通信予測

通信サービスプロバイダーは、ネットワーク計画を支援するために予測計算を行っています。[1]正確な予測は、製品の開発と導入、広告、価格設定などに関する重要な投資決定を製品発売のかなり前に行うのに役立ち、企業が新しい事業で利益を上げ、資本が賢明に投資されることを保証します。[2]

予測はなぜ使用されるのですか?

予測は様々な目的で実施できるため、計算を行う理由を明確に定義し、理解することが重要です。予測を行う一般的な理由としては、以下のものが挙げられます。[2]

  • 計画と予算編成– 予測データを使用すると、ネットワーク プランナーは、トラフィック負荷を最適に管理するために、どのくらいの機器を購入し、どこに配置すればよいかを決定できます。
  • 評価– 予測は、経営陣が、行われた決定が会社にとって有利か不利かを判断するのに役立ちます。
  • 検証– 新しい予測データが利用可能になったら、新しい予測が古い予測によって予測された結果を裏付けているかどうかを確認する必要があります。[説明が必要]

予測の目的を知ることは、次のような追加の質問に答えるのに役立ちます。[2]

  • 何が予測されているのか？ – イベント、トレンド、変数、テクノロジー
  • 焦点のレベル - 単一の製品または製品ライン全体に焦点を当てる、単一の企業または業界全体に焦点を当てる
  • 予測はどのくらいの頻度で行われますか？ – 毎日、毎週、毎月、毎年
  • 使用された方法は、経営陣が行う必要のある決定を反映していますか?
  • 意思決定に利用できるリソースは何ですか? – リードタイム、スタッフ、関連データ、予算など。
  • 発生する可能性のあるエラーの種類は何ですか? また、それによって会社に発生するコストはいくらになりますか?

予測に影響を与える要因

予測を行う際には、どのような要因が計算にどの程度影響を与えるかを理解することが重要です。一般的な要因のリストを以下に示します。[2]

  • テクノロジー
    • 加入者アクセス– 光ファイバー、無線、有線、携帯電話、TDMA、CDMA、携帯電話
    • アプリケーション– 電話、PBX、ISDN、ビデオ会議、LAN、テレビ会議、インターネットワーキング、WAN
    • テクノロジー– ブロードバンド、ナローバンド、キャリア、ファイバー・トゥ・ザ・カーブ、DSL
  • 経済
    • 世界経済– 経済情勢、予測、推定、経済要因、金利、プライムレート、成長、経営見通し、投資家の信頼感、政治
    • セクター別経済– 業界の動向、投資家の見通し、通信、新興技術の成長率、景気後退、減速
    • マクロ経済学- インフレ、GDP、輸出、通貨為替レート、輸入、政府赤字、経済の健全性
  • 人口統計
    • 地域における人口の測定- 一定期間内に何人が生まれ、何人が生き、何人が亡くなったか
    • 人々の生き方– 健康、出生率、結婚率、高齢化率、妊娠、死亡率

データ準備

予測を行う前に、使用するデータは「準備」されなければなりません。データに誤りがあれば、予測結果も同様に不完全なものになります。そのため、異常なデータをすべて除去することが不可欠です。このような手順はデータ「スクラビング」と呼ばれます。[2]データスクラビングでは、「外れ値」と呼ばれるデータポイントを除去します。外れ値とは、通常のパターンから外れたデータです。外れ値は通常、異常で、多くの場合特異なイベントによって引き起こされるため、再発する可能性は低いです。外れ値を除去することで、データの整合性が向上し、予測の精度が向上します。

予測方法

予測を行うために用いられる手法は多種多様であり、それらは開発された理論に基づいていくつかのグループに分けられます。[2]

判断に基づく方法

判断に基づく方法は、予測が行われる分野において豊富な経験を持つ人々の意見と知識に依存します。判断に基づく方法には主に2つの方法があります。[2]

  • デルファイ法–デルファイ法では、専門家に一連の質問を投げかけます。専門家は将来の発展に関する予測を提示します。研究者は回答を要約し、専門家に返送して、意見の修正を希望するかどうかを尋ねます。デルファイ法は信頼性が低く、非常に稀なケースでしか成功していません。
  • 外挿–外挿は予測の一般的な手法です。これは、将来の出来事が過去の出来事と同じ境界に沿って発展し続けるという仮定に基づいています。つまり、過去は未来を予測する上で優れた指標となります。研究者はまず過去の出来事に関するデータを取得し、それをプロットします。次に、パターンが現れているかどうかを判断し、現れている場合は、そのパターンを未来に拡張することを試み、そうすることで、何が起こる可能性が高いかを予測し始めます。パターンを拡張するために、研究者は通常、S字型ロジスティック関数、ゴンペルツ曲線、カタストロフィック曲線などの単純な外挿ルールを用いて外挿を支援します。どのルールを使用するかを決定する際には、研究者の判断が求められます。

調査方法

調査方法は顧客の意見に基づいているため、正しく実施されればかなりの精度が得られます。調査を実施する際には、調査対象グループを特定する必要があります。[3]これは、そもそもなぜ予測を行うのかを検討することで実現できます。対象グループを特定したら、サンプルを選定する必要があります。サンプルはターゲットのサブセットであり、対象グループの全員を正確に反映するように選定する必要があります。[3]次に、調査ではサンプルグループに対して一連の質問を行い、その回答を記録します。

記録された回答は、統計的・分析的手法を用いて分析する必要があります。平均的な意見とその平均値からの変動は、統計的分析手法として用いることができます。[3]分析結果は、代替的な予測手法を用いて検証し、公表することができます。[3]この手法は、サンプルが対象グループのバランスの取れた正確なサブセットであり、かつサンプルグループが質問に正確に回答した場合にのみ正確であることに留意する必要があります。[3]

時系列手法

時系列分析法は、定期的に行われる事象の測定に基づいています。[2]これらの手法では、こうしたデータを用いてモデルを構築し、それを将来に外挿することで予測を生成します。各モデルは異なる仮定に基づいて動作し、異なる目的のために設計されています。時系列分析法の例としては、以下のものがあります。[2]

  • 指数平滑法- この方法は、分析対象のデータの移動平均に基づいています。例えば、売上高の移動平均などです。
  • 周期的および季節的傾向– この手法は、過去のデータに焦点を当て、周期的または季節的な期間に発生するパターンまたは傾向を定義するのに役立ちます。研究者は、現在のデータを使用して、そのパターンを現在の期間のデータに適合するように調整し、これにより、現在の季節または周期の残りの期間に何が起こるかを予測することができます。
  • 統計モデル– 統計モデルは、研究者が変数間の統計的関係を構築することを可能にします。これらのモデルは現在のデータに基づいており、外挿によって将来のモデルを作成することができます。外挿技術は標準的な統計法則に基づいているため、予測の精度が向上します。統計技術は予測を行うだけでなく、精度と信頼性を定量化します。その例として、1917年にデンマークの数学者アグナー・エルランによって開発されたERLANG B式とERLANG C式が挙げられます。

類似の方法

類推法は、研究対象となる出来事と外国の出来事との類似点を見つける手法です。外国の出来事は通常、現在の出来事よりも「成熟」した時期に選ばれます。外国の出来事が現在の出来事を完全に反映することはないため、必要な修正を行うためにこの点を念頭に置く必要があります。より成熟した外国の出来事を分析することで、現在の出来事の将来を予測することができます。[2]

類似の方法は2つのグループに分けられます。[2]

  • 定性的（記号的）モデル
  • 定量的（数値）モデル

因果モデル

因果モデルは最も正確な予測手法であり、同時に最も複雑です。予測対象となる事象について、複雑かつ包括的なモデルを構築する必要があります。このモデルは、あらゆる可能性のある変数を網羅し、あらゆる結果を予測できなければなりません。

因果モデルは往々にして非常に複雑なため、コンピュータ上でしか作成できません。一連のイベントから得られたデータを用いて開発されます。モデルの精度は、その開発に使用されたデータによって決まります。[2]

組み合わせ予測

複合予測は、上記の方法を組み合わせたものです。その利点は、ほとんどの場合、精度が向上することです。しかし、研究者は、上記の各方法の欠点が相まって予測に複合的な誤差が生じないように注意する必要があります。複合予測の例としては、「判断予測と定量予測の統合」や「単純平均と加重平均」などが挙げられます。[2]

予測精度の決定

予測の精度を判断することは困難です。なぜなら、予測は将来の出来事を予測する試みであり、常に困難な課題だからです。予測精度の向上と検証を支援するために、研究者は様々な検証方法を用いています。単純な検証方法としては、複数の異なる予測方法を用いて結果を比較し、それらがほぼ同等かどうかを検証する方法があります。また、予測計算における誤差を統計的に計算し、それを二乗平均平方根誤差（RMS）で表すことで、その方法における全体的な誤差の指標を示す方法もあります。感度分析も有用です。これは、予測の根拠となった元データの一部が誤っていた場合に何が起こるかを予測するものです。予測精度の判断は、予測そのものと同様に、確実に行うことは不可能です。そのため、入力データは可能な限り正確に測定・取得し、最も適切な予測方法を選択し、予測プロセスを可能な限り厳密に実施することが推奨されます。[2]

参照

参考文献

  1. ^ Farr RE、「電気通信トラフィック、関税およびコスト - 管理者向け入門」、Peter Peregrinus、1988 年。
  2. ^ abcdefghijklmn Kennedy IG、「予測」、ウィットウォータースランド大学電気情報工学部、2003年。
  3. ^ abcde Goodman A., Surveys and Sampling、1999年11月7日 http://deakin.edu.au/~agoodman/sci101/index.html 最終アクセス日：2005年1月30日。
「https://en.wikipedia.org/w/index.php?title=Telecommunications_forecasting&oldid=1330756680」より取得