PoC開発サービス
在庫を減らしたい一方で、欠品も増やしたくない。需要予測AIを検討するときは、先に予測対象の商品と期間を決めます。売上を予測することと、発注数を決めることは別の仕事です。最初のPoCでは一部の商品を対象に、過去のある時点へ戻って予測し、その後の実績と比べる範囲から始めます。
文章を作る生成AIに数量を尋ねただけでは、自社の需要予測を検証したことにはなりません。販売履歴の集計や統計的な予測も候補に含め、現在の方法より業務で使いやすいかを確かめます。
最初に決める予測対象と期間
予測を使う場面が週1回の仕入れなら、商品ごとの翌週の販売数量が候補です。納入まで数週間かかる商品では、発注から入荷までの期間も考慮します。日別、週別、月別を混ぜず、実際の判断に必要な単位を選びます。
対象は、販売履歴を取り出せて担当者が結果を確認できる商品群に絞ります。新商品や受注がまれな商品は、既存商品の傾向をそのまま当てはめず、別に扱います。店舗別の予測が必要なら、商品だけでなく店舗の区別もデータに残します。
予測結果を自動発注へ直結させない
発注数には、現在庫、発注済み数量、最小発注単位、入荷予定なども関係します。PoCの成果物は、予測値と実績を確認できる表、誤差の記録、対象外条件などに限定できます。発注判断は担当者に残し、自動発注との連携は別の範囲として見積もります。
販売履歴には何を残すか
販売数がゼロの日も、販売できる状態だったかを確認します。欠品で販売できなかった日や休業日を区別します。返品やキャンセルも、売上から差し引く時点をそろえてから集計します。
| 確認するデータ | 用意する内容 | 未整理のときの扱い |
|---|---|---|
| 販売履歴 | 日付、商品コード、数量、店舗 | 同じ単位に集計する |
| 販売できなかった期間 | 欠品、休業、販売停止 | 通常のゼロ販売と分ける |
| 特別な販売条件 | 値引き、販促、価格改定 | 通常期間と分けて評価する |
| 商品の変更 | 終売、後継品、セット内容 | 自動で同一商品に統合しない |
履歴が何か月あれば十分かは、予測期間と確かめたい変動で決まります。年ごとの季節変動を見たいのに、その季節を一度も含まない履歴だけでは検証できません。データの長さだけで判断せず、評価したい期間が含まれるかを確認します。
過去から未来の順に検証する
ある週末に予測する想定なら、その時点で入手できた情報だけを使います。後から確定した販売実績や、当時は未定だった販促情報を入力すると、実運用より有利な条件で評価してしまいます。
scikit-learnの公式資料も、時系列データを扱う際に未来のデータで学習して過去を評価する問題を説明しています。自社のPoCでも時間の順序を守り、予測の起点をずらして複数の期間を試します。
現在の方法を比較相手にする
担当者の予測が記録されていれば、その値と比較します。記録がなければ、直近の販売数を使う方法や過去数週の平均など、簡単な方法を比較対象にできます。比較する期間と対象商品をそろえ、AIだけ欠品日を除くといった扱いはしません。
最初に評価用の期間を取り分けます。その結果を何度も見ながら調整した場合は、調整に使っていない後の期間で再確認します。
成功条件は誤差と確認時間で決める
予測が外れた数量を商品別に確認し、過大予測と過小予測を分けます。全商品の平均だけでは、欠品を避けたい主力商品の誤差を見落とします。販売数が少ない商品の割合の誤差は大きく出やすいため、数量の差も併記します。
仮例として、ある商品の予測が120個、実績が100個なら、20個の過大予測です。この数字は説明用で、当社の開発実績や精度保証ではありません。別の商品で逆方向に20個外れたからといって、差を相殺して誤差ゼロとは評価しません。
成功条件には、現在の方法と比べた誤差、担当者が確認・補正する時間、判断を保留する条件を入れます。欠品減少や在庫削減を確認するには、実際の運用期間と発注条件も必要です。過去データでの予測評価だけから、削減効果を断定しません。
開発費と運用で確認すること
見積もりでは、履歴の整形、予測対象の商品数、予測の更新頻度、結果を渡す形式を伝えます。過去データを使う検証と、販売管理システムから毎日データを取り込む仕組みは、分けて費用を確認します。
当社のPoC開発サービスは、1つの業務を対象とした開発・検証を20万円から案内しています。金額は対象業務と開発範囲に応じて見積もります。AIサービス利用料などの別途費用は事前に案内します。需要予測の実装方式や必要な検証期間は、履歴を確認して相談する内容です。
運用後は、商品改廃や販促の変更に合わせて予測の外れ方を確認します。いつ再検証するか、データ欠損時は誰へ通知するか、予測を使わず従来の手順へ戻す条件も決めます。
需要予測AIが向かない状態
履歴の数量単位がそろわない、欠品と売れなかった日を区別できない、結果を確認する担当者がいない状態では、データと業務の準備を優先します。一品ごとに仕様が変わる受注生産では、販売履歴だけで予測する案が適切かも再検討します。
また、月に数件の判断で現在の方法に困っていないなら、集計表の改善で足りるかを先に確かめます。AIを使うこと自体を成功条件にしない進め方です。
販売履歴と現在の予測方法から相談する
相談時は、予測したい商品群、判断の頻度、保有する履歴の項目、現在の予測方法を伝えてください。機密情報を含む実データの受け渡し方法は、事前に確認します。最初は項目名や匿名化したサンプルから、検証できる範囲を相談できます。