輸送用機器メーカー様(BtoB/BtoC):AI需要予測ツールPoC支援

商品ごとの予測精度のバラツキに着目し、弊社AIソリューションをベースに、販売実績の大量データを活用したAI需要予測モデルを定義。今後、業務プロセス清流化による更なる工数削減を目指す

ハイテク_簡易事例02

Customer Profile

業種     電気機器
売上規模   1,000憶円以上
従業員規模  10,000人以上

プロジェクト概要

クライアントの課題

  • 人による需要予測の精度の低さ
  • 非効率な需要予測による多大な工数の発生
  • 属人的な業務運用

ソリューション・知見

  • AIを活用した需要予測の実行
  • ビックデータの活用

成果・効果

  • AIによる予測精度・業務時間の短縮効果・運用コストの算出
  • 予測精度が高い商品と低い商品を明らかにすることで、AIの有効活用パターン、および予測精度向上に向けた対応案を提示
  • 「省人化」・「属人化解消」に向けた、ルール化やシステム化等の運用面での対応案を提示

Key Points

クライアント課題の難所

人による需要予測の予測精度の低さと属人的な実行による工数の増加が課題に

前年同期の売上や小売のマーケット情報をもとに販売計画を立案しているが、販売実績数との乖離が大きく予測精度が低い、また需要予測業務が属人的であることも問題で、年中販売計画を作成するほど需要予測業務に工数がかかり、サプライチェーンにも悪影響を及ぼしていた。

人による需要予測の予測精度の低さと属人的な実行による工数の増加が課題に

 

プロジェクトの重要成功要因

AutoMLツールのdotData活用による予測モデルのスピーディな構築

クライアントが保有する大量データを使用し、自動でデータマート作成および特徴量生成できるdotData機能を活かすことで、計600のモデル構築と予測値算出をクイックに実現。
本格導入後の需要予測業務にかかる時間、運用コストを試算することで、AI導入効果を検証し、業務適用判断と導入に向けた対応方針の意思決定を支援した。
AI需要予測では、モデル作成~精度改良のPDCAサイクルを回し、継続的に精度向上に取り組むことが肝要で、そのためには、①インプットデータ拡充、②モデル性能向上の2つの観点が重要である。

AutoMLツールのdotData活用による予測モデルのスピーディな構築

 

アビームの貢献

まt

実業務におけるAI需要予測の導入に向けて、PoCの段階から精度面に限らず、本格運用を見据えた運用面等の課題整理を実施した。作成したAIモデルを業務に適用する際には、予測用データの取得・データマート作成・予測値算出といったプロセスを極力自動化して業務負荷の軽減を図り、予測値をもとに業務担当者間での調整・合意を行う上では、予測値の算出根拠を解釈できることが成否のポイントである。

まt

専門コンサルタント

page top