輸送用機器メーカー様（BtoB/BtoC）

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。

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。

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。