予測

将来どのくらい注文が入り、どの程度の人員が必要になるかは、事前には確定していません。
予測は、利用できるデータ、知識、仮定をもとに、将来の数量や状態を推定することです。
達成したい目標と、起こりそうな結果の見込みを分けて扱います。

決めたい仕事に合わせる

仮に、来週の問い合わせ対応の当番を決めるとします。
年間の総問い合わせ件数より、曜日や時間帯ごとの件数と対応時間の見込みが必要です。
予測する対象、期間、粒度、結果を使う判断を定めてから、方法を選びます。

同じデータでも、長期の設備投資と明日の配置では必要な精度が違います。
予測を改善する費用に対して、その改善で判断がどの程度変わるかも考えます。

単純な方法と比較する

過去の同じ曜日の値や、直近の平均など、簡単な予測を基準として用意します。
複雑なモデルを使う場合も、この基準より役立つかを評価します。
時系列データでは、将来の情報が過去の予測に混ざらないよう、時間の順序を保って確かめます。

予測値と実測値の差だけでなく、過大と過小のどちらが続いているかを見ます。
当番の例なら、過小予測による待ち時間と、過大予測による人員の余りでは、事業への影響が異なります。
評価指標も、その判断に合わせて選びます。

不確実さを伝える

一つの数値に加え、モデルの前提のもとで見込まれる予測区間を示す方法があります。
区間は、モデルやデータの条件に依存するため、想定していない制度変更や製品の大きな変更まで含む保証ではありません。
過去と条件が変わった場合は、予測方法や前提を見直します。

また、目標に届かない予測が出たときに、予測値そのものを目標へ書き換えると、対策の必要性が見えなくなります。
現状の見込みと、対策によって期待する変化を分けます。
具体的な販売への応用は販売予測、前提の異なる将来はシナリオ分析で扱います。

参考資料