翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# 機械学習を使用して新しい製品の需要を予測する方法に関するFAQs
<a name="faq"></a>

以下は、新製品導入の需要を予測する ML モデルの実装に関するよくある質問です。

## プロセスを開始するには、誰を動員すればよいですか?
<a name="q1"></a>

組織の準備状況は、上級管理者からのサポートの量によって直接影響を受けます。データサイエンスまたは分析部門、サプライチェーン、マーケティング、IT 部門のマネージャーから承認を受けることをお勧めします。組織に応じて、他のステークホルダーやリーダーにサポートをリクエストします。

## どのようなチームを編成すればよいですか?
<a name="q2"></a>

イニシアチブを正常に実現し、測定可能な成果を生み出すには、以下を含むチームを編成します。
+ モデル開発のデータサイエンティスト
+ データ収集と取り込みのためのデータエンジニア
+ モデルデプロイ用の機械学習エンジニアとセルフサービスダッシュボード
+ ドメインの専門知識に関する対象分野のエキスパート

## 必要な履歴データと金額
<a name="q3"></a>

次のデータを取得することを検討してください。
+ 製品の発売から中止まで、すべての類似製品の販売データ。
+ 製品の機能と属性を説明するメタデータ。CE 製品のこれらの属性の例としては、Bluetooth 機能、ワイヤレス機能、USB タイプ、色などがあります。
+ マーケティングデータ、祝祭日データ、レビューデータ、評価データなど、販売データに関連する関連する時系列データ。
**注記**  
関連する時系列データをモデル推論の予測期間に拡張できれば有益です。たとえば、関連する時系列データが祝祭日である場合は、祝祭日を事前に知っているため、祝祭日の時系列データを将来に拡張できます。

## 新製品の需要予測の生成はいつ開始すべきですか?
<a name="q4"></a>

これは、各組織が行う必要があるビジネス上の決定です。理想的には、組織は新製品の需要を満たすために予測を使用する必要があります。新しい製品の製造を開始する前に、毎週または毎月の NPI 需要予測を生成することをお勧めします。予測は、パートと労力を適切に見積もるのに役立ちます。

## どのようなサードパーティーデータを収集すべきですか?
<a name="q5"></a>

より正確な予測を得るには、次のサードパーティーデータを追加することを検討できます。コンシューマーインデックス、プロキシの生活コスト、競合相手の販売履歴。このサードパーティーデータは、関連する時系列データと見なされます。このデータは、販売データと同じ期間、および同じ定期的 (毎日または毎週など) に取得することを検討してください。

## 必要な最小限のインフラストラクチャは何ですか?
<a name="q6"></a>

少なくとも、インフラストラクチャは以下をサポートしている必要があります。
+ データ取り込みパイプライン。バッチモードまたはストリーミングモードでデータを収集します。
+ raw データを抽出して ML モデリング用の標準化された入力形式に変換する前処理 ETL パイプライン
+ モデル開発、実験、検証のための開発環境
+ ML モデルを本番環境にプッシュする[継続的インテグレーションと継続的デプロイ (CI/CD)](apg-gloss.md#glossary-cicd) パイプライン
+ モデルレジストリ、モニタリング、再トレーニングのメカニズム
+ [転送中のデータと](apg-gloss.md#glossary-data-in-transit)[保管中のデータを](apg-gloss.md#glossary-data-at-rest)暗号化し、[きめ細かなアクセスコントロール](apg-gloss.md#glossary-fgac)を提供するセキュリティレイヤー

## データ駆動型アプローチが有効であることを確認するにはどうすればよいですか? KPIs
<a name="q7"></a>

すべてのデータサイエンスイニシアチブまたはデータ駆動型ソリューションは、一連の主要業績評価指標 (KPIs) に照らして検証する必要があります。これらの KPIs は、モデルの予測が実際の需要にどれだけ近づいているかを示す指標になります。このメトリクスは、1 週間または 1 か月先の予測など、さまざまな期間に生成できます。モデルによって生成された予測に基づいて、オーバーオーダーまたはアンダーオーダーされたパートの数を直接測定することもできます。ステークホルダーと上級管理者は、モデルのパフォーマンスを追跡する一連の KPIs を慎重に作成する必要があります。これらの KPIs を使用して、ROI が期待を満たしているかどうかを判断します。

## 予測はどのくらいの頻度で生成する必要がありますか?
<a name="q8"></a>

予測頻度は 2 つの要因によって異なります。予測を使用可能な時系列データセットにどの程度密接に接続しますか? 関連する時系列データセットのデータはどの程度可変ですか? 一般的に、予測を頻繁に生成すると、組織が新製品の需要を満たすための適切な準備に役立ちます。

## セルフサービスを有効にするにはどうすればよいですか?
<a name="q9"></a>

容量が増えるにつれて、組織は予測生成のためのデータの取り込み、前処理、モデルトレーニングパイプラインを自動化するセルフサービスインフラストラクチャを開発する必要があります。ML モデルの結果と影響を測定し、オンデマンドアクセスのためにダッシュボードに公開する必要があります。

## AWS 料金はどのように機能しますか?
<a name="q11"></a>

詳細については、[AWS の料金](https://aws.amazon.com/pricing/)を参照してください。