時系列分析
読み: じけいれつぶんせき
時系列分析とはAI需要予測の基礎
時系列分析は、時間の経過に沿って記録されたデータの変動パターンを統計的に解析し、将来の値を予測したり異常を検知したりする手法の総称。売上推移、株価変動、センサーデータなど、時間軸を持つあらゆるデータが対象になる。
かんたんに言うと
過去の売上グラフの「波」を読み取って、来月の売上がどのあたりに着地するかを数学的に推定する技術である。
トレンドと季節性とノイズを分離する時系列分析の基本
時系列データには3つの成分が混ざっている。長期的な上昇や下降の傾向であるトレンド、毎年繰り返される周期的な変動である季節性、そしてどちらにも分類できないランダムな揺れであるノイズ。
小売業の月次売上を例にとると、3年間で右肩上がりならトレンドは上昇。12月に毎年跳ね上がるなら季節性がある。特定の月だけ説明のつかない落ち込みがあればノイズ。
時系列分析の基本は、この3つを分離して個別に扱うことにある。トレンドを除去してから季節性を抽出し、残ったノイズの構造を調べる。分解できれば「来月の売上は、トレンドがこの水準で季節性がこの幅だから、このあたりに収まる」と推定できる。
ただし、COVID-19のような外的ショックは3要素のどれにも該当しない。過去のパターンが壊れる局面では、モデルの予測精度も崩壊する。
ARIMAからProphetまで代表的な手法
古典的な手法としてはARIMAが広く知られている。Auto-Regressive Integrated Moving Averageの略で、過去の値と誤差の線形結合で将来の値を推定する。パラメータの調整に専門知識が必要で、データサイエンティストでないと扱いにくい。
2017年にMeta(旧Facebook)がオープンソースで公開したProphetは、この敷居を大幅に下げた。トレンドの変化点を自動検出し、休日効果やイベント効果もパラメータとして組み込める。Pythonで数行のコードを書けば予測モデルが動くため、非専門家にも使いやすい設計になっている。
ディープラーニングベースの手法も台頭している。Transformerアーキテクチャを時系列に応用したモデルが研究段階から実務に降りてきており、複数の変数を同時に扱う多変量時系列予測では従来手法を上回る精度を見せている。
需要予測と異常検知の実務
時系列分析が最も活躍するのは需要予測の領域。小売業では発注量の最適化に、製造業では生産計画の策定に、物流業では配車計画に使われている。予測精度が1ポイント改善するだけで、在庫コストや廃棄ロスが目に見えて減る。
異常検知も実務的な価値が高い。工場のセンサーデータを常時監視し、通常のパターンから逸脱した振る舞いを検出すれば、機器の故障を事前に察知できる。これは予知保全と呼ばれ、ダウンタイムの削減に直結する。
金融業界ではクレジットカードの不正利用検知にも使われている。個人の取引パターンを学習し、突然海外で高額決済が発生すればアラートを出す。時間軸に沿ったパターン認識だからこそ検知できる不正がある。
落とし穴と対処法
時系列分析で最もありがちな失敗は、過学習。過去のデータに完璧にフィットするモデルを作ったつもりが、未来のデータにはまるで当たらない。バックテストで検証する際は、必ず学習データとテストデータを時系列順に分割する。シャッフルしたらデータリークが起きて結果が信用できなくなる。
データの欠損も厄介な問題である。センサーの故障や通信障害で一部の期間のデータが抜けていると、モデルの精度が落ちる。補間するのか、その期間を除外するのか。補間の方法によって結果が変わるため、判断を記録しておくことが大事になる。
予測結果をそのまま意思決定に使うのではなく、信頼区間を添えて提示するのが正しい使い方である。「来月の売上は1,200万円」ではなく「来月の売上は1,000万円から1,400万円の間に収まる確率が95%」とすれば、経営判断の幅が見えるようになる。
当社の見解
技術の選定で最も避けるべきは「流行っているから」という理由で導入することだ。当社は複数のAIツール・フレームワークを実際に検証した上で、自社の用途に合うものだけを採用している。検証せずに導入したツールは、ほぼ例外なく3か月以内に使わなくなった。実装指示した人間側が実装したことも忘れて、気が付けば動いていない機能があった、ということも起きる。さらに、MCPやフックやルールを増やしすぎてAIが情報過多で機能しなくなった経験もある。どんなにルールや機能を付け足しても機能しなければ意味がない。足し算より引き算。1週間の検証期間が、3か月の手戻りを防ぐ。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。