裸の予測（サプライチェーンのアンチパターン）
誰も、自分が何も見ていないと認識されることを許さなかった。なぜなら、それはその人物がその職務にふさわしくないか、非常に愚かであることを示してしまうからである。皇帝の服は、これまで誰もこれほどの成功を収めたことがなかった。 (『裸の皇帝』、ハンス・クリスチャン・アンデルセン、1909)
別名: Gosplan (ソビエトの計画)
カテゴリー: organization
問題: ある企業は再発するストックアウトと過剰在庫に直面している。これらの問題は非常に高コストである。ストックアウトのために顧客は競合他社に流出し、過剰在庫は必ずしも清算に高いコストを伴う。マクロ予測は、ネットワークレベルや製品カテゴリーごとには比較的正確で偏りがないが、SKUレベルでは、多くの場合、予測が過大または過小となる誤りが生じる。企業はすでにソフトウェアベンダーとのいくつかの試行を経ており、各ベンダーは前システムと比べて予測精度が改善されたと主張しているにもかかわらず、過剰在庫とストックアウトはこれまで以上に蔓延している。
逸話的証拠: 予測は常に外れる。誰もがそれを知っているが、計画チームは状況に対処するための言い訳を次々と並べるようだ。
前提: 企業はサプライチェーンを調整するために複数のチームを有しており、特に計画チーム、購買チーム、生産チーム、在庫補充チーム、そして価格設定チームが挙げられる。計画チームは、会社が発売・販売するすべての製品に対する主要な需要予測を作成する。予測は製品ライフサイクルのかなりの期間をカバーしなければならないため、その期間は長く、少なくとも3か月以上、しばしば1年以上に及ぶ。主要な需要予測、すなわち「プラン」は、まず購入数量に、次に生産数量に、そして在庫配分へと変換される。最後に、在庫レベルがプランで定められた水準を上回るか下回るかに応じて、価格は調整され、場合によっては上昇することもあれば、大抵は下降する。
想定される解決策: 「プラン」―つまり計画チームが作成した予測―には、製品が予測通りに売れず、速すぎたり遅すぎたりするため、精度の問題がある。しかし、企業が使用している予測手法と-excel-での-数式は、やや粗いものであり、部分的にスプレッドシートで作業されている。確かに、より正確な予測を作成する方法が存在するに違いない。経営陣は、これらの予測に何か手を打つ必要があると判断し、予測精度の向上に向けた取り組みを開始する。この段階で、高度な統計解析は会社の中核能力ではないため、通常、第三者ベンダーが介入し、ソフトウェアを提供するか、計画スタッフへのトレーニングを実施する。
その結果の状況: 予測改善に多大な努力が注がれている。いくつかの指標では予測は改善しているとされる。一方で、計画以外のすべてのチームは、旧来の予測手法の欠点に慣れており、その限界に対処するための独自の方法を既に構築していた。計画チームが手法を変えると、他の全チームは新たな予測手法の欠陥に適応しなければならず、一時的に大きな摩擦が生じた。その後、予測に基づくすべてのサプライチェーンプロセスを見直すことで、予測そのものとは無関係な簡単な成果が得られるものの、経営陣はこの取り組みから測定可能な成果を見出せなかった。過剰在庫は依然として問題であり、ストックアウトも例外なく頻発している。複雑な数学的指標を脇に置けば、社内の漠然とした認識は、予測が以前と同様に悪いというものである。予測取り組みに関与していた主要な従業員の何人かは既に他社などへ移っており、消滅した予測プロセスの成果を誰も引き継がないまま、その痕跡はプロセスや使用されるソフトウェアツールに残っている。
魅力的な要素: より正確な予測は、まるで魔法の弾丸のように見える。購買チームから店舗のマーチャンダイジングチームに至るまで、誰もが、これがほぼすべての企業の痛点を解消すると考えている。例えば、トップセラーだけを市場に送り出し、需要を支えるに足るキャパシティのみを確保し、割引を控えるといった具合である。また、これは予測誤差を減少させるという一面的な問題であり、その目的を全ての関係者に伝えやすく、合理的―科学的とも言える―手法として企業の改善に寄与する。そして、根本的には現状を大きく変えるものではない。より正確な予測が出たとしても、誰の地位も脅かされず、また、各自の企業内での役割を再考する必要もない。デジタルトランスフォーメーションの文脈においても、それは単に小さな画面から大きな画面へ移るのと同じくらい単純なものと期待されている。
問題解決に向けた前向きなパターン: 「裸の予測」問題を解決する唯一の方法は、予測に服を着せることである。より具体的には、予測に紐付くサプライチェーンの意思決定は、その根底にある予測と本質的に絡み合っているものとして扱われるべきである。予測精度は、モデル化の問題を特定する「デバッグ」成果物とみなされるべきであって、最適化されるべきKPIではない。本当に重要な指標は、ドルやユーロで計測され、「どれだけ購入するか？」「店舗にどれだけ投入するか？」「どれだけ割引するか？」といった日常の意思決定に関連するものである。
例: 自社の小売ネットワークを展開する大手ファッションブランドであるContosoは、各シーズンの終わりに過剰在庫に苦しみ、その結果、余剰在庫を一掃するために顧客に大幅な割引を提供している。さらに、数年にわたり平均割引率は着実に上昇し、顧客の多くがセール期間まで購入を延期する傾向が強まっている。マクロ予測は満足のいくものではあるが、多くの製品について、各シーズン、予測が過大または過小となる誤りが多発している。Contosoは、予測改善のために複数の社内試行を実施しており、これらの取り組みは数年前に行われたERPのカスタマイズ施策の自然な延長のように感じられた。
新作コレクションの展開は、確立されたプロセスに従って行われる。まず、計画チームがコレクションの範囲と深さを定義し、各製品の目標数量を設定する。次に、購買チームがさらに調整を加える：原予測が製品レベルであるため、サイズごとに数量を割り振る必要があり、最小発注量 (MOQs)（最低発注数量）を満たす必要がある。続いて、マーチャンダイジングチームおよび店舗配分チームが、各店舗でシーズン開始時に投入する初期数量を決定する。シーズンが進行するにつれて、在庫補充チームが補充を指揮し、予測と整合性を保とうとする。最後に、シーズン終了時、あるいは場合によってはその前に、価格設定チームが大幅値下げを実施し、過剰在庫が元の予測と著しく乖離している場合、プランとの整合性を再構築する。
Contosoの取締役は、社内での予測精度向上の取り組みが意図した効果をもたらさなかったことに気づく。計画チームは依然として季節性の把握に苦慮している。ContosoのCEOは、次世代予測技術を開発した、資金調達に成功しているカリフォルニアのスタートアップ、GenialysのCEOからアプローチを受ける。彼らの技術は、Contosoの全販売データをリアルタイムで処理できるだけでなく、リアルタイムの天気データやソーシャルメディアデータも統合している。いくつかのリファレンスコールにより、既に非常に有名な企業との技術検証が済んでいることが示され、非常に印象的である。
したがって、CEOの直接の支援を受け、Genialysとの大規模な取り組みが立ち上がり、予測精度を劇的に向上させることが目標となる。最初の数週間は順調であったが、2か月後、ContosoのITチームは関連データの抽出に本格的に苦戦していることが明らかになる。多くの一見些細な問題が、実は複雑であることが判明する。例えば、Genialysのチームは、Contosoが定期的に実施する「1つ買うと1つ無料」のプロモーションにどう対処すべきか確信が持てなかった。双方が比較的激しく6か月間苦戦した結果、Genialysは予測の提供を開始した。しかし、計画チームはその数値を完全には信用していない。Genialysが提供する数値を簡単に手作業で確認すると、全く外れている場合があることが分かる。Genialysのチームは、これらの予測問題を説明するかのようにデータの問題を指摘し続けるが、全体として状況は不透明である.
誰を信用すべきか分からなくなったContosoでは、サプライチェーン管理部門が、Genialysと「旧」予測システムそれぞれの精度を定量的に評価するためにKPIを導入することを決定する。その考えはシンプルで、バックテストを実施すれば、どちらが最も正確かが明らかになるはずであった。不運にも、3か月後、数十回の会議と数百時間の努力を経ても状況は依然として不透明だった。Contosoで用いられていた過去の予測プロセスは、計画チームが多くの予測を手動で調整していたためにバックテストが不可能であることが判明した。したがって、過去の予測を再現するのはあまりに手間がかかる。一方、Genialysは多数のバックテストを実施したが、その数値のうちどれが実際のものなのかは不明であった。Genialysの精度指標は全体としては問題なさそうに見えるものの、計画チームはGenialysが日常的に算出する数値に常軌を逸したものを発見し続けている.
18か月が経過した現在、Genialysはもともと予測がそれほど難しくなかった男性用下着など、いくつかの安定した製品群で実運用されている。しかし、女性用靴や男性用スーツのような難しいカテゴリーは、依然として旧プロセスにより計画チームが手動で管理している。天気やソーシャルデータを活用するという当初の野望は、今や遠い過去のものとなった。実際、Genialysのソリューションは最も単純なカテゴリーに対してもかろうじて対応できるに過ぎない。Genialysがカバーするカテゴリーの範囲を拡大する計画は残っているが、チームはすっかり疲弊しており、すでに何人かは離職している。ビジネス上の成果は中途半端で、男性用下着の供給は2%増加し、値下げは1%削減されたが、このカテゴリーの品目数が減少しているため、追加された（これまで測定されなかった）予測精度向上がこの好転に寄与しているかどうかは不明である。公式には予測取り組みは今なお進行中であるが、経営陣はもはや何も期待していない。