• コラム

昨今、業務課題を解決するために「AI」を活用しようとする動きが広まっていますが、実際の取り組み状況は、業界や企業によって大きく異なります。弊社がご支援しているお客様においても、AIに関する取り組み状況は実に様々です。現状の課題に対してどのようにアプローチをすれば良いのか、と悩まれている方も多くいらっしゃいます。なかにはDX推進組織が中心となって取り組みを進めるケースもありますが、円滑に取り組みを進めるためには、「前線のリアルな状況を把握し、業務課題を深く理解すること」、そして、「課題解決に向けた現実的なアプローチを提案すること」が重要です。社内のステークホルダー/関係者からの協力を得て、共にAI活用ひいてはDX推進をしていくことが大切です。

そこで、流通・小売業におけるDX推進組織の方に向けて、弊社がAI技術を活用してご支援した内容を踏まえ、代表的な課題2つとDX推進組織がそれぞれ取るべきアプローチについてご紹介していきます。本稿では、特に需要予測に伴う課題とアプローチについて取り上げます。
※別稿ではマーケティング施策に伴う施策とアプローチを取り上げますので、ぜひご覧ください。

• ・有識者による予測の課題
• ・シンプルな統計的手法を用いた予測の課題
• ・AIによる予測の課題
• ・DX推進組織が取るべきアプローチ

従来、販売数量や売上の予測は行われていますが、主力商品や季節・流行に依存する商品の販売予測が外れてしまうと、生産・販売計画と実態に乖離が生じ、場合によっては 大きな損失に繋がってしまうこともあります。しかしながら、需要の変動や急激な変化に対応した予測は困難であるのが現状です。
この問題を緩和するための予測手法は様々ありますが、全てのビジネス、業界、企業にも適用できる汎用的な手法は未だ登場していません。なぜなら、企業ごとに適切な予測手法は異なり、また、手法ごとにもそれぞれ異なる課題があるからです。 そこで以下に、代表的な手法をご説明します。

有識者による予測の一例として、“経験を積んだ担当者がExcelのシート上で過去の数字とノルマを睨みながら決める”といった方法があります。この方法には、ある種の安定性があり、また、市場の変動や組織・上司の意向にも対応しやすいというメリットがあります。この方法は長い間、多くの企業で使われているものなので、皆様にとってもお馴染みの予測方法ではないでしょうか。
しかし、この方法には、大きな課題があります。それは、「予測に手間と時間がかかりすぎること」、そして、「予測が属人的すぎること」です。重要な商品に注力し、多くの手間をかけ、それ以外の商品に関しては簡易的に予測するとしても限界があると言えるでしょう。
例えば、予測の期間変更（月次から週次への変更といった高頻度化）や対象商品の変更/増加に追われている、新しい予測業務にアサインされ業務がひっ迫している…。そのように業務負荷が高い中、予測に携わる担当者は増えず、それどころか、少しでも予測を外してしまえば追及を受ける、より正確な予測を求められる…。担当部門や担当者には、かなりの負担が強いられていることも少なくないでしょう。

シンプルな統計的手法として、移動平均や回帰曲線など、Excel等で利用できる機能を用いた予測手法が挙げられます。普段から使用している表計算ソフトウェア上で予測を行えるのは非常に便利です。また、新ソフトウェアの導入コストも必要なく、学習コストも少なくて済みます。商品が増えても予測にかかる手間や時間は大きくは変わらないというメリットもあります。予測の根拠として「Excelがこう示している」と言えるのは担当者としても心強いでしょう。
しかし、この手法の最大の課題は「商品によっては有識者の予測よりも精度に欠ける、当たらない」ということでしょう。移動平均や回帰曲線は手法としてはクラシックなものであり、現実に起こる複雑な事象を表現し切れない部分も大きいのです。また、過去の販売数量からのみ予測を行う場合、売上に影響するその他の要素（例えば天候、祝日、イベントなど）が抜け落ちてしまいます。

AI（機械学習、ディープラーニング、生成AI）による予測として、Pythonによるコーディングや、市販のAutoMLツールを活用した機械学習による予測があります。前述の２つの予測方法と比べても予測精度が高くなる場合が多く、また、過去の販売実績データ以外にも天候など様々な変数を加えて予測を行うことが可能です。昨今では生成AIが登場したことで、簡易的に生成AIに予測をさせて有識者による予測と同程度の精度が出ることが確認できている事例もあります。今後、更なる進歩が見込めます。
なお、各種AIを用いた予測における最大の課題は、導入に伴うコストです。担当者が自分自身でコーディングし予測を行う場合は学習コストが必要となり、また、AutoMLツールを用いる場合は導入予算や運用コストが必要となります。
一口にAIと言っても分析手法やテクニックは多岐に渡り、それぞれに学習・費用・時間コストを伴います。それ故に予測精度の改善のためには、まず何をするべきなのか、道筋を立てることが難しくなってしまいがちです。

上記3種類の課題へ対応するにあたり、実務担当者（この場合は予測担当者）には新しい手法を試す余裕が無い場合があります。したがって、DX推進組織が自ら実証的に新しい手法に取り組み、その効果や成果を示し、実務担当者にAI導入に前向きになってもらうことが重要です。

そのために、以下、プロセスを意識したアプローチをご紹介します。

まずは、「どのような課題が実際に生じているのか」を丁寧に聞き取り、対話をしましょう。次に、過去の予測結果が残っており、それを渡してもらえるかどうかを確認しましょう。実績値はDX推進組織自ら、社内システム等から取得できることが望ましいです。

その後はまず、コストをかけなくても済む方法を短期間で試します。「鉄は熱いうちに打て」です。Excel等の機能で行えるシンプルな統計的手法を用いた予測（移動平均、回帰曲線など）を試し、有識者による予測にどこまで迫れるかを確かめましょう。Excelを用いた予測は、書籍でもインターネットでも、実に多くの解説が見つかります。

AutoMLツール（機械学習を自動的に行ってくれるソフトウェア）のトライアル版などを使用し、機械学習を試してみると良いでしょう。現在のAutoMLツールはユーザーフレンドリーなものが多く、１時間程度のデモ動画を視聴するだけで主要な操作ができるようになる製品もあります。予測の傾向や予測値の説明を行える製品もあり、以前と比べ予測の根拠を説明しやすくなっていることからも、おすすめです。それでも精度が出ない場合は、専門家に相談しましょう。もちろん弊社でも、的確な助言や具体的なご支援をさせていただきます。

これらの活動により、新手法の推進へ向けて実務担当組織と合意が取れたら、本格的な導入です。定期的な予測手順の確立や自動化、システム化を検討していくことになります。昨今のAutoMLツールには、ツール内の機能だけで、ある程度システム化を実現できる製品があります。そのような製品を選ばない場合には、社内のIT組織や外部のシステム開発会社を活用しましょう。

今回は流通・小売業における代表的な課題のうち需要予測に関する課題と、DX推進組織としてのアプローチ戦略をご紹介しました。
弊社はDX推進組織と実務担当組織が一体となって取り組みを進めていくことが重要であると考え、代表的な予測手法とその課題、解決に向けたアプローチをご提案します。紙幅の都合上、概要的な解説に留まっておりますが、皆様のお悩みを少しでも軽減できれば幸いです。
マーケティング施策の実施に伴う課題とアプローチについては別のコラムにて解説していますので、ご興味・関心をお持ちの方はぜひご覧ください。

• 流通・小売業向け：DX推進組織が解決すべき課題と現実的なAIアプローチ (マーケティング施策編)