予測モデルの開発は困難です。 予測を行った後、次に何をすべきかを企業に伝えるのはさらに困難です。 今日は、ビジネス ロジックとアルゴリズムを組み合わせて信頼性の高い予測を行う方法を紹介します。 I. なぜビジネス予測モデルを構築する必要があるのでしょうか?上記の問題は、予測手法の不適切な選択に起因しています。アルゴリズムモデルに基づく予測は、その単純さや複雑さに関わらず、共通の欠陥を抱えています。それは、ビジネスプロセスを反映できないことです。そのため、ビジネス関係者は予測に基づいてビジネス行動を調整しようとする際に、どこから始めればよいのか分からなくなってしまいます。 このような状況では、事業予測モデルの構築が不可欠です。今日は、これを体系的に解説します。 まず、具体的な問題のシナリオを見てみましょう。 B2B 原材料サプライヤーには、次のような下流の需要者がいます。
ビジネスチームは現在、来月の顧客購入量を予測する必要があり、大口顧客向け営業、中小規模顧客向け営業、新規顧客向け広告といった各部門の具体的なタスクに関するガイダンスを求めています。質問：この予測はどのように行うべきでしょうか？ II. ビジネス予測モデルを作成するには?ビジネス予測モデルは、ビジネス上の仮定を入力変数として用いてビジネストレンドを予測する手法です。これは、入力特性がビジネス上の意味を欠くことが多く、具体的なビジネスオペレーションの指針とならないアルゴリズムモデルとは異なります。ビジネス予測は、このギャップを埋めるために設計されています。 例えば、このシナリオでは、顧客の需要に最も大きな影響を与える要因は、顧客自身の生産計画と当社と顧客の関係です。 しかし、これら2つの側面から正確なデータを得ることは困難です。中堅・中小企業の顧客は、生産計画や調達計画すら持っていない場合があり、受注が入った時にしか対応できない、いわば「綱渡り」の状態です。一方、フレームワーク契約のない大手顧客は、調達案件ごとに入札プロセスを経なければならず、他のサプライヤーに競り負けるリスクを負っています。そのため、これら2つの側面から直接予測を行うことは非常に困難です。 この時点で行う作業は、次の 3 つの部分に分けられます。 まず、ビジネス プロセスを分析し、監視可能なデータ メトリックを特定します。 2番目：事業の特性を分析し、安定要因と不安定要因を区別します。 3 番目: ビジネスの前提を分析し、予測結果を出力します。 4 番目: 予測結果を追跡し、プロセス内の問題を修正します。 ステップ1: ビジネスシナリオを分析するこのケースシナリオでは、ビジネスプロセスは比較的単純かつ明確です。顧客が代金を支払い、当社が商品を配送します。ただし、顧客の種類によって注文金額や配送の難易度が異なるため、それぞれを個別に検討する必要があります（下図参照）。 ステップ2: ビジネス特性を分析するこのステップは非常に重要です。各事業ラインの特性を分析することで、各期間における安定要因と不安定要因を特定できます。安定要因は予測の基礎となり、不安定要因は予測結果をコントロールする手段となります。 このケースシナリオでは、調達要件に関して次のようになります。
したがって、まず顧客に適切なタグを付け、次に異なるタグの種類ごとにデータをグループ化することで、次の主要な指標の値を計算し、履歴の傾向を通じてその傾向が安定しているかどうかを観察できます。
ここで注意すべき点として、一部の要因は直接定量化できず、変換する必要がある。例えば、「業界の前向きな発展傾向」は、少なくとも以下の2つの方法で確認できる。 1. データドリブンアプローチ：すべての企業を業界別にタグ付けし、その業界の統計データを確認し、契約を締結した企業の開発データを確認します。 2. 手動の方法: すべての営業担当者は、新規顧客を定期的にフォローアップし、既存の顧客を訪問する必要があります。各訪問は 5 分以上かけて行い、データを収集する必要があります。 どのような手法を選択すべきでしょうか？ A: ビジネス予測なので、ビジネスに影響を与えられる手法、つまり手動による手法を優先すべきです。これは、手動でデータを収集することで、顧客情報だけでなく、ビジネスの行動や判断能力に関する重要な情報も収集できるためです。 想像してみてください。営業担当者がフォローアップ訪問や連絡でさえもおざなりで不注意であれば、一体どうやって受注を獲得できるでしょうか？もちろん無理です。したがって、ビジネスアクションを測定すること自体が、ビジネス予測の重要な要素なのです。 このプロセス中に、特定の事業部門が次のような状態であることが判明した場合:
問題は明らかです。ビジネス スキルが低いと、ビジネス パフォーマンスも低くなります。 学生の皆さん、これは非常に重要です。ビジネス行動に基づいて予測を行う場合は、ビジネス行動そのものを考慮に入れる必要があることを忘れないでください。ビジネス上の考慮とデータ計算を半分ずつ混ぜて考えないようにしてください。そうすると、状況が混乱し、良いのか悪いのかを評価するのが難しくなります。 ステップ3: 予測結果を出力する明確な分類があれば、予測結果を出力できます。出力方法はシンプルです。
結果は、以下の画像に示すように要約され、計算されます。 ビジネス側が自ら入力する期待パラメータは恣意的なものではなく、証拠に基づいていなければならないことに注意してください。図に示されているように、開発パターンに明らかに違反する期待結果は無効です。さらに、この動作自体がモデルへの入力となる可能性があります。ビジネス側には能力が不足しており、自らの能力と必要なリソースを評価できないからです。 このように、ビジネス予測の結果を提供すると同時に、その結果を達成するために保証される必要のある次のような前提条件も示されます。
これらの前提は、追跡フェーズの指標として直接使用できるだけでなく、事前にコンティンジェンシープランを策定するためにも使用できます。これにより、小さな問題が発生した場合でもすぐに修正でき、大きな問題が発生した場合でも事前に検出できるため、追跡とレビューの作業負荷を軽減できます。 ステップ4: 予測結果を追跡する実際に起こった場合には、予測仮定に基づいて結果を追跡することができます。
これにより、ビジネス オペレーションが効果的にガイドされます (下の図を参照)。 上記の6つのシナリオのうち、予測の失敗となるのは、予期せぬ顧客の問題のみであることに注意してください。主要顧客の価格抑制といった重要な情報がなぜ予測できなかったのでしょうか。事業部門とデータ部門の両方がこの点を反省する必要があります。ブラックスワンイベントが発生した場合、顧客企業における社内人事異動や競合他社の不正な戦術が原因となる可能性が高いです。このような場合、予測が失敗する可能性はありますが、これは予測自体とは無関係です。これらの要因は予測不可能であり、解決策は事後分析によってのみ見つけることができます。 III. ビジネス予測モデル：利点と欠点ビジネス予測モデルの最大のメリットは、「不正確な予測が業績の低下につながるのか、それとも業績の低下が不正確な予測につながるのか」という「鶏が先か卵が先か」という問題を完全に排除できることです。予測が不正確なのは、ビジネスがうまく機能していないからだと明確に示してくれます。 さらに、業績不振の原因が以下のビジネス上の理由によるものであるかを詳しく説明できるため、ビジネス展開の指針となります。
ビジネス予測モデルの最大の欠点は、予測が人間の判断に依存していることです。そのため、予測結果はチームの士気に特に左右されます。 チームの士気が高い場合、予測値は高くなりすぎ、エラー修正能力の評価も高くなりすぎる傾向があります。一方、チームの士気が低い場合、予測値は低くなりすぎ、エラー修正能力は実質的にゼロになります。過度に極端な判断はモデルの実装に影響を与え、期待した結果を達成できない可能性があります。 したがって、事業予測とアルゴリズム予測はどちらも軽視すべきではありません。アルゴリズムモデルは過去の傾向に基づいた全体像のデータを提供し、事業部門が状況を過大評価しているか過小評価しているかを判断するのに役立ちます。これは、経営陣に経営施策を実行するための根拠を提供し、事業部門が正しい判断を下せるよう導きます。 ビジネス予測モデルは、ビジネスステークホルダーが積極的に影響を与えて結果を変えることができる場合に適しています。しかし、カスタマーサービス、アフターサービス、生産ラインなど、ビジネスステークホルダーが受動的な影響を受けるシナリオもあります。顧客からの問い合わせは、プロモーション活動、新製品の発売、広告など、カスタマーサービスが制御できない多くの要因の影響を受けます。このような状況では、ビジネス予測モデルは適していません。代わりに、アルゴリズムモデルを用いて翌月の総問い合わせ数を直接推定し、人員配置を評価する必要があります。 |
