需要予測の基本

最終更新: 2026-07-14

そんな『需要予測の基本』についての悩みにお答えします。

☑ 記事の内容

1. そもそも 需要予測とは何か・なぜ必要か (生産計画・在庫の前提になる)
2. 定性的予測と定量的予測、基本手法 (移動平均・加重移動平均・指数平滑法) の考え方
3. 季節変動・トレンド の見方 と、予測精度 (誤差) の測り方と限界
4. 予測に 頼りすぎない (平準化・小ロットで振れに強く) / AIで高度化 する入口
5. 生産計画・在庫との連動 / 中小製造業でつまずく点 と Q&A

わたしは自動車メーカーの工場で改善活動の指導を 10 年以上行ってきました。実績を金額に換算すると 1 億円以上の改善を行ってきた、いわゆる改善のプロです。今は中小企業診断士として、中小製造業の生産管理や原価管理のお手伝いをしています。その中で、需要の読み違いから在庫の山を抱えてしまった現場も、逆に欠品でお客様を待たせて信頼を落としかけた現場も、数え切れないほど見てきました。需要予測は、言葉だけ聞くと難しそうですが、「ぴたりと当てる」ことより「外れても困らないように備える」ことが目的 だと分かれば、はじめての方でも自社に合ったやり方が見えてきます。本記事では、わたしがふだん現場で説明している順番のまま、需要予測の地図を整理していきます。

そんなわたしが解説していきます。

本記事は 需要予測の基本と考え方を、まず1枚の地図として掴む ための入口です。需要予測だけでなく、生産管理・原価管理まで含めた全体像から知りたい方は、まずまとめ記事の ▶ 中小製造業の生産管理・原価管理 完全ガイド をご覧ください。また、需要予測は「立てて終わり」ではなく、生産計画に流し込んで初めて意味を持ちます。予測を使って計画をどう立てるか を先に知りたいという方は、▶ 生産計画の立て方 から読み進めるのもおすすめです。

需要予測とは ── 「これから何がどれだけ必要か」を先読みする活動

まず、言葉の意味からそろえておきます。需要予測とは、「これから何が・どれだけ売れる (要る) のか」を、過去のデータや現場の情報から先に見積もる活動 のことです。

ポイントは、需要予測は「作る前の判断材料」を持つための活動だという点です。何個売れるかが分からないまま作れば、多すぎれば在庫の山、少なすぎれば欠品になります。その前に「だいたいこれくらいだろう」という見立てを持っておく ── この見立てを作るのが需要予測です。難しい計算をすることが目的ではありません。

需要予測とは ── 「これから何が・どれだけ必要になるか」を先に見積もる活動

需要予測とは、これから先の一定期間に、どの製品がどれだけ必要になるかを見積もる活動 のことです。

もう少し噛みくだくと、次の問いに答える仕事です。

• 来月・来週、どの製品が、どれだけ売れそうか (要りそうか)
• 季節や流行で、増えそうか・減りそうか
• その見立ては、どれくらいの幅でぶれる可能性があるか

この見立てをもとに、いつ・どれだけ作るか (生産計画)、どれだけ在庫を持つか (在庫管理) を決めていきます。つまり需要予測は、モノづくり全体の「いちばん最初の入口」にあたります。

予測は「当てる」より「備える」ためにある

ここが、本記事でいちばん伝えたいところです。需要予測の目的は、ぴたりと言い当てることではなく、外れても困らないように備えること です。

冒頭の悩みに「予測なんて所詮当たらないでしょ?」とありました。その感覚は、半分正しいです。未来のことなので、予測は必ず外れます。ですが、だからといって「読まない」でいると、まったくの成り行きまかせになり、作りすぎと欠品の両方に振り回されます。

大切なのは、「だいたいこれくらい、上下にこれくらいぶれる」という幅を持っておく ことです。幅が見えていれば、その振れ幅に合わせて在庫を少し多めに持つ、段取りを前もって組む、といった手が打てます。「当てにいく」のではなく「備えにいく」── これが需要予測の正しい構えです。

需要予測と生産計画・在庫の関係 ── 出発点がぶれると後が全部ぶれる

需要予測は、生産計画と在庫の「出発点」 にあたります。

流れで言うと、こうなります。

1. 需要予測 ── これからどれだけ要るかを見積もる
2. 生産計画 ── その見積もりをもとに、いつ・どれだけ作るかを決める
3. 在庫 ── 予測と実際のズレを、在庫で吸収する

この一本の流れの起点が需要予測です。ですから、入口の予測が大きくぶれると、後の計画も在庫もまとめてぶれます。逆に言えば、予測の精度を少し上げるだけでなく、「予測がぶれる前提」で計画と在庫を組んでおくことが、流れ全体を安定させます。生産計画そのものの立て方は ▶ 生産計画の立て方 で、在庫の持ち方は ▶ 在庫管理 (適正在庫・発注点) で解説しています。

なぜ需要予測が必要か ── 予測がないと起きる3つのムダ

「需要予測なんて大げさなことをしなくても、うちは長年の勘で回っている」── そう感じる方もいるかもしれません。ですが、需要の読みが弱い現場では、じわじわと 3 つのムダがたまっていきます。

予測がないと起きる 3 つのムダ

需要の見立てがない、あるいは特定の人の勘だけに頼っている現場では、次のようなムダが起きます。

1. 作りすぎ (過剰在庫) ── 「たぶん売れるだろう」で多めに作り、倉庫にお金と置き場が寝てしまう
2. 欠品 (機会損失) ── 読みが甘くて足りず、納期に間に合わない・注文を取りこぼす
3. 段取り・発注が場当たりになる ── 見立てがないので、材料発注も人の配置も後手に回り、いつも慌ただしい

この3つは、どれも「これからどれだけ要るか」が見えていないことから来ます。需要予測は、この3つをまとめて減らすための土台になります。

「勘と経験」だけでは限界が来る

小さいうちは、ベテランの頭の中だけで需要が読めていることがよくあります。品目が少なく、顔なじみの取引先が中心なら、それでも回ります。

ですが、扱う品目や取引先が増えてくると、人の頭だけでは読みきれなくなります。「あの人が休むと来月の見込みが誰にも分からない」「頭の中にしかないから根拠を説明できない」という状態は、危うい状態です。ある程度の規模になったら、勘を「過去の数字で裏づける」発想に切り替えていく必要があります。

小さな会社ほど「読み違い」が効く

大きな会社なら、少しの読み違いは資金や在庫の余力で吸収できます。ですが、資金・置き場・人が限られる中小企業ほど、1回の読み違いが経営に直結します。

たとえば、まとまった量を見込みで作って売れ残れば、その材料費と手間はまるごと寝てしまいます。逆に主力品を切らせば、その間の売上が消え、取引先の信頼まで揺らぎます。つまり、需要予測は「大企業のための高度な仕事」ではなく、体力の少ない中小企業ほど効いてくる守りの活動 なのです。

需要予測の2つの型と基本手法 ── 定性・定量と、移動平均・指数平滑法

ここからが本題です。需要予測は、大きく「定性的予測」と「定量的予測」の2つの型に分けられます。そして定量的予測の基本手法として、移動平均・加重移動平均・指数平滑法 の3つを押さえておけば、まず十分です。

定性的予測と定量的予測 ── 経験で読むか、数字で計算するか

まず、予測には大きく2つの型があります。

• 定性的予測 ── 経験・意見・現場の感覚で読む。営業のヒアリング、取引先の内示、市場の空気など、数字になっていない情報を使う
• 定量的予測 ── 過去のデータ (実績) をもとに計算で見積もる。移動平均や指数平滑法など、後で説明する手法がここに入る

どちらが良い・悪いではありません。実務では、この2つを組み合わせる のが基本です。過去データで大きな見立てを作り (定量)、そこに「来月は展示会があるから増えそう」といった現場の情報 (定性) を足して調整する、という使い方です。数字だけでも、勘だけでも、片方に寄せると外しやすくなります。

基本手法の早見 ── 3つの計算は「何を重視して平らにするか」で並ぶ

定量的予測の基本手法は、次の3つです。いずれも「過去の実績を、どう平らにならして先を読むか」という点で仲間です。

共通しているのは、実績の「たまたまのブレ」を丸めて、なだらかな見立てにする という発想です。順に見ていきます。

① 単純移動平均 ── 直近の数期を平らにならす

単純移動平均とは、直近の何期かの実績を、そのまま平均して次の予測にする方法 のことです。

たとえば直近3ヶ月の販売数を足して3で割れば、それが来月の見込みになります。とても分かりやすく、電卓や表計算ソフトでもすぐに出せます。

長所は、月ごとのたまたまのブレを平らにならせることです。短所は、変化に反応するのが遅い ことです。急に需要が伸び始めても、古い月の数字も同じ重さで混ざるため、予測は後から遅れて追いつく形になります。安定して動く品目には向きますが、変化の速い品目には物足りません。

② 加重移動平均 ── 直近の期ほど重く見る

加重移動平均とは、直近の期ほど重み (ウェイト) を大きくして平均する方法 のことです。

単純移動平均は、どの月も同じ重さで扱いました。ですが実際には、遠い過去より直近のほうが、来月の姿に近いはずです。そこで「先月は重く、3ヶ月前は軽く」と重みを付けて平均します。

こうすると、単純移動平均より変化に早く反応 できます。伸びてきている品目なら、その伸びを予測がより早く拾えます。重みの付け方に決まった正解はなく、品目の動きを見ながら調整します。単純移動平均の「反応の遅さ」を補いたいときの一手です。

③ 指数平滑法 ── 直近を重視しつつ、過去も薄く残す

指数平滑法とは、直近の実績を重視しながら、過去のデータも指数的に薄めながら全部使う方法 のことです。需要予測の定番としてよく使われます。

考え方はシンプルで、「前回の予測」と「今回の実績」を、ある割合で混ぜて次の予測を作ります。混ぜる割合 (平滑化係数) を大きくすれば直近重視で反応が速く、小さくすれば過去を残してなだらかになります。

指数平滑法の良いところは、少ないデータでも回しやすく、計算も軽い ことです。長い過去の一覧を持たなくても、前回の予測値さえあれば次が出せます。表計算ソフトでも十分に組めるため、中小企業が最初に取り入れる定量手法として現実的です。なお、係数の細かな決め方や数式は本記事では深追いしません。まずは「直近を重く、過去を薄く、全部使う」という性格を掴んでおいてください。

どれを選ぶか ── 「正解の1つ」はない

3つの手法を見てきましたが、「これさえ使えば正解」という1つの手法はありません。品目の動き方によって、向き不向きがあります。

• 安定して動く品目 ── 単純移動平均で十分なことが多い
• じわじわ変化する品目 ── 加重移動平均や指数平滑法が向く
• データが少ない・軽く回したい ── 指数平滑法が扱いやすい

大切なのは、1つの手法を選んだら 実績と照らして「合っているか」を見続ける ことです。ずっと外し続けるなら、手法や設定を変えます。予測は一度決めたら終わりではなく、実績を見ながら調整していくものだと押さえておいてください。

季節変動とトレンドを読む ── 平らな平均だけでは足りない

移動平均や指数平滑法は、「たまたまのブレを平らにならす」ことが得意です。ですが、それだけでは読み切れない動きもあります。それが 季節変動 と トレンド (傾向) です。ここを分けて見ないと、平均だけでは大きく外すことがあります。

季節変動とは ── 1年の中でくり返す山と谷

季節変動とは、1年の中で規則的にくり返す需要の山谷 のことです。繁忙期・閑散期と言い換えても構いません。

たとえば、夏に売れる製品、年末に集中する製品、月初や月末に偏る製品など、業種や品目によって決まった波があります。この波を無視して1年を平らにならすと、繁忙期には足りず、閑散期には余る、という外し方をします。季節の波があると分かっている品目は、その波を織り込んで予測する 必要があります。

トレンド (傾向) とは ── じわじわ増える・減る大きな流れ

トレンドとは、じわじわと増えていく、あるいは減っていく大きな流れ のことです。

新しく伸びている製品、逆に少しずつ縮んでいる製品には、こうした傾向があります。ここで注意したいのが、移動平均は 変化に遅れて追いつく という性質です。右肩上がりが続いている品目に単純移動平均を当てると、予測は常に実績より低め (遅れ気味) に出ます。トレンドがある品目では、この「遅れ」を頭に入れて、少し上乗せして見るといった補正が要ります。

季節・トレンドの扱い方 ── 3つに分けて考える

季節変動やトレンドがあるときは、過去データを次の3つに分けて考えると読みやすくなります。

• 傾向 (トレンド) ── 全体としてじわじわ増えているか・減っているか
• 季節の波 ── 1年の中でくり返す山谷
• たまたまのブレ ── その月だけの偶然の増減

このうち「たまたまのブレ」を平らにならすのが移動平均や指数平滑法の役割で、「傾向」と「季節の波」は別に見て織り込みます。3つを分けて考えるだけでも、「なぜ外れたのか」が見えやすくなります。細かな計算に踏み込まなくても、この3層で捉える発想を持つだけで、予測の見方はぐっと整理されます。

予測精度の測り方と限界 ── 誤差とどう付き合うか

予測は必ず外れます。ですから大事なのは「外さないこと」ではなく、「どれくらい外れているか」を掴んで備えること です。ここでは、その誤差の考え方と、予測の限界を整理します。

予測誤差とは ── まずは「予測何個・実際何個」を並べる

予測誤差とは、予測した数と、実際の数のズレ のことです。

難しく考える必要はありません。まずは「予測何個 ・ 実際何個」を品目ごとに並べるところから始めます。予測100個・実際120個なら20個の不足、予測100個・実際80個なら20個の余り、という具合です。この差を毎月記録していくだけで、「どの品目が、どちら向きに、どれくらい外れやすいか」の傾向が見えてきます。

予測精度を表す指標にはいくつか種類がありますが、本記事では固定の数式には踏み込みません。まずは 予測と実績を並べて差を見る習慣 をつけることが、精度改善の第一歩です。

誤差を測る目的 ── 誇るためではなく、備えるため

誤差を測る目的を、取り違えないことが大切です。予測精度は、1つの数字を誇るために測るのではありません。「うちの予測精度は◯%だ」と言えることに意味があるのではなく、その数字を次にどう使うかが肝心です。

誤差を測る本当の目的は、「どの品目が、どれだけ外れやすいか」を掴んで、備えの厚みを変える ことです。よく外れる主力品は安全在庫を少し厚めに持つ、めったに外れない品目は薄くする、といった具合に、誤差の大きさに応じて備えを配分します。誤差は「反省材料」ではなく「備えの設計図」だと捉えてください。

予測の限界を知る ── 過去に無いものは読めない

最後に、予測の限界を正直に押さえておきます。予測は、過去のデータに無いものは読めません。

• 新製品 ── 過去の実績が無いので、既存品からの類推や現場の情報 (定性) に頼るしかない
• 突発需要 ── 急な大口注文や災害時の特需などは、過去のパターンから外れる
• イベント・キャンペーン ── 展示会・値下げ・報道などの一時的な要因は、数字だけでは織り込めない

こうした場面では、定量的な予測だけに頼るのは危険です。だからこそ、さきほどの定性・定量の話で触れたように 定性的な情報 (現場・営業の見立て) を組み合わせる ことが要ります。予測は万能ではなく、「幅」で捉え、外れる場面をあらかじめ想定しておく ── これが限界と上手に付き合うコツです。

予測に頼りすぎない ── 「当てにいく」より「振れに強くする」

ここまで予測の手法と精度を見てきましたが、実は中小製造業でいちばん効くのは、「予測精度を上げること」より「外れても困らない仕組みを作ること」 だったりします。発想を切り替えましょう。

精度の追求には限界がある

予測精度は、上げようとすればどこまでも手間がかかります。ですが、精度を1%上げる労力に対して、得られる効果はだんだん小さくなっていきます。ある水準を超えると、労力に見合わなくなるのです。

そこで発想を変えます。「もっと当てよう」と精度を追い続けるより、「外れても大きく困らないようにしておく」 ほうが、限られた人手の中小企業にとっては安上がりで効果的なことが多いのです。予測は完璧を目指さず「そこそこ」でよく、残りは仕組みで吸収する ── この割り切りが現実解です。

平準化と小ロットで「振れに強く」する

外れに強くするための代表的な打ち手が、平準化 と 小ロット です。

• 平準化 ── 生産の山谷をならして、平らに近づけること。まとめてドカンと作らず、需要のペースに合わせて少しずつ作る
• 小ロット ── 1回に作る量を小さくすること。小さく作れば、読み違えても余る量・不足する量が小さくてすむ

大きなロットで一気に作ると、読み違えたときのダメージも大きくなります。逆に、小さく・こまめに作れるようにしておけば、予測が多少外れても、次の生産ですぐ調整できます。「振れに強い作り方」に変えることは、予測精度を追うのと同じくらい ── 場合によってはそれ以上に ── 効きます。段取り替えを速くして小ロット化を進める考え方は、▶ 改善の進め方 完全ガイド にまとめています。

在庫で誤差を吸収する

もう一つの吸収装置が、在庫 です。予測誤差の一部は、安全在庫 で受け止めます。

安全在庫とは、予測のブレや納入の遅れに備えて、少し多めに持っておく在庫のことです。よく外れる品目・切らすと困る主力品は、少し厚めに持っておく。すると、多少読みが外れても欠品せずにすみます。

ただし、持ちすぎればお金と置き場を圧迫するので、「持ちすぎない範囲での備え」 が肝心です。どれだけ持てば適切か (適正在庫)、いつ・どれだけ発注するか (発注点) といった具体的な考え方は、▶ 在庫管理 (適正在庫・発注点) で解説しています。予測と在庫は、セットで考えてこそ効きます。

AIで需要予測を高度化する ── 基本ができてこそ活きる

近年は、需要予測に AI を使う話をよく聞くようになりました。基本手法を押さえたところで、AI で何がどう変わるのか、入口だけ整理しておきます。

AIは何が得意か

需要予測における AI の得意分野は、大量のデータと、多くの要因を、まとめて扱うこと です。

移動平均や指数平滑法は、基本的に「過去の販売実績」という1本の流れから先を読みます。これに対して AI は、販売実績に加えて、季節性・天候・曜日・キャンペーン・関連品の動きといった たくさんの要因を同時に学習 し、人が手作業では追いきれないパターンを見つけ出せます。品目が多く、要因が絡み合う場面ほど、AI の力が効いてきます。

AIは魔法ではない

ただし、AI は魔法ではありません。ここを誤解しないことが大切です。

AI が力を出すには、土台になるデータの質と量 が要ります。過去の実績がバラバラだったり、そもそも記録が残っていなかったりすれば、AI に学ばせる材料がありません。さらに、AI が出した予測を「これは信じてよいか、外れそうか」と判断するには、本記事で見てきた基本手法や誤差の考え方が分かっている人 が必要です。基本を飛ばして AI だけ入れても、出てきた数字を鵜呑みにするだけになりがちです。基本ができてこそ、AI は活きます。

AI需要予測の入口と補助金

「基本は分かった。次は AI も検討したい」という段階になったら、AI 活用そのものの全体像から押さえるのがおすすめです。どんな用途があるか・どう進めるかは、まとめ記事の ▶ AI導入完全ガイド にまとめています。

また、AI 需要予測の導入にはツールや構築の費用がかかりますが、補助金を使える場合があります。補助率・上限・締切・対象は公募年度で変わるため、本記事では固定額を並べません。用途別の選び方は ▶ AI導入に使える補助金 で整理しているので、補助金を検討する方はこちらをご覧ください。本記事はあくまで 需要予測の基本を押さえる入口 として使い、AI の具体は次のステップとして進めてください。

生産計画・在庫との連動 ── 予測は使ってこそ意味がある

需要予測は、立てて眺めているだけでは1円も生みません。生産計画と在庫に流し込んで、初めて価値になります。ここで、予測がどう計画・在庫につながるかを1本の流れで整理します。

予測は生産計画の入口

流れの入口は、需要予測です。予測した必要量をもとに、「いつ・どれだけ作れば間に合うか」を組み立てる のが生産計画です。

ここで、予測の数字をそのまま計画に丸写しするのではなく、設備や人の負荷 (能力) も見て、無理のない計画にします。予測が出発点、計画がそれを形にする段階、という関係です。計画の具体的な立て方 (必要量の読み方、負荷の見方など) は、▶ 生産計画の立て方 で解説しています。予測とあわせて押さえると、流れがつながります。

予測誤差は在庫で受け止める

予測は外れます。その 読み違いの一部を受け止めるのが、在庫 です。

計画どおりに作っても、実際の需要が予測より多ければ足りず、少なければ余ります。この差を、安全在庫が吸収します。よく外れる品目は厚めに、安定している品目は薄めに ── さきほどの予測精度の話で見た誤差の大きさに応じて、在庫の厚みを配分するわけです。どれだけ持てば適切か、いつ発注するか (適正在庫・発注点) は、▶ 在庫管理 (適正在庫・発注点) で解説しています。

回して精度を上げる

ここが大事なところです。予測 → 計画 → 実績 → 誤差の確認 → 次の予測、と ぐるぐる回すほど、読みは良くなっていきます。

たとえば「この品目はいつも予測より2割多く出る」と誤差の確認で分かれば、次の予測では上乗せして見る、という手が打てます。予測を立てっぱなしにせず、実績と突き合わせて次に返す ── この回し方は、生産管理全体の「実績を計画に返して回す」フィードバックと、まったく同じ考え方です。回すからこそ、予測も計画も少しずつ精度が上がっていきます。

中小製造業が需要予測でつまずく 5 つの点 ── あるあると対処の方向

最後に、わたしが中小製造業の現場でよく見てきた「需要予測でつまずく点」を 5 つ整理します。裏を返せば、ここを押さえれば需要予測は前に進みます。

つまずき1 ── 過去の実績データが残っていない・バラバラ

いちばん多いのが、これです。予測の土台になる 過去の販売・出荷データが、そもそも残っていない か、紙やバラバラの表に散らばっている状態です。これでは、定量的な予測を始めようがありません。

対処の方向は、いきなり高度なことをせず、まず売上・出荷の実績を1か所に、決まった形で記録し始める ことです。月ごとの品目別の数字がそろっていくだけで、半年・1年後には移動平均も指数平滑法も使えるようになります。予測の第一歩は、実は「記録の習慣」から始まります。

つまずき2 ── 「当てにいく」ことにこだわりすぎる

「予測なんだから当てなきゃ意味がない」と、精度にこだわりすぎるパターンです。ですが、これまで見てきたとおり、予測は必ず外れるものであり、当てること自体が目的ではありません。

対処の方向は、「外れても困らない仕組み」とセットで考える ことです。平準化・小ロット・安全在庫といった吸収装置を用意しておけば、予測が多少外れても大きな痛手にはなりません。完璧を目指してしんどくなるより、「そこそこの予測+振れに強い仕組み」で全体を安定させるほうが、実務では続きます。

つまずき3 ── 全品目を同じ精度で予測しようとする

すべての品目を、同じ手間・同じ精度で予測しようとして、途中で息切れするパターンです。品目が多い会社ほど、これで挫折します。

対処の方向は、力の入れどころを絞る ことです。売上や数量の大きい主力品には手間をかけてしっかり予測し、少量・不定期の品目は単純移動平均のような簡単な方法で軽く見る ── というメリハリをつけます。すべてを均等にやろうとせず、効く品目に力を集中するのが、限られた人手で回すコツです。

つまずき4 ── 予測しっぱなしで、実績と比べない

予測を立てるだけで、その後 実際にどうだったかと突き合わせていない パターンです。これでは、予測が良かったのか悪かったのかも分からず、いつまでも精度が上がりません。

対処の方向は、さきほど見た 「予測何個・実際何個」を並べて、誤差を見直す ことです。並べるだけで、どの品目がどちら向きに外れやすいかが見えてきます。この「見える化」から改善が始まります。見える化の進め方は、▶ 改善の進め方 完全ガイド にまとめています。

つまずき5 ── いきなり高度な予測ツール・AIから入る

基本のやり方を飛ばして、いきなり高価な予測ツールや AI から入ろうとする パターンです。土台が整っていないままツールを入れても、使いこなせず宝の持ち腐れになりがちです。

対処の方向は、まず基本手法 (移動平均・指数平滑法) で回してみて、必要になったら AI へ進む ことです。基本で回すうちにデータもたまり、誤差の見方も身につきます。その土台ができてから AI を入れると、効果が段違いになります。AI 活用の全体像は ▶ AI導入完全ガイド、導入に使える補助金は ▶ AI導入に使える補助金 で解説しています。

よくある質問 Q&A

Q1: データが少ない中小企業でも需要予測はできますか?

できます。むしろ、少ないデータでも始められる指数平滑法 のような手法があります。前回の予測値と今回の実績さえあれば次の予測が出せるので、長い過去の一覧がなくても回せます。大切なのは、完璧を目指さず、今日から売上・出荷を記録し始める ことです。データは記録した分だけたまっていき、半年もすれば立派な予測の土台になります。

Q2: 移動平均と指数平滑法、どちらを使えばいいですか?

品目の動き方で選びます。安定して動く品目は単純移動平均で十分 なことが多く、じわじわ変化する品目やデータの少ない品目は指数平滑法 が扱いやすいです。迷ったら、両方を過去の実績に当ててみて、より実績に近かったほう を選ぶのが確実です。どちらを選んでも、実績と照らして合っているかを見続け、外し続けるなら変える ── この姿勢がいちばん大事です。

Q3: 予測はどれくらい当たれば「合格」ですか?

一律の「合格ライン」はありません。品目の動きや業種によって、当たりやすさは大きく変わるからです。安定品なら高い精度も狙えますが、動きの激しい品目は本質的に外れやすいものです。ですから、他社と精度を比べて一喜一憂するより、「自社の品目がどれくらい外れるか」を掴み、その幅に合わせて備える ほうが実務的です。精度そのものより、誤差を備えに変えられているかを見てください。

Q4: Excelだけで需要予測はできますか?

できます。単純移動平均・加重移動平均・指数平滑法は、いずれも 表計算ソフトで十分に組めます。実績を並べて平均を取るだけでも立派な予測です。最初から専用ソフトや AI を用意する必要はありません。まずは手元の表計算ソフトで基本手法を回してみて、品目が増えて手に負えなくなってきたら、次の道具を検討するのが失敗の少ない順番です。

Q5: 需要予測にAIを入れれば精度は上がりますか?

上がる場合もありますが、入れれば必ず上がる、というものではありません。AI が力を出すには、土台となる過去データの質と量が要ります。データが乏しかったり、そもそも記録が整っていなかったりすれば、AI に学ばせる材料がありません。まずは基本手法でデータをため、誤差の見方を身につけてから AI を検討するのが順当です。AI の全体像は ▶ AI導入完全ガイド を参考にしてください。

Q6: 予測が外れたとき、どう対応すればいいですか?

まず、外れたことを責めない ことです。予測は外れるのが前提です。大事なのは、外れた分を安全在庫や小ロットの調整で吸収しつつ、「なぜ外れたか」を次の予測に返す ことです。イベントの影響だったのか、季節の波を読み違えたのか、傾向を見落としたのか ── 原因を1つ拾って次に活かせば、予測は回すほど良くなります。外れは失敗ではなく、次の改善の材料です。

まとめ

本記事で押さえてほしい 3 行サマリーは以下の通りです。

1. 需要予測は 「当てる」より「備える」 ための活動。生産計画・在庫の出発点になる
2. 基本手法は 移動平均・加重移動平均・指数平滑法。季節・トレンド・誤差を分けて見る
3. 精度を追うより 「振れに強い仕組み (平準化・小ロット・在庫での吸収)」 を作る。AIは基本ができてこそ活きる

需要予測の基本について解説しました。言葉だけ聞くと難しそうですが、要は 「これからどれだけ要るかを見立て、外れる前提で備える」 活動です。そして、それが生産計画や在庫とつながっていて、予測 → 計画 → 実績 → 次の予測 と回すほど精度が上がっていきます。まずは売上・出荷の記録から始め、簡単な移動平均で回してみるところから ── そして、外れても困らない仕組みづくりを並行して進めましょう。コツコツと積み上げて、作りすぎと欠品に振り回されない現場を作っていきましょう。

関連記事

• まとめ記事 ▶ 中小製造業の生産管理・原価管理 完全ガイド (生産管理〜原価管理の全体像・目次)
• ▶ 生産計画の立て方 (予測を使った計画づくり / 予測の出口)
• ▶ 在庫管理 (適正在庫・発注点) (予測誤差を吸収する安全在庫・発注点)
• まとめ記事 ▶ AI導入完全ガイド (AIで需要予測を高度化する全体像)
• ▶ AI導入に使える補助金 (AI需要予測の導入に使える補助金の選び方)
• まとめ記事 ▶ 改善の進め方 完全ガイド (見える化・平準化・改善との連動)

個別相談

自社の需要予測をどこから始めるか、作りすぎと欠品の板挟みをどう解くかで迷ったら、▶ あすなろ経営研究所 で個別相談を承っています。中小企業診断士として、自動車工場での改善経験をもとに、需要予測の基本づくりから在庫・生産計画との連動までお手伝いしています。

外部の公的情報源

• 中小企業ビジネス支援サイト J-Net21: https://j-net21.smrj.go.jp/
• 中小企業庁: https://www.chusho.meti.go.jp/
• 独立行政法人 中小企業基盤整備機構 (中小機構): https://www.smrj.go.jp/
• 経済産業省: https://www.meti.go.jp/