市場や顧客とAI経営

今後はSNSでの評判やサンプル調査、メディアへの露出といいましたデータを組み合わせ、発売前の予測につきましてもその精度を高めていく考えだ。これが実現するそしたら、初回出荷数量の最適化など、販売効率を最大化していってしまうことが可能になった。

過去に発売した200品目におよぶ製品の出荷・実販データと、カレンダーや気象情報、製品情報などをデータとして入力。市場や顧客ニーズが目まぐるしく変わる中、商品のライフサイクルはつぎつぎ短くなり、その種類もますます増える傾向にある。

とは言いましても、新商品には参考になるデータが多くないため予測がもっとも簡単じゃない。アサヒビールが実践してる実証実験もその一つ。

これにより、以降の生産計画や在庫計画の最適化を行えるわけだ。しかし近頃は、AIを使った新たなアプローチが始まってる。

その結果「新製品が如何に売れるか」を予測するのは、企業経営にとりまして重要なテーマと言えるだろう。すべての企業では社内会議での調整やベテラン担当者の経験と勘など、主観的な推測の域をでないのが実情だ。

実証実験の対象製品のうち7割は比較的最高精度での予測結果となって、予測値と実績値の誤差率が10%未満のものや、中には1%以内という高精度の新製品もあったといいます。仮に予想を大きく超える注目が出た場合、販売機会を逃すばかりか欠品騒ぎが起こってしまう。

この仕掛けは、過去のデータから複数の規則性を自動で見つけ出し、将来の予測を行うもの。その上で、発売直後の出荷の動きを基に発売後4週間の売り上げを予測する。

同社では、NECの異種混合学習技術と呼びますAI技術を採り入れ、予想と実需の荵夜屬による欠品や不良在庫の廃棄を減らす取り組みを進めている。反対に予想を下回れば、不良在庫の廃棄が発生するリスクが高まるからです。