YDK / INSIGHTS
Excelの売上データだけでもAI・機械学習は作れる？
Excelでも、日付・売上・商品などの意味が分かり、目的に合う履歴があれば予測モデルを始められます。LAITでは形式よりデータの中身と、予測を何に使うかを重視します。
手元の表を出発点に、いま分かることと、追加で必要な記録を整理します。大きなシステムを用意する前に考えたい、実務の入口です。
ExcelからAIをつくる、とは何をすることか
Excelを開くだけで予測が完成するわけではありません。表の一行が取引・商品・顧客・日付のどれを表すかを決め、列を整理し、過去の情報から目的の数値や分類を学習できる形にします。LAITの企業専用AIは、企業のデータを使う機械学習モデルです。
「先月の売上を知りたい」は集計、「来週の売上を見積もりたい」は予測です。まず問いを分けると、機械学習が必要かどうかも判断できます。
商品別の翌週売上を見積もる設計例
例えば、販売日・商品コード・数量・売上額を記録している店舗を考えます。商品別に週単位で集計し、翌週の売上を見積もって仕入れの検討材料にします。これは説明用の設計例で、顧客の導入実績ではありません。
- 返品とキャンセルを含む売上の定義を決める。
- 商品名の表記揺れを商品コードにそろえる。
- 週の区切り、休業日、売上ゼロの日と未記録の日を区別する。
- 過去の期間で学習し、後の期間で予測を評価する。
欠品で販売数が抑えられた場合、販売実績だけから本来の需要を読み取れるとは限りません。
最初にそろえる列と条件
| 項目 | 記録したい内容 | 判断に関わる点 |
|---|---|---|
| 日付 | 取引日または集計対象日 | 将来の情報を過去の予測へ混ぜない |
| 売上・数量 | 税込・税抜、返品等の統一定義 | 比較する数字の意味をそろえる |
| 商品・店舗 | 変わらない識別コード | 表記揺れや統合を整理する |
| 営業・在庫 | 休業、欠品、在庫の状態 | 売れなかった理由を区別する |
| 販促など | 予測する時点で分かる計画 | 事後に分かった結果を入力しない |
すべての列が必須という意味ではありません。手元の情報でどこまで評価できるかを先に整理し、足りない列を目的に応じて追加します。
手元の表で、実際にできること
LAITでは、売上の推移や構成比、記録漏れ、商品ごとの変動などを分析するところから始められます。顧客コードと購買履歴があれば顧客別の分析、在庫と入出庫の履歴があれば在庫の変化を扱えます。
一方、月別売上の合計だけで顧客離反の正解を学習することはできません。目的に対応する粒度と結果の記録が必要です。
Excelを入口に進めやすいケース
- 同じ定義で継続して記録している。
- 何を、どの単位で、いつ予測したいかを説明できる。
- 予測を見て発注や配置などの行動を変えられる。
- 実績と比べる担当者がいて、誤差を振り返れる。
先に記録や集計を整えたいケース
合計値しか残っていない、毎月列の意味が変わる、売上ゼロと未入力を区別できない場合は、データの整備を優先します。期間が短く、評価するために残せる履歴がない場合も、できる範囲の分析と継続記録から始めます。
予測より、表の整理や集計ルールを変えるだけで解決できる課題もあります。
集計・単純な予測・機械学習を比較する
| 方法 | 答えやすい問い | 必要な材料 | 注意点 |
|---|---|---|---|
| Excelでの集計 | どこで売上が変わったか | 定義がそろった実績 | 将来の予測は別に考える |
| 前週値・移動平均 | 単純な方法でどこまで見積もれるか | 時間順の履歴 | 急変や販促への対応は限られる |
| 機械学習 | 複数条件で将来の値を見積もれるか | 結果と、予測時点で分かる特徴 | 評価と運用の維持が必要 |
LAITでは、列の意味から一緒に整理する
評価のイメージは架空データの分析デモで、実際の相談範囲はデータ分析で紹介しています。