ファッション需要予測
予測は難しいです。ファッションの未来を予測することは非常に難しいです。その結果、ファッション業界のほとんどは、オープン・トゥ・バイなどの単純な手法に依存しています。これらの手法は、上から下への移動平均のようなものです。しかし、ほとんどのサプライチェーンの専門家は、現実の世界でオープン・トゥ・バイを実際に上回るものがない限り、オープン・トゥ・バイは時代遅れではないと主張するでしょう。実際、最近まで、私たち自身の観察結果は、ファッション企業が私たちに伝えていたことと一致していました。つまり、ファッションには本当にうまくいくものがなく、他のどの選択肢よりも満足できるものはありませんでした。
去年リリースされた私たちの確率的予測エンジンは、ファッション業界において画期的な変化をもたらしました。ファッション需要パターンに苦しんできた数年の後、私たちはついにファッションセクターの特定の課題に向けて設計された予測エンジンを手に入れました。過去数ヶ月間、私たちは複数のファッション企業のサプライチェーンを推進してきましたが、実際にうまくいっています！ファッション業界における予測ベンダーの実績を考えると、私たちの成功確率は本当に低かったです。
ファッションの需要は通常、新しさによって生まれ、新製品は「コレクション」を通じて一緒になります。コレクションはファッションの観点からは重要ですが、同時に大きな予測の課題でもあります。
まだ売れていない商品の需要を予測する必要があります。
ファッションは長い間売れていない商品についてではなく、実際には「まだ売れていない商品」についてです。この視点は、ほとんどの予測システムの基礎となる時系列予測手法とは根本的に一致しません。ただし、Lokadではそうではありません。実際、ファッションの場合、時系列には歴史的な深さがないため、予測のために頼るものは何もありません。
Lokadの確率的予測エンジンは、完全に異なる立場を取ります。それは、ブランド、スタイル、色、生地、サイズ、価格帯、カテゴリなど、異なる製品属性を積極的に活用して、前のコレクションでの類似製品のパフォーマンスに基づいて需要予測を構築します。
Lokadの予測エンジンが行わないことの1つは、製品をコレクション間で手動でペアリングすることです。まず、それらのペアを確立することは非常に複雑で非常に時間がかかります。サプライチェーンの専門家は自分たちのシステムの奴隷ではありません。システムが数千の製品の手動ペアリングを必要とする場合、その時間は人間の洞察に直接利益をもたらす手動予測の作成により良く投資される可能性があります。第二に、ファッションでは、古いコレクションと新しいコレクションの間の1対1のマッピングはほとんど意味をなしません。新しいコレクションは、微妙で重要な方法でコードを再定義する可能性があります。1対1のペアリングにのみ依存する方法は、将来のコレクションに関してかなり単純な結果を提供することが保証されています。
Lokadの予測エンジンは、機械学習アルゴリズムを介して完全に自動化された方法でこれらの類似性を計算します。人工知能はメディアで大流行していますが、その裏では過去30年間にわたり着実かつ徐々に進化してきた機械学習アルゴリズムに帰結します。Lokadは、サプライチェーンの目的に合わせて調整されたさまざまなクラスの機械学習アルゴリズムを活用しています。
さらに、Lokadは確率的予測を提供します。ほぼすべての需要シナリオの確率を提供する1つの需要予測（中央値または平均値）を提供するのではなく、Lokadはほぼすべての需要シナリオの確率を提供します。この側面はファッション業界にとって非常に重要です。不確実性は削減できないため、良いサプライオーダーは頻繁にリスク分析に帰着します。
ファッション業界では、在庫が不足している場合の機会損失と、セール期間中に残りのコレクションの在庫を処分するために非常に攻撃的な割引で商品を販売することによる在庫の減価が主なリスクです。Lokadには、ファッション業界で非常に重要なこの特定のリスク分析を扱うためのネイティブな機能があります。
Lokadのファッションに関する機能に興味がありますか？ぜひデモコールを予約してください。
