前回AI予測について簡単にご説明しましたが、今回は実際にAIで予測してみようと思います。
ある小売店の実店舗の売上予測を行います。
まず売上げに大きく影響を与える要素として、一番大きいのは来店者数ですね。
そしてその来店者数に影響を与える要素として大きいのが気候です。
地域のお祭りなど、人出に影響を与えるイベントも考慮に入れるのが良いのですが、今回はイベントなどが開催されていない平常日として予測します。
気候については気象庁から過去1年分のデータをダウンロードし、同じく過去1年分の来店者数履歴データと合わせます。
これをまずAIに学習させます。
そして向こう一週間の天気予報を元に、来店者数を出してみます。
こんな予測データが出ました。
ピンクの大きい数字がAIが予測した来店者数の数字です。
次は売上の数字を出してみましょう。
本来は細かく商品ごとに売上予測を行う方が正確なのですが、今回は簡易的に全体の売上げのみを予測するものとします。
過去1年分の売上データと来店者数、気候をAIに学習させます。
そして、向こう一週間の来店数予測を入力した上で、売上を出してみます。
実は、実際の売上もすでに出ているのでそれと比べたものがこちらです。
赤と青でグループ分けしていますが、それぞれの数字を見比べてどうでしょうか。
1日目と、3日目、4日目がちょっと離れてますが、それ以外は結構近い数字を出していることが分かると思います。
これはつまり、多少ぼんやりしている部分はあるものの、「AIで未来を見ることができた」と言えるのではないでしょうか。
乖離がある部分は様々な要因が考えられますが、ざっくりとした全体の数字はやはりズレが大きくなりやすいので、商品ごとに数字を予測するなどの工夫が必要になります。
以上のことからわかる様に、何かの数字を予測したいと言う場合には、その数字に影響を与えている要因を知らなければなりません。
やっかいなのは、来店者数と天候のように、経験上相関関係にあると分かっているものとは全く別の所に、重要な数字が隠れ潜んでいたりするので、人間側の訓練が必要なのです。
AI予測の精度を上げるためには、予測したい数値に対する影響力の強いデータを探し出すための調査と、AIがデータを扱いやすくするためのデータ整形が必須です。
これを行える人材が「データサイエンティスト」と呼ばれる人間なのですが、欧米などでは引っ張りだこの人気職になっています。
国内ではまだまだ「データサイエンティスト」の絶対的な数が少なく、雇うのはなかなか難しい状況だと言えます。
よって、AI予測はプロに任せた方が良いという結論になります。
もちろんティファナでもAI予測が可能です。
他の企業でも良いでしょう。
ただし、前回も書いたとおり、AI予測のサービス形態によって、だいぶ使い勝手が変わってきますのでお気を付けください。
自分でノウハウを身に付けながらじっくり時間をかけて行うか、手早くまるっと任せるか。
ティファナは後者の方のサービスですが、企業判断だと思いますのでその時の状況に合わせてお選びください。
まるっと任せる方がオススメですよ。
澁谷さくら（AIさくらさん）
登録・チューニング作業をお客様が一切することなく利用できる超高性能AI。
運用やメンテナンス作業は完全自動化。問い合わせ回数や時間を問わない無制限サポート、クライアントの業務に合わせた独自カスタマイズで、DX推進を目指す多くの企業が採用。
