JP6697082B2 - 需要予測方法、需要予測システム及びそのプログラム - Google Patents

Description

本発明は、商品の需要を予測する方法に関する。

多種多様な商品を販売するコンビニエンスストアは店舗スペースが小さく、大量の在庫を抱えることができない。そのため、日中に商品を補充することにより、商品の品揃えを充実しつつ、在庫数量を少なくしている。日中に補充を行うためには、時間帯毎の販売数量を予測し、適時に仕入れる必要がある。しかし、当日の様々な外的要因（天候など）の変化によって、売上予測値と売上実績値の間に乖離が発生することがある。販売数量の予測値が実際の販売数量より多ければ、在庫数が増加し（不良在庫の増加、日配品の廃棄ロス）、利益を低下させる。一方、販売数量の予測値が実際の販売数量より少なければ、品切れによる機会損失が生じる。

本技術分野の背景技術として、以下の先行技術がある。特許文献１（特開２００１−２１６３７２号公報）は、複数のＰＯＳ端末からホストコンピュータに得られた商品毎の売上げデータを蓄積する売上げデータ用のデータベースと、このデータベースの蓄積された売上げデータのうち、売上げが急増あるいは急減した商品を抽出する高速検索エンジンと、高速検索エンジンにより抽出された商品を売上げ予想対象商品として検索条件（商品の科目、価格帯、ｅｔｃ）を設定し、売上げ傾向が一致もしくは近似する過去の売上げデータを持つ商品を高速検索エンジンに検索させ、検索により抽出された商品の過去の売上げデータを利用して売上げ予想対象商品の今後の売上げ予測データを作成する抽出アプリとを具備するＰＯＳ支援システムの予測サーバを開示する。

特開２００１−２１６３７２号公報

在庫過多や品切れが発生しないように商品を仕入れるためには、正確な売上数量の予測が必要である。また、予期せぬ環境変化によって売上実績値が予測値からずれることがある。このため、売上実績値と売上予測値との乖離を検知し、売上予測を補正し、販売計画を動的に変更し、仕入れる商品量を調整する必要がある。

前述した従来技術では、売上が急増又は急減した商品を抽出し、今後の売上を予測する。しかし、売上が変化する原因となる事象があるところ、この事象が考慮されていない。このため、売上が変化する兆候をとらえることができず、売上変化への対応が遅くなることがある。

また、前述した従来技術では、夜間バッチ処理によって収集した売上実績に基づいて、日単位で予測と実績との乖離を判定し、乖離発生時の予測を修正しているので、日中に予測を補正し、商品を補充することが困難である。

本発明では、売上変化の要因となる事象（来店者数や環境（降水量、気温など）データ）の実績値と予測値とに乖離を検知し、商品の売上予測を適切に修正することを目的とする。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、計算機で構成される需要予測システムが実行する需要予測方法であって、前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶デバイスとを有し、前記需要予測方法は、前記プロセッサが、商品の売上に影響する事象を表す外部データの実績値を収集し、前記実績値と前記外部データの予測値とを比較する監視ステップと、前記プロセッサが、前記実績値と前記予測値とが乖離していると判定された場合、前記商品の売上の予測を補正する補正ステップと、前記プロセッサが、前記外部データと売上が相関する商品を選択する選択ステップを含み、前記監視ステップでは、前記プロセッサが、前記実績値と前記予測値とが複数の所定の誤差範囲の各々を超えて乖離しているかを監視し、前記選択ステップでは、前記プロセッサが、前記複数の誤差範囲の各々と前記外部データと売上との相関の程度を参照して、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品を選択し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品を選択し、前記補正ステップでは、前記プロセッサが、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品の売上の予測を補正し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品の売上の予測を補正する。

本発明の一態様によれば、商品の売上予測を適切に補正できる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

実施例１の分析・予測サーバの論理的な構成を示す図である。 実施例１の売上実績データの構成例を示す図である。 実施例１の来店者数データの構成例を示す図である。 実施例１の降水量データ及び気温データの構成例を示す図である。 実施例１の分析・予測サーバが含まれる計算機システムの物理的な構成を示す図である。 実施例１の相関分析処理のフローチャートである。 実施例１の商品の売上数を示すグラフである。 実施例１の来店者数を示すグラフである。 実施例１の相関係数を計算するための式である。 実施例１の商品Ａ、商品Ｂと来店者数の相関を示す図である。 実施例１の売上・外部データ相関情報の構成例を示す図である。 実施例１の売上予測処理のフローチャートである。 実施例１の実績値監視処理のフローチャートである。 実施例１の実績値監視処理を説明するための図である。 実施例１の予測補正対象商品選択処理のフローチャートである。 実施例１の販売数再予測処理のフローチャートである。 実施例１の販売数再予測処理を説明するための図である。 実施例１のアラート発行後にクライアントが実行する処理を示す図である。 実施例２の分析・予測サーバの論理的な構成を示す図である。 実施例２の相関分析処理のフローチャートである。 実施例２の売上・外部データ相関情報の構成例を示す図である。 実施例２の実績値監視処理のフローチャートである。 実施例２の実績値監視処理を説明するための図である。 実施例２の第一段階予測補正対象商品抽出処理のフローチャートである。 実施例２の第二段階予測補正対象商品抽出処理のフローチャートである。

＜実施例１＞
図１は、本発明の実施例１の分析・予測サーバ１００の論理的な構成を示す図である。

分析・予測サーバ１００は、データ収集部１１０、相関分析部１２０、売上予測部１３０、実績値監視部１４１、予測補正対象商品選択部１４２及び商品売上予測補正部１４３を有し、商品の売上（すなわち、需要）を予測する需要予測システムを構成する。これらの各部は、図４で後述するサーバプログラム１６としてメモリ１２に格納される。プロセッサ１１がサーバプログラム１６を実行することによって、各部の機能が実現される。

データ収集部１１０は、ＰＯＳデータ収集部１１１及び外部データ収集部１１２を含む。ＰＯＳデータ収集部１１１は、ＰＯＳシステム３００からＰＯＳデータ１８０（売上実績データ１８１）を収集する。なお、売上実績データ１８１はＰＯＳシステム３００以外でも、同等の情報を蓄積しているシステム（例えば、販売管理システム）から取得してもよい。

外部データ収集部１１２は、商品の売上に影響を生じる外部データ１９０を外部データ提供システム４００から収集する。外部データ１９０は、例えば、店舗に設置されたセンサによって収集された来店者数データ１９１である。また、外部データ１９０は、いわゆるコーザルデータで、例えば、降水量データ１９２、気温データ１９３などの環境データでもよい。また、外部データとして、来店者数、降水量、気温を例示したが、気圧、湿度、風速、日照時間など、商品の売上に影響を生じる他の事象のデータを用いてもよい。

相関分析部１２０は、外部データ１９０及び売上実績データ１８１を分析し、外部データと売上とが相関する商品を抽出する。相関分析部１２０が実行する処理の詳細は図５で後述するように、需要予測を実行する前に予め実行され、繰り返し（例えば、所定の時間間隔で）実行するとよい。相関分析部１２０が導出した外部データと売上の相関は、売上・外部データ相関情報１５１として、相関分析結果１５０に登録される。売上・外部データ相関情報１５１の構成例は図８で後述する。

なお、相関分析結果は、分析・予測サーバ１００が生成しなくても、他のシステムで生成されたものを使用してもよい。この場合、分析・予測サーバ１００は、相関分析部１２０を実装しなくてよい。

売上予測部１３０は、翌日以後の外部データ及び商品の売上を予測する。売上予測部１３０が実行する処理の詳細は図９で後述する。売上予測部１３０が導出した予測結果は、売上予測データ１６１及び外部データ予測情報１６２として、前日予測結果１６０に登録される。

なお、外部データ及び売上の予測は、分析・予測サーバ１００が生成しなくても、他のシステムで生成されたものを使用してもよい。この場合、分析・予測サーバ１００は、売上予測部１３０を実装しなくてよい。

実績値監視部１４１は、当日の外部データの実績値を取得し、外部データ予測情報１６２と比較し、乖離が発生しているかを監視する。実績値監視部１４１が実行する処理の詳細は図１０で後述する。

予測補正対象商品選択部１４２は、外部データ１９０の当日実績値と外部データ予測情報１６２とに乖離が発生した場合、売上予測の補正が必要な商品を選択する。予測補正対象商品選択部１４２が実行する処理の詳細は図１１で後述する。

商品売上予測補正部１４３は、該当製品の商品売上を再予測する。商品売上予測補正部１４３が実行する処理の詳細は図１２で後述する。商品売上予測補正部１４３が導出した予測結果は、売上再予測情報１７１として、予測補正結果１７０に登録される。

相関分析結果１５０、前日予測結果１６０及び予測補正結果１７０は、分析・予測サーバ１００がプログラム実行時に使用するデータであり、外部記憶装置５００に格納される。

図２は、実施例１の売上実績データ１８１の構成例を示す図である。

売上実績データ１８１は、所定の時間単位（例えば、１時間ごと）の商品売上数の実績値を表す。具体的には、売上実績データ１８１は、日付、時間帯、店舗ＮＯ、商品ＮＯ及び売上数量のデータを含み、日付及び時間が示す時間帯に、店舗ＮＯが示す店舗で、商品ＮＯが示す商品の売上数のデータを格納する。売上数は、ＰＯＳシステム３００から取得したＰＯＳデータを、時間帯、店舗及び商品で集約することによって生成できる。

図３Ａは、実施例１の来店者数データ１９１の構成例を示す図である。

来店者数データ１９１は、所定の時間単位（例えば、１時間ごと）の来店者数の実績値を示す。具体的には、来店者数データ１９１は、日付、時間帯、店舗ＮＯ及び来店者数のデータを含み、日付及び時間が示す時間帯に、店舗ＮＯが示す店舗の来店者数のデータを格納する。

図３Ａに示す来店者数データ１９１は、店舗ＮＯが１００の店舗において、２０１６年３月８日及び９日の各日において１０時から２４時までの各時間帯の来店者数の実績値を記録する。

来店者数は、店舗の入口に設けられたセンサによってカウントできる。また、店舗の入口に設置されたカメラが撮影した来店者の顔画像を識別して来店者の性別や年齢別の来店者数を収集してもよい。

図３Ｂは、実施例１の降水量データ１９２及び気温データ１９３の構成例を示す図である。

降水量データ１９２及び気温データ１９３は、所定の時間単位（例えば、１時間ごと）の来店者数が実績値を示す。具体的には、降水量データ１９２及び気温データ１９３は、日付、時間帯、降水量及び気温のデータを含み、日付及び時間が示す時間帯の降水量及び気温のデータを格納する。降水量データ１９２及び気温データ１９３は、店舗ごと（店舗が所在する地域ごと）にデータを有するとよい。

図３Ｂに示す降水量データ１９２及び気温データ１９３は、２０１６年３月８日及び９日の各日において１０時から２４時までの各時間帯の降水量及び気温の測定値を記録する。

降水量や気温の環境データは、気象情報サービス会社（予報業務許可事業者など）や気象庁から提供されるデータを利用できる。

図４は、実施例１の分析・予測サーバ１００が含まれる計算機システムの物理的な構成を示す図である。

計算機システムは、分析・予測サーバ１００、クライアント２００、ＰＯＳシステム３００及び外部データ提供システム４００を含む。

分析・予測サーバ１００は、プロセッサ（ＣＰＵ）１１、メモリ１２、補助記憶装置１３、通信制御装置１４及びＩ／Ｏ制御装置１５を有する計算機によって構成される。

プロセッサ１１は、メモリ１２に格納されたサーバプログラム１６を実行する。メモリ１２は、不揮発性の記憶デバイスであるＲＯＭ及び揮発性の記憶デバイスであるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶デバイスであり、プロセッサ１１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

Ｉ／Ｏ制御装置１５は、補助記憶装置１３を接続する。補助記憶装置１３は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶デバイスによって構成され、プロセッサ１１が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。具体的には、補助記憶装置１３は、相関分析結果１５０、前日予測結果１６０、予測補正結果１７０、ＰＯＳデータ１８０及び外部データ１９０を格納する。また、プログラムは、補助記憶装置１３から読み出されて、メモリ１２にロードされて、プロセッサ１１によって実行される。

なお、補助記憶装置１３は、分析・予測サーバ１００の内部に設けられる記憶装置でも、分析・予測サーバ１００と通信線（イーサネット、ファイバチャネル、ＳＡＴＡなど）を介して接続され、別体に設けられる外部ストレージ装置（例えば、Ｎｅｔｗｏｒｋ Ａｔｔａｃｈｅｄ Ｓｔｏｒａｇｅ）でもよい。

通信制御装置１４は、所定のプロトコルに従って、他の装置（クライアント２００、ＰＯＳシステム３００、外部データ提供システム４００など）との通信を制御するネットワークインタフェース装置である。

プロセッサ１１が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介して分析・予測サーバ１００に提供され、非一時的記憶媒体である不揮発性の補助記憶装置１３に格納される。このため、分析・予測サーバ１００は、リムーバブルメディアからデータを読み込むインタフェースを有するとよい。

分析・予測サーバ１００は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。また、分析・予測サーバ１００上で実行されるプログラムは、同一の計算機上で別個のスレッドで動作してもよい。

また、分析・予測サーバ１００において、プログラムによって実装される機能ブロックの全部又は一部は、物理的な集積回路（例えば、Field-Programmable Gate Array）等によって構成されてもよい。

クライアント２００は、プロセッサ（ＣＰＵ）２１、メモリ２２、通信制御装置２４、Ｉ／Ｏ制御装置２５、入力装置２７及び出力装置２８を有する計算機によって構成され、例えば店舗に設置される。ユーザがクライアント２００を操作することによって、分析・予測サーバ１００にアクセスして、分析・予測サーバ１００による分析結果を見ることができる。なお、ユーザは、その権限によっては、他の店舗の情報が見られてもよい。

プロセッサ２１は、メモリ２２に格納されたアプリケーションプログラム２６を実行する。メモリ２２は、不揮発性の記憶デバイスであるＲＯＭ及び揮発性の記憶デバイスであるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶デバイスであり、プロセッサ２１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

アプリケーションプログラム２６は、ユーザインタフェースを提供するウェブブラウザや、専用プログラムでもよい。

通信制御装置２４は、所定のプロトコルに従って、他の装置（分析・予測サーバ１００など）との通信を制御するネットワークインタフェース装置である。

Ｉ／Ｏ制御装置２５は、入力装置２７及び出力装置２８を接続するＩ／Ｏインタフェースである。入力装置２７は、キーボード、タッチパネル、マウスなどであり、ユーザからの入力を受けるインタフェースである。出力装置２８は、ディスプレイ装置（例えば、液晶表示装置）やプリンタなどであり、プログラムの実行結果をユーザが視認可能な形式で出力するインタフェースである。出力装置２８は、例えば、前日予測結果、当日実績値、乖離発生アラート、予測補正結果などを出力する。

ＰＯＳシステム３００は、店舗に設置された商品販売情報管理システムであり、商品の販売情報を記録する。ＰＯＳシステム３００は、ネットワークを介して分析・予測サーバ１００と接続され、分析・予測サーバ１００からの要求に応じて、蓄積している商品の販売実績データを提供する。

外部データ提供システム４００は、降水量や気温の環境データを提供するシステムであり気象情報サービス会社（予報業務許可事業者など）が運用する。また、外部データ提供システム４００は、来店者数を計数する店舗管理システムである。

図５は、実施例１の相関分析処理のフローチャートである。相関分析処理は相関分析部１２０が所定のタイミング（週次、月次など所定の時間間隔）で商品毎に実行する。

相関分析部１２０は、商品毎に売上実績データ１８１と外部データ１９０（来店者数データ１９１、降水量データ１９２、気温データ１９３）を参照し、売上実績情報がある商品について、売上の増減と外部データの増減とが相関しているかを判定し、売上と外部データとが相関している商品を選択する（１００１）。

例えば、図６Ａに示すような売上の商品Ａと商品Ｂがあり、同日の来店者数が、図６Ｂに示すものである場合、商品Ａは来店者数の増減に合わせて売上が増減しており、商品Ｂは来店者数の増減に影響されずに売上が一定である。この場合、商品Ａは来店者数との相関があり、商品Ｂは来店者数との相関はないといえる。

二つの値についての相関の求め方は、一般的な統計の手法で相関係数を計算し、相関係数の絶対値が所定値（例えば、０．４）より大きい場合、相関があると判定してよい。

相関係数は、例えば、図７Ａに示す式で計算できる。商品Ａの売上と商品Ｂの売上と来店者数との相関係数は、図７Ｂに示す値と計算され、商品Ａの売上と来店者数との相関係数は０．７１２３０８であり、商品Ｂの売上と来店者数との相関係数は−０．１７２２６２０２８である。このため、商品Ａの売上と来店者数には相関関係があり、商品Ｂの売上と来店者数には相関関係がないと判定される。

そして、相関分析部１２０は、選択された商品の商品番号を、相関分析結果として売上・外部データ相関情報１５１に登録する（１００２）。売上・外部データ相関情報１５１には、図８に示すように、外部データの種別と、当該外部データと売上とが相関する商品の商品番号が登録される。

なお、図５では相関分析処理の一例を示したが、他の様々な方法を採用できる。また、前述したように、分析・予測サーバ１００は、他のシステムで生成された相関分析結果を使用してもよい。

図９は、実施例１の売上予測処理のフローチャートである。売上予測処理は売上予測部１３０が所定のタイミング（毎日、所定の時間）で商品毎に実行する。

売上予測部１３０は、対象日（例えば、翌日）の外部データ及び商品の売上を予測する。

まず、売上予測部１３０は、対象日の降水量や気温の予報情報を気象情報サービス会社から取得し、対象日の外部データ（来場者数、降水量、気温）の各々の値を予測し、外部データ予測情報１６２を生成する（１０１１）。

そして、売上予測部１３０は、対象日の降水量、気温と類似する日を、過去の外部データ１９０から検索する（１０１２）。季節や曜日も条件として、外部データが類似する日を検索してもよい。また、対象日の降水量、気温と類似する日の来店者数を来店者数情報１０１から抽出し対象日の来店者数を予測する。導出された来店者数の予測は、外部データ予測情報１６２に登録される。

そして、検索された日の各商品の売上を売上実績データ１８１から取得し対象日の商品売上予測とする（１０１３）。導出した商品売上予測は、売上予測データ１６１に登録される。

なお、図９では売上予測処理の一例を示したが、他の様々な方法を採用できる。例えば、来店者数から売上を予測する計算式を作成して、当該計算式を用いて売上を予測してもよい。また、深層学習によって売上を予測してもよい。

また、前述したように、分析・予測サーバ１００は、他のシステムで生成された外部データ及び売上の予測を使用してもよい。

図１０Ａは、実施例１の実績値監視処理のフローチャートである。実績値監視処理は実績値監視部１４１が、所定のタイミング（例えば、外部データ実績値を取得したタイミング）で実行する。

実績値監視部１４１は、リアルタイムの外部データ実績値を所定のタイミングで（例えば、１時間毎に）取得し、外部データ実績値を外部データ予測値と比較する（１０２１）。そして、実績値監視部１４１は、実績値が予測値から所定の誤差範囲内であるかを判定する（１０２２）。その結果、実績値監視部１４１は、実績値が予測値から所定の誤差範囲内であれば乖離が発生していないと判定し、ステップ１０２１に戻り、次の所定のタイミングに実績値と予測値とを比較するように処理を繰り返す。一方、実績値監視部１４１は、実績値が予測値から所定の誤差範囲を超えていれば乖離が発生していると判定し、乖離発生のアラートを発行する（１０２３）。

例えば、図１０Ｂに示す来店者数の累積値では、１５時迄は実績値が予測値の誤差範囲内であるが、１６時には誤差範囲を超えたため、乖離発生と判定され、乖離発生のアラートが発行される。

乖離の判定基準である誤差範囲は固定でも、商品によって変化しても、その他の条件（例えば、時間帯）によって変化してもよい。

図１１は、実施例１の予測補正対象商品選択処理のフローチャートである。予測補正対象商品選択処理は、予測補正対象商品選択部１４２が、実績値監視処理において乖離発生のアラートが発行されたタイミングで実行する。

乖離が発生した外部データと売上が相関する商品を売上・外部データ相関情報１５１から選択する（１０３１）。例えば、図１０Ｂに示す例では、１６時の時点で、来店者数と類似する売上の商品を選択する。

図１２は、実施例１の販売数再予測処理のフローチャートである。販売数再予測処理は商品売上予測補正部１４３が、予測補正対象商品抽出処理において、乖離が発生した外部データと売上が相関する商品が抽出されたタイミングで実行する。

商品売上予測補正部１４３は、現時点までの外部データの実績値と類似する日を、過去の外部データから検索し、外部データ再予測情報とする（１０４１）。具体的には、図１３に示すように、当日の現時点までの実績値が過去の外部データ実績値の許容範囲内となる日を、過去の外部データから検索する。そして、検索された日の各商品の売上を売上実績データ１８１から取得し新たな商品売上予測とする（１０４２）。

当日実績値と類似する実績値である過去日の検索範囲は固定であっても、商品によって変化しても、その他の条件（例えば、時間帯）によって変化してもよい。なお、外部データから売上を予測する計算式を作成して、当該計算式を用いて売上を予測してもよい。

図１４は、実施例１のアラート発行後にクライアントが実行する処理を示す図である。

まず、クライアント２００は、分析・予測サーバ１００が作成した、翌日の売上予測データ１６１を参照して、商品の補充計画を作成し、商品の配送を予約する（１１０１）。

当日は、クライアント２００から分析・予測サーバ１００にアクセスすることによって、ＰＯＳデータ１８０（売上実績データ１８１）、外部データ（来店者数データ１９１、降水量データ１９２、気温データ１９３）の実績値を確認できる（１１０２）。

分析・予測サーバ１００において外部データの乖離発生のアラートが発生すると、予測補正結果１７０の売上再予測情報１７１が生成される。クライアント２００は、売上再予測情報１７１を参照して、商品の補充計画を修正し、商品の追加配送を予約する（１１０３）。

以上に説明したように、本発明の実施例１によると、実際に売上の予測値と実績値との乖離が発生する前に売上の乖離の発生を予測し、売上の予測値を補正できる。このため、販売計画を動的な見直しでき、商品補充量の調整が可能となり、品切れによる販売機会の損失を回避でき、過剰在庫を抑制できる。

＜実施例２＞
実施例２では、外部データ実績の乖離のアラートの発行（すなわち、商品売上を補正する契機）を、相関度に応じた乖離の程度で段階的に実行させる。

なお、実施例２において、実施例１と同じ構成及び機能には同じ符号を付し、それらの説明は省略する。

図１５は、実施例２の分析・予測サーバ１００の論理的な構成を示す図である。

分析・予測サーバ１００は、データ収集部１１０、相関分析部１２０、売上予測部１３０、実績値監視部１４１、第一段階予測補正対象商品選択部１４４、第二段階予測補正対象商品選択部１４５及び商品売上予測補正部１４３を有する。

相関分析部１２０は、外部データ及び売上を分析し、外部データと売上とが相関する商品を抽出する。相関分析部１２０が実行する処理の詳細は図１６で後述するように、需要予測を実行する前に予め実行され、繰り返し（例えば、所定の時間間隔で）実行するとよい。実施例２の相関分析部１２０は、実施例１と異なり、商品の売上と外部データとの相関度を売上・外部データ相関情報１５１に登録する。売上・外部データ相関情報１５１の構成例は図１７で後述する。

実績値監視部１４１は、当日の外部データの実績値を取得し、外部データ予測情報と比較し、乖離が発生しているかを監視する。実施例２の実績値監視部１４１は、実施例１と異なり、乖離の程度に応じて段階的にアラートを発行する。実績値監視部１４１が実行する処理の詳細は図１０で後述する。

第一段階予測補正対象商品選択部１４４及び第二段階予測補正対象商品選択部１４５は、外部データの当日実績値と外部データ予測情報とに乖離が発生した場合、乖離の程度に応じて段階的に、売上予測の補正が必要な商品を選択する。第一段階予測補正対象商品選択部１４４が実行する処理の詳細は図１９で後述し、第二段階予測補正対象商品選択部１４５が実行する処理の詳細は図２０で後述する。

図１６は、実施例２の相関分析処理のフローチャートである。相関分析処理は相関分析部１２０が所定のタイミング（週次、月次など所定の時間間隔）で商品毎に実行する。

相関分析部１２０は、商品毎に売上実績データ１８１と外部データ１９０（来店者数データ１９１、降水量データ１９２、気温データ１９３）を参照し、売上実績情報がある商品について、売上の増減と外部データの増減とが相関しているかを判定し、売上と外部データとが相関している商品を選択する（１０５１）。例えば、図７Ａに示す式で計算された相関係数の絶対値が所定値（例えば、０．４）より大きい場合、相関があると判定する。

その後、相関分析部１２０は、選択した商品の売上と外部データとの相関度を算出する（１０５２）。例えば、ステップ１０５１で計算された相関係数をランク分けして相関度とするとよい。具体的には、相関係数の絶対値が０．４より大きく０．７より小さい場合、相関度「中」とし、相関係数の絶対値が０．７以上の場合、相関度「大」とする。相関度は、複数のランクであれば２ランクでなくてもよい。

そして、相関分析部１２０は、選択された商品の商品番号と相関係数と相関度とを、相関分析結果として売上・外部データ相関情報１５１に登録する（１０５３）。売上・外部データ相関情報１５１には、図１７に示すように、外部データの種別と、当該外部データと売上との相関がある商品の商品番号、相関係数及び相関度が登録される。

なお、実施例１と同様に、分析・予測サーバ１００は、他のシステムで生成された相関分析結果を使用してもよい。

図１８Ａは、実施例２の実績値監視処理のフローチャートである。実績値監視処理は実績値監視部１４１が、所定のタイミング（例えば、外部データ実績値を取得したタイミング）で実行する。

実績値監視部１４１は、リアルタイムの外部データ実績値を所定のタイミングで（例えば、１時間毎に）取得し、外部データ実績値を外部データ予測値と比較する（１０６１）。そして、実績値監視部１４１は、実績値が予測値から所定の第一の誤差範囲内であるかを判定する（１０６２）。その結果、実績値監視部１４１は、実績値が予測値から所定の第一の誤差範囲内であれば第一段階の乖離が発生していないと判定し、ステップ１０６１に戻り、次の所定のタイミングに実績値と予測値とを比較するように処理を繰り返す。一方、実績値監視部１４１は、実績値が予測値から所定の第一の誤差範囲を超えていれば第一段階の乖離が発生していると判定し、第一段階の乖離発生のアラートを発行する（１０６３）。

次に、実績値監視部１４１は、外部データ実績値を外部データ予測値とを比較する（１０６４）。そして、実績値監視部１４１は、実績値が予測値から所定の第二の誤差範囲内であるかを判定する（１０６５）。その結果、実績値監視部１４１は、実績値が予測値から所定の第二の誤差範囲内であれば第二段階の乖離が発生していないと判定し、ステップ１０４１に戻り、次の所定のタイミングに実績値と予測値とを比較するように処理を繰り返す。一方、実績値監視部１４１は、実績値が予測値から所定の第二の誤差範囲を超えていれば第二段階の乖離が発生していると判定し、第二段階の乖離発生のアラートを発行する（１０６６）。

例えば、図１８Ｂに示す来店者数の累積値では、１５時迄は実績値が予測値の誤差範囲内であるが、１６時には±７％の第一の誤差範囲を超えたが、±１３％の第二の誤差範囲を超えていないので、第一段階の乖離発生と判定され、第一段階の乖離発生のアラートが発行される。また、１７時には±１３％の第二の誤差範囲を超えたので、第二段階の乖離発生と判定され、第二段階の乖離発生のアラートが発行される。

図１９は、第一段階予測補正対象商品抽出処理のフローチャートである。第一段階予測補正対象商品抽出処理は第一段階予測補正対象商品選択部１４４が、実績値監視処理において第一段階の乖離発生のアラートが発行されたタイミングで実行する。

第一段階の乖離が発生した外部データと売上が相関し、相関度が大の商品を売上・外部データ相関情報１５１から選択する（１０７１）。例えば、図１０Ｂに示す例では、１６時の時点で、来店者数と売上の傾向が類似し、相関度が大の商品を選択する。

図２０は、第二段階予測補正対象商品抽出処理のフローチャートである。第二段階予測補正対象商品抽出処理は第二段階予測補正対象商品選択部１４５が、実績値監視処理において第二段階の乖離発生のアラートが発行されたタイミングで実行する。

第二段階の乖離が発生した外部データと売上が相関し、相関度が中の商品を売上・外部データ相関情報１５１から選択する（１０８１）。例えば、図１０Ｂに示す例では、１７時の時点で、来店者数と売上の傾向が類似し、相関度が中の商品を選択する。

以上に説明したように、第一段階予測補正対象商品選択部１４４は、外部データの実績値の乖離の程度が小さい場合でも、相関性が高い商品について早期に売上予測を補正するために、相関度が大の商品を選択する。一方、第二段階予測補正対象商品選択部１４５は、外部データの実績値の乖離の程度が大きい場合に、相関性が低い商品の売上予測を補正するために、相関度が中の商品を選択する。

すなわち、実施例２では、外部データの実績値と予測値との乖離が小さいうちは、第１段階として、外部データと売上との相関度が大きい商品の売上予測を見直す。さらに、外部データの実績値と予測値との乖離が大きくなったら、第２段階として、相関度が大きくない（相関が中程度の）商品の売上予測を見直す。このため、実施例２では、外部データにそれほど敏感に売上が反応しない商品の売上の見直しを遅らせることによって、同時に見直す商品を減らし、分析・予測サーバ１００の処理負荷の集中を軽減できる。

なお、外部データと予測値との乖離が徐々に大きくなった場合、第１段階において相関度が大きい商品の売上予測を既に見直していれば、第２段階では、相関度が大きくない（相関が中程度の）商品のみの売上予測を見直すことになる。一方、外部データと予測値との乖離が急に大きくなった場合、第１段階において相関度が大きい商品の売上予測を見直していなければ、第２段階では、相関度が大きい商品と相関度が大きくない（相関が中程度の）商品の売上予測を見直すことになる。

以上に説明したように、本実施例の需要予測システム（分析・予測サーバ１００）は、商品の売上に影響する事象を表す外部データ（実績値）１９０を収集し、外部データ（実績値）１９０と外部データ予測情報１６２とを比較する実績値監視部１４１と、外部データの実績値と予測値とが乖離していると判定した場合、商品の売上予測データ１６１を補正する商品売上予測補正部１４３とを有するので、商品の売上予測を適切に補正できる。また、売上実績と売上予測との乖離の兆候を検知でき、売上予測を早期に補正できる。このため、早期に商品の仕入れ数量の変更を手配でき、過剰在庫の発生を抑制でき、品切れによる機会損失を回避できる。

また、分析・予測サーバ１００は、商品の過去の売上（売上実績データ１８１）及び外部データ（実績値）１９０を保持する。分析・予測サーバ１００は、外部データ予測情報１６２と傾向が類似する過去の外部データ１９０を検索し、検索された外部データ１９０に対応する日の商品の売上を当該商品の売上予測データ１６１とする売上予測部１３０を有する。さらに、商品売上予測補正部１４３は、売上の予測に用いた外部データの実績値と予測値とが乖離していると判定した場合、当該外部データと売上が相関する商品の売上の予測を補正するので、商品の売上予測を適切に補正できる。

また、分析・予測サーバ１００は、外部データ（実績値）１９０と外部データ予測情報１６２とが乖離していると判定された外部データと売上が相関する商品を選択する予測補正対象商品選択部１４２を有する。さらに、実績値監視部１４１は、外部データの実績値と予測値とが所定の誤差範囲を超えて乖離しているかを監視し、商品売上予測補正部１４３は、選択された商品の売上予測データ１６１を補正する。このため、外部データによって売上が変化する商品の売上予測を適切に修正できる。

また、分析・予測サーバ１００は、商品の過去の売上データ（売上実績データ１８１）及び外部データ（実績値）１９０を保持する。さらに、分析・予測サーバ１００は、売上実績データ１８１及び外部データ（実績値）１９０を参照して、商品売上と外部データとの相関を分析する相関分析部１２０を有する。さらに、予測補正対象商品選択部１４２は、相関分析部１２０が分析した商品売上と外部データとの相関を参照して、外部データ（実績値）１９０と外部データ予測情報１６２とが乖離していると判定された外部データと売上が相関する商品を選択するので、商品の売上予測を適切に補正できる。

また、実績値監視部１４１は、外部データ（実績値）１４１と外部データ予測情報１６２とが複数の所定の誤差範囲（第一の誤差範囲、第二の誤差範囲）を超えて乖離しているかを監視する。また、第一段階予測補正対象商品選択部１４４は、第一の誤差範囲の監視結果及び外部データと売上との相関の程度を参照して、外部データの実績値と予測値との乖離が小さい場合には相関が大きい商品を選択し、第二段階予測補正対象商品選択部１４５は、第二の誤差範囲の監視結果及び外部データと売上との相関の程度を参照して、外部データの実績値と予測値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品を選択する。さらに、商品売上予測補正部１４３は、外部データの実績値と予測値との乖離が小さい場合には相関が大きい商品の売上の予測を補正し、外部データの実績値と予測値との乖離が大きい場合には相関が大きい商品及び相関が小さい商品の売上の予測を補正するので、外部データの変化に売上が敏感に反応しない商品の売上の見直しを遅らせることによって、同時に見直す商品を減らし、分析・予測サーバ１００の処理負荷の集中を軽減できる。

また、商品売上予測補正部１４３は、外部データ（実績値）１９０と傾向が類似する過去の外部データを検索し、当該検索された外部データに対応する日の商品売上を用いて、当該商品売上の予測値を補正するので、商品の売上予測を適切に補正できる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

Claims (10)

1. 計算機で構成される需要予測システムが実行する需要予測方法であって、
   前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶デバイスとを有し、
   前記需要予測方法は、
   前記プロセッサが、商品の売上に影響する事象を表す外部データの実績値を収集し、前記外部データの実績値と前記外部データの予測値とを比較する監視ステップと、
   前記プロセッサが、前記実績値と前記予測値とが乖離していると判定した場合、前記商品の売上の予測を補正する補正ステップと、
   前記プロセッサが、前記外部データと売上が相関する商品を選択する選択ステップを含み、
   前記監視ステップでは、前記プロセッサが、前記実績値と前記予測値とが複数の所定の誤差範囲の各々を超えて乖離しているかを監視し、
   前記選択ステップでは、前記プロセッサが、前記複数の誤差範囲の各々と前記外部データと売上との相関の程度を参照して、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品を選択し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品を選択し、
   前記補正ステップでは、前記プロセッサが、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品の売上の予測を補正し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品の売上の予測を補正することを特徴とする需要予測方法。
2. 請求項１に記載の需要予測方法であって、
   前記計算機は、前記商品の過去の売上データと過去の外部データとを保持し、
   前記需要予測方法は、前記プロセッサが、前記外部データの予測値と傾向が類似する過去の外部データを検索し、当該検索された外部データに対応する日の前記商品の売上を当該商品の売上の予測値とする予測ステップを含み、
   前記補正ステップでは、前記プロセッサが、前記売上の予測に用いた外部データの実績値と予測値とが乖離していると判定された場合、当該外部データと売上が相関する商品の売上の予測を補正することを特徴とする需要予測方法。
3. 請求項１に記載の需要予測方法であって、
   前記計算機は、前記商品の過去の売上データと過去の外部データとを保持し、
   前記需要予測方法は、前記プロセッサが、前記商品の過去の売上と過去の外部データとを参照して、前記商品の売上と前記外部データとの相関を分析する相関分析ステップを含み、
   前記選択ステップでは、前記プロセッサが、前記相関分析ステップで分析された前記商品の売上と前記外部データとの相関を参照して、前記外部データと売上が相関する商品を選択することを特徴とする需要予測方法。
4. 請求項１に記載の需要予測方法であって、
   前記補正ステップでは、前記プロセッサが、前記外部データの実績値と傾向が類似する過去の外部データを検索し、当該検索された外部データに対応する日の前記商品の売上を用いて、当該商品の売上の予測値を補正することを特徴とする需要予測方法。
5. 商品の需要を予測する需要予測システムであって、
   プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶デバイスとを有する計算機によって構成され、
   商品の売上に影響する事象を表す外部データの実績値を収集し、前記外部データの実績値と前記外部データの予測値とを比較する監視部と、
   前記実績値と前記予測値とが乖離していると判定した場合、前記商品の売上の予測を補正する補正部と、
   前記外部データと売上が相関する商品を選択する選択部を有し、
   前記監視部は、前記実績値と前記予測値とが複数の所定の誤差範囲の各々を超えて乖離しているかを監視し、
   前記選択部は、前記複数の誤差範囲の各々と前記外部データと売上との相関の程度を参照して、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品を選択し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品を選択し、
   前記補正部は、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品の売上の予測を補正し、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品の売上の予測を補正することを特徴とする需要予測システム。
6. 請求項５に記載の需要予測システムであって、
   前記商品の過去の売上データと過去の外部データとを保持し、
   前記需要予測システムは、前記外部データの予測値と傾向が類似する過去の外部データを検索し、当該検索された外部データに対応する日の前記商品の売上を当該商品の売上の予測値とする予測部を有し、
   前記補正部は、前記売上の予測に用いた外部データの実績値と予測値とが乖離していると判定した場合、当該外部データと売上が相関する商品の売上の予測を補正することを特徴とする需要予測システム。
7. 請求項５に記載の需要予測システムであって、
   前記商品の過去の売上データと過去の外部データとを保持し、
   前記需要予測システムは、前記商品の過去の売上と過去の外部データとを参照して、前記商品の売上と前記外部データとの相関を分析する相関分析部を有し、
   前記選択部は、前記相関分析部が分析した前記商品の売上と前記外部データとの相関を参照して、前記外部データと売上が相関する商品を選択することを特徴とする需要予測システム。
8. 請求項５に記載の需要予測システムであって、
   前記補正部は、前記外部データの実績値と傾向が類似する過去の外部データを検索し、
   当該検索された外部データに対応する日の前記商品の売上を用いて、当該商品の売上の予測値を補正することを特徴とする需要予測システム。
9. 計算機で構成される需要予測システムが実行する需要予測プログラムであって、
   前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶デバイスとを有し、
   前記需要予測プログラムは、
   商品の売上に影響する事象を表す外部データの実績値を収集し、前記外部データの実績値と前記外部データの予測値とを比較する監視手順と、
   前記実績値と前記予測値とが乖離していると判定した場合、前記商品の売上の予測を補正する補正手順と、
   前記外部データと売上が相関する商品を選択する選択手順とを、前記プロセッサに実行させるためのものであって、
   前記監視手順では、前記実績値と前記予測値とが複数の所定の誤差範囲の各々を超えて乖離しているかを、前記プロセッサに監視させ、
   前記選択手順では、前記複数の誤差範囲の各々と前記外部データと売上との相関の程度を参照して、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品を前記プロセッサに選択させ、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品を前記プロセッサに選択させ、
   前記補正手順では、前記予測値と前記実績値との乖離が小さい場合、前記相関が大きい商品の売上の予測を前記プロセッサに補正させ、前記予測値と前記実績値との乖離が大きい場合、前記相関が大きい商品及び相関が小さい商品の売上の予測を前記プロセッサに補正させるための需要予測プログラム。
10. 請求項９に記載の需要予測プログラムであって、
    前記計算機は、前記商品の過去の売上データと過去の外部データとを保持し、
    前記需要予測プログラムは、前記外部データの予測値と傾向が類似する過去の外部データを検索し、当該検索された外部データに対応する日の前記商品の売上を当該商品の売上の予測値とする予測手順とを、前記プロセッサに実行させるためのものであって、
    前記補正手順では、前記プロセッサが、前記売上の予測に用いた外部データの実績値と予測値とが乖離していると判定した場合、当該外部データと売上が相関する商品の売上の予測を、前記プロセッサに補正させるための需要予測プログラム。

Images