需要予測を改善するためのテキストマイニング
私たちは、Lokadが属性（カテゴリーや階層など）の恩恵を受けられないまばらで断続的な需要に関連する製品に対しても、正確な需要予測を提供する予測エンジンを搭載したテキストマイニング機能を実装したことを誇りに思います。この機能は既に稼働しており、当社の予測エンジンの_ラベルオプション_をご確認いただけます。
供給チェーンが直面する主な予測の課題はデータの希薄さにあります。ほとんどの製品は十分な歴史的データを持たず、供給チェーンネットワークの_端_にあたる数千のユニットによるサービスを受けていません。従来の予測手法は、時系列が長期間かつ希薄でないことを前提としているため、まさにこの理由で性能が低下します。
Lokadは供給チェーンの歴史的データを別の角度から検討しています。存在しないことが多いデータの_深さ_を見る代わりに、製品間に存在するすべての相関関係、すなわちデータの_幅_に着目しているのです。数千に及ぶ製品が存在するため、多くの相関関係を活用することで予測精度を大幅に向上させることができます。しかし、これらの相関関係を確立する際、発売前の製品など、まだ履歴データを持たない製品が多いために、需要履歴だけに頼ることはできません。そこでLokadの予測エンジンは、代わりにカテゴリや階層を活用する仕組みを導入しました。
カテゴリと階層を活用して予測精度を向上させる方法は非常に有効ですが、このアプローチにはカテゴリと階層の利用可能性に依存するという特有の制約があります。実際、多くの企業は_マスターデータ_の整備に十分な投資をしておらず、その結果、供給チェーンを流れる製品に関する詳細な情報を十分に活用できないのです。従来、カテゴリも階層も利用できない場合、当社の予測エンジンはまばらで断続的な需要に対応する能力が著しく制限されていました。
Lokad予測エンジンの新たなテキストマイニング機能は画期的です。エンジンは、製品の_プレーンテキスト_による説明を解析して製品間の相関関係を確立することが可能になりました。実際、企業は製品の適切な分類が不足している場合が多いものの、プレーンテキストによる説明はほぼ常に存在し、これによりLokadの幅重視の予測視点の適用範囲が劇的に拡大しています。
例えば、もし多様な製品群が_Something Christmas_と名付けられ、すべての製品がクリスマス前に一貫した季節的なピークを示す場合、予測エンジンはこのパターンを特定し、記述に_Christmas_というキーワードが含まれる季節性を自動的に推定し、それを新製品に適用することができます。これは、プレーンテキストのラベルが予測エンジンに渡された際に、Lokad内部で正確に行われるプロセスです。
上記の例は単純化されたものですが、実際にはテキストマイニングは、単語と需要パターンとの間に存在する複雑な関係性を歴史的データから解明するプロセスです。類似した説明を持つ製品は、似た傾向、ライフサイクル、季節性を共有する可能性がありますが、同じ説明をしていても傾向は同じでも季節性が異なる場合もあります。Lokadの予測エンジンは、製品のプレーンテキストによる説明から自動的に関連情報を抽出する機械学習アルゴリズムに基づいており、製品説明の前処理を一切必要としません。
私たちのモットーは、手元にあるデータを最大限に活用することです。テキストマイニング機能により、再び量的供給チェーンの時代へ企業を導くための要件を引き下げています。ご質問はありますか？お気軽にcontact@lokad.comまでご連絡ください。
