観測データや予報データを使って予測式を作る

AI等による需要予測は、まずは、販売実績と気象条件の関係性を確認して、学習データを用意するところから始まります。
商品の販売実績に対応する観測・解析データを用いて、販売実績と気象条件がある程度の相関を持つことを確認して進めます。 例えば、ある商品の販売数は気温〇〇℃を超える（下回る）と急激に増える、などの特徴を把握することが重要です。観測・解析データは、アメダス、地上気象観測、解析雨量、解析積雪深、推計気象分布などが相当します。
学習データとしては、この観測・解析データを用いる場合と、過去の予報データを用いる場合の2通りあります。予報データの場合は、販売実績と気象条件の関係性から要素を選択し、用途やリードタイム（どれくらい先の時間まで予測するか）に合わせて空間解像度や予報時間を持つデータを選択します。翌日から翌々日までを予測する場合はメソ数値予報モデルGPV（MSM-GPV）、数日から1週間先を予測する場合は全球数値予報モデルGPV（GSM-GPV）等です。これらの学習データを用いて予測式を作成します。
作成した予測式を用いて、リアルタイム配信のデータを受信し、気象データを入力値として需要予測を行います。日々の予測には、気象データの誤差、季節・時刻による変動、予測式（モデル設定、説明変数、学習量）の問題により様々な誤差が発生します。予測結果の検証を継続的に行うことも重要です。