需要予測の商談で、最初に出る質問がこれです。「データは何年分あればいいですか」。続けて、「うちは卸を通しているので、お店でどれだけ売れたかは分かりません。それでもできますか」「月に1回しか計画を立てないのですが、使えますか」。
答えは、最低1年分、理想は3〜4年分です。ただし、何を何年分かは業態で違います。この記事は、酒類の販売会社向けに発注エンジンを作り、過去データで81通りの検証をした立場から、その質問に順番に答えたものです。需要予測を何に使うかの整理は需要予測AIは何に使うか｜業種で変わる出口と費用に分けています。
結論：最低1年、理想は3〜4年。粒度は業態で決まる
| 年数 | 理由 | |
|---|---|---|
| 最低限 | 1年分 | 季節の山が1周しないと、何が季節要因で何が一時的な動きかを分けられない |
| 理想 | 3〜4年分 | 同じ月を3回以上比べられる。1年だけだと、その年のたまたま（天候、イベント、欠品）を季節と誤認する |
| 中身 | 日付・商品・数量 | 単価、取引先、在庫があればなお良い |
| 形式 | CSVかExcel | 販売管理ソフトやPOSからの書き出しで足りる。整っていなくてよい |
そのうえで、粒度が業態で変わります。
| 業態 | 必要な粒度 | 例 |
|---|---|---|
| 毎日、または週に数回発注する | 日別の販売実績が1年以上 | 酒類の小売・EC、食品卸、飲食店 |
| 月に1回、製造や仕入れの計画を立てる | 月別の出荷と在庫の受払が3〜4年分 | 蔵元、製造業の製品計画 |
日々発注する業態で月別のデータしかないと、発注点（いつ発注するか）が決められません。逆に、月1回の計画を立てる業態に日別のデータは必須ではなく、月別の出荷・在庫・持ち越しがそろっていれば予測は立ちます。
卸を通していて、末端の売れ行きが見えない場合
製造業や蔵元に多い状況です。自社から出荷した先は卸で、その先の小売店でいつ何本売れたかは分かりません。
それでも予測はできます。予測の対象を「末端の販売」ではなく「自社からの出荷」にすればいいからです。計画を立てる目的は、自社の在庫を切らさず、作りすぎないことです。その判断に必要なのは、自社がいつ、どれだけ出荷したかであって、小売店の棚の動きではありません。
ただし、1つだけ足してほしいデータがあります。得意先別の出荷実績です。
理由は、急に増えた出荷の正体を見分けるためです。ある月に出荷が1.5倍になったとき、それが多くの得意先で少しずつ増えた結果なのか、1社が1回だけ大量に仕入れた結果なのかで、翌月の計画はまるで違います。当社の検証では、急に売れた商品の57%は、30日以内に元の水準へ戻りました。得意先別の実績があると、この見分けを仕組みの側でできます。
当社が酒類の販売会社向けに作った仕組みでは、この「急に売れた分が特定の取引先や1日に偏っていないか」をAIエージェントが確かめ、推奨数の補正を提案する形にしています。詳しくは酒類ECの需要予測・発注支援の事例にあります。
欠品していた日を、どう扱うか
ここは、データの年数より結果を左右します。
在庫が0で売れなかった日を「需要0」として平均に入れると、需要を低く見積もります。逆に、その月に売れた日数で割る計算をすると、動きの少ない商品ほど日販が膨らみます。当社が以前の版で見つけた不具合では、低回転の商品の日販が実態の最大30倍近くになっていました。
正しくは、在庫の推移から欠品していた日を特定して、平均の計算から除くことです。これをやるには、販売実績だけでなく在庫の推移（または入荷の記録）が要ります。「必要なデータは日付・商品・数量」と上で書きましたが、在庫か入荷の記録があると、この補正ができます。
この補正を含めて直した版を、過去データで検証した結果はこうでした。出荷できた割合をほぼ同じに保ったまま、平均在庫を42%減らせています。
| 直す前 | 直した後 | |
|---|---|---|
| 出荷できた割合（充足率） | 98.8% | 98.9% |
| 平均在庫 | 100 | 58 |
| 在庫日数 | 25.5日 | 14.8日 |
平均在庫は、直す前を100とした相対値です。数量そのものは守秘義務のため出していません。
製品と包装資材は、別の仕組みにする
製造業や蔵元では「製品の計画と、瓶・箱・ラベルなどの資材の発注を、一緒にできないか」とよく聞かれます。
データとしては同じ形で扱えますが、仕組みとしては分けたほうがいいです。理由は納期です。段ボールは最短10日で届きますが、化粧箱は2か月かかる、というように資材ごとに納期がばらばらで、製品の需要予測とは別の時間軸で動きます。製品の予測を先に動かし、そこから資材の必要量を逆算する、という順番にすると、両方が一度に崩れません。
最初の導入では、製品の計画に絞ることをおすすめしています。資材は、製品の予測が安定してから足すほうが、失敗したときに原因を追えます。
気温、暦、イベントは後から足す
「気温や連休も入れたほうが当たりますか」も、必ず聞かれます。
効くことはあります。ただし、最初から全部入れないでください。変数が増えるほど、外れたときに何が原因か追えなくなります。
順番はこうです。
- まず販売実績だけで動かす
- 外れた日を見て、その日に何があったかを確かめる（気温、連休、通販モールの催事、テレビで紹介された、など）
- 効いていると分かったものだけを足す
海外への出荷がある場合も、仕組みは同じです。国ごとに暦（旧正月、感謝祭など）が違うだけなので、暦の表を差し替えれば動きます。海外の実績が少ないうちは、国内と同じ商品の季節性を借りて始めます。
データが1年に満たない場合
新しい商品、新しい事業、始めたばかりの通販。この場合は予測を出すより、「切らさない下限」から始めるほうが現実的です。直近の実績から、この在庫を下回ったら発注する、という線だけを決めて運用し、データが貯まってから予測に切り替えます。
需要予測は、データが貯まるほど精度が上がる仕組みです。早く記録を始めるほど有利になります。いまExcelで管理していて、日付・商品・数量の3列があるなら、それがそのまま最初のデータになります。
費用の目安
当社の場合、需要予測・発注支援の仕組みは初期費用0円・月額制（個別見積）です。データの量と、連携する仕組み（販売管理ソフト、在庫、AIエージェント）で変わります。稼働するまで課金は始まりません。
動く画面は在庫管理のデモで触れます。作りたいものを選ぶだけで概算が出る概算見積もあります。
よくある質問
Q. 需要予測AIに必要なデータは何年分ですか？
最低1年分、理想は3〜4年分です。1年は季節の山が1周するため、3〜4年は同じ月を複数回比べられるためです。毎日発注する業態は日別、月1回計画を立てる業態は月別の受払で足ります。
Q. 卸を通していて末端の売れ行きが分からなくても、需要予測できますか？
できます。予測の対象を自社からの出荷にすれば、自社の在庫を切らさず作りすぎない判断には足ります。得意先別の出荷実績があると、急増が1社に偏っていないかを見分けられます。
Q. 月1回の製造計画にも使えますか？
使えます。月別の出荷・在庫・持ち越しが3〜4年分あれば、3か月先や翌年度の計画を立てる形で予測を出せます。日別のデータは必須ではありません。
Q. データがきれいに整っていません。大丈夫ですか？
大丈夫です。欠けている日があっても、形がばらばらでも、こちらで整えます。ただし、在庫か入荷の記録があると、欠品していた日を除く補正ができるので精度が上がります。
Q. 気温や連休のデータも必要ですか？
最初は不要です。販売実績だけで動かし、外れた日を見てから、効いているものだけを足します。
まとめ
- 必要なデータは最低1年、理想3〜4年。日付・商品・数量の3列があれば始められる
- 粒度は業態で決まる。毎日発注なら日別、月1回の計画なら月別の受払
- 卸経由で末端が見えなくても、自社からの出荷を予測すれば足りる。得意先別があると急増の偏りを見分けられる
- 欠品していた日を除いて計算する。これを間違えると、年数があっても予測が崩れる
- 製品と資材は納期が違うので別の仕組みに。外部要因は後から足す
- 1年未満なら「切らさない下限」から始め、記録を早く始める
需要予測の相談は、データを見せていただく前でも構いません。「何年分あるか」「日別か月別か」「卸経由か」の3つを教えていただければ、できること・できないことをその場でお伝えします。相談する
