AIは、データに基づきコンピューターが学習し、物事の分類や識別、予測などを行う技術です。将来のニーズを予測する需要予測にも活用されており、製造業や小売業をはじめ、多様な業種・業界で注目されています。本記事では、AIによる需要予測にはどのようなメリットがあるのか、具体的な取り組み事例と併せてご紹介します。
AIによる需要予測とは?
過去の販売履歴や各種データを用いて、「需要に対して影響を及ぼす原因」と「予測したい需要」との関係性を学習したのち、将来の需要がどれくらいあるのかを予測することを「需要予測」といいます。
メーカーが需要予測を行うことで、製造する商品の数を調整し、廃棄や余剰在庫を削減できます。また人員配置においても、繁忙期が予測されるタイミングで事前に増員を手配できるようになります。
かつてはベテランスタッフが経験や勘に基づき判断する人的予測が主流でしたが、現在はAI(人工知能)を活用して高い精度で予測する、統計的な手法を導入する企業が増加しています。
AIによる需要予測が求められる背景
AIの需要予測が求められている背景としては、消費者の需要や市場環境が従来以上のスピードで変化するようになったことが挙げられます。
現代のビジネス環境では、消費者の行動は常に変化し続けています。気候変動や新型コロナウイルス、地政学リスクの増大など世界規模での情勢不安も影響し、市場の変化は予測困難な状況です。これにより、過去のデータや需要の遅行指標を用いた従来の予測方法では対応が遅れ、機会損失や資本コストの増大などのさまざまなリスクを招く結果となっています。
そこで求められるのが、次世代技術であるAIなどを活用した予測プロセスの改良です。次世代技術を利用することで、過去のデータだけでなく、リアルタイムなデータや先行指標を活用して需要予測を行えるようになります。これにより、企業は市場の変化に迅速に対応し、タイムリーに機会を捉えることが可能です。
従来の予測方法では対応しきれない現代のビジネス環境において、AIによる需要予測は企業の生存と成長に欠かせません。AIをはじめとする次世代技術を積極的に導入し、予測精度を向上させることは、企業が時代の変化に対応し、競争力を維持していくうえで非常に重要です。
AIによる需要予測の主な手法について
AIとは、人間のように物事を分類・判断・予測できるコンピューターを開発する技術です。なかでも大量のデータからルールや規則性を学習する機械学習は、ビジネスにおける活用が著しく、需要予測の分野でも広がっています。
AIが需要予測を行う際の計算方法には、主に以下の3つがあります。
移動平均法
「移動平均法」とは、過去の実績データから一定範囲内の平均値を計算して、将来の予測を行う方法です。平均値を算出する範囲が移動していくのが特徴で、それが名前の由来でもあります。後述する加重移動平均法と区別して「単純移動平均法」とも呼ばれます。
シンプルなロジックである反面、計算範囲が移動する都度再計算を行う必要があります。また、常に範囲は一定であるため、膨大なデータを蓄積したとしても精度向上にはつながりません。
回帰分析
「回帰分析」とは、ある事象に関して因果関係があると考えられる変数との関係性を直線で導き出す手法です。原因となる説明変数(独立変数/予測変数)を「X」、求めたい結果(目的変数/従属変数)を「Y」とし、XがYにどの程度影響を及ぼすのかを分析します。
ひとつの目的変数に対し、用いられる説明変数が単一か複数かによって、「単回帰分析」と「重回帰分析」に分類できます。たとえば、単回帰分析を式で表すと「Y=aX+b」となります。なお「a」は傾き、「b」は切片をそれぞれ表し、これらを求めるにあたっては最小二乗法が用いられます。
加重移動平均法
「加重移動平均法」とは、データの重みづけを行うことで平均値を算出する方法です。平均値を求める際、データの時期がさかのぼるにしたがって、重みづけを減らしていくのが特徴です。直近のデータを重視した平均値が算出できます。
AIを利用した需要予測を行うメリット
AIを利用した需要予測は、大企業だけでなく人手不足に悩む中小企業にとっても大きな効果が得られる手法です。具体的には、以下の4つのようなメリットが期待できます。
生産計画に根拠が持てる
AIは過去の膨大なデータに基づき予測するため、勘や経験に頼らずに、規則性に基づく一定の精度を持った予測ができます。そのため、メーカーが製品の生産計画を立案する際も、属人的な根拠に頼らずシミュレーションによる客観的な判断が行えます。
理論上最適な在庫量を把握できる
製造する製品が多すぎれば過剰在庫になり、少なすぎると販売機会の損失になります。そのため、在庫の最適化は重要です。AIを需要予測に用いることで、さまざまなデータを自動で分析し、その結果に基づき在庫量を最適に近づけることが可能です。
在庫を最適化することで、在庫管理業務や返品作業の効率化・負担軽減ができます。それにより捻出できた時間を使って、担当者は企画業務などより付加価値が高い作業に注力できるようになります。
なお、AIによる需要予測の精度は100％になることはありません。AIは完ぺきでないことを踏まえたうえで、運用しながら予測と実績値の検証を行い、適宜調整していくことが必要です。
担当者の負担を減らすことができる
手作業による需要予測では、作業できる人員が限られる、人によって精度にバラツキがあるなどの課題がありました。AIによる需要予測を導入することで、短時間で安定した精度の予測が可能となるうえ、担当者の作業負担も削減できます。
また、予測に基づき設備や人員の適正配置を行うことで、効率的に作業を行えるようになる点もメリットです。実際、ある企業ではAI需要予測システムを導入することで、10人以上の仕入れ担当者が手作業で行っていた仕入れ計画を自動化し、大幅な工数削減につなげています。
短期的で明確な需要予測ができる
従来の予測方法では、過去の販売データなどに基づいた時系列手法を使用していましたが、その方法だと急速に変化する現代の消費者の需要を正確に把握するのは困難です。その点、AIによる需要予測では、従来のデータに加えてリアルタイムデータや先行指標を活用できるので、より時機に即した分析ができます。
さらに、AIを活用することで、経験則などに基づく人間の先入観を分析から排除し、より客観的な予測を行うことが可能です。これにより、企業は短期的かつ正確な需要予測が可能になり、市場の変化へ迅速に対応できるようになります。
AIによる需要予測を活用した事例
AIを活用した需要予測は、すでに多様な業界・業種で導入されています。ここでは、先進的な取り組みを行っている3つの事例をご紹介します。
タクシー配車を最適化する
タクシー配車とは、自社の営業所以外で要望があった地点に車両を派遣することです。もともと電話で予約するのが主流でしたが、近年はタクシーアプリの登場により、スマホで車両を予約できるようになりました。それに伴い、アプリから乗客の利用状況などのデータを取得できるようになったことで、AI需要予測を活用した配車の最適化が進んでいます。
複数のタクシー会社では、過去の利用履歴などから利用者数をAIで予測し、高い需要が見込まれるエリアにあらかじめ多くの車両を向かわせるようにしています。これにより、利用客の待ち時間を削減できるほか、利用率の向上も期待できます。
あるタクシー配車アプリでは、車両の走行データや乗車数、周辺の乗車数といったデータを用いて、次の30分間にどれくらいの乗車数が見込めるかを予測しています。さらにAIが最適な走行ルートを提案することで、ドライバーが最短で目的地に到着でき、空車になる時間を短縮できるようになっています。
スポーツのチケットの価格を変動させる
商品・サービスの需要増減により販売価格が変動するシステムを「ダイナミックプライシング(変動料金制)」と呼びます。もともとホテル予約や飛行機のチケット販売などで導入されていましたが、近年ではコンサートやアミューズメントパークの入場料にも導入されています。
スポーツ試合の観戦チケット販売においても、このダイナミックプライシングが採用され始めています。AIがチケットの購入需要を予測し、需要が高い時期と低い時期で数％～数十％の価格差を設けることで、顧客のニーズにあわせた価格でチケットを販売できるようになっています。
一律価格で販売するのではなく、需要に基づき価格を増減させることで販売数をコントロールできるため、転売対策や売上の向上につなげることが可能です。主催者にとっても売上全体を上げられるメリットがあります。
回転ずしにおける需要予測
回転ずし業界にとって、商品の鮮度管理は非常に重要です。ある回転ずしチェーンでは、商品皿にICタグを取り付け、レーンを一定距離まわった商品を自動廃棄するシステムを導入し、常に新鮮な商品を提供しています。
回転ずしでは、顧客のニーズにあわない商品をレーンに載せると廃棄率が高くなるため、的確な需要予測を行うことが大きな課題です。しかし同社は、かねてから売れ筋や売れるタイミング、廃棄品などのデータを収集していたものの、膨大なデータ量を処理しきれずにいました。
そこでAI需要予測システムを導入し、事前に収集していたICタグのデータや、画像認識で得た注文状況データを活用できる体制を構築しました。これにより顧客ニーズの高精度な予測が実現し、適切なタイミングでの商品提供によって廃棄率を大幅に削減できたほか、待ち時間短縮による顧客満足度向上にもつながったとのことです。
AIによる優れた需要予測を提供する「o9デジタルブレイン」とは?
o9デジタルブレインは、現代の不確実性や複雑性に立ち向かう企業を支援する次世代プラットフォームです。このクラウドネイティブなプラットフォームは、AIによる需要予測を通して、企業のデータドリブンな意思決定をサポートします。
企業の課題解決を支援
多くのグローバル企業では、財務計画、製品計画、需要計画、サプライチェーン計画などが個別に立案され、それぞれの計画に従って意思決定を行うのが通例です。しかし、このように社内の計画や意思決定がサイロ化された状態では、現代のビジネス環境を取り巻く複雑性や変動に適応できません。
また、企業は大量のデータを取得していますが、これらのデータを記述的な分析を通して知識へ変換し、迅速かつ適切な意思決定を行うことには限界があります。こうしたなかで、企業は売上の低下、サプライチェーンコストの増加、生産性の低下などさまざまな問題に直面している状況です。
o9デジタルブレインは、これらの問題を解決するために次世代の統合ビジネス計画(IBP)機能を提供します。CRMをはじめ、倉庫や工場などのあらゆるアプリケーションに接続し、それらのデータを統合可能です。また、消費者、市場、POS、IoTなどのデータもプランニングに活用できます。
データ活用を加速させる次世代プラットフォーム
o9デジタルブレインは、AIによって補強された自動化と高度な分析力を組み合わせることで、企業の大胆な挑戦を支援します。主要なクラウドプロバイダーと連携し、柔軟かつ拡張可能なクラウドネイティブなアプリケーションとして利用可能です。
デジタルネイティブでない企業でもデータを活用し、既存のビジネスのデジタル化と将来のデジタルオペレーティングモデルの両方を実現できるように支援します。AIによって自動化されたインテリジェントな予測は、市場の動向を従来以上の精度で把握することを可能にし、プランナーは正確な需要計画を効率的に作成できるようになります。
さらに、o9プラットフォームは制度的な市場知識に基づきつつ、最高水準の予測精度を持ったデータを提供します。同時に、企業にアジリティ(迅速性)とレジリエンス(回復性)を提供できます。
「o9デジタルブレイン」の特徴
モデリングの柔軟性
o9デジタルブレインは、システムの柔軟性と拡張性に優れており、事業の特性や状況にあわせて迅速に最適化できます。
たとえば、多様な製品ポートフォリオを持ち、季節性や販売活動の変動の影響が強い製造会社では、o9デジタルブレインが多様な需要ドライバーをモデル化し、従来のスプレッドシートを補完する統合システムとして活用されています。
販売部門が得るリアルタイムの可視性
特に販売部門では、機会損失を防ぐために、さまざまな情報をリアルタイムに可視化・共有することが非常に重要です。しかし、従来の組織では部門間の情報共有が非効率的な仕方で行われていることが多々あります。
その点、o9デジタルブレインを導入することで、製品情報、マーケティングデータ、供給状況、競合他社の状況など、複数部門に渡る情報をリアルタイムに可視化できます。これにより販売部門は、需要の増減へ迅速に対応できるようになります。
需要計画の自動化
需要計画の作成を自動化することが可能です。しかもAIによるインテリジェントな予測に基づいて作成された需要計画は、手作業で作成していたとき以上のクオリティになります。
たとえば、食品業界では、気象予報や衛星画像などのデータを活用し、AIが最適な収穫期を予測することで収穫高やサプライチェーンの効率性を向上させています。
予測の死角を回避
o9デジタルブレインは、予想外の事態を回避するためにスマートアラート機能を提供しています。スマートアラートにより、販売チームやサポートプランナーは最終サイクルからの変更をリアルタイムで把握し、計画やシナリオの動的調整が可能です。
また、AIは販売部門が見直しをする際の土台となる基本予測を作成すると共に、予測仮定を提供することで、販売部門が予測の変化理由を把握・説明するためのサポートをします。
サイロに橋を架けるギャップクロージャ―
予測と計画のギャップを埋める役割を果たします。販売部門が価格決定や販促活動などを行う際に他部門と協力する際には、リスクとチャンスの双方を共有することが必要です。
その点、データの可視化・共有を促進するo9デジタルブレインは、部門間の協力をスムーズにできるように支援します。スムーズなデータ共有は、サプライヤーやOEMとの協働においても効果的に働く要素です。
パフォーマンスを向上させるポストゲーム分析
予測・計画・実績の比較分析を簡単に行うことが可能です。販売管理部門は予測と計画と実績を比較・評価することで、組織内の説明責任を果たすと共に、継続的な改善を促進できます。
これにより、相対的なスコアボードやベンチマークに基づく健全な競争文化を醸成可能です。
誰でも使える直感的UI
プランナーやマネージャー、現場の担当者が誰でも簡単に使用できる直感的なUIを提供しているのも特徴です。たとえばExcelを使い慣れたプランナー向けにExcelのフロントエンドも用意されています。
UIの使いやすさは、「マネージャーが計画と実績を比較した報告書を簡単に確認できる」「販売担当者がモバイル端末からリアルタイムで情報をやりとりできる」など、データの整合性や共有のしやすさにも直結する重大な要素です。
まとめ
不確実性の高い現代の市場環境において従来の需要予測は機能しづらくなっています。こうしたなかで重要性を増しているのが、AIによる需要予測です。AIによる正確かつリアルタイムな需要予測は、市場や消費者の急速な変化もタイムリーに捉えて機会損失を防ぎ、企業の競争力を向上させます。
クラウドネイティブな次世代型プラットフォーム「o9デジタルブレイン」は、AIによる自動化と分析力を組み合わせた需要予測によって企業を強力に支援するソリューションです。導入を検討してみてはいかがでしょうか。
