数値予測は9つのシナリオで実施する データ分析講座(その223)

投稿日

データ分析

 

【この連載の前回:データ分析講座(その222)「相関」は曲がったことが大っ嫌いへのリンク】

ビジネスの現場で売上などの数値を予測することは多いでしょう。例えば、予測モデルを構築し予測したり、例年踏襲型で数値を予測したりします。例年踏襲型とは、昨年と同額もしくは昨対比10%UPみたいな感じの予測というものです。予測対象域は未来のため、何かしら想定と言うかシナリオを考える必要もでてきます。今回は、「売上などの数値予測は少なくとも9つのシナリオで実施する」というお話しです。

 

【目次】
1.点予測は100発0中が当たり前
(1)人口推計
(2)3×3の9つのシナリオ
2.ポジもネガも3つのシナリオで予測しよう
(1)どこまで要因を分解するのか?
(2)移動推計
(3)3つもシナリオ作れないよぉー

 

1.点予測は100発0中が当たり前

数理モデルなどを活用し、来年度の売上予測は「152億3,2987万1,827円」などと言う感じの、点予測の値を出すことは可能です。恐らく、その年の売上が「152億3,2987万1,827円」になることは、ほとんどありません。1つの値だけを予測する点予測の結果は、100発0中が当たり前なのです。

 

しかし、点予測の結果が独り歩きすることがあります。可能であれば、幅を持った区間予測がいいでしょう。

 

(1)人口推計

日本国政府は、日本の人口推計を実施しています。

 

人口統計学の手法である生命表(死亡表)などを活用し推計しています。詳細は、厚生労働省や国立社会保障・人口問題研究所のHP(http://www.ipss.go.jp/)などを参考にして頂ければと思います。人口推計は、大災害など極端なことが起きない限り、比較的精度よく予測できます。このような人口推計ですが、3×3の9つのシナリオから成り立っています。

 

(2)3×3の9つのシナリオ

人口推計するには、出生し増える人口と、死亡し減る人口を推計する必要があります。

 

ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになります。人口推計するときに、3つのシナリオに沿って出生を推計します。

  • 高位
  • 中位
  • 低位


死亡に関しても同様に、3つのシナリオに沿って推計します。

  • 高位
  • 中位
  • 低位

 

要するに、出生と死亡についてそれぞれ高位・中位・低位の3仮定を設け、それらの組み合せにより9通りの推計を行っています。

 

データ分析

 

これは日本国だけでなく、海外の国でも同様です(すべてかどうかは分かりません。シナリオの数も国によって変わります)。さらに、国際人口移動のシナリオを考え組み合わせることあります。英国の政府保険数理局(GAD)では、国際人口移動のシナリオも高位・中位・低位の3仮定を設け、27シナリオで人口推計を行っています(少なくとも、私の知っている限りでは……)。要するに、予測値に幅を持たせている、ということです。

 

データ分析

図1.総人口の推移:出生3仮定・死亡3仮定の比較

【出典】https://www8.cao.go.jp/shoushi/shoushika/meeting/priority/k_1/19html/sn_1_1_3.html

 

ちなみに、よく目にする人口推計の結果は、出生中位・死亡中位の結果です。

 

2.ポジもネガも3つのシナリオで予測しよう

先ほど、「ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになる」というお話しをしました。

この場合ですと……

  • 新規顧客数で高位・中位・低位の予測をする
  • 離反顧客数で高位・中位・低位の予測をする

……ということです。そうすると、9つの顧客数の予測結果が手に入ります。

 

データ分析

 

要するに、人口推計と同様、予測対象の要因を3つのシナリオ(高位・中位・低位)で予測し、それらを組み合わせ、幅を持たせて予測しようということです。

 

(1)どこまで要因を分解するのか?

今、顧客数を推計するのに、新規顧客数と離反顧客数を推計する例をお話ししました。このとき、売上を予測したい場合どうすればいいのでしょうか。

例えば、「売上=客単価×顧客数」で考えたとき……

  • 客単価で高位・中位・低位の予測をする
  • 顧客数で高位・中位・低位の予測をする

……ということになるでしょう。

この顧客数は……

  • 新規顧客数で高位・中位・低位の予測をする
  • 離反顧客数で高位・中位・低位の予測をする

……ということでしたので、27シナリオ(客単価3シナリオ×新規顧客3シナリオ×離反顧客3シナリオ)の売上予測の結果が手に入ります。

まとめると……

  • 売上=客単価×顧客数
  • 顧客数=前期顧客数+新規顧客数-離反顧客数

……となります。

 

どこまで要因を分解するのか? という問題が起こりますが、出来るだけ粒度が細かい方がいいですが、無意味に細かくしても仕方がないので、現場の人がコントロールし易い粒度がいいでしょう。現実的には、データの粒度の壁が立ちはだかります。データの粒度の壁とは、手元にあるデータの粒度が粗いという壁です。そのときは、その壁の範囲内で考えていきます。

 

(2)移動推計

人口推計では、国際人口移動のシナリオを考え組み合わせることあります、というお話しをしました。ビジネスであれば、商品やサービスのラインナップやグレード間の移動が相当することでしょう。一昔前、「いつかはクラウン。」というキャッチフレーズがありました。始まりはカローラで、そしてコロナを経て、いつかはクラウンという感じです。ずーっとカローラを買い替え続ける人もいるでしょうが、上に位置付けられるクラウンに買い替える人もいることでしょう。どのくらい移動するのかを推計するのが、移動推計です。

 

商品やサービス...

データ分析

 

【この連載の前回:データ分析講座(その222)「相関」は曲がったことが大っ嫌いへのリンク】

ビジネスの現場で売上などの数値を予測することは多いでしょう。例えば、予測モデルを構築し予測したり、例年踏襲型で数値を予測したりします。例年踏襲型とは、昨年と同額もしくは昨対比10%UPみたいな感じの予測というものです。予測対象域は未来のため、何かしら想定と言うかシナリオを考える必要もでてきます。今回は、「売上などの数値予測は少なくとも9つのシナリオで実施する」というお話しです。

 

【目次】
1.点予測は100発0中が当たり前
(1)人口推計
(2)3×3の9つのシナリオ
2.ポジもネガも3つのシナリオで予測しよう
(1)どこまで要因を分解するのか?
(2)移動推計
(3)3つもシナリオ作れないよぉー

 

1.点予測は100発0中が当たり前

数理モデルなどを活用し、来年度の売上予測は「152億3,2987万1,827円」などと言う感じの、点予測の値を出すことは可能です。恐らく、その年の売上が「152億3,2987万1,827円」になることは、ほとんどありません。1つの値だけを予測する点予測の結果は、100発0中が当たり前なのです。

 

しかし、点予測の結果が独り歩きすることがあります。可能であれば、幅を持った区間予測がいいでしょう。

 

(1)人口推計

日本国政府は、日本の人口推計を実施しています。

 

人口統計学の手法である生命表(死亡表)などを活用し推計しています。詳細は、厚生労働省や国立社会保障・人口問題研究所のHP(http://www.ipss.go.jp/)などを参考にして頂ければと思います。人口推計は、大災害など極端なことが起きない限り、比較的精度よく予測できます。このような人口推計ですが、3×3の9つのシナリオから成り立っています。

 

(2)3×3の9つのシナリオ

人口推計するには、出生し増える人口と、死亡し減る人口を推計する必要があります。

 

ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになります。人口推計するときに、3つのシナリオに沿って出生を推計します。

  • 高位
  • 中位
  • 低位


死亡に関しても同様に、3つのシナリオに沿って推計します。

  • 高位
  • 中位
  • 低位

 

要するに、出生と死亡についてそれぞれ高位・中位・低位の3仮定を設け、それらの組み合せにより9通りの推計を行っています。

 

データ分析

 

これは日本国だけでなく、海外の国でも同様です(すべてかどうかは分かりません。シナリオの数も国によって変わります)。さらに、国際人口移動のシナリオを考え組み合わせることあります。英国の政府保険数理局(GAD)では、国際人口移動のシナリオも高位・中位・低位の3仮定を設け、27シナリオで人口推計を行っています(少なくとも、私の知っている限りでは……)。要するに、予測値に幅を持たせている、ということです。

 

データ分析

図1.総人口の推移:出生3仮定・死亡3仮定の比較

【出典】https://www8.cao.go.jp/shoushi/shoushika/meeting/priority/k_1/19html/sn_1_1_3.html

 

ちなみに、よく目にする人口推計の結果は、出生中位・死亡中位の結果です。

 

2.ポジもネガも3つのシナリオで予測しよう

先ほど、「ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになる」というお話しをしました。

この場合ですと……

  • 新規顧客数で高位・中位・低位の予測をする
  • 離反顧客数で高位・中位・低位の予測をする

……ということです。そうすると、9つの顧客数の予測結果が手に入ります。

 

データ分析

 

要するに、人口推計と同様、予測対象の要因を3つのシナリオ(高位・中位・低位)で予測し、それらを組み合わせ、幅を持たせて予測しようということです。

 

(1)どこまで要因を分解するのか?

今、顧客数を推計するのに、新規顧客数と離反顧客数を推計する例をお話ししました。このとき、売上を予測したい場合どうすればいいのでしょうか。

例えば、「売上=客単価×顧客数」で考えたとき……

  • 客単価で高位・中位・低位の予測をする
  • 顧客数で高位・中位・低位の予測をする

……ということになるでしょう。

この顧客数は……

  • 新規顧客数で高位・中位・低位の予測をする
  • 離反顧客数で高位・中位・低位の予測をする

……ということでしたので、27シナリオ(客単価3シナリオ×新規顧客3シナリオ×離反顧客3シナリオ)の売上予測の結果が手に入ります。

まとめると……

  • 売上=客単価×顧客数
  • 顧客数=前期顧客数+新規顧客数-離反顧客数

……となります。

 

どこまで要因を分解するのか? という問題が起こりますが、出来るだけ粒度が細かい方がいいですが、無意味に細かくしても仕方がないので、現場の人がコントロールし易い粒度がいいでしょう。現実的には、データの粒度の壁が立ちはだかります。データの粒度の壁とは、手元にあるデータの粒度が粗いという壁です。そのときは、その壁の範囲内で考えていきます。

 

(2)移動推計

人口推計では、国際人口移動のシナリオを考え組み合わせることあります、というお話しをしました。ビジネスであれば、商品やサービスのラインナップやグレード間の移動が相当することでしょう。一昔前、「いつかはクラウン。」というキャッチフレーズがありました。始まりはカローラで、そしてコロナを経て、いつかはクラウンという感じです。ずーっとカローラを買い替え続ける人もいるでしょうが、上に位置付けられるクラウンに買い替える人もいることでしょう。どのくらい移動するのかを推計するのが、移動推計です。

 

商品やサービスのラインナップやグレード間の移動を考慮すると、シナリオの数はどんどん増えて行きます。

 

(3)3つもシナリオ作れないよぉー

3つもシナリオ作れないよぉー、という方もいるかもしれません。ご安心ください。統計学系のモデル(回帰モデルなど)は、予測区間(信頼区間とは別物)を推計することができます。

 

予測区間には幅がありますので……

  • 高位:区間の上限(もしくは75パーセンタイル)
  • 中位:区間の平均(もしくは50パーセンタイル、別名では中央値)
  • 低位:区間の下限(もしくは25パーセンタイル)

……などとすることで、簡単に手にすることはできます。

 

次回に続きます。

   続きを読むには・・・


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
セーフティシステムのセキュリティ対策 制御システム(その4)

  【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3. リスク分析とセキュ...

  【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3. リスク分析とセキュ...


情報の蓄積 「果報は練って待て!」

1. 起業時した友人からのアドバイス  筆者の友人に、機械装置関連のものづくり企業を約35年間続けている中小企業経営者がいます。過去には、バブル崩壊やリ...

1. 起業時した友人からのアドバイス  筆者の友人に、機械装置関連のものづくり企業を約35年間続けている中小企業経営者がいます。過去には、バブル崩壊やリ...


振返り分析と予測分析の運用上の違い:データ分析講座(その318)

  今回は「振返り分析と予測分析の運用上の違い」というお話しをします。 【記事要約】 振返り分析と予測分析の運用上の違いについてですが...

  今回は「振返り分析と予測分析の運用上の違い」というお話しをします。 【記事要約】 振返り分析と予測分析の運用上の違いについてですが...


「情報マネジメント一般」の活用事例

もっと見る
簡易版DX/IoTから機械学習への移行

  ◆ DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に  産業界のニュースなどをインターネットで読んでいると...

  ◆ DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に  産業界のニュースなどをインターネットで読んでいると...


‐クレ-ム情報を開発に活用‐  製品・技術開発力強化策の事例(その13)

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...


‐社内の問題克服による開発活動‐  製品・技術開発力強化策の事例(その14)

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...