時系列でデータの推移を見るとともに、需要などの予測を行う分析手法です。
前月と今月の営業成績がよく、営業マネージャーは喜んでいます。来月の売上はこの調子でいくとさらに伸びると予想しています。営業部も活気を取り戻していて、上司に対しても楽観的な報告をしていました。しかし、予想と異なる結果となってしまいました。
直近との比較だけで、傾向を反映させていないことが原因です。たまたま該当月の成績が良く、実際以上の予測を立てていたということです。もちろん楽観的な予想が当たることもあります。しかし、実績に基づいた指標を用意することによって、説得力を持った、大外れのない事業計画の実現が可能です。
今年から発売した新商品の販売傾向を知りたい
営業担当者の次月の売上予測を立て、販売方法を検討したい
顧客グループ別の販売数の傾向を知りたい
実績を折れ線グラフで表し、傾向を確認します
スタッフや所属部署の売上をで予測します
顧客グループなど属性ごとに集計し、折れ線グラフで視覚的に傾向を把握します
時間経過に沿って計測されるデータの分析に特化した分析手法です。主に傾向の把握と数値予測を行います。
選択された時系列データの情報を表示します。
時系列の実際の値を表示します。
指定した季節周期をもとに、季節の変動を表示します。
時系列全体の傾向を表示します。
時系列に含まれるランダム成分を表示します。
時系列がどのような内部モデルに従っているかをモデリングします。ARIMAモデルは、時系列の階差をとり、その階差時系列に対してARMAモデル(自己回帰移動平均モデル)を適用します。ARMAモデルはAR(自己回帰モデル)とMA(移動平均モデル)を組み合わせたモデルです。
適用されたモデルによる予測値を算出します。
Trunk tools では、販売管理と支出管理の取引履歴を、顧客データ、商品データ、スタッフデータ、取引先データを組み合わせて多角的な分析が可能です。ここでは、Trunk tools を利用してできる分析の簡単な一例をご紹介します。
スキンケア商品を都内に卸している製造販売業者が、月別の売上高全体と東京23区の個別の売上高傾向と予測を行いたいと考えています。販売管理の取引履歴をもとに、全体の売上傾向を時系列分析で移動平均と指数平滑法をみて確認しました。その後、フィルタにより顧客データに設定してあった市区町村で23区をそれぞれ選択して傾向を把握しています。23区については、時系列推移比較でファンチャート等によりさらに詳しく分析を行いました。
フットサル場では、シューズの貸し出しサービスを開始しました。販売管理にシューズ貸し出し項目を追加して、希望者にはチェックをつけてデータを取得してきました。シューズを貸し出した顧客数を集計値として時系列分析を行いました。サービスが浸透するにつれ利用者が増えていっているようです。基本統計量から、月平均30組ほどの利用が見られます。分散も少なくこの調子で増えていきそうなので、予備のシューズ購入とともに、サイズなどの新しいデータの取得を準備する予定です。
支出管理の取引履歴で各店舗の支払金額から、予算計画を練りたいと考えています。スタッフデータに登録された店舗スタッフには所属組織が紐付けられているので、所属組織をフィルタにして時系列分析を行いました。移動平均と指数平滑法を見て来月の予測金額を考慮した計画を作成しました。
取引先データには費用項目を設定して、どのような費用に係わる取引先なのかが分かるように登録しています。販売促進費には、HP制作や広告等のカテゴリに分けて設定しています。広告はさらにインターネット媒体やマス媒体、セールスプロモーションと分けて設定しています。近年、インターネットによる広告の効果が高く、今後は予算を拡大する方針です。そのため、インターネット媒体の広告費用をフィルタで絞込み、最近のインターネット媒体のコストを時系列分析して、予算策定の資料にしたいと考えています。
季節周期から予測期間の値を予測します。
観測値、季節変動、傾向、不規則成分、適用されたARIMAモデルと予測値を表示します。
ブックマークに登録すれば、分析を行なったときのメモとあわせて、いつでも分析結果を復元できます。
グラフや数値の見方がわからなくても、分析結果とあわせて表示されるポイントとヘルプで、すぐに業務にご活用いただけます。
分析手法一覧から調べたい手法を選択してください。
サービス一覧から利用できる業務データをご確認ください。