予測モデルの開発担当者から、こんな報告を受けたことはないでしょうか。

「予測精度95%のモデルが完成しました」

数字だけ見れば、素晴らしい成果に思えます。

会議でも「いよいよ我々もデータドリブンだ」と期待が高まります。

ところが、いざこのモデルを現場に渡すと、不思議なことが起こります。

誰も使わないのです。

発注担当者は相変わらず自分のExcelで数字を出しているし、営業部長は「参考にはするけどね」と言いながら、結局は勘で判断している。

せっかく作った高精度モデルが、社内の片隅でほこりをかぶっていく。

この現象は、実は多くの企業で繰り返されています。

そして、その原因は現場の「ITリテラシー不足」でも「変化への抵抗」でもありません。

予測精度という指標そのものが、現場の意思決定とかみ合っていないことが根本的な問題なのです。

「精度が高い」は、「使える」と同じ意味ではない

まず、「予測精度」という言葉の意味を整理しておきましょう。

需要予測の精度は、多くの場合MAPE（Mean Absolute Percentage Error：平均絶対パーセント誤差）などのような指標で測られます。

MAPEを簡単に言えば、「予測値と実績値がどれくらいズレたかを、パーセントで表したもの」です。

MAPEが5%なら「平均して5%しかズレていない＝精度95%」ということになります。

一見わかりやすい指標ですが、ここに大きな落とし穴があります。

MAPEは「平均」の話をしているのです。

たとえば、ある商品の月間売上予測で「精度95%」と言われても、それは数か月の平均値です。

個々の月を見ると、ある月は誤差1%、別の月は誤差15%ということがあり得ます。

そして現場の担当者が本当に困っているのは、その「15%ズレた月」にどう対応するかです。

発注量を決める担当者の立場で考えてみてください。

「平均すれば5%しかズレません」と言われても、「今月は上に15%ズレるかもしれないし、下に15%ズレるかもしれない」という不確実性が消えるわけではありません。

その不確実性にどう対処すればいいかを教えてくれない予測は、現場にとって「参考情報」の域を出ないのです。

現場が本当に知りたいのは「数字」ではなく「判断の手がかり」

ここに、予測精度の議論と現場の意思決定の間にある、根本的なギャップがあります。

データ分析の世界では、予測モデルの良し悪しは「どれだけ正確に当てられるか」で評価されます。

MAPEが5%のモデルは、MAPEが10%のモデルより「良い」とされます。

これ自体は正しい評価です。

しかし、現場の担当者が日々向き合っているのは、「この数字をもとに、具体的に何をすればいいのか」という問いです。

そして、この問いに答えるためには、予測精度とは別の情報が必要になります。

たとえば、在庫の発注担当者が本当に知りたいのは、次のようなことです。

• 来月の需要が1,000個と予測されているけれど、上振れした場合、最大でどのくらいまで増える可能性があるのか
• そのリスクに備えて、何個余分に持っておくべきなのか
• 逆に、下振れして800個しか売れなかった場合、余った在庫の処分コストはどのくらいになるのか

つまり、求められているのは「1,000個」というピンポイントの数字ではなく、「900〜1,100個の間に収まる可能性が高い」というような幅のある情報と、その幅に対してどう行動すべきかの判断基準なのです。

精度95%のモデルが教えてくれるのは「1,000個」という点の予測だけで、この「幅」や「判断基準」については何も語ってくれません。

だから現場は、せっかくの高精度モデルを前にしても、「で、結局どうすればいいの？」となってしまうわけです。

精度の「平均値」が隠してしまう、2つの重要な情報

予測精度の数字が、現場にとって本当に重要な情報を隠してしまうケースをもう少し具体的に見てみましょう。

　隠される情報① ： ズレの「方向」

MAPEは予測と実績のズレの大きさ（絶対値）を測る指標なので、上にズレたのか下にズレたのかという「方向」の情報が消えてしまいます。

しかし実務では、上にズレること（予測より売れなかったこと）と下にズレること（予測より売れたこと）では、発生するコストがまったく違います。

上にズレれば過剰在庫と廃棄ロスが発生し、下にズレれば欠品と機会損失が発生します。

どちらのリスクが大きいかは、商品の性質や業界によって異なります。

たとえば、賞味期限のある食品なら上振れ（＝売れ残り）のコストが極めて高く、逆に納期遅延が許されない部品メーカーなら下振れ（＝欠品）のコストが致命的です。

現場はこの「方向」を知りたいのに、MAPEはその情報を平均化して消してしまうのです。

　隠される情報② ： ズレが「いつ」起きるか

もうひとつ隠されるのが、予測が大きくズレるタイミングのパターンです。

年間のMAPEが5%でも、「毎月まんべんなく5%ズレている」のと「11か月はほぼ正確だが、年末商戦の1か月だけ30%ズレる」のとでは、現場の対応はまったく変わります。

後者の場合、年末商戦だけ別の判断ルールが必要になりますが、年間平均のMAPEだけ見ていると、その必要性に気づけません。

こうした「いつ、どの方向に、どれくらいズレやすいか」というパターンこそ、現場が判断を組み立てるために必要な情報です。

しかし、精度という一つの数字に集約してしまうと、これらの情報はすべて見えなくなります。

では、現場を動かす予測とは何か

ここまでの話を踏まえると、「精度を上げること自体が間違いだ」と思われるかもしれません。

もちろん、精度は高いに越したことはありません。

ただ、精度は予測モデルの品質を測る指標であって、現場が行動できるかどうかを測る指標ではないということです。

現場を動かす予測に必要なのは、以下のような要素です。

　「幅」を示すこと

「来月の需要は1,000個です」ではなく、「900〜1,100個の間に収まる可能性が80%です」という伝え方をするだけで、現場の使い方はまったく変わります。

この「幅」のことを統計の世界では「予測区間」と呼びますが、名前はともかく、幅があること自体が、現場にとっては安心材料であり、同時に判断材料になります。

「最悪でもこの範囲」という情報があれば、安全在庫をどれだけ持つべきかの検討ができるからです。

　「判断ルール」とセットにすること

予測値だけを渡しても、現場は動けません。

• 予測値が〇〇以上なら追加発注をかける
• 予測の上限値を超えた場合は△△に報告する

……といった具体的な判断ルールと一体で設計して初めて、予測は「使えるもの」になります。

　精度の「限界」を正直に伝えること

意外に思われるかもしれませんが……

• このモデルは年末商戦の時期だけ精度が落ちます
• 新商品の初月は予測が当たりにくいです

……と正直に限界を伝えたほうが、現場の信頼は高まります。

なぜなら、限界がわかっていれば、その時期だけ別の判断方法を用意できるからです。

「精度95%です」とだけ言われると、外れたときに「話が違う」となり、モデルへの信頼が一気に崩壊します。

「精度」を超えた先にある、本当の問い

需要予測の改善というと、つい「精度をもっと上げよう」という方向に向かいがちです。

より高度なアルゴリズムを試し、より多くのデータを投入し、MAPEの数字を1ポイントでも改善しようとする。

その努力自体は間違っていませんが、それだけでは現場は動きません。

本当に問うべきは、「この予測を受け取った人は、これを見て何をすればいいかわかるか？」ということです。

予測値という「点」を出すだけでなく、ズレの「幅」と「方向」と「タイミング」を伝え、それに基づく判断ルールまで設計すること。

これが、予測モデルを「分析チームの成果物」から「現場の意思決定ツール」に変えるために必要な視点の転換です。

精度は大切です。

しかし、精度だけを追いかけている限り、「すごいモデルを作ったのに誰も使ってくれない」という問題は解消されません。

予測の価値は、最終的に「人が動いたかどうか」でしか測れないのです。

今回のまとめ

予測精度を高めることは大切ですが、それだけでは現場は動きません。

MAPEのような精度指標は、ズレの「方向」や「タイミング」といった現場の判断に不可欠な情報を平均化して隠してしまうからです。

現場が本当に必要としているのは、ピンポイントの予測値ではなく、「どのくらいの幅でブレ得るのか」「その幅に対してどう行動すべきか」という判断の手がかりです。

予測モデルを現場で使われるものにするためには、精度の追求に加えて、予測区間の提示、具体的な判断ルールとの一体設計、そしてモデルの限界を正直に共有することが欠かせません。

「精度が高いモデルを作ること」と「現場が動ける予測を届けること」は、似ているようで別の問いなのです。