１. 売上予測とは何か
・ 予測と計画の関係
・ データに基づく理論的な予測の重要性
２. 予測を行う前のデータチェック
・ バラツキの確認
・ 異常値の発見と処理方法
３. 売上予測の実際 ～具体的な考え方と算出方法
・ トレンド線からの予測
【事例】 ライフサイクル線からの予測
・ 相関と単回帰による予測
― 最も影響を与える要因の特定
― 上昇要因と下降要因の区別
【事例】 販促費と売上予測
・ 重回帰による予測
― 要因の整理と絞り込み
― ダミー変数の使い方（定性要因の処理）
【事例】 曜日と天候からの売上予測
・ 要因が多すぎる場合の重回帰による予測方法
― 主成分分析による要因の整理
― 主成分回帰からの予測
【事例】 営業活動からの売上予測
・ 季節変動の捉え方と算出方法
【事例】 将来の月別変動係数
・ 複合的な手法での予測
４. 予測精度を上げるためのポイント
・ 月次予測の精度は日次予測で決まる
・ 要因は可能な限り絞り込む
・ 最初は70％の精度を目指す
・ 毎月の検証が精度を上げる
５.「 予測」で収益を改善した事例
〈売上予測の事例〉
・ 過剰在庫と機会ロスを大幅改善
・ 資材の仕入れを最適化
・ 日々の要員の最適化
・ 販促費を半減
〈売上以外での予測の応用事例〉
・ クレーム予測
・ 登録会員の退会予測
6. AI予測に手をつける前にしておくべきポイント
・ AI予測の現状と限界、将来
・ 現状の予測作業はプログラム化できるか
・ 昨日のデータを翌日分析できる状態か
・ 要因の特定とデータ入手は可能か
7. 重要な予測分析スタッフの育成
・ 予測値の検証作業が最も重要
・ 経営にどう理解してもらうか
・ 社内で納得できる予測をどう作るか
|
