小売ネットワークにおける在庫予測 - LOKAD

Lokadの技術は、あらゆる規模の総合小売業者が、店舗および倉庫レベルで保有する在庫量を最小限に抑えながら製品の可用性を向上させるのに役立ちます。Lokadに伴う非常に高い自動化レベルにより、複雑な商品選定にも追加の人的リソースを投入することなく対応可能です。分位点予測技術は、販売が断続的かつ不規則な場合でも高いサービスレベルをサポートするために特化されています。さらに、クラウドコンピューティングを通じて、Lokadは数千店舗へのスケールアップに対応できます。

salescast retail right in inventory optimization software
Worten はエレクトロニクス小売業者で、300以上の店舗と e コマースを展開し、テクノロジー愛好家向けに多様な製品を提供しています。

Worten は店舗と人間味を伴うデジタル戦略を推進しています。LOKAD とのパートナーシップにより、経営のデジタル化と知見の刷新を実現し、店舗が顧客のニーズに迅速に応えられるよう準備を整えています。最終的には、このパートナーシップはサプライチェーンの見方および管理における技術的・経営的ブレークスルーとなっています。

Bruno Thiago Saraiva, Head of Stock at Worten

quotation shape left

複雑な品ぞろえに対する完全自動化

Lokad は過去の販売データを取り込み、直接に在庫予測を生成します。ここで「直接に」とは、予測生成時に一切の統計的設定を介在させないことを意味しており、そのため統計の知識がなくても容易に利用できるのです。

予測が正しく機能していることを保証するために手動で介入しなければならない場合、その作業は果てしなく続きます。製品数も店舗数も多すぎるのです。

多くの従来型予測ソリューションは予測の「調整」を可能としますが、総合小売業においては、これらの機能が

非常に誤解を招くものであることが何度も観察されています。手動介入が必要な場合、製品数と店舗数の多さから完全自動化こそが唯一の選択肢となります。

retail_networks_chart

Lokad の独自予測技術は製品間の相関関係を活用します。実際、単一製品のみでは十分な過去データが得られないことがほとんどです。幸いにも、企業は同時に数百、場合によっては数千の製品を販売しており、製品カタログ内の他の商品との関係性から見出せるパターンを利用することで、予測を手動で「調整」する複雑さを回避しています。これが望ましくない「ブラックボックス」的な振る舞いと捉えられることもありますが、実際にはシンプルな線形予測モデルでさえ、小売ネットワークでは事実上ブラックボックスとして機能しており、日々生成される結果のごく一部しか手動で確認できないのです。

従来型予測システムは、販売履歴が不十分な製品、販売量が少ない製品、季節性のパターンが不明確な製品など、エッジケースにも悩まされます。我々の予測技術は、品ぞろえ全体を 100% カバーするため、どの製品も取り残しません。

製品と店舗間の相関関係を活用する先進的な予測モデルは、小売ネットワークにとって必須です。なぜなら、そもそも相関させるべきデータ量が非常に多いからです。

断続的需要に対する高いサービスレベル

店舗レベルでは、ほとんどの製品が断続的な需要パターンに従い、毎日ごくわずかな製品ユニットしか販売されません。それでも、たとえ製品が週に一度しか販売されなくても、多くの小売業者は顧客満足のために高いサービスレベルの提供を求めています。Lokad の分位点予測技術により、極めて稀な販売製品に対しても正確な在庫予測結果を提供することができます。

従来の予測ソリューションは、すなわち中間値予測、つまり将来の需要に対して 50% 上回るか下回るかの確率を持つ予測に依存しています。しかし、店舗レベルでは大半の製品が 1 日に 1 回未満しか販売されないため、古典的な予測手法は機能しません。

製品 X を何ユニット用意すれば、サービスレベル Y を達成できるかというシンプルな問いに直接答える予測技術

一部のツールは、週間または月間レベルでの予測を行い、高次の予測を細分化して部分的な予測に落とし込むことでこの問題に対処しようとしますが、その誤差の大きさは驚異的です。古典的な予測を在庫最適化に用いるのは、問題に対する誤ったアプローチです。

Lokad は、小売向けに、製品 X を何ユニット用意すればサービスレベル Y を達成できるかというシンプルな問いに直接答える統計的予測技術を開発しました。通常、中間値予測や安全在庫を伴う非常に間接的で不正確な手法を用いるところを、分位点予測を通じて直接的な回答を導き出します。その結果、Lokad の予測手法は古典的な間接的アプローチとは異なり、分位点予測による在庫パフォーマンスは従来の手法を大きく上回るのです。

数千の店舗へのスケールアップ

retail_networks_stores

数千の店舗に対して先進的な統計予測を提供するには、膨大な処理能力が必要です。Lokad は Microsoft のクラウドコンピューティングプラットフォームである Microsoft Azure を活用することで、この処理能力を実現しています。Lokad における取り組みのおかげで、2010 年に Microsoft から初の Azure パートナー賞を受賞しました。

特に、Lokad はオートスケーリングと呼ばれる技術を活用しており、予測ジョブが発生すると、Microsoft Azure 上で(小売ネットワークの規模に応じては数百台に達することもある)サーバーを動的にプロビジョニングし、60 分以内に予測結果を提供します。計算が完了すると、すぐにすべてのサーバーのプロビジョニングが解除されます。

在庫予測が 1 日に 1 回以上必要とされることはほとんどないため、オートスケーリングによりハードウェアコストが直接 24 分の 1 に削減され、その削減分はクライアントに還元されます。しかし、実際のコスト削減は、小売データの高性能処理に特化した技術を開発したことに起因します。

倉庫レベルでの複雑な購買戦略

店舗レベルでの再発注プロセスは比較的シンプルである一方、倉庫レベルでの購買戦略は非常に複雑になることがあります。Lokad のスクリプトエンジンを利用すれば、通常の需要予測を、価格割引、出荷手数料、倉庫容量、リードタイムの変動などを考慮した正確な発注書に変換することが可能です。さらに、Priceforge を使用して、ネットワーク全体の在庫パフォーマンスを管理するために必要な、業界特有の KPI を設定することもできます。