の実績値と予測値の差（予測誤差）に平滑化係数αを掛けたものを加えて、次回の予測値を求める需要予測の手法。予測値＝前回予測値＋α×（前回実績値−前回予測値）で計算し、過去のデータほど重みが指数的に小さくなる。αは0から1の値をとり、大きいほど直近の実績を強く反映する。

時系列データについて、一定の期間の平均値を、期間を1つずつずらしながら順に求める手法。短期的な変動をならして傾向を把握するために用い、直近の一定期間の平均を次の期の予測値とする需要予測の方法（移動平均法）にも使われる。