在庫を予測する方法：3つの一般的な方法と選択する方法

公開: 2022-07-22

在庫予測は、企業の製品またはサービスの将来の需要を見積もり、その需要を満たすために必要な在庫レベルを決定するプロセスです。

正確な予測により、企業は生産、購入、在庫レベルについて情報に基づいた意思決定を行うことができ、全体的な効率と収益性の向上に役立ちます。

在庫を予測するために使用できるさまざまな方法がいくつかあり、最も適切なアプローチは、多くの場合、ビジネスの種類と利用可能なデータによって異なります。この投稿では、次のような在庫予測に使用される最も一般的な方法のいくつかについて説明します。

傾向分析（移動平均と傾向線）
回帰分析
指数平滑法

これらの各方法の長所と短所、それらを設定するために必要な正確な式、および特定のビジネスにどちらを選択するかについて説明します。

また、回避すべき在庫予測のベストプラクティスと一般的な落とし穴についても説明します。

とはいえ、数学に身を任せて、すぐに始めましょう！

正確な予測の重要性

不正確な在庫予測は、次のような多くの悪影響を企業にもたらす可能性があります。

在庫切れ：需要が過小評価され、在庫レベルが低すぎると、企業は顧客の需要に対応できなくなり、売上の損失とそれに続く顧客満足度の低下につながる可能性があります。

過剰在庫：一方、需要が過大評価され、在庫レベルが高すぎる場合、企業は過剰在庫を保持し、財源を拘束し、貴重な保管スペースを占有する可能性があります。

在庫予測の一般的な方法

上で述べたように、在庫予測に使用できるさまざまな方法がいくつかあります。このセクションでは、傾向分析、回帰分析、指数平滑法など、最も一般的な方法のいくつかを詳しく見ていきます。

傾向分析

在庫予測の最も単純で最も一般的な方法の1つは、傾向分析です。このアプローチでは、過去の販売データを使用して、需要の根本的な傾向を特定し、それを使用して将来の需要に関する予測を行うことができます。

傾向分析を実行するにはさまざまな方法がありますが、最も一般的な方法の1つは、移動平均を使用することです。このアプローチでは、設定した期間（3か月、6か月など）の平均需要を計算し、この数値を使用して将来の期間の需要を予測します。

もう1つの一般的な方法は、傾向線を使用することです。これには、過去のデータポイントをグラフにプロットしてから、データ全体に最適な線を引くことが含まれます。次に、傾向線の傾きを使用して、将来の需要を推定できます。

移動平均の計算方法

移動平均の計算式は次のとおりです。

MA =（過去n期間のデータポイントの合計）/ n

ここで、MAは移動平均、nは期間数です。

たとえば、1月、2月、3月の3か月の移動平均を計算する場合は、次の式を使用します。

MA =（1月+ 2月+3月）/ 3

第1四半期の売上高が各月で100、150、200だったとしましょう。

これにより、MAは（100 + 150 + 200）/ 3、つまり150になります。

次に、この移動平均を使用して、将来の期間の需要を予測できます。たとえば、4月の需要を予測する場合は、移動平均値150を使用します。

傾向分析式

傾向分析の式は次のとおりです。

トレンド=（終了値–開始値）/期間数

たとえば、第1四半期の売上が連続する各月の100、150、および200である場合、傾向は次のように計算されます。

トレンド=（200 – 100）/ 3

これにより、100/3、つまり33.33の傾向が得られます。

この傾向は、将来の期間の需要を予測するために使用できます。たとえば、4月の需要を予測する場合は、単純に33.33の傾向値を使用して、3月の売上高（200）に追加します。これにより、4月の予測需要は233.33になります。

在庫予測に傾向分析と移動平均をいつ使用するか

在庫予測に傾向分析を使用するか移動平均を使用するかを決定する際に考慮すべきことがいくつかあります。

1つ目は、需要を予測する時間の長さです。短期間（たとえば、1〜2か月）の需要を予測するだけでよい場合は、通常、移動平均を使用するだけで十分です。ただし、将来の需要をさらに予測する必要がある場合（たとえば、3〜6か月）、傾向分析を使用すると、将来の需要をより正確に把握できます。

次に考慮すべきことは、データの性質です。データポイントが等間隔に配置されており、明確な傾向がある場合は、傾向分析が最善のアプローチです。ただし、データポイントがより不安定であるか、明確な傾向がない場合は、通常、移動平均を使用することをお勧めします。

回帰分析

回帰分析は、さまざまな変数間の関係を特定するために使用できる統計的手法です。このアプローチは、売上と、季節性、広告、価格変動などの需要に影響を与える可能性のあるその他の要因との関係を特定するために、在庫予測でよく使用されます。

これらの関係が特定されると、それらを使用して将来の需要に関する予測を行うことができます。

回帰分析式

回帰分析の式は次のとおりです。

Y = a + bX

ここで、Yは従属変数（つまり、需要）、Xは独立変数（つまり、広告費）、aは切片、bは線の傾きです。

これをコンテキストに入れるために、回帰分析を使用して、広告費に基づいて製品の需要を予測するとします。

広告費と需要に関する履歴データがある場合は、このデータを使用してaとbの値を計算できます。

aとbの値を手動で計算することは可能ですが、時間を節約したい場合は、 HubSpotに、 ExcelまたはGoogleスプレッドシートの数式を使用してすべての計算を短縮する方法に関する詳細なチュートリアルがあります。

aとbの値を取得したら、それらを数式にプラグインして、特定のレベルの広告費の需要を予測できます。

たとえば、a=100およびb=0.5と計算したとします。これにより、次の式が得られます。

Y = 100 + 0.5X

広告に10,000ドルを費やす予定の月の需要を予測したい場合は、この数値を方程式に代入するだけです。

Y = 100 + 0.5（10,000）

これにより、5,100ユニットの予測需要が得られます。

回帰分析を使用する場合

回帰分析の主な利点は、さまざまな変数間の関係を特定するのに役立つことです。これは、季節性や価格変動など、販売履歴以外の要因に基づいて需要を予測する場合に役立ちます。

ただし、回帰分析にはいくつかの欠点があります。まず、特に統計的手法に慣れていない場合は、設定に時間がかかる可能性があります。

第二に、回帰分析は、aとbの値を計算するために使用するデータと同じくらい正確です。データが不正確または不完全な場合、予測も不正確になります。

最後に、回帰分析は、従属変数と独立変数の間に線形関係がある場合にのみ機能します。明確な関係がない場合、または関係が非線形である場合、回帰分析は正確ではありません。

指数平滑法

指数平滑法は、指数関数的に減少する重みを過去の観測値に割り当てる予測方法です。このアプローチは、データに明確な傾向がない場合、またはランダムな変動がかなりある場合によく使用されます。

指数平滑法にはさまざまなバリエーションがありますが、最も一般的なのは単純な指数平滑法です。このアプローチでは、加重移動平均を使用して需要を予測します。この場合、時間を遡ると、加重は指数関数的に減少します。

指数平滑法

単純な指数平滑法の式は次のとおりです。

Ft =αyt+（1-α）Ft-1

ここで、Ftは期間tの予測、ytは期間tの実際の需要、αは平滑化定数です。

αの値は0から1の範囲であり、値が大きいほど、最近の観測に重点が置かれます。

αの正しい値の選択

αの値は予測の精度に大きな影響を与えるため、データにとって意味のある値を選択することが重要です。

高すぎる値を選択すると、予測は最近の観測に非常に敏感になり、長期的な傾向は考慮されません。

一方、低すぎる値を選択すると、予測が遅くなり、需要の短期的な変化が反映されません。

αの値を選択することに関しては、正しい答えも間違った答えもありません。最善のアプローチは、さまざまな値を試して、どれが最も正確な予測を提供するかを確認することです。

平均絶対パーセント率（MAPE）などの統計的手法を使用して、さまざまなαの値の精度を比較することもできます。

αの値を選択すると、予測プロセスは比較的簡単になります。

各期間の実際の需要値をプラグインし、方程式を解いて予測需要を取得するだけです。

指数平滑法を使用して、今後6か月間の製品の需要を予測するとします。

データが過去数か月にわたって需要が比較的安定していることを示している場合、α=0.5の値を選択する可能性があります。これにより、次の式が得られます。

F1 = 0.5y1 +（1-0.5）F0

F2 = 0.5y2 +（1-0.5）F1

…

F6 = 0.5y6 +（1-0.5）F5

最初の月の需要を予測するには、y1の値（つまり、最初の月の実際の需要）をプラグインするだけです。

2か月目の需要を予測するには、y2の値と最初の月の予測需要（つまり、F1）をプラグインします。

等々。

あなたのビジネスに適切な方法を選択する方法

ビジネスに適した在庫予測方法の選択は、ビジネスの種類、販売する製品、利用可能なデータなど、さまざまな要因によって異なります。

明確な季節パターンを持つ製品を販売している場合は、傾向分析または回帰分析が最良の選択肢となる可能性があります。季節性の影響を受けない製品を販売している場合は、指数平滑法の方が適している場合があります。

予測方法を選択する際に利用可能なデータを考慮することも重要です。売上データが数か月しかない場合は、単純な傾向分析が最適なオプションです。販売データの長い履歴がある場合は、回帰分析などのより高度な方法がより適切な場合があります。

最終的に、予測方法を選択する最良の方法は、さまざまな方法を試して、どの方法がビジネスに最も正確な予測を与えるかを確認することです。

どの方法を選択しても、在庫予測は不正確な科学であることを覚えておくことが重要です。将来の需要を予測する際には常にある程度の不確実性があるため、計画にある程度の柔軟性を持たせることが重要です。

これを行う1つの方法は、さまざまな方法または仮定を使用して複数の予測シナリオを作成することです。これにより、考えられる結果の範囲をより正確に把握し、在庫レベルについてより多くの情報に基づいた決定を下すことができます。

予測では在庫リードタイムを考慮してください

もう1つの重要な考慮事項は、製品のリードタイムです。リードタイムは、サプライヤから注文を受け取るのにかかる時間です。

リードタイムが長い場合は、さらに事前に注文する必要があります。つまり、予測をより正確にする必要があります。リードタイムが短い場合は、注文の柔軟性が高まります。

リードタイムを考慮するために、注文を受け取るのにかかる時間を反映するように予測を調整するか、リードタイムをカバーするために在庫レベルを構築することができます。

在庫レベルの構築には費用がかかる可能性があるため、多くの場合、予測を調整することをお勧めします。つまり、早めに注文する必要がありますが、過剰在庫を保持するコストを節約できます。

在庫予測で避けるべきよくある間違い

不正確な在庫予測につながる可能性のあるいくつかの一般的な間違いがあります。これらには以下が含まれます：

季節性を考慮しない：季節パターンは需要に大きな影響を与える可能性があるため、在庫レベルを予測する際にはそれらを考慮することが重要です。

履歴データへの依存度が高すぎる：履歴データは貴重なツールですが、過去の需要のみを反映していることを覚えておくことが重要です。将来の需要は異なる可能性があるため、在庫を予測する際には、市場動向や顧客の行動などの他の要因を考慮することが重要です。

ビジネスの変化を考慮に入れていない：ビジネスは時間とともに変化するため、在庫を予測する際にはこのことに留意することが重要です。新製品を導入したり、マーケティング戦略を変更したりする場合、これは需要に影響を与えるため、在庫を予測する際に考慮する必要があります。

データなしで仮定を立てる：仮定ではなくデータに基づいて予測を行うことが重要です。予測をサポートするのに十分なデータがない場合は、推測するよりも、予測をサポートするまで待つことをお勧めします。

予測の確認と更新の失敗：製品の需要は時間の経過とともに変化する可能性があるため、定期的に予測を確認および更新することが重要です。これにより、市場の変化に正確かつ迅速に対応できるようになります。

これらの間違いを回避することで、在庫予測の精度を向上させ、在庫レベルについてより適切な決定を下すことができます。

売上予測は在庫予測とどのように相関しますか？

売上予測は、在庫予測への重要な入力です。将来の売上を予測することで、需要を満たすために必要な在庫のレベルを見積もることができます。

売上予測は、傾向分析や回帰分析などのさまざまな方法を使用して実行できます。ビジネスとデータに適した方法を選択することが重要です。売上予測ができたら、それを使用して、需要を満たすために必要な在庫レベルを見積もることができます。

ソフトウェアを使用して在庫予測を管理する

SkuVaultは、在庫需要の予測に役立つ強力な在庫管理ソフトウェアです（優れた在庫管理の他の多くの側面に加えて）。

SkuVaultは、将来の売上を予測するために使用できる販売履歴や傾向分析などの機能を提供します。

SkuVaultでは、再注文ポイントを設定して、在庫レベルが特定のポイントに達したときに自動的に注文できるようにすることもできます。これにより、当て推量が注文から除外され、最適な在庫レベルを維持するのに役立ちます。

さらに、SkuVaultは、リアルタイムの在庫追跡やレポートなどの機能を提供します。これにより、在庫を常に把握し、将来の注文について情報に基づいた意思決定を行うことができます。

在庫管理を改善する方法をお探しの場合は、SkuVaultを使用して、ビジネスでの作業を停止し、ビジネスを開始する方法をご紹介します。

詳細については、このページのボタンをクリックしてデモをスケジュールするか、こちらの機能ページをご覧ください。