【この連載の前回：データ分析講座（その222)「相関」は曲がったことが大っ嫌いへのリンク】
ビジネスの現場で売上などの数値を予測することは多いでしょう。例えば、予測モデルを構築し予測したり、例年踏襲型で数値を予測したりします。例年踏襲型とは、昨年と同額もしくは昨対比10%UPみたいな感じの予測というものです。予測対象域は未来のため、何かしら想定と言うかシナリオを考える必要もでてきます。今回は、「売上などの数値予測は少なくとも9つのシナリオで実施する」というお話しです。
【目次】
1.点予測は100発0中が当たり前
（１）人口推計
（２）3×3の9つのシナリオ
2.ポジもネガも3つのシナリオで予測しよう
（１）どこまで要因を分解するのか？
（２）移動推計
（３）3つもシナリオ作れないよぉー
1.点予測は100発0中が当たり前
数理モデルなどを活用し、来年度の売上予測は「152億3,2987万1,827円」などと言う感じの、点予測の値を出すことは可能です。恐らく、その年の売上が「152億3,2987万1,827円」になることは、ほとんどありません。1つの値だけを予測する点予測の結果は、100発0中が当たり前なのです。
しかし、点予測の結果が独り歩きすることがあります。可能であれば、幅を持った区間予測がいいでしょう。
（１）人口推計
日本国政府は、日本の人口推計を実施しています。
人口統計学の手法である生命表（死亡表）などを活用し推計しています。詳細は、厚生労働省や国立社会保障・人口問題研究所のHP（http://www.ipss.go.jp/）などを参考にして頂ければと思います。人口推計は、大災害など極端なことが起きない限り、比較的精度よく予測できます。このような人口推計ですが、3×3の9つのシナリオから成り立っています。
（２）3×3の9つのシナリオ
人口推計するには、出生し増える人口と、死亡し減る人口を推計する必要があります。
ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになります。人口推計するときに、3つのシナリオに沿って出生を推計します。
- 高位
- 中位
- 低位
死亡に関しても同様に、3つのシナリオに沿って推計します。
- 高位
- 中位
- 低位
要するに、出生と死亡についてそれぞれ高位・中位・低位の３仮定を設け、それらの組み合せにより9通りの推計を行っています。
これは日本国だけでなく、海外の国でも同様です（すべてかどうかは分かりません。シナリオの数も国によって変わります）。さらに、国際人口移動のシナリオを考え組み合わせることあります。英国の政府保険数理局（GAD）では、国際人口移動のシナリオも高位・中位・低位の３仮定を設け、27シナリオで人口推計を行っています（少なくとも、私の知っている限りでは……）。要するに、予測値に幅を持たせている、ということです。
図1.総人口の推移：出生3仮定・死亡3仮定の比較
【出典】https://www8.cao.go.jp/shoushi/shoushika/meeting/priority/k_1/19html/sn_1_1_3.html
ちなみに、よく目にする人口推計の結果は、出生中位・死亡中位の結果です。
2.ポジもネガも3つのシナリオで予測しよう
先ほど、「ビジネスであれば、顧客数を推計するのに、新規顧客数と離反顧客数を推計する、という感じになる」というお話しをしました。
この場合ですと……
- 新規顧客数で高位・中位・低位の予測をする
- 離反顧客数で高位・中位・低位の予測をする
……ということです。そうすると、9つの顧客数の予測結果が手に入ります。
要するに、人口推計と同様、予測対象の要因を3つのシナリオ（高位・中位・低位）で予測し、それらを組み合わせ、幅を持たせて予測しようということです。
（１）どこまで要因を分解するのか？
今、顧客数を推計するのに、新規顧客数と離反顧客数を推計する例をお話ししました。このとき、売上を予測したい場合どうすればいいのでしょうか。
例えば、「売上＝客単価×顧客数」で考えたとき……
- 客単価で高位・中位・低位の予測をする
- 顧客数で高位・中位・低位の予測をする
……ということになるでしょう。
この顧客数は……
- 新規顧客数で高位・中位・低位の予測をする
- 離反顧客数で高位・中位・低位の予測をする
……ということでしたので、27シナリオ（客単価3シナリオ×新規顧客3シナリオ×離反顧客3シナリオ）の売上予測の結果が手に入ります。
まとめると……
- 売上＝客単価×顧客数
- 顧客数＝前期顧客数+新規顧客数-離反顧客数
……となります。
どこまで要因を分解するのか？ という問題が起こりますが、出来るだけ粒度が細かい方がいいですが、無意味に細かくしても仕方がないので、現場の人がコントロールし易い粒度がいいでしょう。現実的には、データの粒度の壁が立ちはだかります。データの粒度の壁とは、手元にあるデータの粒度が粗いという壁です。そのときは、その壁の範囲内で考えていきます。
（２）移動推計
人口推計では、国際人口移動のシナリオを考え組み合わせることあります、というお話しをしました。ビジネスであれば、商品やサービスのラインナップやグレード間の移動が相当することでしょう。一昔前、「いつかはクラウン。」というキャッチフレーズがありました。始まりはカローラで、そしてコロナを経て、いつかはクラウンという感じです。ずーっとカローラを買い替え続ける人もいるでしょうが、上に位置付けられるクラウンに買い替える人もいることでしょう。どのくらい移動するのかを推計するのが、移動推計です。
商品やサービス...
