需要予測・時系列解析をもっと安く簡単に!

統計解析、時系列解析、人工知能AIの専門家がいないと利用することが難しかった需要予測科学技術計算を、中小企業や個人の方が簡単に安く 最先端の時系列解析アルゴリズムが活用できるようにサポートするソフトウェアです。

過去の売上や仕入の実績値を元に、様々な統計学的手法から過去の実績と予測との差異を分析し、最適な予測手法を提案します。 また、計算された予測値に対して、天気予報やイベント情報を入力することで、従来の職人のカンを考慮した予測値を算出することを可能とします。

ホルトウィンターズ法、ボックスジェンキンス、回帰分析はもちろん、最新の需要予測アルゴリズムに、facebook® prophet、人工知能分野からディープラーニングのリカレントニューラルネットワーク(RNN)であるLong Short-Term Memory(LSTM)アルゴリズムも利用できます。

簡単らくらく需要予測One 需要予測計算画面

Microsoft® Windows用 PCソフトウェア

簡単らくらく需要予測One

29,800円(税抜)

このような課題がある方に是非お勧め致します

在庫が多すぎる
もっと削減したい

いざという時に心配で少し多めの在庫を持つようにしていることは御座いませんか?

昔からその方法で管理してきたものが積もり重なり多くの在庫を抱えてしまう場合も多く御座います。

当システムでは需要の予測を行うことで、多く需要がある時期と需要が少ない時期を明確にすることで、持つべき在庫量を最適化できることをご提案致します。

欠品の発生で販売機会を
逃してしまった

せっかくご注文頂いたのに商品が欠品したため販売できなかった経験は御座いませんでしょうか?

大量の在庫を抱えることで欠品はほとんどしないかもしれませんが、キャッシュフローが悪化してしまいます。

販売予測を活用し、欠品をほとんどしないように最適な在庫量を時期に合わせてコントロールすることで、キャッシュフローを改善し現金を生み出すことも可能です。

安全在庫を管理しているが
もっと最適な方法があるはず

シーズン関係なく毎月一定の個数が出る商品であれば通年一定の安全在庫管理で問題ありませんが、トレンド(右上り・右下りなど)や季節性がある商品の場合は、平均値を基にした在庫の調整方法だと欠品・過剰在庫が発生する場合があります。

当システムでは複数の需要予測アルゴリズムの中から、過去の指定期間内に一番誤差が少なかったものを自動分析・提案する機能がございますので是非ご活用いただければと考えます。

 

開発した私共の思い

大企業は多くの費用をかけて需要予測システムを導入し、常に予測を行いながらビジネスを発展させています。

中小企業や個人の方でも導入しやすい安価な価格帯で、大きな手間を掛ける事が出来なくても予測の精度を高めてビジネスを発展出来ないかと考え、この簡単らくらく需要予測Oneを開発致しました。

このソフトで何が出来ますか?

簡単らくらく需要予測Oneでは、時系列に並んだ数値をCSV形式などで取込み(あるいは入力し)、需要予測計算を行い、天気情報・イベント情報で予測値を微調整し、最終予測値をCSVへ出力(あるいは画面表示・印刷)する事が出来ます。

需要予測計算はすべて自動で行うことも、予測モデル・予測パラメータを指定して行うことも可能です。

実績値の取込

商品単位の時系列の実績値をCSVなど柔軟な入力方法で、当システムに取り込む事が出来ます。画面へ直接実績値を入力し訂正する機能もあります。

需要予測計算実行

商品単位の時系列実績値を基に、複数の需要予測アルゴリズム、複数のパラメータを用いて需要予測計算を実行します。最適な予測モデルを自動選択することも可能です。

天気・イベント入力

天気予報やイベントを入力することで、予測計算値の微調整を行う事が可能です。

予測結果の出力

最終的に予測値を訂正し、ファイルに出力することや印刷・表示する事が可能です。

柔軟な実績値の取込み機能

実績取込みはcsvデータ、tsvデータを読み込み、実績値として登録する機能です。取込みは柔軟に行われ、最小構成では改行で区切られた値のみのデータでも取り込むことが可能です。 実績データは、 商品名・親商品名・日付・値 が基本構造となります。

最小構成で連続した数値だけでも取込み可

最新の需要予測アルゴリズム

ホルトウィンターズ法、ボックスジェンキンス、回帰分析はもちろん、最新の需要予測アルゴリズムに、facebook® prophet、人工知能分野からディープラーニングのリカレントニューラルネットワーク(RNN)であるLong Short-Term Memory(LSTM)アルゴリズムが利用できます。

アルゴリズムのエンジンは様々なオープンソースソフトウェアによって支えられています。世界中で様々な技術者が日夜改良しているエンジンを利用しているので、他システムでも稼働している実績もあります。

 

ディープラーニング (LSTM)

LSTM(Long Short-Term Memory)は、RNN(Recurrent Neural Network)の拡張として1995年に登場した、時系列データ(sequential data)に対するモデル、あるいは構造(architecture)の1種です。 その名は、Long term memory(長期記憶)とShort term memory(短期記憶)という神経科学における用語から取られています。LSTMはRNNの中間層のユニットをLSTM blockと呼ばれるメモリと3つのゲートを持つブロックに置き換えることで実現されています。単純なリカレントネットワークでは長期的な依存関係を学習できない問題を回避しています。

facebook® prophet

facebook® が開発した時系列予測ツール prophet で予測を行います。 計画と目標設定のための信頼性の高い予測を作成するために使用されています。大部分のケースで優れたパフォーマンスを発揮しています。Stanにモデルをフィットさせることで、予測を得ることができます。 トレンドと周期性を考慮した時系列解析が可能です。

ボックス・ジェンキンス法 (SARIMA)

ボックス・ジェンキンス法とは、(Auto Regressive Integrate Moving Average; ARIMA)とも呼ばれる、定常性を満たした階差系列から自己回帰モデルと移動平均モデルを結合して時系列モデルの作成・予測を行う方法のことです。 ARIMAモデルにさらに長期的な季節変動を取り入れたモデルが、SARIMAモデル(季節自己回帰和分移動平均モデル)です。 季節的な変動もまた、異なるモデルで表されます。

 

ホルト・ウィンターズ法

季節変動とトレンドを考慮した予測値を生成することが出来ます。 時系列データのサンプル数が少なくて季節指数が作成できないときには有用な手法です。当システムでは線形モデル、加法モデル、乗法モデルが利用できます。

回帰分析

回帰分析では独立変数と従属変数の間の関係を表す式を統計的手法によって推計します。 当システムでは10次多項式まで対応しています。 天気及びイベントによる予測値修正作業を前提とする場合にも適したアルゴリズムです。

指数平滑移動平均

指数平滑移動平均 (Exponentially Smoothed Moving Average; ESMA)は、個々のデータへの加重を指数関数的に減少させて、平均値を計算します。指数加重移動平均 (Exponentially Weighted Moving Average; EWMA)、指数移動平均(Exponential Moving Average; EMA)とも呼ばれます。 重みは指数関数的に減少しますので、最近のデータを重視するとともに古いデータを完全には切り捨てません(重みは完全にゼロにはなりません)。 天気及びイベントによる予測値修正作業を前提とする場合にも適したアルゴリズムです。

単純移動平均

単純移動平均 (Simple Moving Average; SMA) は、直近の n 個のデータの重み付けのない単純な平均です。 例えば、10日間の単純移動平均とは、直近の10日間の実績値の平均です。 天気及びイベントによる予測値修正作業を前提とする場合にも適した予測アルゴリズムです。

予測結果と実績値の誤差分析機能

予測アルゴリズムは手動による設定もできますが、自動的に最適な予測アルゴリズムを選択し運用することも可能です。 最適なアルゴリズムは何かを評価するため、過去予測値と実績値との絶対誤差率を基とし、基準日における連続した予測評価期間の平均絶対誤差率で評価します。

全予測モデル・パラメータの評価計算機能

全予測モデル・パラメータの評価一覧表示(ソート可)

天気予報による予測値訂正

予測の精度をより高めるため、天気予報をもとに予測計算値を増減させ、予測訂正値を確定させることが可能です。

天気予報情報をネットから取得することも可能です。(取得先の天気情報配信サービスの都合により、サービス停止する可能性があることをご了承ください)

商品単位で天気予報により予測計算値の訂正を実施

ネットから天気予報取得し予測値に反映する機能

イベントによる予測値訂正

予測の精度を高めるため、イベント情報をもとに予測計算値を増減させ、予測訂正値を確定させる事が可能です。

商品単位でイベント登録し予測計算値の訂正を実施

予測計算値からイベント増減割合・増減値を設定

動作環境

本ソフトウェアは以下の環境で稼働します。

対応OS
Microsoft® Windows 10
Microsoft® Windows 8.1
Microsoft® Windows 8
Microsoft® Windows 7 Service Pack1
※ すべて日本語版のみ
メモリ
4GB RAM 以上
CPU
2 ギガヘルツ (GHz) 以上のx64 ビット プロセッサ
ハードディスク
Cドライブに15GB以上の使用可能なディスク領域
インストールドライブ
DVD-ROMドライブがインストール時に必要
ディスプレイ
画面解像度1366*768以上、HighColor(65535色)以上
.NETのバージョン
.NET 4.5.2 以上が必要。必要時にインストールされます。
注意事項
Pythonを利用する他のソフトウェアと共存できません。
インターネット機能には、インターネットへの接続が必要です。
別途インターネット接続料金がかかる場合があります。
帳票(PDF)閲覧・印刷時にAdobe Acrobat Reader®が必要です。

FAQ (よくある質問)

予測って本当にあたりますか?

実際予測する商品の特性により、当たる場合もありますし当たらない場合もございます。

ただ、トレンド(右上り・左上り)、周期性、散らばり具合などは需要予測アルゴリズムにより 分析された解析が可能です。 逆に言えば、一定のトレンド、一定の周期性、少ない分散の特性の商品であればほぼ正確に予測が可能となります。

予測が苦手なものは?

周期性もない突発的要因により、実績値が上下するものは予測が難しくなります。 このタイプの予測は回帰分析・移動平均系アルゴリズムを基本とし、イベント入力で予測訂正する方法をお勧めします。

また、遠い先の未来を予測するよりも近くの未来を予測するほうが当たる確率は高くなります。

需要予測・時系列解析のアルゴリズムはどうなっていますか?

需要予測・時系列解析エンジンは様々なオープンソースソフトウェアを使用しております。 世界中で様々な技術者が日夜改良しているエンジンを利用しており、また他のシステムでも 稼働している実績があります。

推奨する動作環境は?

当システムは大量の科学技術計算を行うため、CPUはシングルスレッド性能の少しでも速いものをお勧め致します。メモリとハードディスクはデータ量が増えない限り、あまり重要としません。

需要予測計算のサンプル

以下は当システムを用いて、需要予測アルゴリズム自動選択・パラメータ自動選択モードで予測計算を行ったサンプルです。青線が実績値、黄線が予測値を表しています。

簡単らくらく需要予測One 需要予測計算画面 ホルトウィンターズ法

簡単らくらく需要予測One 需要予測計算画面 ボックスジェンキンス法

簡単らくらく需要予測One 需要予測計算画面 ホルトウィンターズ法

簡単らくらく需要予測One 需要予測計算画面 ホルトウィンターズ法

簡単らくらく需要予測One 需要予測計算画面 facebook prophet

簡単らくらく需要予測One 需要予測計算画面 facebook prophet

簡単らくらく需要予測One 需要予測計算画面 facebook prophet

簡単らくらく需要予測One 需要予測計算画面 回帰分析

ご注文はこちらから

こちらから簡単らくらく需要予測Oneをご注文頂けます。
納期は弊社に在庫がある場合、0営業日から1営業日での出荷となります。 欠品時はメールにて再度納期をご連絡させていただきます。

 

簡単らくらく需要予測Oneパッケージ 29,800-
消費税 2,384-
送料 (全国無料キャンペーン中) 0-
代引手数料 648-
合計 ¥32,832-

 

 

簡単らくらく需要予測One パッケージ写真

フォームに必要事項を記載の上、ご注文下さい。

なお、お支払方法は代金引換のみとなっておりますので、商品配達時に代金のお支払いをお願い致します。

 

ご注文頂く前に・・・
動作環境に問題はございませんか?
動作環境によるご返品はお受け致しかねますので、再度ご確認をお願い致します。

 

 

株式会社CHESS お客様窓口

大阪市東成区東中本2-4-16

06-6972-1007

info@chess-inc.com

 

 

ご購入者のユーザーご登録ページはこちらから

ご購入者のユーザーのサポートページはこちらから

上記内容及び返品交換についてをご確認の上、チェックを入れてください