This website does not support Internet Explorer. Please, switch to Edge, Chrome, or Firefox browser to view this page.

Learn about IE support
ベストプラクティス

年末商戦と需要予測

Holiday campaign header
公開日: 読了目安時間: 1 分
吉井 清 インダストリーソリューションズ本部 ディレクター
吉井 清インダストリーソリューションズ本部 ディレクター
公開日:

今年もあっという間に11月も終わりにさしかかっています。これから年末にかけては、小売業を中心にいわゆる書き入れ時を迎えます。ブラックフライデーにサイバーマンデーと、筆者が若かった頃には存在しなかったイベント(?)も目白押しです。
さて、多くの商品がこの時期に販売ボリュームを増やしますが、特に大きなピークを迎える商品もいくつかあります。代表的なところでは、オモチャやジュエリーでしょうか..また、必ずしも年末ではないにしても、スキーやスノーボード関連の商品も似たような傾向があるかも知れません。
オンラインのゲームのような一部の例外を除き、ここで挙げたような商品は、一般的には生産・製造・供給のリードタイムが長いものが多いように思います。つまり、以前のブロでも書いたように、実際のお客様の動向を確認してから商品の供給を始めたのでは間に合わない、というケースが殆どだと思われます。

さて、ではもう少し具体的に、年末商戦のようなピーク時期に対しては、どのようなプロセスで需要を予測していったら良いのでしょうか。
ここで大事なのは、「お客様が何を欲しがるのか..?」ということです。最初のステップは、どこの企業でも取り組まれていると思いますが、過去実績の分析です。もちろん、この分析は非常に重要なのですが、POSデータをはじめとする売上データは、お客様が実際に買われた商品を教えてくれるだけで、本当は何が欲しかったのか、がわかる訳ではありません。売れ筋や話題の商品などに、品切れは発生していなかったのでしょうか..?自社や競合のプロモーションによる影響は、どの程度あったのでしょうか..?

それに加えて、ここ数年は、ご存知のようにさらなる混乱に見舞われていました。外出規制などの影響によって、過去実績が当てにならない、というような事態が頻発しています。これにより、特に小売業では過去実績のみを根拠として売上を予測することが非常に難しく、社内外のデータをさらに活用した、ML(機械学習)のアルゴリズムによる需要予測の重要性が増しています。
とは言え、アルゴリズムはあくまで分析手法ですので、データをインプットすることによってアウトプットを導く、というのは、AIを活用したML(機械学習)分析・予測でも同じです。但し、継続的に学習を繰り返すことにより、パフォーマンスを向上させ、予測の精度を改善することができる、というのが大きな特徴です。

現代のように様々なデータが存在している環境では、小売業界の企業は、主に2つのチャレンジに直面しています。1つめは、データの粒度や品質にバラつきがあり、分析に活用できるような状態に揃えるのが難しい、ということです。そして2つめは、その様々なデータの影響を、それぞれのカテゴリーや各商品、店舗やチャネルと組み合わせて分析するというのが、組み合わせの数を考えても膨大、複雑で、非常に困難だ、ということです。
そこで改めてお勧めしたいのが、ML(機械学習)によるアルゴリズムです。上で述べたような問題に対する解決策を、いくつか提示してくれます。まず、様々なソースからのデータを処理することができるので、標準化をしたうえでクラスター分析などを実施することができます。また、特徴量エンジニアリング(Feature Engineering)と呼ばれる手法を活用して、売上に大きな影響を与えるような新しい変数(特徴量)を追加、特定することができます。例えば、気温であればそのデータをそのまま使うのではなく、平年データとの差やそのパーセンテージ、あるいは絶対値というような新しいデータを生成していくのです。このように分析を進めていくことで、天候関連ではどのデータのインパクトが一番大きいのか、といったことを理解することができ、その予測データと社内データ(価格・プロモーションなど)、社外データ(関連するイベントなどの情報・SNSデータなど)をアルゴリズムで処理して予測を生成することができるのです。

需要予測は、年末商戦に向けた計画プロセスの第一段階に過ぎません。消費者の嗜好や動向の変化が激しい現代にあっては、小売業はこれまでにないようなチャレンジにさらされています。世界的な混乱が収束に向かう兆しはまだ見えていませんが、お客様が本当に欲しいと思うような商品を魅力的な価格で品揃えして、競合企業よりも多くのお客様を惹きつけて年末商戦を成功に導きましょう。

o9ソリューションズでは、ここで述べたようなML(機械学習)アルゴリズムをはじめ、様々な予測手法を、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、その需要予測をもとに、原材料の調達から輸配送、店頭での販売まで、エンドツーエンドでのサプライチェーンの効果的・効率的な計画・管理を実現、さらには、これも以前説明したコントロールタワによって、需要や供給の変化や異変にも迅速に対応することができます。

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。
https://o9solutions.com/ja/solutions/ai-ml-forecasting/

また、以下のウェビナーでは、小売・消費財業界に向けた、サプライチェーンのDX最新事情をご紹介しています。
https://o9solutions.com/aim10x/jp/webinar/小売・消費財業界向けデータドリブンで挑む/

先月行われたaim10x live Tokyoのフォローアップセミナーも、以下のリンクからご覧いただけます。
是非アクセスをお願いいたします。

https://o9solutions.com/aim10x/jp/webinar/strategic-risk-management-in-the-vuca-world-with-o9s-ai-platform/

筆者紹介

吉井 清 インダストリーソリューションズ本部 ディレクター

吉井 清

インダストリーソリューションズ本部 ディレクター

インダストリーソリューションズ本部で、主に小売や消費財業界のお客様を対象に、サプライチェーンに関する課題解決に向けたサポートを担当しています。ファッションやEコマースなどの企業で、サプライチェーン、オペレーション、マーチャンダイジングなどの業務を、25年以上経験しております。

リソース

関連記事

ガイド

サプライチェーンのレガシー プランニング ソフトウェア: リプレースのすすめ 2023

Apo guide
記事1 min

部門間のサイロを打破し全社統合された事業計画を実現

by o9 Solutions
O9 solutions partners with pepsico on global integrated business planning 1
ホワイトペーパー

“ノーマル”がなくなった時代の小売りサプライチェーンのデジタルトランスフォーメーション

P34 1 web
ホワイトペーパー

販売促進の分析を見直す

Tradepromo image2 (1)
ホワイトペーパー

“ノーマル”がなくなった時代の小売りサプライチェーンのデジタルトランスフォーメーション

P34 1 web
記事1 min

需要予測とは..?

by 吉井 清
Blog page hero image 2048x936