事業にフィットした予測評価の方法、安全在庫基準の考え方

クライアント支援の現場で頻繁に耳にするのは、「頑張って予測精度を上げてきているのだが、実際の改善効果へ結びついていない」「安全在庫基準がだいぶ前に設定されたまま、メンテナンスに手が回っていない」という声です。予測精度向上と安全在庫の設定は、本来一体的に行われるべきものですが、実務では分断されたままの状況が少なくありません。本稿では、この両者を接続することで、従来トレードオフと見られてきた安全在庫低減（＝キャッシュフロー改善）とサービスレベル向上の両立を、より高次で実現する道筋を示します。

なお、本稿で述べる予測精度評価・安全在庫設定の考え方および具体的な手法は、PwCコンサルティングが提供する次世代型AI需要予測ソリューションであるMultidimensional Demand Forecasting（MDF）の知見として実装・提供されているものです。

1.事業にフィットした、あるべき予測精度評価のかたち

昨今、原材料の供給不足、半導体需要のひっ迫など、調達環境の不確実性が常態化しています。こうした時代にこそ、累積観点での正確な需要予測が競争優位の源泉となります。リードタイム相当の期間にわたる累積需要を高い精度で見通せれば、他社に先んじて早期に調達をかけることができ、「守り」だけでなく「攻め」の武器となります。

予測精度評価の設計で最初に問うべきは、「自社にとって何時点先の予測が重要か」です。製造業では月単位で3～6カ月先、リテール業では日単位で7～14日先といったように、事業特性で明確に異なるため、自社のリードタイムに対応した将来時点の精度を評価することが出発点となります。

実務で広く使われるMAPE（Mean Absolute Percentage Error：平均絶対パーセント誤差）には構造的な盲点があります。予測が継続的に上振れ・下振れしていても、絶対値で評価するためバイアスを検出できません。結果として、MAPE観点では「精度良好」であっても、現場では在庫が膨張している、あるいは欠品が頻発しているという状況になり得ます。

対応策は、実績と予測を「累積」で比較することです。具体的には、予測対象期間を時点数Nとして、1時点目、2時点目、…、N時点目といった時点ごとに、それまでの累積値を算出し、予測と実績を比較評価するという考え方です。例えばN＝3であれば、1時点目、1～2時点目、1～3時点目と、それぞれの累積について予実誤差を見ていきます（図表1）。

図表1：MAPE評価から累積評価へ

このように、累積の予測と実績を折れ線グラフにして並べて描いた際に、両者が「ワニの口」のように乖離していかないことが極めて重要です。時点が進むにつれて予測と実績の折れ線が上下に開いていく状態は、バイアスが蓄積し続けていることを意味し、過剰在庫や欠品の慢性化に直結します。理想は、両者の折れ線が重なるように推移することです。仮に時点ごとには多少のブレがあっても、累積では常に近接した軌跡＝傾きを描けていれば、在庫計画上の致命的な乖離は生じません。累積期間を自社のリードタイムNに対応させることで、在庫計画との整合性も同時に確保できます。

2.安全在庫基準の考え方

安全在庫の教科書的な式は、以下です。

従来、「需要の標準偏差」には過去の出荷実績のばらつきが用いられてきました。しかし、このやり方には2つの根本的な問題があります。第1に、予測精度がどれだけ向上しても安全在庫の計算に反映されないこと。第2に、需要のばらつきは正規分布になるとは限らず、むしろ実際にはならないケースが多いため、計算式の前提を満たさないことです。

あるべき姿は、予測誤差のばらつき（標準偏差）を用いることでしょう（図表2）。

図表2：安全在庫基準の考え方

理由は2つあります。第1に、在庫計画は予測値をベースに立てられるため、備えるべきは「予測値からのブレ」であり、予測誤差の標準偏差こそが実質的な不確実性となるからです。予測精度が向上すれば、安全在庫は自動的に削減されます。第2に、予測モデルが有効に機能していれば、誤差は純粋にランダムとなり正規分布に近づきます。結果として、計算式の前提とも整合するのです。

この方式では、予測誤差が正規分布に従っているかの検証が欠かせません。留意が必要なのは、正規性検定に一般的に用いられる手法（シャピロ―ウィルク検定など）には、サンプルサイズへの感度や実務的判断との不整合といった既知の問題がある点です。MDFでは、こうした汎用検定の限界をふまえ、独自の正規性判定手法を提供しています。

3.事業に意味をなす精度評価・安全在庫へ

予測誤差ベースの計算を導入すると、予測精度評価と安全在庫基準がロジカルにつながり、予測精度の向上による影響が多方面の経営KPIに波及します。

• 安全在庫の低減とキャッシュフロー改善：運転資本の圧縮、保管コスト削減
• 欠品率の低減／サービスレベルの向上：少ない在庫で高い顧客満足を実現
• 過剰在庫・廃棄ロスの低減：上方バイアス是正による供給過剰リスクの抑制
• 横持ち輸送コストの低減：拠点別需要配分の精度向上
• 納入リードタイムの短縮：必要な在庫が必要な場所に配置される状態の実現

ここで注目すべきは、従来「トレードオフ」と捉えられてきた安全在庫低減（＝キャッシュフロー改善）とサービスレベル向上の関係性です。需要の実績のばらつきをベースにした旧来型アプローチでは、両者は明確な二律背反でした。在庫を絞ればサービスレベルが下がり、サービスレベルを上げれば在庫が膨張するという状態です。

予測誤差ベースの計算への転換は、このトレードオフ関係そのものを緩和します。予測精度を向上させれば、同じサービスレベルをより少ない在庫で実現できるとともに、同じ在庫水準でより高いサービスレベルを達成できるでしょう。つまり、両者を同時に改善する解が得られるのです。むしろ、このトレードオフ関係の緩和があって、はじめてキャッシュフロー改善につながるとも言えます。これが、予測精度への投資が経営成果に直結する構造的な理由です（図表3）。

図表3：トレードオフ関係

予測精度向上→安全在庫減→キャッシュフロー改善→予測精度向上への再投資という好循環を組織の学習サイクルとして埋め込むことこそが、デマンドプランニング（需要計画）の成熟度を一段引き上げる鍵となります。MDFは、累積観点での予測評価、予測誤差ベースの安全在庫計算、独自の正規性判定手法を統合的に備えたソリューションとして、この循環の確立を支援する知見・機能を提供します。

おわりに

MAPEのみに頼らず、予測対象期間であるN時点の累積で予実誤差を捉え、両者がワニの口のように乖離していかない予測とすること、安全在庫の計算基盤を需要のばらつきから予測誤差のばらつきへ転換すること、そして予測誤差の正規性を適切な手法で検証すること、これらの実践により、サービスレベルとキャッシュフローのトレードオフを、より高次で解消することができます。予測を「当てる」ことのみに注力するのではなく、不確実性を定量的に捉え、合理的に備える仕組みを組織に根づかせることが、需要変動と供給制約が同時に高まる時代における競争基盤となるはずです。

Multidimensional Demand Forecasting - Workshopに関するお問い合わせ先
メールでのお問い合わせはこちら

Multidimensional Demand Forecastingのウェブサイト：

「ハイブリッドアプローチによる次世代型需要予測」
https://www.pwc.com/jp/ja/services/consulting/analytics/df.html

「次世代型AI需要予測ソリューション」
https://www.pwc.com/jp/ja/services/consulting/analytics/df/multidimensional-demand-forecasting.html