U指数平滑法の計算問題を解いていて、「αの値が大きいと何が変わるのか」がずっとモヤモヤしていました。式は覚えられても、直感的な意味がつかめなかったんです。コンビニのおでんの話と結びついた瞬間、急に腑に落ちた記憶があります。この記事では、その感覚をお伝えできればと思い整理してみました。
需要予測は、「いつ、どれだけ売れるか」をあらかじめ見積もる作業です。在庫をどれだけ持つか、いつ発注するか、生産ラインをどう組むか——これらすべての起点になります。予測が外れると在庫過多や品切れが起きるため、運営管理の中でも特に実務と直結した分野です。試験では指数平滑法の計算と「αの解釈」が繰り返し出題されますので、計算の流れと直感的な意味を一緒に整理していきましょう。
需要予測はなぜ必要か——在庫・生産・調達の起点
予測の精度が高いほど在庫の無駄が減り、品切れも防げます。ただし予測は常に誤差を伴うため、「誤差をどう評価し、次の予測に活かすか」がセットで問われます。まず代表的な定量的手法を3つ押さえましょう。
移動平均法——直近データの平均で予測する
具体的な数値で計算の流れを確認しましょう。ある製品の月別実績が以下のとき、3か月の単純移動平均でそれぞれの月の予測値を求めると：
| 月 | 実績値（個） | 3期単純移動平均（予測値） | 計算内訳 |
|---|---|---|---|
| 1月 | 100 | — | — |
| 2月 | 120 | — | — |
| 3月 | 110 | — | — |
| 4月 | 130 | 110.0 | （100+120+110）÷3 |
| 5月 | 140 | 120.0 | （120+110+130）÷3 |
| 6月 | — | 126.7 | （110+130+140）÷3 |
期間数 n を大きくするほど予測は滑らかになりますが、最新の変化への反応が遅くなります。n が小さいと変化に敏感になる一方、ノイズにも敏感になります。このトレードオフは後述の指数平滑法でも共通するテーマです。
指数平滑法——αで「過去への忘れ方」を調整する
α（平滑化定数） : 0 < α < 1 の範囲で設定する。大きいほど直近実績を重視。
α = 0.3 の場合で実際に計算してみます。初期予測値を1月の実績値（100）と仮定します。
| 月 | 実績 Dt | 予測 Ft | 計算式 | 次期予測 Ft+1 |
|---|---|---|---|---|
| 1月（初期） | 100 | 100.0 | —（初期値） | 100.0 |
| 2月 | 120 | 100.0 | 0.3×120 + 0.7×100 | 106.0 |
| 3月 | 110 | 106.0 | 0.3×110 + 0.7×106 | 107.2 |
| 4月 | 130 | 107.2 | 0.3×130 + 0.7×107.2 | 114.0 |
| 5月 | 140 | 114.0 | 0.3×140 + 0.7×114.0 | 121.8 |
α = 0.3 では実績の30%、前回予測の70%をブレンドしています。実績が急増しても予測値はゆっくり追いかける様子がわかります。
U「αが大きいほど直近重視」という関係が、最初はなかなか直感でわかりませんでした。式をじっくり眺めたとき、αは「直近実績への重み」であり、（1-α）が「今までの予測への重み」なのだと気づいて、ようやく腑に落ちた気がします。
コンビニのおでんで指数平滑法を実感する
10月に入り、急に気温が下がった日の夜。コンビニの店長さんはおでんの仕込み量をどうやって決めているのでしょうか。
前日の売れ残りが多かったとしても、今日の急な冷え込みを無視して昨日と同じ量にはできません。反対に、気温変化があるたびに毎回まったく違う量を仕込むと読みが外れたときのロスが大きくなります。
指数平滑法がやっていることは、まさにこの「昨日の売上実績（Dt）」と「これまでの予測の積み重ね（Ft）」をαの割合でブレンドすることです。α = 0.7 なら「今日の気温変化を強く反映」、α = 0.2 なら「これまでの蓄積を信頼して急変動に動じない」という判断になります。
店長の経験と勘が数式になったもの——そう考えると、指数平滑法が少し身近に感じられませんか。
季節変動指数——季節パターンを予測に組み込む
移動平均法や指数平滑法は、季節的なアップダウンを直接は扱えません。夏に売上が増え冬に減る商品を、通年の平均データだけで予測しても精度は低くなります。そこで使うのが季節変動指数です。
例えば清涼飲料メーカーが四半期ごとに算出した季節変動指数が下記のようなとき：
基本予測値が1,000ケースであれば、Q3の補正後予測値は 1,000 × 1.50 = 1,500ケース となります。季節変動指数の合計は期数（ここでは4）に等しくなります（0.70 + 1.10 + 1.50 + 0.70 = 4.00）。
予測誤差の評価指標——MAD・MSE・MAPE
予測はどんなに精度を高めても必ず誤差が生まれます。その誤差を「どれくらいの規模で外れているか」を数値化する指標を押さえておきましょう。
定性的手法との使い分け——デルファイ法と市場調査
移動平均法・指数平滑法のような定量的手法は、過去データがある商品には有効です。しかし新製品の立ち上げや市場が大きく変わるタイミングでは、過去データに頼れません。そのとき活躍するのが定性的手法です。
成熟商品・継続商品に向く
計算で予測値を算出できる
新製品・新市場・激変期に向く
専門家・消費者の意見が拠り所になる
試験頻出ポイントの整理
- 指数平滑法の計算：Ft+1 = α × Dt + (1−α) × Ft の式を正確に適用できるか。α の数値と初期値が与えられて1〜2期分を計算させる問題が典型。
- αの意味：「αが大きい＝直近実績を重視」「αが小さい＝過去の予測を重視（変化に鈍感）」の関係。選択肢で「αを大きくすると予測が安定する」は誤り（正しくは不安定になる）。
- 移動平均法のn期数：n が大きいほど滑らか・反応が遅い。n が小さいほど変化に敏感。
- 季節変動指数：各期指数の合計が期数になることを確認する。指数 × 基本予測値で補正後の予測値を求める計算が出題されることがある。
- MAD・MSE・MAPEの違い：計算式と「どんな場合に有用か」の組み合わせ問題。MSEが大きな誤差を重視する理由（二乗）を押さえる。
- 定性的手法：デルファイ法の特徴（匿名・複数回・意見収束）と適用場面を理解する。
U試験でよく問われるのは「α = 0.X のとき○期後の予測値はいくらか」という直接計算です。式の当てはめは1行ずつ丁寧に書く練習をしておくと、本番で焦らなくなります。αの大小と予測の安定性・反応速度の関係は、毎年のように択一問題に形を変えて出てきますので、直感で答えられる状態にしておきたいところです。
指数平滑法を最初に見たとき、「なぜ前回の予測値がまた次の式に入ってくるの?」と混乱しました。でも考えてみると、前回の予測値 Ft の中にはさらにその前の実績・予測が含まれています。つまり過去のすべてのデータが指数的に減衰しながら積み重なっている——それが「指数」平滑法という名前の由来です。この構造がわかると、「αを変えると過去データへの重み付けのカーブ形状が変わる」というイメージが持てます。
計算練習は過去問に加え、自分でαとDtの値を変えて手計算するのが定着に効きました。数字を変えても式の形が同じなので、1回理解すれば応用が効きます。
