予測精度について

(「詳細」)をクリックして予測データまたは履歴データの詳細情報を取得し、予測の精度を確認します。

使用可能な履歴データの量が予測の精度に影響します。データ量が多いほど精度は向上します。最低でも履歴データの量は予測期間の数の2倍以上にする必要があります。望ましい履歴データの量は予測期間の3倍以上です。予測時に使用できる履歴データの量が十分でない場合は、警告またはエラーが表示されます。予測プランニングでは、データ内の季節性のパターンを検出し、これを将来の予測に使用します(たとえば、休暇シーズン中の売上の急増など)。季節性を検出するには、2つ以上の完全なデータ・サイクルが必要です。

また、予測プランニングでは、履歴データで欠落している値を検出して値を補間し、外れ値をスキャンし、許容範囲まで正規化します。データに欠損値または外れ値が多すぎ、信頼できる予測を実行できない場合、警告またはエラー・メッセージが表示されます。

予測精度はデータのノイズ量によっても影響を受けます。大容量の履歴データが使用可能な場合でも、データのノイズすなわちランダムな変動のために、基礎となるトレンドが隠されたり、予測の精度が下がったりする可能性があります。

予測にイベントを使用すると、予測の精度が向上し、特定のイベントに伴う急増と減少の予想を予測データで確認できるため、イベントを事前に計画し、機会を利用するために役立ちます。イベントを含めない場合は、データの急増または減少が正規化され、予測期間にわたって分散されるため、予測の精度が低くなる可能性があります。

一般的には次のガイドラインを使用して予測の精度を判別します。

• 95 – 100%: 非常に良い。履歴データに強いトレンドまたは季節性パターンがあります。
• 90 – 94.9%: 良好。履歴データに適度のトレンドまたは季節性パターンがあります。
• 80 – 89.9%: 普通。履歴データに弱いトレンドまたは季節性パターンがあります。
• 0 – 79.9%: 悪い。履歴データのトレンドまたはパターンを検出できません。