# What-If需要予測

> What-If需要予測 - What-Ifアプリを使って事前に既知の特徴量を調整し、キャンペーン、価格設定、季節性などの要因の変化が需要予測に与える影響を調べる方法について説明します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.233916+00:00` (UTC).

## Primary page

- [What-If需要予測](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/time-series/ml-what-if.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/tree/main/use_cases_and_horizontal_approaches/Demand_forecasting4_what_if_app/README.md)

需要予測のwhat-ifアプリは、事前に既知の特定の特徴量値を調整して、これらの要因の変化が予測された需要にどのように影響するかを確認できます。

調整可能な要因としては、マーケティングキャンペーン、価格設定、季節性、競合他社の活動などがあります。 アプリを使用してさまざまなシナリオを探索し、主要な入力を調整することで、将来の需要に関する、より精度の高い予測を行い、それに応じて計画を立てることができます。

このアプリは、需要予測に関する三部作の第三弾です [最初のアクセラレーター](https://github.com/datarobot-community/ai-accelerators/tree/main/use_cases_and_horizontal_approaches/Demand_forecasting1_end_to_end/End_to_end_demand_forecasting.ipynb) は、一般的なデータおよびモデリングの課題の処理に焦点を合わせ、実際の時系列データでよくある落とし穴を特定し、実験をスケーリングするヘルパー関数が得られます。 [2番目のアクセラレーター](https://github.com/datarobot-community/ai-accelerators/tree/main/use_cases_and_horizontal_approaches/Demand_forecasting2_cold_start/End_to_end_demand_forecasting_cold_start.ipynb) からは、履歴が限られている系列または履歴のない系列のコールドスタートモデリングワークフローの構築ブロックが得られます。 これらは、アプリのモデルデプロイを作成するための開始ポイントとして使用できます。