予測分析とは、過去のデータをもとに、統計や機械学習を使って、将来の数値や出来事の起こりやすさを見積もる分析のことです。「来月はどれくらい売れるか」「このお客様は契約を続けてくれるか」といった問いに、過去のデータから答えを出します。勘や経験に頼っていた見通しを、数字の根拠をもって話せるようになるのが、予測分析を使う大きな利点です。
予測分析は、どんな仕組みか?
過去のデータから、結果とそれに影響する要因の関係を見つけ、その関係を新しいデータに当てはめて予測します。この関係を表したものを「予測モデル」と呼びます。
予測したいことを決める
「来月の売上」「3か月以内の解約」のように、何を当てたいのかを、数値や「起こる・起こらない」の形で決めます。
過去のデータを集める
結果と、それに影響しそうな要因(季節、価格、取引の履歴など)を集め、使える形に整えます。
モデルをつくり、確かめる
データの一部でモデルをつくり、残りのデータで、どのくらい当たるかを確かめます。
業務で使い、見直す
予測を日々の判断に使い、状況の変化に合わせて、モデルを定期的につくり直します。
予測分析で、何ができるのか?
数値を見積もる予測と、ある出来事が起こるかどうかを見積もる予測の、大きく2つに使われます。
- 来月や来期の売上、受注の見込み
- 商品ごとの需要の見込みと、発注の量
- 契約を続けてもらえないおそれのあるお客様の把握
- 受注につながりやすい見込み客の順位付け
- 設備の故障や不具合が起こりそうな時期の見積もり
予測分析とBI・ほかの分析は、どう違うのか?
BIなどで行う分析は「何が起きたか」「なぜ起きたか」を明らかにし、予測分析は「これから何が起きそうか」を見積もります。さらに「どうすべきか」まで示す分析は、処方的分析と呼ばれます。
| 比べる点 | 記述的分析 | 診断的分析 | 予測分析 | 処方的分析 |
|---|---|---|---|---|
| 答える問い | 何が起きたか | なぜ起きたか | これから何が起きそうか | どうすべきか |
| 例 | 先月の売上を部門別に見る | 売上が落ちた原因を探す | 来月の売上を見積もる | 予測をもとに仕入れの量を決める |
| 主な道具 | BI、集計表 | BI、統計 | 統計、機械学習 | 最適化の計算、シミュレーション |
予測分析を使うときの注意点は?
予測は外れることがある、という前提で使うことが大切です。そのうえで、データの量と質、状況の変化、結果の説明のしやすさに気をつけます。
- 外れる前提で使う
- 予測は、幅をもった見込みです。外れたときにどう動くかまで、業務の中で決めておきます。
- データの量と質
- 期間が短い、記録の付け方が途中で変わった、といったデータでは、予測の精度が上がりません。
- 状況が変わると当たらなくなる
- 取引先の入れ替わりや価格の改定など、過去になかった出来事が起きると、モデルが当たりにくくなります。定期的に精度を確かめます。
- 理由を説明できるか
- 現場が予測を信じて動くには、なぜその予測になったのかを説明できることも大切です。
トラックファームでは、予測分析をどう扱っているか?
予測のモデルづくりより先に、予測に使うデータが一か所にそろっているかを確かめます。データが分かれている場合は、CRM/SFA・データ基盤のレイヤーで集める仕組みを整えてから、小さな検証を経て、予測を業務の判断に組み込みます。
よくある質問
予測分析には、どのくらいのデータが必要ですか?
予測したい内容によって変わります。季節による動きを予測に入れたいなら、同じ月を何年か比べられるだけのデータが必要です。データの量に加えて、記録のしかたがそろっているかどうかも、精度に大きく影響します。
予測分析と生成AIは、何が違いますか?
目的が違います。予測分析は数値や出来事の起こりやすさを見積もるもので、生成AIは文章や画像などを新しくつくるものです。予測の結果を生成AIに読み解かせ、説明の文章をつくらせるといった組み合わせ方もあります。
