ONLINE SEMINAR ── 需要予測 × PYTHON × 生成AI
実践講座｜全2回
予測表を配るのではなく、今日確認すべき商品と理由を届ける。
／13:30-18:00ONLINE
Pythonで作った需要予測を、ベースラインと時系列で評価し、欠品・販促・誤差のルールで要注意商品を絞り込み、
生成AIが根拠付きの日次ブリーフを書く「需要予測エージェント」を、午後2回で組み立てます。
100%返金保証 1日目の開催後2日以内にお申し出いただければ、理由を問わず全額返金します。
CONCEPT
予測値を作るモデルから、
予測を使う担当者を支援するエージェントへ。
予測・評価・例外ルールの計算はPythonの関数に固定し、生成AIには「どのツールをどの順で呼ぶか」と「結果をどう説明するか」だけを任せます。ブリーフに書かれた商品・数値・ルールIDはすべてPython側で検証され、検証に通らなければ定型ブリーフに切り替わります。
需要予測モデルを作り、毎朝20商品×7日の予測表をCSVで配る——ここまでで止まっている現場は少なくありません。担当者は全商品を同じ優先度で眺め、どの数字を信じ、どれを疑うかを自分で判断します。欠品の日を学習から外したか、来週の販促を織り込んだかは、表を見ても分かりません。
精度の高いモデルがあっても、担当者の朝の作業は変わりません。20商品なら目で追えても、200商品・2,000商品では「全部見る」ことが先に破綻します。
そこで担当を3つに分けます。人は基準日を指定し、ブリーフを読んで発注を決める。生成AIは予測・例外抽出・商品詳細のツールを選び、担当者向けの文章を書く。Pythonは予測と評価を計算し、例外ルールを当て、生成AIが書いた商品・数値・ルールIDを検証する。
数字を作るのも確かめるのもPythonなので、同じ基準日なら何度実行しても同じ要注意商品が出ます。発注数量は決めません——在庫数量もリードタイムもデータにないからです。「ここまでは言える、ここからは現場で確認する」の線引きを、ご自身の手で組み立てる講座です。
PROBLEM
DELIVERABLE
2日間で作るのは、基準日を渡すと「予測の更新 → 評価 → 要注意商品の抽出 → 日次ブリーフ」まで自分で進める小さな需要予測エージェントです。質問がなくても動く点が、第1弾の「質問に答えるCopilot」との違いです。
| 担当者の指示 | 需要予測エージェントがすること |
|---|---|
| 本日のブリーフを作って | 予測を更新し、例外ルールで要注意商品を抽出し、上位商品の直近実績を確認してブリーフを書く |
| 飲料だけでお願い | カテゴリを絞って同じ流れを実行する |
| 先週の予測は当たっていた？ | バックテストの商品別指標と、除外した欠品日数を説明する |
| 来週の発注数を決めて | 対象外と説明し、予測数量・区間・確認事項を返す（発注数量は書かない） |
| 新商品は来週いくら売れる？ | 履歴不足で予測不能と明記し、直近実績と代替の確認方法を示す |
| 猛暑で増えるんですよね？ | 天候データがないことを説明し、推測として分けて確認事項を添える |
実際の画面です（Streamlit版・模擬モード）。基準日を指定 → 要注意商品一覧 → 商品詳細のグラフ → ブリーフ、という順で出ます。
OUTCOME
CASE STUDY
毎朝の発注確認で起きていることを、講座データ（D店）でそのまま追いかけます。
舞台は第1弾と同じ小売店「D店」。弁当・おにぎり・飲料・デザートの20商品を扱う小さな店です。発注担当者は毎朝、翌日以降の発注を確定する前に売れ行きを確認し、毎週月曜には本部との「発注確認会議」（15分）で翌週の見通しと懸念を報告します。
手元にあるのは、商品別・日別の販売数量が2年分。販促の種類、欠品フラグ、祝日フラグ、価格は付いていますが、顧客属性・来店人数・在庫数量・天候は入っていません。その表から、毎週こう聞かれます。
この3つの問いに、需要予測エージェントがどう答えるか。実際の講座データで順に追ってみます。
まず予測です。基準日は8月31日（月）、予測期間は9月1日〜7日。ハンバーグ弁当の予測7日合計は 68.6個、同曜日の直近4週平均の合計 61.5個に対して +11.6％。金曜（9/4）は弁当の値引デーなので、その日だけ予測が平常日より高く出ています。
8月25日と26日には×印——欠品日です。この2日の数量は「売れた数」ではなく「売れ残りがなくなるまでに売れた数」なので、学習・評価・ラグ特徴量のすべてから外しています。欠品日をそのまま需要として学習すれば、予測は低いほうへ引きずられます。
需要予測エージェントの答え方 予測数量と区間、販促の予定、除外した欠品日を一緒に示します。発注数量は書きません。在庫数量もリードタイムもデータにないので、決められないことは決めません。
次に評価です。直近8週（7/6〜8/24）の毎週月曜を基準日にして翌7日を予測し、実績と比べました。評価日は1,114日分（欠品6日は除外）。前週同曜日（B1）のMAEが 5.85個、直近7日平均（B2）が 5.60個、同曜日4週平均（B3）が 4.55個に対して、勾配ブースティング（M1）は 4.19個です。
モデルのMAEは前週同曜日の 0.72倍。ここで初めて「ベースラインに勝っている」と言えます。ただし商品ごとに見ると、低回転の杏仁豆腐はSMAPEが62.1％——この商品の予測は参考値にとどめるべきです。全体の指標だけで判断しない、を数字で確かめます。
需要予測エージェントの答え方 MAE比が1以上（ベースラインに負けている）か、SMAPEが40％以上の商品は、ルール R3「誤差大」として要注意商品に入れます。
最後に例外ルールです。8つの固定ルール（急増・急減・誤差大・偏り・欠品候補・販促予定・データ異常・履歴不足）を当てると、D店の要注意商品は8件。優先順位の高い順に並びます。
明太子おにぎりの8月28日は、欠品フラグがないのに数量0。平均27個売れる商品が0なら、売れなかったのではなく記録が漏れた可能性が高い。データ異常として「担当者に確認し、修正後に予測を更新する」が確認事項になります。
需要予測エージェントの答え方 ルールに該当した事実、データにない要因の推測、担当者が確認すべき事項を分けてブリーフに書きます。ブリーフに登場する商品と数値は、Python側の要注意商品表と照合してから表示します。
各自実習では、別のサンプル——カフェ「E店」——でも同じ処理を試します。E店は要注意商品が11件で、表示上限の10件を超えます。プリンは8月に効果の大きい陳列をしていたので、販促のない9月は −36.4％ の急減（R2）。8月12日に発売した抹茶ラテは履歴が20日しかなく、予測不能（R8）として扱われます。
この3ステップを組み立てる過程が、そのまま講座の演習です。
最後は、①〜⑧の項目に沿った翌週の発注確認会議用ブリーフを自分で出力するところまで進みます。
CURRICULUM
| 時刻 | 内容 |
|---|---|
| 13:30〜13:50 | 導入・完成デモ：D店の発注確認会議、需要予測エージェントの完成像、「数字はPython、説明は生成AI」 |
| 13:50〜15:00 | データ確認：粒度・カレンダー・販促・欠品。欠品日の数量が需要でない理由／検査用データで問題行を見つける |
| 15:00〜15:20 | 時系列分割とバックテストの枠組み。ランダム分割との指標差 |
| 15:30〜16:45 | ベースライン3種と勾配ブースティング。特徴量は予測時点で手に入るものだけ／基本演習1 前半 |
| 16:55〜17:45 | 商品別・週別の誤差分析、残差分位点による予測区間／基本演習1 後半（精度が悪い商品の特定） |
| 17:45〜18:00 | 質疑・次回準備 |
| 時刻 | 内容 |
|---|---|
| 13:30〜13:50 | 振り返り・動作確認（API実接続 or 模擬モード）、Tool Calling・構造化出力の復習 |
| 13:50〜15:00 | 予測パイプラインのツール化、例外ルール8種と優先順位／閾値を変えるミニ演習 |
| 15:00〜15:50 | エージェントループ：ツール選択・呼出し上限・必須ツールの担保／ブリーフの構造化出力と検証、定型ブリーフ |
| 15:50〜16:45 | 基本演習2（履歴不足・連続欠品・販促予定・発注指示）／簡易UI・CSV出力／Streamlit版の講師実演 |
| 16:55〜17:45 | 総合演習：翌週の発注確認会議用ブリーフを作る（事実・推測・確認事項を分ける） |
| 17:45〜18:00 | 自社データへの置換・予測運用チェックリスト・復習方法 |
MATERIALS
| 教材 | 内容 |
|---|---|
| 講座スライド | 1日目・2日目（ノート欄に解説付き）、Streamlit補足資料 |
| サンプルデータ | D店（実演・演習、2年分 13,962行）、E店（各自実習、10,970行）、検査用、将来カレンダー。データ定義書付き |
| スターターNotebook | 穴埋め式の受講用（1日目・2日目）。埋めるのは「分割と評価」「例外ルール」「ブリーフの検証」 |
| 完成Notebook | 全処理を実行できる講師版・復習版（OpenAI版、Claude版、Gemini版） |
| 完成アプリ | Notebook内の簡易UI、Streamlit版（ローカル／Community Cloud 公開手順付き） |
| 演習問題 | 基本演習2問、総合演習1問（講師の解答方針付き） |
| 評価用ケース | 指示と期待動作 12問、正解表、検証テスト23件 |
| チェックリスト | 予測運用チェックリスト（自社の予測表・データへの置換）、日次ブリーフの雛形 |
| README | 環境構築手順、APIキー設定、よくあるエラー |
BENEFITS
2店舗・2年分の日次需要データ（24,932行）と将来カレンダー、予測・評価・例外ルールの関数群、スターター／完成Notebook（OpenAI・Claude・Gemini版）、Streamlit版アプリ、演習問題、評価ケース12問と検証テスト23件。講座後もご自身のプロジェクトに持ち込めます。
自社の予測表やデータに置き換えるとき、列と粒度・欠品と販促の記録・評価の基準日・例外ルールの閾値・生成AIへの送信範囲のどこを確認すべきかをまとめた一覧。日次ブリーフの雛形も付きます。
各回の開催後、復習用のアーカイブ動画を2週間以内に期間限定で配信します。当日うまく動かなかった箇所を、後から手元で追いかけられます。
当日のチャット・音声質問に加えて、2027年1月9日（土）までメールで演習のご質問を受け付けます（年末年始をはさむため、第1弾より1週間長く設けています）。
ご希望の方に、講師とのデータ分析相談50分、または次回開催時の無料再受講のいずれかをご用意します。
FOR YOU
第1弾（POS売上分析Copilot）の受講は必須ではありません。Tool Calling と構造化出力は2日目の冒頭で復習し、共通部品を配布します。時系列モデルの理論、Webアプリ開発経験は不要です。Pythonを一度も見たことがない方向けの入門講座ではありません。
模擬モードは教材に同梱した生成AIの代役（ルールベース）です。ツール要求の形式も、引数の検証も、ブリーフの検証も、実接続とまったく同じ処理を通ります。実接続する場合の利用額の目安は1ブリーフあたり約1〜2円です。
COMPARISON
| 一般的な予測モデル講座・無料情報 | この講座 | |
|---|---|---|
| 出発点 | モデルの作り方・精度の上げ方 | 企業の具体的な業務課題（発注確認会議） |
| 評価 | 1つの指標を見る | ベースライン・欠品日の除外・時系列分割で「使えるか」を評価する |
| 予測の使い方 | 予測表を出して終わる | 例外ルールで確認対象を絞り、ブリーフにする |
| 演習 | デモを見る | 受講者自身が動く成果物を完成させる |
| 正しさ | 出力をそのまま使う | 生成AIの出力を商品・数値・ルールIDで検証し、通らなければ定型に切り替える |
| 持ち帰り | スライド | 完成コード、演習、データ、チェックリスト |
無料セミナー（60分）では完成像と設計思想をお見せします。有料講座との違いは、講師の実演を見て自分で演習し、講師の解答・解説と完成コードで復習できる点です。
OVERVIEW
| 項目 | 内容 |
|---|---|
| セミナー名 | 需要予測エージェントを作る（全2回） |
| 講師 | 高橋 威知郎（Marketing & Sales Data Scientist） |
| 開催日 | 1日目 2026年12月5日（土）13:30〜18:00 2日目 2026年12月19日（土）13:30〜18:00 |
| 開催場所 | オンライン（Zoom予定） |
| 参加料 | 22,000円／1名（税込） ※テキスト・データ・完成コード等を含む サブスク会員 16,500円（税込） お申し込み時に会員クーポンコードをご入力ください |
| 定員 | 10名 ※満席になり次第、締め切り |
| アーカイブ | 復習用にアーカイブ動画を各回の開催後2週間以内に期間限定で配信 |
| 質問対応 | 当日のチャット・音声質問。加えて2027年1月9日（土）まで、メールで演習のご質問を受付 |
| 生成AIのAPI | リファレンス実装は OpenAI（Claude／Gemini版の教材も配布）。全演習は模擬モードで完結するためAPIキーは不要。実接続を試す場合は各自のAPIキーで、利用料は受講者負担（目安：1ブリーフあたり約1〜2円） |
| 必要なもの | ノートPCはご準備ください（Jupyter Lab の環境構築手順書を事前にお送りします） |
| 主催 | 株式会社セールスアナリティクス |
GUARANTEE
1日目の開催後2日以内にお申し出くだされば、理由を問わず全額返金します。
「自分に合うか分からない」段階でも、安心してお申し込みください。
INSTRUCTOR
高橋 威知郎Marketing & Sales Data Scientist ／ 株式会社セールスアナリティクス 代表取締役
データ分析・活用のコンサルタント、中小企業診断士。企業研修、講演、執筆、コンサルティングを通じて、データを事業の成果につなげる支援を行う。小売のPOS分析、製造業のDX、売上予測、因果推論の教育など、統計の正しさと実務での使いやすさの両立に取り組んでいる。
FAQ
ベースライン（前週同曜日・直近7日平均・同曜日4週平均）から順に作ります。モデルは scikit-learn の勾配ブースティング1種類に絞り、理論よりも評価と運用に時間を使います。
大丈夫です。Tool Calling と構造化出力は2日目の冒頭で復習し、共通部品を配布します。
扱いません。ベースラインに勝てているかを評価する枠組みを作り、モデルの差替えは発展課題にします。
出ません。配布データには在庫数量やリードタイムがないため、予測数量・区間・確認事項までを扱います。発注数量を決めるのは担当者です。
評価・例外ルール・ブリーフ生成は予測表を入力にするため、同じ列構成にすれば差し替えられます。置換手順は予測運用チェックリストでお渡しします。
教材に同梱した生成AIの代役（ルールベース）です。本物と同じ形のツール要求を組み立て、引数の検証、結果IDの付与、ブリーフの検証まで実接続と同じ処理を通ります。APIキーがなくても全演習を最後まで進められ、画面には必ず「模擬モード／API実接続」と表示されます。
全演習は模擬モードで完結するため、APIキーがなくても追加費用はかかりません。実接続を試す場合は各自のAPIキーをご用意いただき、利用料は受講者のご負担となります。目安は1ブリーフあたり約1〜2円（OpenAI gpt-5.6-luna の公開料金からの試算、2026年11月時点。1回のブリーフ作成で行うツール呼出し5回分の入出力トークンを合算）で、講座中のすべての演習を実接続で行っても数十円程度です。
標準環境はご自身のPCの Jupyter Lab です。Colabでも多くのセルは動きますが、サポート対象外とさせてください。
講座のリファレンスは OpenAI ですが、Claude版・Gemini版のNotebookも配布します（接続層だけが違い、ルールと検証の仕組みは共通です）。
学習用の最小構成を作ります。実務導入では在庫・納品・権限・運用条件に合わせた調整が必要です。
各回の開催後2週間以内にアーカイブ動画を配信しますので、そちらで追いつけます。演習でつまずいた点は2027年1月9日までメールでご質問いただけます。ハンズオンのため、可能な限りライブ参加を推奨します。
決済完了メールが領収書を兼ねます。宛名や但し書きを指定した領収書、事前の請求書が必要な場合は info@salesanalytics.co.jp までご連絡ください。
FREE WEBINAR
無料セミナー｜要注意商品と確認事項を届ける需要予測エージェントの設計
有料講座に申し込む前に、完成像と設計思想を60分でご覧いただけます。「なぜ予測表を配るだけでは使われないのか」「評価は何と比べるのか」「確認すべき商品をどう絞るのか」を、実際に動く画面を見ながらお話しします。
2日程とも同じ内容です。ご都合のよい日をお選びください。参加無料・お申し込み後、ご登録のメールアドレスに参加URLが届きます。
APPLICATION
1日目 2026.12.5（土）・2日目 12.19（土） 各回 13:30〜18:00 ｜ オンライン・全2回 ｜ 定員10名
一般 22,000円／サブスク会員 16,500円（税込）
100%返金保証つき（1日目の開催後2日以内のお申し出で全額返金）
まず完成像を見たい方は → 無料セミナー「「当てる」で終わらせない需要予測――要注意商品と確認事項を届ける需要予測エージェントの設計」（11月25日（水）・12月2日（水）19:00〜20:00・無料）
NOTES
12/5・12/19（土）オンライン全2回／定員10名
申し込む｜税込22,000円