「移動平均法や加重移動平均法でエクセル予測を試してみたけど、毎回過去データを何ヶ月分もコピペし直すのが面倒すぎる」「もっと直近の売れ行きだけをサッと反映させて、明日の仕入れ量を決めたい」——そんな声を、日々の発注業務に追われる店長やオーナーから何度も聞いてきました。
結論から言うと、その悩みは「指数平滑法（しすうへいかつほう）」というエクセルの計算方法ひとつで解決できます。指数平滑法は、前回の予測値と直近の実績値の2つの数字だけで次の予測値を計算できる需要予測手法で、移動平均法や加重移動平均法のように過去何ヶ月分ものデータを保持・更新し続ける必要がありません。しかも「平滑化定数α（アルファ）」という1つの数値を調整するだけで、直近のトレンドをどれだけ強く反映するかを自由にコントロールできるため、飲食店の食材仕入れ、小売店の発注量、ジムや学習塾のシフト人数予測まで、幅広い現場で「毎日の運用が圧倒的に楽」になります。
この記事でわかること
- 移動平均法・加重移動平均法と指数平滑法の決定的な違いと、指数平滑法が「運用が楽」と言われる本当の理由
- エクセルで指数平滑法を計算するための具体的な数式（セル番地レベル）と、FORECAST.ETS関数を使った自動化の方法
- 平滑化定数αを業種や商材の特性に応じてどう設定すべきかの実践的な目安
- 飲食店・小売店・パーソナルジム・学習塾・エステサロンなど、業種別の需要予測・シフト予測への具体的な落とし込み方
- 指数平滑法を実務に導入する際のチェックリストとよくある失敗パターン
- 「指数平滑法」とは？移動平均法・加重移動平均法との決定的な違い
- 指数平滑法の計算式をセル番地レベルで理解する
- 平滑化定数αはいくつに設定すべきか？業種別の目安
- 【業種別】指数平滑法で需要予測を自動化する実践例
- 指数平滑法による需要予測を集客施策と連動させる
- 指数平滑法を運用に乗せるための実践チェックリスト
- 指数平滑法のメリット・デメリットと注意点
- 指数平滑法でよくある計算ミスと対処法
- 3つの需要予測手法をひと目で比較
- 指数平滑法をゼロから導入するまでの5ステップ
- よくある質問
- Q. 平滑化定数αはどれくらいの頻度で見直すべきですか？
- Q. 初回の予測値（基準値）はどう決めればよいですか？
- Q. 移動平均法や加重移動平均法から指数平滑法に切り替える際、過去のシートはどうすればいいですか？
- Q. FORECAST.ETS関数がエラーになる、または「#N/A」が出てしまいます。原因は何が考えられますか？
- Q. 複数の商品・店舗に一気に展開したいのですが、コツはありますか？
- Q. 指数平滑法だけで発注・シフトを完全に自動化しても大丈夫ですか？
- Q. 移動平均法・加重移動平均法・指数平滑法の3つを、結局どう使い分ければいいですか？
- Q. エクセルの分析ツールアドイン（データ分析）にある「指数平滑」機能との違いは何ですか？
- まとめ：指数平滑法で「予測の運用負荷」を下げ、発注・シフトを自動化しよう
- あわせて読みたい
「指数平滑法」とは？移動平均法・加重移動平均法との決定的な違い
需要予測の手法としてまず名前が挙がるのが「移動平均法」、次に「直近データを重視して重みづけする」加重移動平均法です。当メディアでもこの2つの手法についてはすでに解説していますが、この記事はいわばシリーズの応用編・最上級編にあたります。まずは3つの手法がどう違うのか、実務目線で整理しておきましょう。
移動平均法・加重移動平均法のおさらいと限界
移動平均法は「直近n日（またはn週）の実績の単純平均」を翌日の予測値とする手法です。加重移動平均法はそこに「直近ほど重みを大きくする」係数を掛け合わせることで、単純平均よりも直近のトレンドを反映しやすくした改良版でした。どちらも考え方はシンプルで、エクセル初心者でも扱いやすいというメリットがあります。
ただし、この2つの手法には共通の弱点があります。それは「予測を1回計算するたびに、直近n日分の実績データをすべてエクセルのセルに保持し続けなければならない」という点です。たとえば7日移動平均であれば常に直近7日分、加重移動平均で5週分の重みづけをしているなら常に直近5週分のデータをシートに並べておく必要があります。日々の実績を追加するたびに、範囲参照（SUMやAVERAGE関数の参照範囲）をずらしたり、古いデータの扱いを考えたりする手間が発生し、店舗数が増えたり予測対象の商品数が増えたりすると、シートの管理コストが一気に膨らんでしまいます。加えて、移動平均法・加重移動平均法では「何日分を平均に使うか（期間n）」の設定を変えるたびに、参照範囲の数式そのものを組み直す必要があり、担当者が異動・退職した際に「なぜこの範囲になっているのか」が分からなくなってブラックボックス化してしまうケースも少なくありません。
指数平滑法が「運用が圧倒的に楽」な理由（逐次更新の仕組み）
指数平滑法の最大の特徴は、次の予測値を計算するために必要な情報が「①前回の予測値」と「②直近1件の実績値」の、たった2つだけで済むという点です。過去7日分、5週分といった長い履歴を保持し続ける必要がなく、前回の予測値さえ覚えておけば（エクセル上では1セルに残しておけば）、実績が1件更新されるたびに次の予測値をその場で計算し直すことができます。これを「逐次更新（再帰的更新）」と呼びます。
実務的に言い換えると、移動平均法・加重移動平均法が「毎回、直近n日分の実績を全部見返して平均を取り直す」方式であるのに対し、指数平滑法は「昨日までの予測に、今日入ってきた新しい情報を少しだけ足し引きして更新する」方式です。日々の発注や仕入れの現場では、この「昨日の予測値を少し直すだけでいい」という手軽さが、担当者の作業負担を大きく減らします。複数店舗・複数商品を横展開して予測する場合でも、シートの列数を増やす必要がなく、1商品につき「予測値」と「実績値」の2列だけで運用できるのは大きな利点です。忙しい店舗運営の合間に予測業務を組み込むうえで、この「毎日の作業を最小化できる」という性質は、理論上の精度以上に現場で重宝される理由になっています。
平滑化定数α（アルファ）とは何か
指数平滑法の予測精度を左右する唯一のパラメータが「平滑化定数α」です。αは0から1の間の数値で、「直近の実績をどれだけ重視するか」を表します。αが1に近いほど直近の実績を強く反映する（トレンドの変化に敏感に反応する）予測になり、αが0に近いほど過去の予測値を重視する（変動に振り回されにくい、安定した）予測になります。移動平均法における「何日分の平均を取るか（n）」に相当する調整ノブが、指数平滑法では「αをいくつにするか」という1つの数値に集約されているとイメージすると分かりやすいでしょう。
指数平滑法の計算式をセル番地レベルで理解する
ここからは実際にエクセルのセル番地を使いながら、指数平滑法をどう組み立てるかを見ていきます。難しい統計理論は不要で、四則演算だけで完結する非常にシンプルな数式です。
基本の計算式：前期予測値+α×（実績−前期予測値）
指数平滑法の計算式は、次のように表せます。
次期予測値 ＝ 前期予測値 ＋ α ×（前期実績値 − 前期予測値）
これは「前期予測値をベースに、実績と予測がどれだけズレていたか（予測誤差）を計算し、そのズレの一部（α倍）だけを次の予測に反映する」という意味です。教科書的には「予測値＝α×実績値＋（1−α）×前期予測値」という形で書かれることもありますが、展開すると数学的には全く同じ式になります。実務では「誤差にαを掛けて足し込む」書き方のほうが、なぜ予測が動いたのかを直感的に理解しやすいためおすすめです。
エクセルで手計算する手順（セル番地付き）
具体的なシート構成の例で見てみましょう。A列に日付、B列に実績値（例：食材の使用数、来客数など）、C列に予測値、E1セルに平滑化定数αを入力するシートを想定します。
- E1セル：平滑化定数αを入力（例：0.3）
- C3セル（初回の予測値）：初期値として、C3=B2（前日の実績値をそのまま初回予測値にする）、または直近数日の単純平均を入れる
- C4セル以降（2回目以降の予測値）：
=C3+$E$1*(B3-C3)という数式を入力し、これを下方向にコピーする - C5セル：
=C4+$E$1*(B4-C4)（C4を1行下にずらしてコピーすれば自動的にこの形になる）
ポイントは、$E$1のように絶対参照でαのセルを固定しておくことです。こうしておけば、C4セルの数式をそのまま下方向へオートフィルでコピーするだけで、C列全体に「前期予測値＋α×（前期実績値−前期予測値）」の計算が自動的に展開されます。日々の実績（B列）を1行追加するだけで、C列の予測値も自動的に1行伸びる状態を作れるのが、指数平滑法をエクセルで組む最大のメリットです。移動平均法のようにSUM関数の参照範囲を毎回ずらす必要がありません。
具体例で数字を追ってみます。ある居酒屋で、キャベツの1日あたり使用量（実績）が月曜120個、火曜135個だったとします。月曜の予測値を120個（初期値）とし、α＝0.3で計算すると、火曜の実績が判明した時点での「水曜の予測値」は、120＋0.3×（135−120）＝120＋4.5＝124.5個となります。実績が予測を上回った分（プラス15個）のうち、3割（4.5個）だけを次の予測に織り込む、というイメージです。
表で確認する：5日間の予測値シミュレーション
1回だけの計算では感覚がつかみにくいので、同じキャベツの例をα＝0.3のまま5日間続けた場合のシミュレーションを表にしました。エクセル上ではC列の数式を下にコピーするだけで、この一連の流れが自動的に再現されます。
| 曜日 | 実績値（個） | その日の予測値（個） | 予測誤差 |
|---|---|---|---|
| 月 | 120 | 120.0（初期値） | 0 |
| 火 | 135 | 120.0 | +15.0 |
| 水 | 128 | 124.5 | +3.5 |
| 木 | 140 | 125.6 | +14.4 |
| 金 | 132 | 129.9 | +2.1 |
| 土（予測） | ― | 130.5 | ― |
表を見ると、実績値が上下に振れても、予測値は急激には動かず、緩やかに実績値の水準へ近づいていく様子が分かります。これが「αによって変動の影響を抑制（平滑化）する」という指数平滑法の名前の由来です。もしαを0.7など大きな値にすると、予測値の列はもっと実績値に近い動きをする（＝振れ幅が大きくなる）ことも、同じ表をコピーしてαだけを変えれば簡単に確認できます。実際にエクセルで自分の店舗のデータを使ってα＝0.1・0.3・0.5・0.7の4パターンを並べて比較してみると、自店舗にとってどのくらいの敏感さが適切か、体感的に把握しやすくなります。
FORECAST.ETS関数を使えばもっと簡単にできる
手計算の数式を自分で組む代わりに、エクセルに標準搭載されているFORECAST.ETS関数を使えば、指数平滑法（正確には季節性まで考慮した指数平滑法の拡張版）による将来予測を1つの関数で完結させることもできます。書式は次の通りです。
=FORECAST.ETS(目標期日, 値の範囲, タイムラインの範囲, [季節性], [データ補完], [集計方法])
- 目標期日：予測したい未来の日付が入ったセル（例：明日の日付）
- 値の範囲：過去の実績値が入った範囲（例：B2:B90）
- タイムラインの範囲：値の範囲に対応する日付の範囲（例：A2:A90）
- 季節性：省略すると自動判定。週次の周期があれば「7」、日次の周期を想定しないなら「1」を指定することも可能
例えば、A列に2026年4月1日から6月30日までの日付、B列に日々の食材発注実績が入っているシートで、E2セルに「2026年7月1日」の日付を入力し、F2セルに=FORECAST.ETS(E2,B2:B91,A2:A91)と入力すれば、7月1日の予測発注量がその場で算出されます。E2セルの日付を1日ずつずらしていけば、1週間先、1ヶ月先までまとめて予測を伸ばすことも可能です。関数内部ではエクセルが自動的に最適な平滑化定数αを推定して計算してくれるため、αの値を自分で決め打ちしたくない場合や、季節変動（曜日ごとの繁閑差など）まで考慮した予測を手早く出したい場合に非常に便利です。ただし「なぜその数値になったのか」を人に説明する際は、前述の手計算の数式のほうがロジックを追いやすいため、日々の現場運用では手計算式、経営会議など精度重視の資料ではFORECAST.ETS関数、と使い分けるのがおすすめです。なお、FORECAST.ETS関数には信頼区間の上限・下限を計算できるFORECAST.ETS.CONFINT関数や、季節性の周期を自動判定するFORECAST.ETS.SEASONALITY関数も用意されています。「今月の予測がどれくらいの幅でブレる可能性があるか」まで示したい場合は、これらの関数を組み合わせて、予測値だけでなく予測の不確実性（振れ幅）もあわせて経営会議の資料に盛り込むと、説得力のある発注計画・人員計画の提案につながります。
エクセルの「テーブル」機能で複数商品に一括展開する
複数商品・複数店舗に横展開する場合は、実績値・予測値の範囲をエクセルの「テーブル」機能（挿入タブ→テーブル）に変換しておくと管理がぐっと楽になります。テーブル化しておけば、実績値の新しい行を末尾に追加した瞬間に、予測値の数式が自動的に1行下まで引き継がれるため、毎回セルをコピーし直す作業が不要になります。さらに、商品ごとにシートを分けるのではなく、A列に「商品名」、B列に「日付」、C列に「実績値」、D列に「予測値」という縦持ちの表にしておき、D列の数式でIF関数と組み合わせて「商品が切り替わった最初の行だけ初期値を入れる」ようにしておくと、1枚のシートで数十商品分の指数平滑法を同時に運用することも可能です。店舗数・商品数が多いローカルビジネスほど、この一括展開の工夫が日々の運用時間を大きく左右します。
平滑化定数αはいくつに設定すべきか？業種別の目安
指数平滑法の精度を決めるのはαの設定だけと言っても過言ではありません。ここでは「αを大きくすべきケース」「小さくすべきケース」、そして「エクセルで最適なαを自動で探す方法」の3つに分けて解説します。
αを大きくする（0.5〜0.8）べきケース
天候やSNSでの話題性、近隣のイベントなど、外部要因によって需要が短期間で大きく変動しやすい商材・業態では、αを大きめ（0.5〜0.8程度）に設定し、直近の実績変化を素早く予測に反映させるのが有効です。たとえば真夏の飲料・アイスの発注、花火大会や地域イベント当日の来客数予測などが該当します。αを大きくすると予測が実績に俊敏に追随する一方で、1日だけの突発的な変動（悪天候による特異日など）にも過敏に反応してしまうリスクがあるため、外れ値が出た日は手動で除外する、あるいは別途上限・下限のルールを設けるといった運用ルールを併用すると安定します。
αを小さくする（0.1〜0.3）べきケース
逆に、日々の需要が比較的安定していて、突発的な変動よりも「ノイズ（誤差）に振り回されないこと」を優先したい商材では、αを小さめ（0.1〜0.3程度）に設定します。定番商品の在庫、月謝制で会員数の変動が緩やかな学習塾やジムの利用者数予測などが該当します。αを小さくすると予測値の動きは滑らか（安定的）になりますが、その分トレンドの変化（じわじわとした客数の増減など）への反応は遅くなる点に注意が必要です。
最適なαをエクセルで自動探索する方法
「勘でαを決めたくない」という場合は、過去データを使って予測誤差が最小になるαをエクセル上で探索することもできます。具体的には、①予測値と実績値の差の二乗を求める列を作り（例：=(B4-C4)^2）、②その合計をSUM関数で算出し、③データタブの「ソルバー」または「What-If分析」機能を使って、E1セル（α）を0〜1の範囲で変動させながら②の合計（予測誤差の二乗和）が最小になる値を探索する、という流れです。ソルバーが使えない環境でも、αを0.1刻みで0.1〜0.9まで手動で入れ替えながら誤差の合計を比較すれば、実務上十分な精度で最適なαの見当をつけられます。四半期に一度など定期的にこの検証を行い、αを見直す運用にしておくと、季節や商況の変化にも追随しやすくなります。
【業種別】指数平滑法で需要予測を自動化する実践例
ここからは、実際に地域密着型のローカルビジネスで指数平滑法をどう活用できるか、業種別に具体的な運用イメージを紹介します。業種によって「何を実績値として記録するか」「どのくらいαを高く設定すべきか」の勘所が異なりますので、自店舗に近い業態のセクションを重点的に確認してみてください。共通して言えるのは、実績値の入力さえ日々続けられれば、予測の精度は運用しながら着実に改善していくという点です。
飲食店：日々の食材仕入れ量を自動予測する
飲食店の食材ロス・欠品は経営に直結する課題です。指数平滑法を使えば、主要食材（例：豚肉、キャベツ、米など）ごとに「昨日までの予測値」と「本日確定した使用量」の2つの数字だけで、翌日の推奨発注量をエクセルが自動計算してくれます。曜日ごとの傾向が強い店舗では、平日用・週末用でαやシートを分ける、あるいはFORECAST.ETS関数の季節性パラメータに「7（週次周期）」を指定すると、曜日変動も織り込んだ予測が可能になります。日々の発注担当者は、確定した実績値を1セル入力するだけで翌日の目安量が自動更新されるため、電卓を叩いて発注量を決めていた作業を大幅に削減できます。食材仕入れの予測精度は、廃棄コストの削減だけでなく、原価率の改善やメニューの品切れ防止にも直結するため、経営改善のインパクトが大きい領域です。飲食店の経営改善は仕入れだけでなく来客データ全体の活用が近道になることも多く、飲食店の経営改善はデータ活用が近道で紹介している数値管理の考え方と合わせて実践すると、より効果的です。たとえば豚肉の使用量がα＝0.4で「前日予測18kg・実績22kg」だった場合、翌日の予測は18＋0.4×（22−18）＝19.6kgとなり、勘に頼らず自動で発注量の目安が更新されていきます。
小売店・スーパー：発注量を自動化し欠品・廃棄を防ぐ
小売店・スーパーでは取り扱いSKU（商品数）が非常に多く、商品ごとに移動平均法のような「n日分の実績保持」を行うと、シートが肥大化しやすいという課題があります。指数平滑法であれば、商品ごとに「前回予測値」と「直近実績」の2列を用意するだけで運用できるため、数百SKUを横展開しても管理がシンプルなまま保てます。特に、鮮度が重要な生鮮食品や、季節商品の発注では、αをやや高め（0.4〜0.6程度）に設定して直近のトレンド変化を素早く反映させることで、廃棄ロスと欠品の両方を抑えやすくなります。逆に、日用品や定番の加工食品はαを低め（0.1〜0.2程度）にして、安定した発注量を維持するのが基本です。発注業務のさらなる高度化を目指す場合は、POSデータとの連携やABC分析による優先商品の絞り込みなど、より広い視点でのデータ活用も欠かせません。基本のステップは小売店データ活用の基本でも詳しく解説していますので、あわせてご確認ください。たとえば惣菜の販売数がα＝0.5で「前日予測45個・実績60個」だった場合、翌日の予測は45＋0.5×（60−45）＝52.5個となり、直近の伸びを半分だけ素早く発注量に反映できます。
パーソナルジム：来店者数からシフト人数を最適化する
パーソナルジムでは、トレーナーの人件費が最大のコスト項目であることが多く、来店者数（予約数）に対してスタッフを過不足なく配置することが収益性を大きく左右します。日々の予約確定数を実績値としてエクセルに入力し、指数平滑法で翌日・翌週の予約数を予測すれば、シフト作成担当者は「何人体制にすべきか」を数字で判断できるようになります。会員の来店パターンは月謝制のため比較的安定していることが多く、αは0.2前後の低めの設定が適していますが、新規キャンペーン実施直後や、体験入会が急増している時期は一時的にαを0.4〜0.5に引き上げて、需要の伸びを素早く反映させるといった使い分けも有効です。曜日別の周期性が強い（平日夜と週末で来店数が大きく異なる）業態のため、FORECAST.ETS関数で季節性を「7」に固定して予測すると精度が上がりやすい点も覚えておくとよいでしょう。たとえば平日夜の予約数がα＝0.2で「前回予測8名・実績10名」だった場合、次回の予測は8＋0.2×（10−8）＝8.4名と緩やかに更新され、安定したシフト計画を保ちながら少しずつ実態に合わせていけます。
学習塾：入塾者数・出席率予測で講師配置を最適化する
学習塾では、月謝生の在籍数は緩やかにしか変動しませんが、季節講習（夏期・冬期講習）の申込数や、日々の出席率（欠席・振替の発生率）は変動が大きく、講師のコマ配置や教室の座席数計画に直結します。日々の出席実績を指数平滑法で追いかけることで、「今日のクラスは何人来る見込みか」を毎朝自動的に把握でき、講師の急な増員・欠員対応の判断材料になります。通常授業の出席率予測はαを低め（0.1〜0.2）にして安定運用し、季節講習の申込ペース予測はαを高め（0.4〜0.6）にして、キャンペーンや口コミの反響を素早く反映させるという使い分けが実務では効果的です。入塾者数の中長期トレンドについては、指数平滑法だけでなく地域の人口動態やエリアマーケティングの視点も合わせて検討すると、より精度の高い経営判断につながります。たとえば夏期講習の申込数がα＝0.5で「前回予測30名・実績42名」だった場合、次回の予測は30＋0.5×（42−30）＝36名となり、口コミやチラシの反響を早めに講師配置へ反映できます。
エステサロン：予約数予測で施術スタッフの配置を最適化する
エステサロンも、予約単位でスタッフの稼働が決まる業態のため、日々の予約数予測がシフト計画の精度を左右します。特にキャンペーン施策やSNS投稿の反響によって短期的に予約が急増することが多いため、αをやや高め（0.3〜0.5程度）に設定し、直近の予約トレンドを素早く反映させるのがポイントです。新規客とリピート客で来店パターンが異なる場合は、指数平滑法のシートを新規客用・リピート客用に分けて別々にαを設定すると、それぞれの変動特性に合った予測が可能になります。予約が集中する曜日・時間帯の傾向がはっきりしている場合は、時間帯別に予測シートを分けることで、より実務に即したスタッフ配置（何時にスタッフを何人置くか）まで踏み込んだ計画が立てられます。たとえば週末の施術予約数がα＝0.4で「前回予測12件・実績17件」だった場合、次回の予測は12＋0.4×（17−12）＝14件となり、SNSキャンペーン後の予約増をスタッフ配置に素早く反映できます。
指数平滑法による需要予測を集客施策と連動させる
需要予測はあくまで「過去の実績の延長」を計算する仕組みです。裏を返せば、集客施策（広告出稿、MEO対策、SNSキャンペーンなど）によって新規の来店・問い合わせが増えると、その効果は実績値としてタイムラグを伴って予測モデルに反映されていきます。ここを理解しておくと、指数平滑法をより実践的に使いこなせます。
キャンペーン施策の実施が分かっている日はαを一時的に引き上げる
MEO対策や広告出稿で来店・予約の増加が見込まれる期間（例：GoogleビジネスプロフィールでのクーポンやSNS広告のキャンペーン実施期間）は、通常の予測式だけに任せると「実際の急増に予測が追いつかない」状態になりがちです。この期間だけ一時的にαを普段より0.1〜0.2高く設定しておく、あるいは施策開始日から数日分は手動で上乗せ補正を行うといった運用を組み合わせると、仕入れ量やシフト人数を実際の需要増に近づけやすくなります。施策が終了したら、αを通常値に戻すことも忘れないようにしましょう。
需要予測の精度が上がると、集客施策の効果測定もしやすくなる
指数平滑法で「施策を打たなかった場合の予測値（ベースライン）」を常に持っておくと、実際の実績との差分＝「施策によって上乗せされた需要」を数字で切り出せるようになります。たとえば、ある週にMEO経由の来店促進キャンペーンを実施し、実績が予測値を大きく上回った場合、その乖離幅がそのままキャンペーンの効果測定の材料になります。感覚的に「なんとなく増えた気がする」ではなく、「予測比＋◯％の需要増があった」と数字で語れるようになることは、広告予算の投資判断や、次回施策の設計にも活きてきます。
指数平滑法を運用に乗せるための実践チェックリスト
指数平滑法は数式自体はシンプルですが、実務に定着させるには運用面の工夫が欠かせません。導入前後で以下の項目をチェックしておきましょう。
- 実績値の入力ルール（誰が・いつ・どのタイミングで確定させるか）が明確になっているか
- 初期の予測値（1回目の基準値）をどう決めるか、店舗間・商品間で統一されているか
- αの初期値を仮決めした上で、四半期など一定周期で見直すルールを設けているか
- 異常値（臨時休業、突発的な悪天候、システム障害など）が出た日を除外・補正する運用が決まっているか
- 予測値と実績値の乖離をグラフなどで定期的に振り返り、精度検証を行う体制があるか
- 複数店舗・複数商品に横展開する際、シートのテンプレート化・数式のコピー手順がドキュメント化されているか
特に初期導入時に多い失敗は、「αを一度決めたら固定してしまい、季節や商況が変わっても見直さない」というケースです。指数平滑法は運用が楽な反面、αの妥当性を検証する習慣がないと、いつの間にか予測精度が実態とズレていくことがあります。月次または四半期ごとに、前述のソルバーやWhat-If分析を使った再検証をルーチン化しておくことをおすすめします。もう一つよくある失敗は、「予測値をそのまま発注数量として自動的に確定させてしまい、現場の異常値を誰もチェックしなくなる」というケースです。指数平滑法はあくまで判断材料であり、最終的な発注数量やシフト人数の決定権は現場に残しておく、という原則を最初にルール化しておくと、システムへの過度な依存を防げます。
指数平滑法のメリット・デメリットと注意点
メリット
最大のメリットは、繰り返しになりますが「前回予測値＋直近実績値」だけで次の予測が作れる運用の軽さです。加えて、αという単一パラメータで直近重視・安定重視のバランスを直感的に調整できる点、エクセルの数式だけで完結し特別なツールや統計知識が不要な点、FORECAST.ETS関数を使えば季節性まで含めた予測をワンステップで得られる点も実務上大きな利点です。過去データの保持量が少なくて済むため、扱う商品数・店舗数が多くなるほど、移動平均法・加重移動平均法に対する優位性が大きくなります。また、前回予測値と直近実績値さえ残しておけば計算できるという性質上、システムのメンテナンス性も高く、シートを引き継いだ担当者が数式の意味を理解しやすいという「属人化しにくさ」も見逃せないメリットです。数式がシンプルであるほど、パート・アルバイトスタッフを含めた複数人での運用や、店舗間でのノウハウ共有もスムーズに進みます。
デメリット・限界
一方で、指数平滑法にも限界があります。基本形の指数平滑法は「トレンド（右肩上がり・右肩下がりの傾向）」や「季節性（曜日・月による周期変動）」を明示的にはモデル化していないため、急成長中の新規オープン店舗や、繁忙期・閑散期の差が極端な業態では、予測が実態から乖離しやすくなります。また、αの設定次第で結果が大きく変わるため、根拠のない値を当てずっぽうで使うと、かえって精度の低い予測になってしまうリスクがある点にも注意が必要です。さらに、新規開業したばかりで参照できる過去データがほとんどない店舗や、リニューアルによって客層が大きく入れ替わった直後の店舗では、そもそも「参考にすべき過去実績」自体が乏しいため、指数平滑法の精度が安定するまでに数週間〜数ヶ月の実績蓄積期間が必要になる点も理解しておきましょう。
トレンド・季節性が強いデータへの対処
トレンドや季節性が強いデータに対しては、指数平滑法を拡張した「二重指数平滑法（トレンドを考慮）」や「三重指数平滑法（トレンド＋季節性を考慮、ホルト・ウィンタース法とも呼ばれる）」という手法もあります。理論はやや複雑になりますが、エクセルのFORECAST.ETS関数は内部的にこの季節性を考慮したロジックを自動で扱ってくれるため、多くの現場では「基本式は手計算で日々運用しつつ、季節要因を含めた中長期予測はFORECAST.ETS関数に任せる」というハイブリッド運用で十分に対応可能です。
指数平滑法でよくある計算ミスと対処法
数式自体は単純な指数平滑法ですが、エクセルで組む際に現場でよく見かけるミスがいくつかあります。導入前にあらかじめ知っておくと、無駄な手戻りを防げます。
ミス1：αのセル参照を絶対参照にし忘れる
C4セルの数式を=C3+E1*(B3-C3)のように相対参照のまま下方向にコピーすると、行がずれるごとにE1の参照先も1行ずつずれてしまい、αが空白セルを参照してエラーになったり、意図しない数値を拾ってしまったりします。αのセルは必ず$E$1のように行・列とも固定する絶対参照にしてからコピーしましょう。
ミス2：初回の予測値を実績値と同じ行に置いてしまう
指数平滑法は「前期の予測値」と「前期の実績値」を使って「今期の予測値」を計算する式です。C列（予測値）とB列（実績値）を同じ行で計算しようとすると、まだ確定していない当日の実績を使って当日の予測を出すという矛盾が生じます。予測値の行は必ず実績値より1行ずらして参照する（C4はB3を参照する、など）のが正しい組み方です。
ミス3：欠測日（休業日など）をゼロとして扱ってしまう
定休日や臨時休業日は「実績が0だった」のではなく「そもそも営業していない」日です。ここを実績値0としてそのまま計算に含めると、予測値が不自然に押し下げられてしまいます。休業日の行は数式から除外する、または前後の平均で補完するなど、営業日ベースで系列を組み直す工夫が必要です。
ミス4：単位や集計粒度が実績値の列で揃っていない
ある日は「個数」、別の日は「金額」、また別の日は「重量（kg）」など、実績値の単位が途中で混ざってしまうと、指数平滑法の予測値も意味をなさなくなります。複数店舗・複数担当者でデータを入力する場合は、入力ルール（単位・集計タイミング・端数の扱いなど）を事前に統一し、シートの先頭に明記しておくと事故を防げます。
3つの需要予測手法をひと目で比較
移動平均法・加重移動平均法・指数平滑法の違いを、実務で判断に迷いやすいポイントごとに整理しました。
| 比較項目 | 移動平均法 | 加重移動平均法 | 指数平滑法 |
|---|---|---|---|
| 必要なデータ保持量 | 直近n日分すべて | 直近n日分すべて＋重み | 前期予測値と直近実績のみ |
| 日々の運用の手間 | 参照範囲の更新が必要 | 参照範囲＋重み設定の更新が必要 | 1セル更新のみで完結 |
| 直近トレンドへの反応 | 鈍い（平均化される） | やや敏感（重みで調整可） | αで自由に調整可能 |
| 調整パラメータ | 期間n（何日平均か） | 期間nと各期の重み | 平滑化定数α（1つ） |
| 多商品・多店舗展開のしやすさ | シートが肥大化しやすい | シートがさらに複雑化 | 列数が少なくシンプル |
| 季節性・トレンドへの対応 | 弱い | やや弱い | FORECAST.ETS関数で拡張可能 |
| 向いている用途 | ざっくりした傾向把握 | 直近重視のやや精緻な予測 | 日々の発注・シフト自動化 |
指数平滑法をゼロから導入するまでの5ステップ
「理屈は分かったが、実際に何から手をつければいいのか」という方のために、導入の流れを5つのステップに分解しました。1つの商品・1つの業務からで構いませんので、この順番で着手してみてください。
- ステップ1：対象を1つに絞る――いきなり全商品・全店舗で始めず、発注量やシフト人数への影響が大きい主力商品・主要業務を1つ選びます。
- ステップ2：過去実績を最低30日分集める――日付と実績値（使用量、来客数など）を2列にまとめたシンプルな表をエクセルに用意します。
- ステップ3：初期値とαを仮決めする――初回の実績値を初期予測値とし、αはひとまず0.3程度から始めます。
- ステップ4：2〜4週間、実績と予測を並走させる――実際の発注・シフト判断はこれまで通り行いつつ、裏側で指数平滑法の予測値も並行して記録し、乖離幅を観察します。
- ステップ5：αを再検証し、本運用に切り替える――ソルバーやWhat-If分析で最適なαを確認したうえで、実際の発注・シフト判断に予測値を使い始めます。
このステップを踏むことで、「いきなり予測に業務を委ねて外れて困る」というリスクを避けながら、無理なく現場に定着させることができます。特にステップ4の並走期間は省略せず、必ず数週間分のデータで予測精度を確認してから本運用に移行することをおすすめします。
よくある質問
Q. 平滑化定数αはどれくらいの頻度で見直すべきですか？
A. 目安として四半期に一度は見直すことをおすすめします。特に、新商品の投入、価格改定、周辺エリアの競合出店、季節の切り替わりなど、需要構造に変化が起きたタイミングでは、その都度αの妥当性を検証しましょう。前述のソルバーやWhat-If分析を使えば、過去数ヶ月分のデータから最適なαを数分で再計算できます。
Q. 初回の予測値（基準値）はどう決めればよいですか？
A. 最もシンプルなのは「1件目の実績値をそのまま初回の予測値として使う」方法です。より安定させたい場合は、導入前の直近5〜10日程度の実績の単純平均を初期値にする方法もあります。指数平滑法は運用を重ねるほど初期値の影響は薄まっていくため、初回はあまり厳密に悩みすぎず、まずは運用を始めて数週間後に精度を確認するのがおすすめです。
Q. 移動平均法や加重移動平均法から指数平滑法に切り替える際、過去のシートはどうすればいいですか？
A. 過去の実績データ自体はそのまま流用できます。移動平均法のシートにある実績値の列を「実績」として使い、指数平滑法用の「予測」列を新たに追加すれば移行は容易です。しばらくは両方の手法を並行稼働させ、実績値との誤差（二乗誤差の合計など）を比較しながら、指数平滑法の予測精度が上回ることを確認したうえで完全移行すると、現場の納得感も得やすくなります。
Q. FORECAST.ETS関数がエラーになる、または「#N/A」が出てしまいます。原因は何が考えられますか？
A. よくある原因は、①タイムライン（日付）の範囲に欠損や重複、不等間隔（抜けている日）がある、②値の範囲とタイムラインの範囲の行数が一致していない、③目標期日がタイムラインの範囲の最終日より過去、または極端に離れすぎている、の3つです。日付が飛んでいる場合は、欠損日を0または前後の平均値で補完してから関数を実行すると解消することが多いです。
Q. 複数の商品・店舗に一気に展開したいのですが、コツはありますか？
A. まず1商品（または1店舗）でテンプレートを作り、数式が正しく動くことを確認してから、シートやセル範囲を商品数・店舗数分だけコピーする方法がおすすめです。αのセルを商品ごとに独立させておけば、後から商品特性に応じて個別にαを調整することも可能になります。数十SKU・複数店舗規模になってきたら、エクセルのままではなくBIツールやデータベース連携も検討の余地がありますが、まずは指数平滑法の考え方をエクセルで試し、運用に乗ることを確認してから次のステップを検討するのが現実的です。
Q. 指数平滑法だけで発注・シフトを完全に自動化しても大丈夫ですか？
A. 指数平滑法はあくまで「過去の実績の延長線上」を予測する手法のため、大型連休、新規出店、テレビ・SNSでの急激な話題化など、過去データに存在しないイベントには対応できません。基本は指数平滑法で自動算出しつつ、特殊要因が見込まれる日だけは担当者が手動で数量を上書きする「自動＋人の目によるダブルチェック」の運用が、精度と現場感覚のバランスとして最も安定します。
Q. 移動平均法・加重移動平均法・指数平滑法の3つを、結局どう使い分ければいいですか？
A. まず全体の相場感をざっくり掴みたいだけなら移動平均法で十分です。直近のトレンドをある程度反映させつつ、過去の値もそれなりに重視したい場合は加重移動平均法が向いています。そして、日々の運用負荷を最小限にしながら、直近重視の度合いを柔軟に調整したい、かつ商品数・店舗数が多く管理を効率化したいという場合には指数平滑法が最も実務向きです。多くのローカルビジネスの発注・シフト予測では、最終的に指数平滑法に落ち着くケースが多い、というのが実感です。
Q. エクセルの分析ツールアドイン（データ分析）にある「指数平滑」機能との違いは何ですか？
A. エクセルの「データ」タブ→「データ分析」→「指数平滑」を使うと、範囲を指定してαを入力するだけで、この記事で解説した基本の指数平滑法の計算結果を一括で出力してくれます。仕組みは同じですが、アドイン機能は「後から一括計算する」静的な処理であるのに対し、本記事で紹介した数式（=C3+$E$1*(B3-C3)）は実績を追加するたびに自動で再計算される動的な運用に向いています。日々更新しながら使うなら数式方式、過去データをまとめて一度に分析したいだけならアドイン機能、と使い分けるとよいでしょう。
まとめ：指数平滑法で「予測の運用負荷」を下げ、発注・シフトを自動化しよう
移動平均法・加重移動平均法は考え方こそシンプルですが、日々の運用では「常に直近n日分のデータを保持し続ける手間」がつきまといます。指数平滑法は、前期予測値と直近実績値の2つの数字だけで次の予測を逐次更新できるため、飲食店の食材仕入れ、小売店の発注量、パーソナルジムや学習塾・エステサロンのシフト・人員配置まで、幅広い現場の「予測業務の運用負荷」を大幅に下げてくれます。まずは主力商品・主要業務1つに絞って、平滑化定数αを0.2〜0.3程度から試しに設定し、前期予測値＋α×（実績−前期予測値）の数式をエクセルに組んでみることから始めてみてください。数週間分の実績が溜まった段階で予測誤差を検証し、αを微調整していけば、勘や経験だけに頼らない、データに基づいた発注・シフト計画を無理なく日常業務に組み込めるはずです。移動平均法・加重移動平均法で「毎回の更新作業が面倒で結局続かなかった」という経験がある店舗ほど、指数平滑法への切り替えで得られる運用負荷の軽減効果は大きいはずです。まずは1つの商品・1つの業務からで構いませんので、今日のデータ入力から始めてみてください。浮いた時間を、接客の質を上げる工夫や、新しいメニュー・サービスの検討、あるいは次に取り組む集客施策の設計に振り向けられるようになることこそ、需要予測を自動化する本当の価値だと言えるでしょう。
需要予測の精度を高めることは、あくまで経営改善の入口のひとつです。飲食店であれば来客データ全体の活用、小売店であればPOSデータの深掘りなど、より広い視点でのデータ活用と組み合わせることで効果はさらに大きくなります。飲食店の経営改善はデータ活用が近道、小売店データ活用の基本もあわせてご覧いただき、店舗運営全体のデータドリブン化にお役立てください。
コメント