理想は在庫ゼロという状態である
需要予測は卸売業の肝となる技術であり、今後ますます磨いていくべき部分です。弊社では、小売業さんと商品情報を共有化し、当社独自のシステムで販売傾向、需要予測に基づく適正在庫および発注サイクルの最適化を行っています。
需要予測の精度を高めることにはさまざまな効果がありますが、「在庫の削減」と「返品の削減」は中でも重要な課題です。
まず在庫の削減です。我々卸売業は、在庫が多ければ多いほど、大きな物流センターが必要になり、効率も落ちます。「在庫ゼロ」が究極の理想形ではありますが、さすがにそれは不可能です。ですから在庫は少なければ少ないほどいいと考えています。しかし、いつどんな発注が来るのか予測できないと、在庫を多く持たざるを得ません。正確な需要予測を行うことができるようになれば、在庫数をぐっと減らすことができるでしょう。資金繰りも楽になります。
サプライチェーン全体の無駄を無くす
在庫削減によるメリットは、卸売業だけが享受するものではありません。
小売業さんは、欠品による機会損失を無くしたいと、なるべく多めに在庫を持とうとします。メーカーさんはメーカーさんで、卸からいつ発注が来るかわかりませんから、こちらも在庫を持とうとします。つまり、卸、小売、メーカー、それぞれが在庫を持っていることでサプライチェーン全体で非常に大きな無駄が発生しているのです。ですから、それぞれの在庫を減らすことができれば、高効率な経営ができるはずです。
また、小売業さんは、なるべくバックヤードの面積を減らして売場面積を増やしたいとお考えです。しかし在庫をたくさん持とうとすると、どうしてもバックヤードの面積を広くとる必要が出てきます。店舗が持つべき在庫を減らすことができれば、バックヤードに割く面積もぐっと減らし、その分売場面積にあてることができます。
このように、在庫の削減は、小売業さん、メーカーさん、卸の三者にとって非常にメリットが大きいのです。
もう一つ需要予測を突き詰めることで得られる大きなメリットが、返品の削減です。
小売業さんは、欠品による機会損失をなくすために、在庫を多く持たざるを得ず、結果、返品が多くなってしまいます。小売業さんからの返品は、われわれ卸売業を通過してメーカーに戻ります。この返品の量は驚くほど膨大です。
返品を減らすことができれば、製配販すべてにおいて余分なコストをおさえられ、消費者の方もより安く、より良い品を購入できるようになるでしょう。
ですから私たちは適切な需要予測をすることで、返品を減らすことに挑戦していきたいと考えています。
新たな需要予測モデル導入への挑戦
これまで弊社では「移動平均モデル」という世間一般で広く使われている方法をさらに弊社向けにチューニングした需要予測モデルを採用していました。しかし、人間が調整を行なっているのでどうしても限界があります。そこで全く違うモデルを採用して需要予測の自動化を行うことができないか研究をしています。
今私たちが研究しているのが、「自己回帰モデル」です。
「移動平均モデル」は簡単に言うと、過去の売上の推移の平均を算出して将来を予測する手法です。
一方「自己回帰モデル」は、説明が難しいのですが、現在の状態と未来の状態との間に、何かしらの関係性があると考えて、その関係性の過程を、過去の状態にさかのぼって(これを「回帰する」と言います)、過去・現在・未来の相関関係を数式で表しましょうというものです。
別の言い方をすると、移動平均モデルは、単純にデータをざっくりとした直線に落とし込んで、未来は過去から現在までに引いた直線の延長線上になると考えます。一方の自己回帰モデルは点と点の相関関係を数式で表します。
移動平均モデルだけですと、たとえば過去6週間のデータについて適用すると、普段は適切に予測できるのですが、突発的に起こった事象に対して適切な対応をすることが難しいという課題がありました。一方の自己回帰モデルは、過去のデータそのものを使うわけではないので、突発的な事象にも対応できるという利点があります。
ですが、過去のデータをつかわない自己回帰モデルだけではなかなか予測が難しいので、両者のおいしいところを組み合わせて、需要予測を行おうと考えています。(ちなみにこれを、自己回帰移動平均モデルといいます)
今までの移動平均モデルでは、カテゴリーによって精度が異なってきてしまうため、人間が手作業でパラメーターの調整を行ってきました。これを人間の手を介さず、チューニング無しで運用するために、コンピュータが自動的に予測をするモデルを作っていきたいと考えています。
もともと私は自動車メーカーでロボット開発のエンジニアをしていました。そこで人との混在環境でロボットを歩行させる研究の中で、人の動きを予測するため自己回帰移動平均モデルを活用していたのです。PALTACに転職したときに、需要予測に移動平均モデルを使っていると聞き、ならば自己回帰モデルを加えたほうがより精度が高くなるのではと考え、自己回帰移動平均モデルの研究をスタートさせました。
研究して日が浅いのですが、現時点で従来モデルと遜色ない精度を実現しています。今後数年かけてより精度を高くし、小売店さんにご提供することで、サプライチェーン全体に価値を提供していきたいと思っています。
(談・文責/編集部)