【テンプレート付】需要予測システムの要件定義｜機能要件・非機能要件チェックリストと進め方

需要予測システムの要件定義とは

需要予測システムにおける要件定義とは、何を（SKU×拠点×週次など）どのリードタイムでどの精度まで予測し、その結果をどの後続業務（生産計画・発注・在庫補充）にどう渡すかを文書で確定する工程です。予測モデルの選択そのものではなく、入力データの粒度・断面、予測の評価指標、需要者（計画担当）の合意形成プロセスまでを含めて定義します。単なるツール選びの前段ではなく、需要予測を業務に組み込むための業務設計そのものです。

なぜ要件定義で需要予測システム導入の成否が決まるのか

需要予測システムは「予測精度が出れば成功」ではなく、予測結果が在庫・生産・調達の意思決定に使われて初めて価値が出るため、要件定義で業務との接続点を定義できないと精度が出ても使われません。予測粒度や評価指標を曖昧にしたまま導入すると、後から「この単位では使えない」と判明し、データ整備からやり直しになります。

• 予測粒度（SKU単位か商品グループか、拠点別か全社か）を決めずに導入し、生産・発注の意思決定単位と合わず予測値が使われない
• 新製品・季節品・スポット需要など予測が難しいセグメントを区別せず一律モデルを適用し、主力品の精度まで巻き添えで落ちる
• MAPEやバイアスなどの評価指標と合格ラインを定義せず、当たっているか判断できないまま「人の勘の方が上」と運用が形骸化する
• 出力先である生産管理・在庫管理システムとの連携仕様（粒度・更新頻度・締めタイミング）を後回しにし、予測値が業務サイクルに乗らない

要件定義で決める5つの範囲

1. 予測対象とセグメント — 予測するSKU・拠点・チャネルの範囲と、新製品/季節品/間欠需要など別扱いするセグメントを定義します
2. 予測の粒度とサイクル — 予測単位（SKU×拠点×週次など）、予測期間（リードタイム＋安全マージン）、再計算頻度を確定します
3. 入力データと需要の定義 — 出荷実績か受注実績か、需要としてカウントする断面、欠品時の真の需要（ロストセールス）の扱いを定めます
4. 予測ロジックと人手調整 — 統計・機械学習モデルの適用範囲と、営業情報やキャンペーンを反映する手動補正（オーバーライド）の権限と記録を含めます
5. 出力と後続業務への連携 — 予測値を生産計画・MRP・発注・安全在庫計算へ渡す範囲と、合意形成（需給調整会議）での使い方を定義します

需要予測システムでは「予測を作る範囲」だけでなく「予測を業務判断に使う範囲（需給調整プロセス）」まで含めないと、当たる予測が宙に浮きます。

要件定義の進め方：5ステップ

ステップ	内容	アウトプット
①	現状分析：現行の需要予測（Excel・担当者の勘）の精度、予測粒度、予測サイクル、欠品・過剰在庫の実態を定量化する	現状予測精度（MAPE/バイアス）測定結果、課題一覧、対象SKU分類
②	目的・KPI設定：予測精度の目標と、その先の在庫削減・欠品率・計画変更回数などの業務KPIを紐づけて設定する	KPI定義書（予測精度目標と業務効果目標）、ベースライン値
③	要件定義：予測粒度・サイクル・セグメント別ロジック・人手補正・連携仕様・非機能要件を文書化する	要件定義書、データ項目定義書、連携仕様書
④	PoC・モデル検証：自社の実データで複数モデルの予測精度を過去期間で検証（バックテスト）し、合格ラインを満たすか確認する	PoC結果報告書（セグメント別精度比較）、採用モデル判断
⑤	ベンダー選定・計画策定：要件適合度・精度・運用負荷・費用で評価し、導入・移行・定着化の計画を確定する	ベンダー評価表、導入ロードマップ、運用体制案

予測精度（MAPE・バイアス）だけでなく、その改善が在庫日数・欠品率・計画変更回数の削減にどう効いたかをKPIとして必ず併設します。

機能要件チェックリスト（需要予測システムの核心）

需要予測システムに求める代表的な機能要件です。自社の状況に照らして「必須／任意／不要」を判断してください。

大分類	主な要件項目
予測対象・マスタ管理	SKU・拠点・チャネル別の予測階層定義, 新製品/季節品/間欠需要のセグメント分類, 商品ライフサイクル（導入・成長・終売）管理, 予測対象の自動絞り込み（ABC/XYZ分析）
需要データ取込・前処理	出荷/受注実績の取込, 欠品期間の補正とロストセールス推定, 異常値・スパイク（特需）の検知と除外, プロモーション・キャンペーン期間のフラグ付け
予測モデル・アルゴリズム	時系列モデル（指数平滑・ARIMA等）と機械学習モデルの併用, セグメント別の自動モデル選択, 間欠需要向けCroston法対応, 予測区間（信頼区間）の算出
因果・外部要因の取込	価格・販促・天候・カレンダー（祝祭日・連休）要因の組込, 上位の販売計画・予算とのトップダウン調整, 関連商品・カニバリゼーションの考慮, 外部統計・経済指標の取込
人手補正（オーバーライド）	担当者による予測値の手動修正, 修正理由・修正者・修正前後の記録, 営業フォーキャストとの突合, 補正分と統計予測の貢献度可視化
階層集計・整合（リコンサイル）	SKU↔商品グループ↔全社の予測の整合, 拠点別↔全社の上下整合, 週次↔月次の時間軸集計の一貫性, トップダウン/ボトムアップ配賦
精度モニタリング・評価	MAPE/WMAPE/バイアス/トラッキングシグナルの算出, セグメント別・期間別の精度ダッシュボード, 予測精度の劣化アラート, 統計予測と人手補正の精度比較
安全在庫・補充への展開	予測誤差に基づく安全在庫量の算出, サービス率（充足率）目標からの逆算, 補充点・発注量の提案, リードタイム変動の反映
需給調整・合意形成支援	需給調整会議用のコンセンサス予測の作成, 部門別予測（営業・生産・在庫）の差異可視化, 予測シナリオ（楽観/悲観）比較, 合意版予測の確定とロック
シミュレーション・What-if	販促実施有無による需要変動の試算, 価格変更時の需要影響シミュレーション, 計画変更による在庫・欠品インパクト試算, 予測前提の感度分析

見落としがちな要件: 見落としがちなのは「欠品時の真の需要（ロストセールス）の補正」と「人手補正の記録・精度寄与の可視化」です。出荷実績をそのまま需要とみなすと欠品が需要減と誤認され、補正を無記録で行うと統計予測の改善が評価できなくなります。

非機能要件で見落としがちなポイント

機能だけに目が向きがちですが、非機能要件こそ稼働後の満足度を左右します。

区分	確認すべき要件（目標値の例）
性能	全SKU×全拠点（例：10万明細）の週次予測バッチを夜間4時間以内に完了、画面の予測グラフ表示は3秒以内
可用性	予測バッチは計画サイクル（週次・月次の締め）に間に合うこと。需給調整会議前の確定処理が遅延しない稼働率99.5%以上
拡張性	SKU数・拠点数の増加（例：3年で2倍）や新規事業の予測階層追加に、モデル再設計なしで対応できること
セキュリティ	予測値・販売実績・原価に関わるデータへのロールベースアクセス制御、手動補正の操作ログ保全、拠点間のデータ参照範囲制御
運用保守	モデルの再学習・パラメータ調整を業務部門が一定範囲で実施可能、予測精度劣化時の運用手順とサポート（SLA）が明確
移行	過去出荷実績（例：3年分以上）の移行と需要定義に沿ったクレンジング、現行Excel予測との並行運用・精度比較期間の確保
コンプライアンス	需要予測に用いる販売・顧客データの取扱いが社内規程・個人情報保護に準拠、海外拠点含む場合は越境データ移転要件を満たす

需要予測では特に「予測バッチが計画サイクルの締めに間に合うか」という性能・可用性要件が業務に直結するため、データ量増加を見込んだ処理時間の上限を必ず明記します。

基幹・周辺システムとの連携要件

どのシステムと、何を、どの方式（API/CSV/EDI）で、どの頻度で連携するかを定義します。

連携先	主な連携内容
販売管理・受注システム / SFA	受注・出荷・見込み案件データを需要実績および営業フォーキャストとして取込み、統計予測と突合する
生産管理・MRP / 基幹システム（ERP）	確定したコンセンサス予測を生産計画・所要量計算の入力として連携し、内示・MPSに反映する
在庫管理・WMS	拠点別在庫・入出庫実績を取得し、予測誤差から算出した安全在庫・補充点を補充指示へ渡す
購買・調達システム	予測に基づく所要量を発注・サプライヤ内示に展開し、長納期部材の手配前倒しに用いる
PSI / 需給計画（S&OP）基盤	Plan-Sales-Inventoryの整合確認や需給調整会議のコンセンサス形成にコンセンサス予測を供給する
BI・データ基盤（DWH）	予測精度（MAPE・バイアス）や在庫・欠品KPIをダッシュボード化し、経営・各部門でモニタリングする
外部データ（天候・カレンダー・POS等）	天候・祝祭日・小売POS・市場統計を因果変数として取込み、季節性・特需の予測精度を高める

需要予測システムは生産管理・MRPへの出力連携が最重要であり、連携の粒度（SKU×拠点）と更新タイミングが計画サイクルの締めと一致しているかを必ず確認します。

RFP（提案依頼書）に盛り込むべき項目

要件が固まったら、ベンダーへの提案依頼書（RFP）にまとめます。最低限、次の項目を含めます。

• 予測対象の規模と粒度：SKU数・拠点数・チャネル数、予測単位（SKU×拠点×週次等）、予測期間と再計算頻度
• 現状の予測精度と課題：現行のMAPE/バイアス、欠品率・在庫日数、新製品/季節品/間欠需要の比率
• 求める機能範囲：セグメント別モデル選択、因果要因（販促・価格・天候）、人手補正、階層整合、安全在庫算出の要否
• 連携要件：生産管理/MRP・ERP・在庫管理・SFA・BIとの連携方式（API/ファイル）、連携粒度・タイミング
• 精度目標と評価方法：セグメント別の目標MAPE/バイアス、PoC（自社データでのバックテスト）の実施可否と評価条件
• 運用・体制：モデル再学習や補正運用の主体（業務部門/ベンダー）、想定ユーザー数・利用部門、サポートSLA

RFPには必ず自社の実データによるPoC（過去期間でのバックテスト）の実施条件とセグメント別の精度評価基準を明記し、デモの良し悪しではなく自社データでの当たり方で比較できるようにします。

ベンダーを横並び比較する評価マトリクス

需要予測システムでは、デモ環境の見栄えより「自社データでのセグメント別精度（特に主力品と季節品）」「生産・在庫システムへの連携適合度」「業務部門だけでモデル運用・補正を回せる運用容易性」を重み付けの軸に据えます。予測精度・業務適合・連携・運用・費用に重みを配分し、PoC結果を精度軸に直接反映させるのが有効です。

予測精度は最重要ですが「業務部門が自走で運用・補正できるか」を軽視すると、ベンダー依存で改善が止まり精度が陳腐化するため運用容易性にも相応の重みを置きます。

需要予測システム導入でよくある失敗と回避策

よくある失敗	原因	回避策
導入直後は精度が出たが半年で「使えない」と放置された	予測精度の劣化を監視するKPI（バイアス・トラッキングシグナル）と再学習の運用ルールが要件に無かった	精度モニタリングのダッシュボードと劣化アラート、定期的な再学習・補正レビューのプロセスを要件に含める
予測は当たるのに在庫も欠品も改善しなかった	予測粒度や更新タイミングが生産管理・発注の意思決定単位と合っておらず、予測値が後続業務で使われていなかった	要件定義の段階で出力先システムの粒度・締めタイミングに合わせて予測単位とサイクルを決め、連携を先に設計する
新製品・季節品の予測が大きく外れ、現場の信頼を失った	実績の少ないセグメントに一律の時系列モデルを適用し、類似品参照や因果要因の取込を要件化していなかった	新製品/季節品/間欠需要をセグメント分けし、類似品ベース予測・販促/天候要因・Croston法など別ロジックを要件に明記する
出荷実績で学習したため欠品の多い品目を過小予測し続けた	欠品期間の真の需要（ロストセールス）の補正を需要定義に入れず、出荷＝需要と扱っていた	需要の定義（受注ベースか出荷ベースか）と欠品時の需要補正方法を要件で確定し、前処理機能を必須要件にする

チェックリストの使い方（テンプレートとして使う）

本記事の機能要件・非機能要件・連携要件・評価マトリクスの各表は、そのまま要件定義の雛形（テンプレート）として使えます。表をコピーして自社に必要な項目の「要否」「優先度」を記入し、ベンダー回答を並べて比較してください。

1. 各表で自社に必要な項目の要否（必須/任意/不要）と優先度を記入する
2. 不足する自社固有の要件を追記する
3. ベンダー回答（○標準/△設定・追加開発/×不可）を記入する
4. 評価マトリクスで重みと評点を入れ、加重スコアで横並び比較する

※ 記入と加重スコアの自動集計ができるExcelテンプレート（ダウンロード版）は近日公開予定です。