需要を予測するモデルは、大きく２種類に分けられる

①過去の実績値から将来を予測する時系列データに基づく予測モデル

②需要量に影響を与える他の要因間との因果関係から将来を予測する多変量解析にもとづく予測モデル

⇒初めに要因の将来予測を行い、その後に将来の要因から需要量を予測する事になる。

全社の時系列データにもとづく予測モデルには、移動平均法、指数平滑法、ARIMAなどのモデルがある。

ここではこれらのモデルの考え方を説明するために、まず、需要を構成する成分について説明する。

特売や運動会といったイベントによる影響を除くと、需要を構成する成分は、基準となる水平成分と需要の増減傾向を示す傾向成分、そして、季節的な変動を示す周期成分、最後に偶然性に起因する変動を示すノイズとなる。したがって、各予測モデルは需要を構成する成分のうち、ノイズを除くいくつかの成分から将来を予測するモデルとなっている

多変量解析とは

多くの情報を基にその関係性を解き明かす手法で、関連のある複数の種類のデータ（変数、変量）をまとめたり、将来の状態を予測するなどの解析作業の総称。

例：顧客数や商品単価、店舗数などから将来の売上高を予測したり、販売データからグループ分けを行ったりするもの。

多変量解析でできること

身長や体重、体脂肪率、肺活量、血圧などのデータから、「病気の有無や、その確率を知りたい」

こうした例からわかるように、多変量解析は実践的な手法と位置づけられています。