こういう相談への答え

「需要予測のシステムを頼むと、何が手に入って、どれくらい当たりますか」

手に入るのは、商品ごとの「次はいくつ要るか」と、その根拠が1画面で分かる仕組みです。販売や出荷の実績、いまの在庫、発注中の数、仕入先ごとの条件から計算します。担当者の経験で決めていた数を、データで裏づけられるようにします。

どれくらい当たるかは、約束ではなく御社の過去のデータで先に計算してお見せします。「去年この仕組みを使っていたら、欠品と在庫はどうなっていたか」を出してから、使うかどうかを決めてもらう進め方です。

当社が作った発注の仕組みでは、過去データで81通り検証し、充足率をほぼ保ったまま、平均在庫を42%下げられるという結果でした。下の画面は、同じ考え方で作った在庫と発注のデモです。そのまま触れます。

初期費用
0円
月額
5万円〜(税別・個別見積)
AIの利用料・サーバー代
別途
必要なデータ
最低1年・理想3〜4年
予測が出るまで
約1か月
課金開始
稼働してから
データの扱い
秘密保持契約のうえで預かる
うちのデータで予測できるか相談する

業種と、手元にあるデータの種類・期間を教えてください

動く画面:在庫の一覧から、商品ごとの状態と発注の案が出るまで

見本のデータで動きます。実際の仕組みでは、御社の販売・出荷の実績と在庫を取り込んで、同じ形で一覧にします。

在庫一覧のCSVを貼ると、商品ごとの状態(緊急/発注/適正/過剰在庫)と、計画月の発注案を出します。 列は「商品名, 現在庫, 最小在庫, 月間出荷, 仕入先, 単価」。月間出荷の列が無い場合は最小在庫から仮の値を置きます。

サンプルを貼る:

季節係数はデモ用の固定値です。同じCSVと同じ月なら、何度押しても同じ結果になります。

画面の数字は見本です。お客様のデータではありません。

当たり具合は、過去のデータで先に見せます

発注は「当てにいく」仕組みではなく「切らさない」仕組みです。欠品を避けるために多めに見積もるので、予測の誤差だけで測ると、良い仕組みが悪く見えます。当社の検証でも、誤差率で測ると作った仕組みのほうが悪く出ました(32.8%→36.3%)。「足りなかった割合」で測り直すと、次のようになりました。

方法足りなかった割合持ちすぎ
全期間の平均だけで決める43.5%+36.8%
直近30日だけで決める68.7%+36.8%
当社が作った仕組み30.4%+43.9%

切らす割合を下げるぶん、在庫は増えます。この釣り合いを隠さずに出します。数字は当社の1つの案件での検証結果で、御社で同じになるとは限りません。だから、御社のデータで計算し直してから判断してもらいます。検証の詳しい説明

業態ごとに、決めたいものと必要なデータが違います

業態決めたいもの必要なデータ
卸・通販商品ごとの発注数日別の販売実績(1年以上)、在庫、発注中の数、仕入先ごとの発注間隔
メーカー(卸を通す)月ごとの製造・詰めの計画月別の出荷と在庫の受払(3〜4年)、できれば得意先別の出荷
小売(複数店舗)店ごとの仕入れと在庫レジの売上、在庫、商品の一覧
飲食食材の仕入れ来客の記録(レジや予約システムから書き出せること)
店舗・サロンその日に入れる人数(シフト)予約システムの過去の来店データ

データが1年に満たない場合の進め方は、需要予測AIに必要なデータは何年分?に書いています。

予測・データ分析の実績

顧客名は秘密保持のため非公開ですが、対象業務・実装範囲・運用状況・対応できない条件まで書いています。

進め方

  1. 1秘密保持契約を結ぶ。販売数量や取引先の載ったデータを預かる前に、必ず結びます。
  2. 2何で測るかを先に決める。欠品を減らしたいのか、在庫を減らしたいのか、作りすぎを減らしたいのか。目的で、良し悪しの物差しが変わります。
  3. 3過去のデータで計算して見せる。いまの決め方と比べて、欠品と在庫がどう変わるかを数字で出します。
  4. 4画面を見てもらい、直す。推奨の数と根拠が、担当の方にとって見やすいかを確かめます。
  5. 5稼働してから課金開始。その後は実績と見比べ、外れた原因を確かめて直し続けます。

向かないケース

  • —販売や出荷の記録が残っていない、または書き出せない場合。予測の前に、記録を残す仕組みづくりから始めることになります。
  • —扱う商品が数点で、担当の方が表計算ソフトで見られている場合。費用に見合いません。
  • —新商品やセールのように、過去の実績がほとんどないものだけを予測したい場合。精度が下がります。
  • —「必ず当たる数字」を求める場合。外れる日は必ず出るので、外れたときに原因を追える作りにします。

よくある質問

需要予測AIの費用はいくらですか?
初期費用0円・月額5万円(税別)からが目安です。扱う商品数と、つなぐシステム(販売管理・在庫など)の数で変わるので、個別にお見積もりします。AIの利用料とサーバー代は別途です。稼働するまで課金は始まりません。
どのくらい当たりますか?
商品や業種で大きく変わるので、数字でお約束はしません。その代わり、お預かりした過去のデータで「この方法ならこうなった」を先に計算してお見せします(バックテスト)。当社が作った発注の仕組みでは、過去データで81通り検証し、充足率をほぼ保ったまま平均在庫を42%下げられる、という結果でした。
過去のデータは何年分必要ですか?
最低1年、理想は3〜4年です。季節の山が1周しないと、季節の影響を分けられないためです。毎日発注する業態は日別の販売実績が1年以上、月に1回計画を立てる業態は月別の出荷と在庫の受払が3〜4年分あれば足ります。
卸を通していて、その先の売れ行きが分かりません。それでも予測できますか?
できます。予測の対象を「末端の販売」ではなく「自社からの出荷」にします。計画の目的は自社の在庫を切らさず作りすぎないことなので、必要なのは自社の出荷の記録です。得意先別の出荷実績があると、急に増えた分が1社や1日に偏っていないかを見分けられます。
データがきれいに整っていません。大丈夫ですか?
大丈夫です。販売管理ソフトから書き出したCSVやExcelのままお預かりし、商品コードのゆれや欠品していた日の扱いは、こちらで整えます。欠品していた日を「売れなかった日」として平均に入れると、動きの少ない商品ほど数字が実態から離れるので、在庫の推移から欠品日を除いて計算します。
表計算ソフトの関数や無料のツールでは足りませんか?
商品数が少なく、手を動かせる担当者がいるなら、それで十分です。費用をかける価値が出るのは、商品数が多くて手で回らなくなったときと、予測から発注数や計画までを自動でつなげたいときです。
予測が外れたら、どうなりますか?
外れる日は必ず出ます。大事なのは、外れたときに原因を追えることです。実績と照らして「この日は何があったか」を確かめ、効いている要因を足していく作りにします。中身が見えない仕組みは、外れた理由が分からないので直せません。
発注や製造の指示まで、自動で出せますか?
推奨の数と、その根拠を一覧で出すところまでを仕組みが担います。確定は担当者が行う形にしています。仕入先ごとの発注間隔や物流の条件も、計算に入れられます。
気温や連休のデータも必要ですか?
最初は要りません。まず自社の実績だけで予測を作り、外れ方を見てから、効きそうな要因を足します。最初から多くの要因を入れると、どれが効いているのか分からなくなります。
データを預けるのが不安です。
最初に秘密保持契約を結びます。お預かりしたデータは、その案件の検証と開発だけに使います。事例として紹介する場合も、会社名・数量・予測の中身は出しません。

作っている人から

合同会社SAiの佐藤です。需要予測は、発注を支える仕組みとして作り始め、過去のデータで81通りの検証を重ねました。そこで分かったのは、予測の式よりも「何で測るか」と「欠品していた日をどう扱うか」のほうが結果を左右する、ということです。相談から検証・開発・運用まで、すべて自社で対応します。手元にあるデータの種類と期間を教えてもらえれば、予測できそうかどうかをお答えします。

関連:AI需要予測とは 必要なデータは何年分? 発注AIのデモ 売上分析のデモ 料金