3月末の在庫水準をコントロールする方法

震災や歴史的円高など相次ぐ危機に見舞われた2012年3月期を象徴する財務データのひとつが在庫だ。

震災後にサプライチェーンの断絶で、部品調達が遅れたり、タイ洪水で大幅減産を強いられた自動車大手は販売の挽回を狙って在庫を積み上げている。
日経新聞の調査によると2011年12月期の売上高が３千億円以上だった上場製造業124社を対象に12月末の在庫額を集計した結果、対象企業全体の在庫額は１年前に比べ約２兆円（７％）増の30兆1015億円。

減少したのは全体の２割弱に当たる23社にとどまった。

一方、販売不振に苦しむ家電大手はテレビなどの大胆な在庫圧縮に動き出した。

2012年3月期末にむけて在庫政策は日本企業が抱える課題を鮮明に映し出している。


家電の苦境を映すのが在庫を減らしている方の減少額ランキング１、２位のパナソニックとソニーだ。

ともに液晶テレビの販売が低迷。ソニーはテレビ事業の収益改善のため、販売シェアの拡大よりも採算を重視する戦略に転換。在庫額は前年から約１割減らしたと報道されている。

在庫を積み上げているのは日産、トヨタなど自動車大手だ。
増加額２位のコマツは、石炭や鉄鉱石の採掘に使う鉱山機械の生産を増やしている。

ところで適正在庫をマネジメントするとなると通常は【平均在庫水準】をターゲットにする。しかし、企業であれば、【3月期末】の在庫水準をターゲットにしたいのも事実。

これを実現するには遅くとも12月から準備しなければ狙い通りの在庫水準を達成するのは難しいだろう。現状在庫水準、1月、2月、3月、4月の需要予測と調達リードタイムを商品（製品）データとしてそろえる必要がある。

この際に需要予測は平均誤差をも検討する必要があり、リードタイムも定数として扱うのは震災の教訓がいかせてはいない。

調達リードタイムは確率変数なのだ！

これらを考慮し、【3月期末の目標在庫総額】と商品ごとの目標在庫日数を明らかにする必要がある。
需要予測と最適化計算を実行するとシミュレーション可能になり、1月～3月の【発注量】をコントロールすることで目標まで誘導可能になる。




■Excelのソルバーを利用すると200アイテムまでは自動計算してくれる。もしも数千～数万アイテムを対象にする場合には"Premium Solver Platforms"が必要になるが、15万円程度で入手可能だ。

手段は別にして、3月期末の在庫シミュレーションのような【特定時点の在庫水準】をシミュレーションするには、需要予測の誤差を相手にしなければならない。くわえて調達リードタイムが確率変動するものであることを忘れてはならない。

■流通業：もじどおり調達リードタイムは農産物やアパレルのような季節商品では先行して内示契約をだしたうえで短期のリードタイムが決まるだろう。

■製造業：生産リードタイムがまず変動する。加えて、海外生産や海外拠点までのリードタイムを考慮する必要がある。



このテーマは継続して取り扱うことにする。

東京マラソンに参加する確率をあげる方法

東京東京マラソンが天候にもめぐまれ、盛大に行われました。

今回の東京マラソンは走者36000人にも達する規模で執り行われましたが、
この規模のマラソン大会は、世界でも珍しく

①シカゴマラソン
②ニューヨークマラソン
③パリマラソン
④ロンドンマラソン
⑤ベルリンマラソン
しかみあたりません。

公式ホームページから参加申込者数の推移を見ると2007年~2009年にかけて7万人レベルから、
いっきに20万人を超える応募者数に拡大していることがわかります。
むしろ過熱ぎみだったのか2011年をピークに2012年は若干ですが申込みが減少しています。


今後は、どのように推移するのでしょうか？

予測しようにも、データが6年分しかなく。。他に説得力ある要因も見えない中での予測になります。
（マラソンブームとかiPhonアプリなどスポーツ用品メーカーの画策がありますが）

過去の「申込者数」のみを頼りに実行できるのは
指数平滑法
ウインタース／ホルトなどの修正指数平滑法
単回帰予測
ボックス・ジェンキンス法
などがあげられます（＊グレー理論も可能です）

東京マラソンの申込者数は、年次データで”周期性”を取り上げるには不向きかつデータ数が不足しています。ウインターズ法などはこの時点で脱落。単回帰予測もここ二年間で二次曲線になってきているので不向きと判定。

そこで限定的にボックス・ジェンキンス法を利用してみました。

横ばいの予測もありますし、このままダウントレンドに入る可能性も示唆しています。

さて、東京マラソンに申し込んでもハズレではオモシロくありませんね。


■東京マラソンの抽選で9.6倍に及ぶ倍率をわずかでも優位にする方法があります。

東京マラソン公式クラブ「ONE　TOKYO」のプレミアムメンバーになること。

このプレミアム・メンバーになれば

①先行抽選(7月予定 フルマラソン:2000人)
②一般抽選 (8月予定)
③2次抽選 (11月予定※イベント参加などの条件あり）

のトリプルチャンスがあるわけです。

せっかく参加を考えている方は、ご一考の余地ありでは！

自動車のサプライチェーンの特徴ー内示／引取り方式をトレンド・トラップで料理する

トヨタ自動車の小型ハイブリッド車「アクア」は発売約１カ月で12万台を受注したそうだ。昨年末に復活した補助金の追い風を受け、燃費のいい「エコカー」が国内市場で快走している。

日本自動車販売協会連合会（自販連）と全国軽自動車協会連合会が発表した１月の新車販売台数は、４１万５９３１台と、前年同月実績を３６．２％上回るなど、うらやましい状況だった。

前年比プラスは４カ月連続。エコカー補助金の復活を決めた政府方針を追い風に、１月としては過去最高の伸びを記録。

他方で、視点をガソリンスタンドに移すと全石連が、今後５年間のガソリン販売予測を年率４．１％の減少が続く見通しと発表しているなど、厳しい状況が続く。
今後も減販が続く要因としては、

①人口の減少、高齢化により車を利用する人口が減少する
②ハイブリッドなど省燃費車が増加する
③若者のクルマ離れが進む
④ＥＶ（電気自動車）の普及に伴いガソリン車が減少する

などの点があげられる。

やはり消費者のふところをかんがみると燃費のいい「エコカー」が自動車増産のカギをにぎるようだ。

ハイブリッドを牽引し、ガソリンスタンドを苦境に追い込んでいる（≒消費者を守ってもいる？）トヨタ自動車は、ハイブリッド車の国内外での累計販売台数が、昨年の3月に300万台を突破したと発表した。（トヨタ調べをグラフに示す：http://www2.toyota.co.jp/jp/news/11/03/nt11_007.html）

ハイブリッド車の急拡大とはうらはらに、痛い思いをしているガソリンスタンド（以下SS)の店舗数推移は統計的に“－0.96”という負の相関関係をしめしている。つまり「ハイブリッド車の拡販」と「SS減少」は、はっきりとした負の相関関係が認められたのだ。

2009年以降のハイブリッド車の急拡販の裏に秘められた消費者の可処分所得の減少や原油価格の高騰を総合した代替変数として「SSの店舗数の推移」に着目したわけだ。そこで「SS店舗数の推移」をもとに「ハイブリッド車の需要予測」をおこなってみた。
結果は、真ん中のグラフをごらんいただきたい。予測モデルとしては重回帰モデルの一種となるが説明力は９９％の説明力を持つことが判明。

第三のグラフがこのハイブリッド車需要予測モデルの「予測誤差」の散布図。
どうみてもバラバラ。
つまり予測モデルの“誤差”には一定の法則性が見当たらない。時間とともに誤差が一定の比率で拡大していたり、その逆となると予測モデルが怪しいということ。
これを判定するダービン・ワトソン比を計算してみた。
ＤＷ比
1.774592928

これが1.5~2.5の間にあれば大丈夫。
（※ダービンワトソン比については別途解説）

ここでは「ハイブリッド車」の需要予測モデルを組み立てるのに相関関係のハッキリしている統計を利用してみた。
ハイブリッド車の需要予測を単純に実行するのではなく、SS店舗数との相関係数を分析し、さらに予測誤差のダービン・ワトソン比を計算して誤差の自己相関がないことを検証した。
このような一連のステップをサポートするソフトを予測分析システムと置づけることができる。

話を、ハイブリッド車から自動車全体に移そう。
我が国を牽引する自動車業界のサプライチェーンの特徴の一つに「内示－引取りかんばん方式」があげられる。
これは自動車会社が、車種ごとに翌月・翌々月における部品の調達見込数量を、あらかじめ部品メーカーに対して「内示」の形で示し、当月の納入は「引取かんばん」で時間単位で確定指示を行うものである。

引取かんばんを受け取った部品メーカーは、あらかじめ定められた時間単位のリードタイムどおりに、その数量を生産しておさめなければならない。

この「内示－引取りかんばん方式」はクルマの生産が少なくとも2年以上は継続されることを想定して車両メーカーと部品メーカーのサプライチェーンを制御する重要な要因である。


上の図に内示引取り方式を図解してみた。部品メーカーは、あてもなく自社製品（≒部品）の“需要予測”を行うのではなく継続的に受領してきた「内示トレンド」のバラツキ、周期性、断層の発生などトレンド解析から取り組み、来月・来週以降を予測して在庫管理・発注管理に活かすことができます。

なぜなら、この業界特有の内示情報と「引き取りかんばん」は強い相関関係にあることを期待してもバチはあたらないからだ。通常は自動車メーカーが提示してきた「内示」情報は「引取り量」とそれほど齟齬のないようにしなければ部品メーカーとの相互信頼を失うことになる。

もしも「内示」と「引取りかんばん」に齟齬がないならば、「内示情報」と「引取りかんばん」は相関関係を持つはずだ。
内示をトレンド解析してみて、予測に活かすコツは

－内示数量のバラつきの変化でバッファー在庫量を変更（変動係数）
－トレンド・トラップの発生を捉えることで予測をチューニング（周期性、レベル変化、断層発生）
－内示、引取りかんばん実績の共分散、相関係数の変化を捉えることで予測方式を変更
－製造LT,輸出LTのバラつきの変化を捉えて基準在庫量を変更

※トレンド・トラップは前回の記事を参照

などを捉えて、予測に反映させ、在庫管理に活かします。

トレンド解析の一例をあげると、
①変動係数が急激に変化した場合は・・・・予測アルゴリズムを変更します⇒積分系グレー理論
②周期性の歪みを特定・・・・・・・・・・予測パラメータを微修正します⇒ARIMA

ここでは
「内示情報」と「引取りかんばん」の相関関係が弱い場合を取り上げます。
通常は自動車メーカーが提示してきた「内示」情報は「引取り量」と相関関係がつよくなければ相互信頼を失いかねないのでうが・・・。
しかし、実際にはそうでもない自動車メーカーもあります。
大切なことは、トレンドデータにひそむ断層や歪を見つけること。そして予測を修正し在庫削減を実現すること。

もし先行情報である内示と引取りかんばんの間の相関関係が崩れたら相関係数が０に近づく
※（相関係数≒2 つの確率変数の間の相関を示す指標で-1 から 1 の間の実数値をとり、1 に近いときは2 つの確率変数には正の相関があるといい、0 に近いときは相関は弱い）

「内示・引取りかんばん」の相関係数＞0.7・・・「内示・引取りかんばん」をもとに需要予測
「内示・引取りかんばん」の相関係数＜0.7・・・「引取りかんばん」の自己回帰をもとに需要予測

グラフでは内示と引取りかんばんの相関係数は0.5と0.7より小さく、相関が低い。つまり自動車メーカーの内示をあてにしていると痛い目にあうことが予想される。
そこで実際に引取ってくれた「かんばん実績」の自己回帰分析をおこない予測することにする。

実際には「引取り実績」から自己回帰をとってもピンク色のグラフのように安定したトレンドを予測はできるが現実離れしてしまう。
そこで、予測誤差を活用することにする。この自己回帰プラス予測誤差から予測する方法こそARIMAモデルである。
この「引取りかんばん実績」からの予測をもとに定期発注量を決めることが出来る。

たとえばGMやフォードからの「内示」と「引取り実績」にもとづいて米国販社が日本の工場に毎月一回の発注をしているサプライチェーンモデルを思い出せばピッタリだ！

米国販社の定期発注量=予測/稼働日数×(発注間隔+製造LT+日本からの輸出LT)+予測誤差の標準偏差×√(発注間隔+製造LT+日本からの輸出LT)

この場合、予測精度も大切だが日本の製造納期回答精度や輸出納期回答精度も大切なファクターだということがわかる。

①製造納期が回答より遅れることが確率的に多くなれば発注量は増える（米国販社のバッファー在庫は増える）
②輸出の船便への積み込みが遅れる確率が増えると発注量は増える（米国販社のバッファー在庫は増える）

これを定量的に計算することが可能だ。
さらに『米国販社の3月末の時点の在庫金額を18億円に抑制したいが、何をどの程度在庫にしたらよいのかわからない？』
【その為には2月、3月にどの程度発注したらよいのかわからない】

という問題に具体的な回答がでる。

これが単純な需要予測システムや在庫管理システムとは違う！
予測分析システムは、トレンドデータにひそむ断層や歪を見つけること。そして予測を修正し在庫削減を実現することが可能になるのです。

次回は、この特定時点の「在庫ポートフォリオ」を予測分析システムでどのように実現するのかを解説します

（プロジェクトではバッファーシミュレーションによって納期とリソースのトレードオフ計算が可能）

大河ドラマにみるトレンド・トラップ－アクティブな予測の科学

平清盛にみる潮目の変化
12日に放送されたＮＨＫ大河ドラマ「平清盛」（第６回）の視聴率が、関東地区、関西地区とも前回より大幅ダウンしたことが13日、ビデオリサーチの調べで分かった。関東で前回より２・７ポイント減の13・３％。関西地区は同３・５ポイント減の12・６％だった。
NHKは主演の松山ケンイチの演技に自信をみせていたが、数字は振るわなかった。 裏番組にフジ系で「四大陸フィギュアスケート選手権２０１２」が放送されたことが影響したのかもしれない。
しかし、この番組の視聴率をグラフにしてみると面白いことが見えてくる。


放送開始から4回目までは、視聴率が低空飛行であっても安定していた。しかし、5回目以降は一気に不満が爆発したと見える。

『はじめ視聴者は様子見を決め込んでいたが・・ここへきて見放した。』とも受け取れる。

このグラフを見ると、単にトレンドが急降下したように見えるが、実は視聴者のゆれ動く心理状態が推測できる。
毎週日曜の夜には「大河ドラマ」との視聴パターンがうまれやすく、視聴率は他の番組よりは安定した数値を取りやすいだろう。

つまり、視聴率の確率分布が安定しやすい特徴を持つ。しかし、“平清盛”ではこの確率の安定性が第五回目から断層を起こしている。視聴率の取れる確率が急激にバラついてきたので、数値が乱れているのだ。

バラツキを数値化する「変動係数」も最初の4回目までは安定していた。しかし、5回目以降は急上昇している。

この番組の視聴率という「潮の流れ」が変わってしまったのであれば、つまり安定した視聴者層を失ったという仮設が成り立つのであれば・・・今後は浮遊者層を取り込むことが課題になってきているといえるのではないか。
こんな状況では、ちょっとした雑誌記事の反応や裏番組に有名人がテレビ出演すると影響をあたえるようになる。

今後の視聴率を予測するには、当初の4回目までの視聴率予測とは異なる工夫が必要だということがわかります。

これまでの予測に対する考え方は、過去の時系列データに含まれる撹乱要因と未来における未知の部分が存在することを理由に確率論や統計上はこんな感じという受け身的な考えが大勢を占めてきました。

こうした受身的な予測観は、ともすると科学性、客観性を見失い｢予測は当たらない｣とか｢予測はムダである｣などと言う評判に結びついたり“賭け”や“占い”と同一視されるケースも見受けられます。

その意味で予測には、受動的予測と能動的予測の２通りがあります。

受動的予測は、過去から現在までの推移から未来を確率的・統計的に推し計るものです
能動的予測とは、受動的予測を基礎としつつ、未来における期待値をあらかじめ意思決定し、それに向かうように販売活動や生産活動をコントロールしようとするものです
この能動的予測という立ち位置は『認識して反応する』『予実差異を見える化してから動く』から『予測して行動する』に焦点が変化してゆくのです。

冒頭の大河ドラマの例でいえば、視聴率を予測して【一喜一憂】するのではなく、ねらった視聴率をとるためにはアクティブな番組広告や、主演の松山ケンイチの露出をふやすといったマーケティング施策をうつということです。

つまり活動の未来を予測と実績の差異を『神の見えざる手の結果』とあきらめずに、アクティブに予実差異を最小限度におさえるアクションを明確にすることが大切です。

しかしながら、この能動的予測の場合でも、現在進行形の現象を客観的データで正しく把握することが前提になります。
そのため、受動的予測の側面をも、いいかげんにすることは許されません。

結果的に「予測」は過去から現在までの事実データの推移を、ERPや基礎データを積み上げるなどして、どれだけ正確にとらえきれるかということにいきつくわけです。

もちろん予測には限界がつきまといます。
未来に起こる現象は神のみぞ知るのであり、撹乱要因は無数に発生し、その全てを私たちがあらかじめ知ることは不可能です。

その意味で、予測の基本としては、何よりも先ず“過去の潮目の変化を正確に捉えていることが大前提になります。

この「潮目の変化」とはいったん何なのでしょうか？
たとえば、トレンドの断層、周期性のひずみなどの発生です。

毎年夏場に売れていた商品が不振に陥る「周期性の崩れ」の原因には、最近の異常気象で夏場にビールが足りなくなって売上が息切れしてしまったり、地震や台風など災害による農産物の収穫期、量の変動など自然的要因や義援金の配付など社会的制度・慣習の変化による要因がひずみの一因です。

こんな「ひずみ」を捉えておかないと「潮目の変化」を見ないで『予測が当たらない』と感情的になるわけです。

こんな状況で発生する潮目の変化を【トレンド・トラップ】と呼んでいます。

季節性・周期性の変動（サイクルトラップ）
トレンドの変化（Vトラップ）
過去データに断裂が生じるレベルの変化（エアーポケットトラップ）
この三種類にわけてトレンド・トラップを捉えています。
よく需要予測ソフトで

予測と実績の誤差が閾値を超えるモノを絞り込む「予実差異のアラーム」
商品やエリアで予測誤差がどういった傾向にあるのか把握する「マトリクス」
を見える化するという、うたい文句を見かけるのですが、こんな程度ではビジネスには役にたちません。

直前に発生しているトレンド・トラップが周期性の「ひずみ」なのか、トレンドに断裂が生じているのかを捉えて、それを予測モデルの微修正にいかさねばなりません。

つまり、未来をアクティブに予測するには、まず直近でおきているトレンド・トラップをつかまえる工夫が必要だということです。

では、たとえば【周期性の「ひずみ」】をどうやって捉えるのでしょうか？

これはフーリエ変換という統計的手法があるのです。
フーリエ変換はトレンドデータを周波数に変換する技・テクニックです。

下のグラフは某自動車メーカーがカーナビ・メーカーに示しているクルマの生産予定（内示）と実際の「かんばん」で引取った実績を比較したグラフです。


ここでは、毎月の生産予定と引取り「かんばん」の数値を17カ月の時系列データ（左から右に時間軸に照らしてグラフ化）にしています。

通常は自動車メーカーはカーナビメーカーなどの部品メーカーに三カ月先までの内示情報を提示し、事前に提示した内示を毎月見直すわけです。
部品メーカー側からみると、先々の情報をもらえるので未来の生産台数を予測してジャストインにそなえるわけです。自動車メーカーの内示が正確であれば予測など必要がないのですが、実際には部品メーカーは内示に基づいて予測を行います。
ここでも、潮目の変化を見てみましょう。最初の12ヶ月は変動係数が安定しています。一番上のグラフではいっけんすると毎月バラついていて安定なぞありえないように見えます。しかし、変動係数という統計を使うと13ヶ月目に潮目の変化を迎えていることが分かります。
さらにフーリエ変換してみてトレンドに周期性があるか調べてみます。
するとスペクトルというグラフをみれば５という数字と13という数字に２山うまれていることが分かります。
つまり５周期の波形と13周期の波形がまざっていることが伺えます。
グラフからは5周期が目視できますが、13周期の波形が混ざっているようです。
もう少し詳しくみてみないと判定はできませんが、周期性に歪がうまれているようです。

こんな状態ではボックス・ジェンキンス法という予測アルゴリズムに周期性を消し込むように工夫しつつ予測することになります。

いかがでしょうか？

ここまでおつきあいいただき、ありがとうございます。
最後にまとめます
実は、トレンド・トラップが生まれる前と後では予測ロジックを微修正しなければならないというアイデアは時系列分析ではかなり昔から研究されてきたのですが、サプライチェーンのブームにのって欧米からやってきたSCMソフトの大半はコレをおろそかにしていました。
DBM（ダイナミックバッファーマネジメント）も「かんばん方式」も共通しているのは、【売れたものを売れただけ補充する】という考え方だ。 運用のカギをにぎっているのがDBMは“バッファー”であり、かんばん方式は、もじどおり「かんばん」だ。どちらも、需要は常に変動し不確実なものだから、需要を予測しても当たらないという前提に立つ。だから、そもそも需要を予測しない。しかし、「売れた分だけ補充する」ということは未来在庫を【同じ数だけ売れる】と予測しているジレンマを抱えている。
目に見えない潮目の変化≒トレンド・トラップを統計の力で引き出し、注意深く予測アルゴリズムをチューニングすると予測精度はカイゼンする。

次回は、予測をつかって自動車サプライチェーンをカイゼンするコツをご紹介します

過去のふり返り方を変えよう。昨年に学ぶなら、その先に未来は無いはず。

新年を迎えるにあたり、昨年をふりかえることは重要だ。
しかし、昨年の延長線から新年を展望するのはいささか慎重にならざるを得ない。
昨年の成功は、今年の成功を裏付けないし、逆に昨年の失敗も。。すべてが糧になるわけではないでしょう。
「株」も「為替」も、ご自身のビジネスの行く末も、自分の体重の動きでさえも
昨年の延長線では考えないほうが良い。

しかし、まったく過去を参考にしない方がよいということを云いたいのではない。

スティーブ・ジョブズのスタンフォード大学卒業式で行われた伝説のスピーチに【未来に先回りして点と点をつなげることはできない。君たちにできるのは過去を振り返ってつなげることだけなんだ。だから点と点がいつか何らかのかたちでつながると信じなければならない。】という下りがある。

そのスピーチでスティーブ・ジョブズは青春時代にリード大学に入学するも、6ヶ月で退学する。そこで、彼はフォントの作り方を学問として学んだが、その時にフォントは、人生の役立つという期待すらなかったと述べている。10年経って最初のマッキントッシュ・コンピュータを設計する時にその知識が役に立ち、マックの設計に組み込むことになったと触れている。

そんな彼の人生の中でも「iPod touch」の成功はその後のビジネスを変化させたのは周知の事実。彼の過去を振り返っても一直線に成功路線をたどったわけではない。
iPhoneは、いまやアップルの売上の過半を占める製品に成長したが、これとてiPod＋iTunes戦略の成功後にApp Storeを立ち上げ、MAC_OSに逆展開する。
つまり、私が過去をふりかえって未来を展望する際に、注意したほうがよいと云いたいのは。。。
【過去に起きた事実の中にも未来を変化させる最近のグレーな動きがある。未来は神のみぞ知るとあきらめずに、未知の暗闇にひとすじの光を投げかける動きがある】ということを見ぬかなければならないということです。

実は、ベイズの理論を念頭においてここまで書いています。


グラフは日本自動車工業会が公表している乗用車生産台数の統計です。
2011年3月の大震災で生産は大きく落ち込んでいます。その後の回復は一直線に行われたでしょうか？
夏場の電力不足に出足をくじかれ、その後に年末商戦にむけての大増産開始直後にタイの未曾有の洪水によって目論見は崩れ去ります。

つまり事前に起きた「大震災」によって対応を変えざるをえない現実に直面し、夏場の電力不足に遭遇して木・金休日など稼働日を変え、タイの大洪水によって年末までにサプライチェーンを復活させるという“事後的”な復活シナリオ成功の確率は水泡にきしたのです。

こうした現実の中では暫時修正的に戦略を転換するしか、個人も、企業も生き残れません。
つまり、過去の平均的な延長線上に未来を描くのではなく、明白になった過去から、全く先が見えない「暗黒の未来」にチョットした展望をひらくグレーな部分に着目することがポイントではないかということです。

これが従来の予測技術では過去のデータに適合度の高い予測モデルが最もよく未来を予測するというテーゼへの否定につながる。
単純に過去のトレンドの延長線上に未来を描けば図中に直線で示した「y = -137.84x + 6E+06」という回帰式になってしまう。


だが、現実は前述したように電力不足やタイの洪水の影響をうけて、赤線で示したような動きになっている。これは、事前の想定していた統計確率モデルが、事後的に変化するということをイメージして描いています。



単純に過去の自動車業界を前提に過去をふりかえって予測モデルを構築しても、その前提が崩れていくことが頻発している現在では、未来を展望できない。

昨年、もっとも変化の激しかったのは自動車業界だけではない。「株」の世界も異常に変化した年ではないでしょうか？
下のグラフは２０１１年１２月の日経平均の動きを示している。
単回帰予測モデルで未来をなぞれば、来年は明るい株価を示しているように見えるでしょ。
しかし、本当にそうなのでしょうか？



イオングループも中国シフト、都心部シフト、老齢者シフトを打ち出しているが。。もし日本の株価が中国の景気に左右されているのであれば、２０１２年は胡錦濤・温家宝が花道をかざる年でもある。

中国の景気は実力とは無関係に政策的に柳腰で成長を維持して行くでしょう。
NYダウに左右されているのであれば、年初は上昇するかもしれない。その先は欧州のリスクに依存するでしょう。
ここでは統計によって未来を展望してみる。



■指数平滑法という予測式を使うと、日経平均は8,700円から8,800円の間で上下しながら停滞する可能性を示している。
■ボックス・ジェンキンス法という予測式を使うともう少し説明力が上がっている。とりわけ、過去を平均的になぞっているのではなく最後の数日間のヒット率が高いのが特徴。

こうしてみると、過去全体をなぞることが重要なのではなく、直近の数期間（数日間）を適合度高くなぞれる予測モデルがグレーゾーンに力を発揮することが直感的にわかりますね。

そこで私は、指数平滑法、ボックス・ジェンキンス法、グレー理論の３つの予測アルゴリズムを使い、直近の３期間の誤差率を計算し手、最も適合しているモデルを使って未来を予測するシステムを開発しています。

1. 指数平滑法：過去の最大値~最小値の間をジグザクに変化していくときに適合率が高い。
2. ボックス・ジェンキンス法：過去の最大値~最小値を超えてジグザクに変化しても、一定のトレンドをもっていれば趨勢をフォローする力が強い。
3. グレー理論：極短期予測に向いている。ちょっと過去の反応からすると過剰に反応しすぎるが変化が大きいときに向いている。


しかし、所詮はどんな予測モデルでも予測は外れる。現実を完璧に予測などできません。
そこで、予測が外れている内容を「周期性」のズレ、「趨勢・トレンド」のズレ、「レベル」のズレを三種類の要素にわけて因子を探る評価・分析ロジックをもあわせて開発しています。

つまり過去に学んでも予測が外れたときに、何故はずれたのかを原因がわかれば次のアクションに結びつくと思うからです。

ここ一ヶ月ほど、毎朝ジョギングをしているがiPhoneのアプリで自動的に走行距離も、走行速度も記録されています。週初めの曜日の速度や週末の曜日の速度がわかります。
週初めの平均速度は比較的速いのですが。。。
更に、当日の気温や天候との関係をも分析することができると自分の走力が容易に理解できて、近未来の自己ベストが予測できますね。

今後のスマートフォンの普及によっては、ダイエット記録やカロリー摂取記録、水泳やバイクの走行距離がルートとともに記録されていくと、さまざまな予測が劇的に進歩することだろう。
iPhoneアプリで予測技術をいかしたアプリも開発したいですね。

今年は、明白になった過去から見えない「暗黒の未来」を照らすグレーゾーンをITによって創造したいと思います。
皆さんの新年が明るい未来でありますように。

マネーボール理論で営業マンの打率向上を！

11日に公開されるブラッド・ピット主演映画「マネーボール」でセイバーメトリクス（Sabermetrics）なる
野球の選手を評価する指標≒KPI指標（キーパフォーマンスインジケーター）を
重視した貧乏球団が勝ち上がる戦略を取り上げている。

たとえば打者が創出した総得点を「XR（extrapolated runs）」という指標で定量化する
XR＝0.5×単打＋0.72×二塁打＋1.04×三塁打＋1.44×本塁打＋0.34×（四球＋死球－故意四球）＋0.25×故意四球＋0.18×盗塁 －0.32×盗塁死－0.09×（打数－安打－三振）－0.098×三振－0.37×併殺打＋0.37×犠飛＋0.04×犠打

XRは打者が創出した総得点。
　XRが50ならその打者が得点50を生み出したということであり
　松井秀樹選手はNPB在籍10年ながらXRで計算するとNPB歴代10位につけている

しかし、他の選手と得点力を比較するにはもうすこし工夫が必要で

XR27 = XR÷（打数－安打＋盗塁死＋犠打＋犠飛＋併殺打）×27

これ「1番から9番まで同じ選手で打線を組んだら、一試合で何点稼げるか？」を表しています。
打数で割って、最後に×２７を実行するので、27打席あたえると・・・ってな感じでしょうか？
イチローが1番から9番まで繰り返し打ったら、一試合で何点稼げるか？みたいなモノサシ


私は、日本のセールスマンやコンサルタント、設計者にもXRがあってもいいのではないかと思うのです。
セールスマンとしてみれば、私は最大で80億円のビジネスを受注したことがあります。でも25年間で一回だけ

次に大きい商談は20億円かな

こうして思い返すと・・・一ヶ月≒23営業日程度で何回の商談アポを取り、何回提案書を提示、プレゼンして、いくらの金額を受注したかを重回帰分析するとセールスマンの得点力≒受注力がハッキリする。

要は、アホに見えて、規律を守らない（遅刻はするは・・定時連絡はしないは・・）で、低年俸のセールスマンのXRが品行方正で、立派な営業課長と同じレベルだったら・・・どうしますか？

無口で、パソコンやCADや実験器具としか会話しない設計技術者の特許出願件数と
その特許が応用され製品化された件数や製品ののべ売上高がXRに換算されたら・・・どうですか？
温厚でバランスのよい技術部長のXRがさんざんであったら・・・・どう？？

マネーボール　観に行かない

粋な街づくり（神楽坂

朝の散歩の途中で・・


選挙ボードみたいなボードいっぱいに何かはりだしてある

『粋な街飛びフェスタ』とある

粋な街とは・・
なんだろう

高層ビル街や高層マンションの四角いビル群の街を
”粋”とは云わないだろう

コンビニとスーパーと商店街の街も・・
たぶん粋とは云わないだろう・・

【昔から変わらない魅力があればこそ・・】かな？






みなさんの周りにある　粋　を教えて

iPhone4s 何がよくなったの？

何が良くなった？

１：CPUとグラフィック。
iPhone 4SはiPad 2に使われているのと同じCPU、デュアルコアのA5を搭載。
Appleによると、ゲームでは7倍速く、通常のタスクでは2倍速く動かせるようになるそうです。

２：ネットワークスピード。
iPhone 4Sではネットワークスピードが、7.2Mbpsから2倍の14.4Mbpsになります。

３：バッテリーの持ち
8時間通話ができるそうですよ（iPhone4では7時間）。

４：通信方式
iPhone 4Sでは、GSM & CDMA対応と両方に対応。

５：カメラ
8メガピクセルセンサでレンズもF値2.4までと明るくなりました。

神楽坂でグラッシャス！

なにげに神楽坂を駅に向かって歩いていると
ヒトダカリが・・（神楽坂は大きくは坂下から坂上までと、坂上から神楽坂駅までの二山ある）


なんかみんなで踊っている！ここは坂上から神楽坂駅にむかって登り始めてスグ！！



日曜だし、ヒトで賑わうのはいいね！！

X-MENファーストジェネレーション

X-MENって土曜の夜に・・
今週も終わった－ってタイミングで
なんにも考えないときに最高だな。

超能力モノはヒトによっては好き嫌いがハッキリわかれると
思います。
マンガでも「バビル2世」「NARUTO－ナルト」タイプが嫌いな方は
近寄らないほうが時間を大切に出来ます。

私は、「NARUTO－ナルト」タイプが好きなので・・・

X-MENもシリーズすべて観ています。

映画のハジマリのシーンは、
「戦場のピアニスト」か「ソフィーの選択」でもみているかのような
ドイツかポーランドの第二次大戦中の映像からはじまる・・・

のちにプロフェッサーXと呼ばれ、X-MENを設立するチャールズ・エグゼビアと
最強のミュータント＿マグニートーとして恐れられるようになるエリック・レーンシャー

この若き２人の前に、ドイツ軍出身で
人類滅亡を目論むミュータント集団ヘルファイヤークラブが立ちふさがる

気楽に、楽しむにはいいけど。。。それ以上ではない。