DOORS DX

ベストなDXへの入り口が
見つかるメディア

【AI導入事例】製造小売業の店別×商品別の需要予測

執筆者

DOORS編集部

公開日
2020.10.29
更新日
2024.03.15

最終更新日：2023.11.28

※本記事は、ブレインパッドが運営する人工知能ブログ「+AI」に掲載されている記事の転載版になります。

店別商品別の需要予測精度向上による発注の適正化を目的として、需要予測モデル構築。従来と比べ大幅に上回る精度の予測モデルを構築することができました。これにより過剰発注や欠品が軽減され、発注業務の負荷軽減につながりました。

Solution：解決策

商品点数が多く、店舗も多数展開する製造小売会社様の店別×商品別の需要予測を行うためにはどの粒度でモデルを構築するかが重要なポイントになります。単純にすべての個別モデルを作成し更新を定期的に行うことはサンプルデータの量の観点からも、モデル再構築の実行時間の観点からも現実的ではなく、一方で粒度を粗くしすぎると店舗や商品の規模の違いにより予測がぶれるなどの問題が発生します。そのため時間軸（日、週、イベントなど）、店舗軸（地域、規模、立地など）、商品軸（カテゴリ、売上上位／下位など）の3軸の変数の粒度を探索的に調整し、結果現実的な運用ができつつ一定の精度を担保できるモデルを作成しました。さらに予測精度を向上させるために、インプットデータをそのまま投入するのではなく、より表現力の高い特徴量を作成して変数として使用するなどの工夫を加えました。


Subject：課題


多数店舗を持つ製造小売業会社様では、店舗ごとに状況を見ながら人が判断して発注していましたが、担当者や店舗によっては過剰な発注・欠品が出ている状況でした。


Achievement：導入後の成果


・過剰発注減による店舗在庫の削減
・欠品解消による売り上げアップ
・発注業務の負荷軽減


このページをシェアする

コピー
しました

この記事に関する
お問い合わせはこちら

あなたにオススメの記事

人気タグから探す

人気記事ランキング

あなたにおすすめの記事

Recommended Articles

株式会社ブレインパッドについて

2004年の創業以来、「データ活用の促進を通じて持続可能な未来をつくる」をミッションに掲げ、データの可能性をまっすぐに信じてきたブレインパッドは、データ活用を核としたDX実践経験により、あらゆる社会課題や業界、企業の課題解決に貢献してきました。 そのため、「DXの核心はデータ活用」にあり、日々蓄積されるデータをうまく活用し、データドリブン経営に舵を切ることであると私達は考えています。

株式会社ブレインパッド
についてはこちら

メールマガジン

Mail Magazine