データ活用・分析 — 18 / 30
過去のデータの傾向をもとに、これから起こりそうなことを見通す分析のことです。勘や経験だけに頼らず、数字の傾向から先を読むための方法です。売上や来店数、在庫の動き、解約しそうなお客さまなどを予測し、先回りした判断に役立てます。
予測分析の基本は、過去のデータから「どんなときに、何が起きたか」というパターンを見つけ、それを今後に当てはめることです。たとえば「雨の日は来店が減る」「月末は注文が増える」といった関係を、数字で確かめていきます。
手法には、時系列での増減の傾向を見るもの、複数の要因と結果の関係を調べるもの(回帰分析など)、機械学習を使うものなどがあります。最近は、会計・販売管理・BIツールに予測機能が組み込まれていることも増えています。
予測の精度は、データの量と質に大きく左右されます。記録の抜けや入力ルールのばらつきがあると、結果がずれやすくなります。まずは日々のデータを同じルールで記録し続けることが、精度を上げるいちばんの近道です。
感染症の流行や大きな災害、取引先の急な変化など、過去に例のない出来事は予測に反映されにくいです。予測の結果は、現場の感覚や最新の情報と合わせて判断材料の1つとして使うのが現実的です。
中小企業では、過去の売上と曜日・天気・行事の関係から翌週の仕込み量や発注量を決める、季節ごとの需要の波を見て人員配置を考える、といった使い方が身近です。表計算ソフトの関数や、販売管理・会計ソフトの予測機能から始められます。
地域の定食屋が、過去2年分の日別売上と天気・曜日を表計算ソフトにまとめ、来週の仕込み量の目安を出すといった使い方が考えられます。食材のロスを減らし、品切れも防ぐことをねらいます。
従業員20人の食品卸が、取引先ごとの注文履歴から季節ごとの需要の波を把握し、仕入れの量とタイミングを前もって調整するといった例が考えられます。予測と実際の注文の差も毎月記録し、次の仕入れに生かします。
会員制のフィットネス教室が、来館回数が減ってきた会員を一覧にし、退会しそうな方に早めに声をかけるといった使い方が考えられます。声かけの結果も記録し、次の判断に生かします。
※ 特定の企業の事例ではなく、よくある場面をもとにした想定例です。
予測はあくまで「起こりやすさ」の見通しで、外れることもあります。幅を持たせて考え、実績と比べて見直すことが大切です。
過去数年分の売上を月ごとに並べて傾向を見るだけでも、立派な予測の第一歩です。道具より、データがそろっていることが重要です。
季節の影響を見たい場合は、少なくとも2〜3年分あると傾向をつかみやすくなります。期間が短い場合でも、週ごとや曜日ごとの傾向など、わかる範囲から始められます。
できます。グラフに傾向線を引いたり、予測用の関数を使ったりすることで、基本的な予測は可能です。慣れてきたら、BIツールや販売管理ソフトの予測機能を検討するとよいでしょう。
外れた理由を振り返ることが大切です。特別な出来事があったのか、データの入力に問題があったのかを確認し、記録しておくと、次の予測の見直しに役立ちます。
「予測は外れる前提で、判断の幅を狭めるための道具として使いましょう」