
事例一覧に戻る
AI・データ:インテリジェントな需要予測
小売チェーンのデータに基づく仕入れ判断を支援。
-25%
在庫の無駄
不良在庫の削減
+12%
売上
在庫の確保状況が改善したため
85%
精度
予測精度(60%から向上)
課題
U.Mは2つの面で損失を出していました。季節外れの衣料品の過剰在庫(値下げによる損失)と、売れ筋商品の欠品による販売機会の損失です。仕入れの判断はExcelの表で、「前年+10%」という単純なロジックに基づいており、マイクロトレンド、天候、SNSでの評判を考慮できていませんでした。
シーズン終了時点の不良在庫。
手作業で誤りが起きやすい仕入れワークフロー。
分断されたデータソース(POS、Web、倉庫)。
ソリューション
GTEMASは、GTEMASとのサービス契約に基づく独立したスペシャリストであるML Engineer 3名を、U.Mの社内ITチームと並んで働く形で提供しました。U.M自身のデータ責任者が目標を設定し、カテゴリーマネージャー向けの「仕入れ推奨レポート」に何を示す必要があるかを定めました。当社のエンジニアはその仕様を満たすため、LSTM(Long Short-Term Memory)ネットワークを用いた時系列予測モデルを実装しました。 インテリジェントなレポート:モデルはGoogle Trendsや現地の天気予報を含む5つのデータソースからデータを取り込み、どのSKUを再発注し、どのSKUをすぐに値引きすべきかを明示する日次レポートを生成します。
アーキテクチャ方針
AWS上のApache Airflowでデータパイプラインを制御。モデルはSageMakerで学習し、社内APIを通じてERPシステムに提供します。
成果と効果
AIシステムにより、仕入れの文化は直感に頼るものから、根拠に基づくものへと変わりました。カテゴリーマネージャーはデータを信頼するようになり、無駄が少なく収益性の高いサプライチェーンが実現しています。
-25%
在庫の無駄
不良在庫の削減
+12%
売上
在庫の確保状況が改善したため
85%
精度
予測精度(60%から向上)