ビジネス予測モデルを構築することは素晴らしい方法です

データ分析とビジネス上の意思決定では、効果的なビジネス予測モデルの構築が重要です。この記事では、ビジネスとアルゴリズムを組み合わせて信頼性の高いビジネス予測モデルを構築し、ビジネス部門が予測結果をよりよく理解し、具体的なビジネスオペレーションを導く方法について詳しく説明します。

予測モデルを作るのは困難です。

予測を行った後、次に何をすべきかを企業に知らせるのは非常に困難です。

今日は、ビジネスとアルゴリズムを組み合わせて信頼性の高い予測を行う方法を紹介します。

1. ビジネス予測モデルを構築する必要があるのはなぜですか?

上記の問題は、予測方法の選択が不適切であることによって発生します。アルゴリズム モデル予測には、アルゴリズムがどれだけ単純または複雑であっても、ビジネス プロセスを反映できないという共通の問題があります。その結果、ビジネス側が予測に基づいてビジネス行動を調整したい場合、どこから始めればよいか分からなくなってしまいます。

この場合、ビジネス予測モデルを構築する必要があります。今日はそれを体系的に説明していきます。

まず、具体的な問題のシナリオを見てみましょう。

A to B 原材料サプライヤー、下流需要者には以下が含まれます:

• フレームワーク契約と循環購入を伴う大口顧客
• 大口顧客、フレームワーク契約なし、月々の購入
• 中小規模の顧客、固定契約なし、需要があるときに購入
• 毎月新規顧客を開拓する（主に中小規模の顧客）
• 毎月積極的に開拓した顧客/受動的に訪問した顧客

営業側は来月の顧客購入量を予測する必要があり、大口顧客販売/中小顧客販売/新規顧客広告出稿など各部門の具体的な業務について指導したいと考えています。 Q: どのように予測しますか?

2. ビジネス予測モデル、どうやって作るのか？

ビジネス予測モデルは、ビジネスの仮定を入力変数として取り入れて、ビジネスの傾向を予測する方法です。これはアルゴリズムモデルとは異なります。アルゴリズム モデルの入力機能にはビジネス上の意味がないことが多く、そのため特定のビジネス操作をガイドすることはできません。ビジネス予測は、この欠点を補うために設計されています。

例えば、このシナリオでは、顧客の需要に最も大きな影響を与える要因は、顧客自身の生産計画と当社と顧客との関係です。

しかし、これら 2 つの次元で正確なデータを取得することは困難です。顧客が中小規模の場合、生産計画や調達計画がまったくない可能性が非常に高くなります。彼らは独力で行動し、命令があればできることだけをします。枠組み契約を締結していない大口顧客の場合、購入ごとに再度入札手続きを踏む必要があり、途中で他のサプライヤーに横取りされる可能性が高くなります。したがって、2つの側面から直接予測することは困難です。

現時点で行う作業は 3 つの部分に分かれています。

まず、ビジネスプロセスを整理し、監視できるデータ指標を見つける

2：事業特性を整理し、安定要因と不安定要因を区別する

3: ビジネスの前提を整理し、予測結果を出力する

4番目: 予測結果を追跡し、プロセスの問題を修正する

ステップ1: ビジネスシナリオを整理する

このケースのシナリオでは、ビジネス プロセスは比較的単純かつ明確です。つまり、顧客が代金を支払い、当社が商品を配送します。ただし、顧客の種類によって注文量や配送の難しさが異なるため、個別に検討する必要があります（下図参照）。

ステップ2: ビジネス特性を整理する

このステップは重要です。各事業ラインの特性を詳しく調べることで、各期間における安定要因・不安定要因を見つけることができます。安定した部分は予測の基礎となり、不安定な部分は予測結果を制御する手段となります。

このケースのシナリオでは、調達要件に関して次のようになります。

• フレームワークに署名した大口顧客 ≥ フレームワークに署名しなかった大口顧客 ≥ 中小顧客
• 発展傾向が良好な産業 ≥ 平均的な発展の産業 ≥ 発展の悪い産業
• 既存顧客 ≥ 既存顧客からの紹介による新規顧客 ≥ 積極的に開拓された新規顧客 ≥ 受動的に訪問された新規顧客

したがって、最初に顧客に適切なラベルを付け、次に異なるラベルの種類に応じてグループ内のデータを調べることで、次の主要な指標の値を計算し、履歴の傾向を通じてその傾向が安定しているかどうかを観察できます。

• 既存顧客の更新率
• 既存顧客の更新金額
• 生成された新規顧客リードの数
• 新規顧客リードコンバージョン率
• 新規顧客からの初回注文金額

ここでいくつかの要素は直接定量化できず、変換する必要があることに注意してください。たとえば、「業界の発展傾向は良好である」ということを確認するには、少なくとも 2 つの方法があります。

1. データ方法：すべての企業を業界別に分類し、業界の統計データを確認し、その後、当社が契約した企業の発展データを確認します。

2. 手動方式: すべての販売において、新規顧客への定期的な再訪問/既存顧客への訪問は 5 分以上継続し、データを収集する必要があります。

方法を選択するには？回答：ビジネス予測なので、ビジネスに影響を与えられる方法、つまり手動による方法が好まれます。手動データ収集では、顧客情報を収集できるだけでなく、ビジネスアクションとビジネス判断能力という 2 つの重要な情報も収集できるためです。

想像してみてください。営業担当者がフォローアップ訪問の際にもおざなりで不注意であれば、注文は入るでしょうか?絶対に違います。したがって、ビジネスの実行可能性を測定すること自体が、ビジネス予測の重要な部分となります。

このプロセスで、一部のビジネス部門が次のような状態であることが判明した場合:

• スタッフの離職率が高い
• スタッフの対応が不十分
• 効果的な訪問が少ない
• 顧客を訪問して会話する
• フィードバックは10回中9回は間違っている

すると、問題は明らかです。ビジネス能力が低いと、ビジネスも低迷します。

これはとても重要です。学生は、ビジネス行動に基づいて予測を行っているため、ビジネス行動を徹底的に考慮する必要があることを覚えておく必要があります。ビジネス上の考慮事項と独自の計算のためのデータを半分ずつ混ぜないようにしてください。こうなると状況が混乱し、良いのか悪いのかを評価することが難しくなります。

ステップ3: 予測結果を出力する

明確な分類により、予測結果を出力できます。出力方法は非常に簡単です:

• 安定したパラメータがある場合は、それを直接適用する
• 安定したパラメータがない場合、企業は推定パラメータを自ら入力することができます。

結果は次のように要約され、計算されます (以下を参照)。

なお、事業者自らが記入する推定パラメータは、ランダムに記入することはできず、根拠が必要であることにご注意ください。図に示すように、明らかに開発の法則に違反する予測結果は無効です。そして、この動作自体もモデルの入力になる可能性があります。つまり、ビジネス側に能力が不足しており、自社の能力と必要なリソースを評価していないのです。

このように、ビジネス予測の結果を示すと同時に、次のような保証が必要な前提条件も示します。

• 仮定1: XX業界の顧客需要は輸出為替レートの影響を受けない
• 仮定2: 新規リードのコンバージョン率は5%以上
• 前提3: 業務遂行の有効性が90%以上

これらの仮定は、追跡フェーズでの評価指標として直接使用でき、対応計画も事前に準備できるため、軽微な問題が発生しても直接修正でき、重大な問題を事前に把握できるため、追跡とレビューの作業負荷を軽減できます。

ステップ4: 予測結果の追跡

実際に発生すると、予測の仮定に基づいて結果を追跡できます。

• ビジネスの傾向が良くない場合、問題を事前に警告することができます。
• 実際に問題が発生したときに、仮説を検証して問題点を見つけることができます。
• 対応計画がある問題の場合は、計画を直接アクティブ化して問題を解決できます。

これはビジネスアクションを非常にうまくガイドすることができます (以下に示すように)。

なお、上記 6 つの状況のうち、顧客が予期した予期しない問題のみが予測失敗とみなされます。大口顧客という重要な情報が価格を抑制するということをなぜ事前に知らなかったのでしょうか？ビジネス部門とデータ部門の両方がこれを反映する必要があります。本当にブラックスワン問題に遭遇した場合、クライアントの社内人員に変更があったか、相手が卑劣な策略を使った可能性が非常に高くなります。このとき、予測は確かに無効になりますが、予測自体とは何の関係もありません。これらの要因は予測不可能であるため、状況を検討することによってのみ解決策を見つけることができます。

3. ビジネス予測モデル、利点と欠点

ビジネス予測モデルの最大の利点は、「不正確な予測がパフォーマンスの低下につながるのか、それともパフォーマンスの低下が不正確な予測につながるのか」という鶏が先か卵が先か問題に完全に終止符を打つことができることです。誰にでもはっきりと伝わってきます。ビジネスがうまくいっていないので、予測は不正確です。

そして、業績不振の原因は以下のようなビジネス上の理由によるものであることを詳しくお伝えし、事業展開を導きます。

• 新規顧客リードのフォローアップが不十分
• 既存顧客への訪問が不十分
• 旧顧客は優待価格を申請しなかった
• 主要産業の開発能力の低さ

ビジネス予測モデルの最大の欠点は、予測が人間の判断に依存していることです。したがって、予測結果はチームの士気に特に影響されます。

一般的に、チームの士気が高い場合、予測値は大きくなる傾向があり、エラー訂正能力の評価も大きくなる傾向にあります。チームの士気が低い場合、与えられる予測値は小さい方に偏り、エラー訂正能力が全く存在しません。過度に偏った判断はモデルの実装に影響を及ぼし、望ましい効果が得られなくなります。

したがって、ビジネス予測もアルゴリズム予測も無視すべきではありません。アルゴリズムモデルは、過去の発展傾向に基づいて全体的なデータを直接提供できるため、現在のビジネス側が状況を過大評価/過小評価しているかどうかの判断を支援し、リーダーシップが管理対策を実施する際の根拠となり、ビジネス部門が正しい判断を下すことを促します。

ビジネス予測モデルは、ビジネスが積極的に影響を及ぼし、結果を変更できる場合に適しています。しかし、いくつかのシナリオでは、顧客サービス、アフターセールス、生産ラインなど、ビジネス側は受動的に受け入れます。顧客からの電話は、プロモーション、新製品の発売、広告など、多くの要因の影響を受けますが、これらの要因はいずれも顧客サービスでは制御できません。現時点では、ビジネス予測モデルを使用することは適切ではありませんが、アルゴリズム モデルを使用して翌月の総通話量を直接予測し、人的資源の配置を評価する必要があります。