あえて予測の更新頻度を落とす
コメント
注目のコメント
モノタロウさんの場合、ロングテールが長いことが需要予測の課題と思われます。つまりほとんど売れることのないようなニッチ商品の点数が非常に多く、こういった商品の予測精度を上げる工夫を考えていく必要があります。機械学習が苦手とする分野です。
残念なのは、この取り組みの結果としてどれくらい精度が、またビジネス指標がどれくらい上がったのかということが書かれていなかったこと。人間が機械学習を解釈しにくいという問題が挙がっていますが、人間の予想だってそんなに解釈可能なものではないです。重要なのはそれを使ってどれくらい価値が出たのかという検証を行い、効果を明らかにすることです。
予測方法が変わって発注量が増えて困るという話も、機会損失が減っているならばよしとするべきかもしれません。私もモノタロウで在庫ありの表示を信じて物を買ったけれど、後からやっぱりなかったのでキャンセルさせてくださいというメールを受け取ったことがありますが、こういうことを減らそうとすると当然発注量は増えます。でもそこから得られる利益が在庫管理コストを上回っていれば問題ないはずです。興味深く拝読しました。私も共同研究や技術アドバイザとして企業さんと接する中で、需要予測にはいくつか関わっています。
・発注が増えたりバタついたりする件について
機械学習だけでなく、各種最適化も考慮に入れると、より良いモデルができるのではないかと思いました。例えば、在庫として持てる量も考慮して最適化するとか、1点欠品したときに利益損失の大きなほうを優先的に発注かけるとか、できることはいくつかあります。「遠足のおやつは300円まで」と言われたときに、何を持っていこうか悩むのと似ています。
・説明可能性について
人間も説明できているのではなく、あとからこじつけているだけなのではと思う場合はとても多いのですが、それは無視したとして。線形モデルや決定木などある程度説明可能なモデルは存在します。
・そもそも予測できるのかについて
某国内有名ECサイトの責任者の方が講演で「1個単位まで正確に予測がたつものと、まったくなぜ売れたかわからないものがある」とおっしゃっていました。まずは予測ができるものとできないもの、それらを分けることから始めるのが重要だと思います。ちなみに、1個単位まで予想が経ちやすいのは某有名アイドル事務所に所属するアイドルグループや有名演歌歌手のCDだそうです。うーん。この方針は筋が悪そうだなあ。キャッチーだと思ったからこのタイトルにしたんだろうけれども、発表するようなものではない気がする。
具体的な手法とかは他コメントにもある通りで、「予測を落とす」ではなく、他の解決手段を用いるべきだったかなあと。
とはいえ、開発現場において、常に「完璧」を求められるわけではないし、「とりあえずこうやって暫定的に対処しました」みたいなのはナシではないのよね。「仕方なくこうやった」感が出てれば全然良いと思っていて、タイトルにしていることだけが違和感がある。