サプライチェーンプランニングにおけるデータ粒度の最適化方法

当記事執筆時（2024年6月）は、桜の季節が終わったかと思えば、あっという間に気温が上がってきました。エアコンなどの家電からビールやアイスクリーム、はたまた傘やレインウエアなど、天気や気温に影響されやすい業界が多い、ということは、他のブログ記事でも紹介してきました。

サプライチェーンプランニングにおけるデータ粒度

今回はデータ粒度についてです。前述の天気による影響のお話でも、その方の役割や担当部門によって、どのような粒度、レベルでお話をするのか、というのは変わってきます。例えば、経営層の方であれば全社×四半期の売上金額や営業利益、店長や営業担当者であれば、担当のエリアや店舗×月別売上金額、各商品の担当者であれば、担当商品(SKU別～カテゴリー別)×週別売上点数、といった具合です。

当然、これらの計画や予測は、原則として連動していなければなりません。会社全体として、気候変動によって5%の売上アップを見込んでいるのであれば、エリアや店舗、商品カテゴリーによって凸凹はあっても、合計では5%アップにならないと、計画全体の整合性が取れません。ただ、これが「言うは易く行うは難し」で、頻繁に変更、修正される計画の整合性を常に維持していくのはかなり複雑な作業です。

一般的な企業の計画プロセスでは、この作業はトップダウンかボトムアップか、どちらかの手法を取ることが多いように思います。すなわち、「会社全体で5%アップ！」という方針を各エリアや店舗、商品カテゴリーなどにも展開する(させる)か、逆に各エリアや店舗、商品カテゴリーなどから予測数値を提出させ、全社レベルで集計して経営陣が発表するか、といったようなオプションです。しかしながら、前者の手法では全社一律5%アップにもできない(各エリアや店舗、商品カテゴリー別に状況は異なるのですが、最終的に5%に落ち着くように展開するのが難しい)ですし、後者は時間がかかってしまうので、タイムリーな集計や意思決定などが困難になってしまいます。

o9の提供するソリューションの特徴の一つが、こういったデータや計画などの粒度やレベルを気にすることなく業務が進められる、という点です。o9がエンタープライズナレッジグラフ(EKG)と呼ぶデータベースでは、双方向のデータ集計・分解をサポートしており、高速なシナリオ比較機能などと合わせることにより、あらゆるデータ粒度や時間軸での計画プロセスや意思決定をサポートしています。

この機能により、例えば先ほどのトップダウンとボトムアップの議論においても、その差異を様々な切り口で分析してスピーディーに整合性を取ることも可能になりますし、それぞれの担当者や計画プロセスに最適なレベル・粒度でのデータを常に表示させることにより、計画プロセスの効率や生産性を向上させることができます。また、短期から中期、長期まで、全ての計画プロセスが単一のデータモデルで管理されますので、エンドツーエンドで常に連携・同期された状態を維持することができます。

o9ソリューションズでは、この単一のデータモデルを活用し、さらにAIやML(機械学習)による分析や予測を、お客様の計画業務プロセスに取り込むことが可能です。また、需要予測に合わせた供給計画の策定や、需要予測に影響を与えるような価格設定やプロモーション計画の最適化、いくつかのパターンでのシミュレーションやシナリオ比較などを通じ、より効果的な意思決定を、多くの世界的な企業でサポートさせて頂いております。

詳しくお知りになりたい方は、是非以下のページから詳細をご覧ください。
/ja/solutions/supply-chain-logistics/