00:00:07 購買意思決定の最適化に天気データを活用する。
00:00:41 天候に敏感な製品とその天候との相関関係。
00:02:00 天気データスタートアップの歴史的な文脈とそのニッチな位置づけ。
00:03:23 電力事業者が天気データを効率的に活用して消費予測を行う方法。
00:06:02 供給チェーンデータや技術的な課題と比較した天気データの複雑さ。
00:08:00 天候がIPO市場や製品の需要に与える影響。
00:10:00 供給チェーンにおける天気予報の限定的な利点。
00:12:45 過去の天候データの製品需要の説明における有用性。
00:14:00 気候変動を活用して季節予測を改善する方法とその制約。
00:15:49 日々の気温変動と長期的な気候変動の影響の比較。
00:17:01 供給チェーンの意思決定においてトランザクションデータの利用の重要性。
00:18:04 供給チェーン理解のためのウェブトラフィックデータの活用。
00:18:36 供給チェーンの意思決定における競合情報の活用。
00:19:27 結論：天気データを探索する前に他のデータソースを優先すること。
要約
Lokadの創設者であるJoannes Vermorelは、ホストのKieran Chandlerと共に、供給チェーンの最適化における天気データの潜在能力と制約について議論しています。Vermorelは、天気データが強力な説明力を持つ一方で、予測の改善にはあまり役立たないかもしれないと強調しています。天候の多次元性は、それを効果的に予測に組み込むことを困難にしています。Vermorelは、天候データやソーシャルデータよりもトランザクションデータや非トランザクションデータ（ウェブトラフィックや競合情報など）を優先する重要性を強調しています。天候データは過去の売上パフォーマンスの分析においてより有用かもしれません。課題はあるものの、天気予報技術と供給チェーン管理の進化に伴い、企業が戦略的な意思決定に天気データを活用する機会が増えるかもしれません。
詳細な要約
このエピソードでは、ホストのKieran Chandlerが、供給チェーン最適化に特化したソフトウェア企業であるLokadの創設者であるJoannes Vermorelとインタビューを行っています。彼らは、購買意思決定の最適化における天気データの役割と、異なる予測を組み合わせる際に生じる複雑さについて議論しています。
供給チェーン最適化のために天気データを使用するアイデアはシンプルです。多くの製品は天候に非常に敏感であり、その需要は天候条件に影響を受けます。例えば、バーベキューの肉や車など、異なる気候地域では異なる車種を選ぶことがあります。多くの供給チェーンの実践は、天気データを組み込むことで予測を改善しようとしています。
10年前、天気データと予測の改善に焦点を当てたスタートアップに関して話題になりました。しかし、最初の関心にもかかわらず、供給チェーン最適化のために天気データを使用することは、依然としてニッチな領域のままです。Lokadは10年前に大手企業のためにいくつかのミッションを実施しましたが、利益を得るためには努力が多すぎました。
Lokadの経験から得られた重要な洞察の一つは、天気データが非常に複雑であるということです。それは地理的な多次元の問題であり、地理的な多様性が非常に高いです。天候条件は、標高などの要因により、たった20キロメートル離れただけでも大きく異なる場合があります。さらに、天候は一日中均一ではなく、予測をより困難にします。
ただし、電力事業者など、天気データを成功裏に活用している業界もあります。彼らはこのデータを使用して電力消費を予測し、グリッドのニーズに合わせて十分な電力を供給することができます。電力の貯蔵は非効率であり、実用的ではないため、正確な予測が供給管理にとって重要です。
供給チェーンの最適化に天気データを使用するという概念は論理的に思えますが、それは複雑でニッチな領域であることが証明されています。天候の高度に変動し多次元の性質は、効果的に予測に組み込むことを困難にします。ただし、電力事業者などの一部の業界は、天気データを自分たちの特定のニーズに活用して成功を収めています。
Vermorelは、雨、風、湿度、日光などの要素など、天気データが地理的に特異で考慮すべきさまざまな要素があるため、天気データは非常に複雑であると説明しています。この複雑さにより、天気データは従来の供給チェーンデータと比較して大きく、取り扱いが困難になります。
クラウドプロバイダのおかげで天気データの入手は容易になりましたが、このデータを販売パターンと関連付けて処理することは依然として課題です。 Vermorelは、天気が販売に高度に局所化した影響を与えることを強調し、ビジネスはこれらの微妙なニュアンスを考慮に入れるためにさまざまなヒューリスティックスを航海する必要があると指摘しています。
温度に基づいたよりシンプルで反応性の高いトリガーを使用する提案に対して、Vermorelは温度が重要な要素であることを認めつつも、それだけではないことを強調しています。たとえば、暑くて雨が降り、風が吹く週末でも、バーベキュー商品の需要が急増するわけではありません。さらに、Vermorelは、顧客もビジネスと同様に天気予報を監視しており、天気の予想に基づいて購買パターンが変化する可能性があることを指摘しています。
天気予報の短期的な精度を見ると、Vermorelは10日を超える予報は通常、供給チェーンの意思決定を最適化するためにあまり役に立たないと説明しています。熱波などの特定のイベントでは、予測はイベントの始まりと終わりでのみ本当に重要であり、有用性のある狭い時間枠になります。
供給チェーンと天気予報の将来について議論する中で、Vermorelはより正確な予測がより大きな影響を持つ可能性を認めます。ただし、Vermorelは、天気データの最も興味深い活用法は実際には過去の販売実績の分析にあるかもしれないと強調しています。たとえば、成功したアイスクリームの販売キャンペーンが効果的なマーケティングによるものなのか、単にパリの熱波によるものなのかを理解することは、ビジネスにとって貴重な洞察を提供することができます。
天気データを供給チェーンの最適化に組み込むことは、過去の販売実績を理解するための潜在的な利点と限られた短期的な予測アプリケーションを持つ複雑で困難な課題です。天気予報技術と供給チェーン管理が進化し続けるにつれて、ビジネスが戦略的な意思決定に天気データを活用する機会が増えるかもしれません。
Vermorelは、天気データの重要性、気候変動の影響、企業がより良い供給チェーン最適化のために焦点を当てるべきデータの種類についての洞察を共有しています。
Vermorelは、天気データが強力な説明力を持つ一方で、予測の精緻化にはあまり役に立たないと述べています。多くの供給チェーンの専門家は、過去を理解するのに役立つと感じていますが、必ずしも将来の予測には役立たないと考えています。
季節予測への気候変動の影響について尋ねられた際、Vermorelは、それが重要なグローバルな問題である一方で、供給チェーン最適化への影響は時間枠の違いにより比較的小さいと指摘しています。気候変動の予測は数世紀にわたりますが、供給チェーンの意思決定は数か月または数年に焦点を当てています。その結果、気候変動は供給チェーン最適化に対する影響は比較的小さいです。
Vermorelは、供給チェーン最適化のための取引データの重要性を強調しています。彼は、多くの企業が在庫とストックアウトコストを金銭的な観点で定量化していないため、このデータを効果的に活用していないと指摘しています。取引データを最大限に活用することで、企業は供給チェーンの意思決定を最適化することができます。
さらに、Vermorelは、企業の供給チェーンにとって容易に収集でき、非常に関連性の高い非取引データに焦点を当てることを提案しています。たとえば、ウェブトラフィックデータは、顧客の行動や製品のパフォーマンスに関する貴重な洞察を提供することができます。競合他社の価格などの競争情報は、より収集が難しいですが、もう一つの貴重なデータソースです。
天気データやソーシャルデータは有用ですが、Vermorelは企業がまず取引データ、ウェブトラフィックデータ、競争情報データに優先順位を付けることをお勧めしています。天気データやソーシャルデータは、他のデータソースを最大限に活用し、大規模なデータサイエンスチームを持っている場合に考慮すべきです。
天気データは、過去のサプライチェーンのパフォーマンスを理解するためには有用で興味深いですが、最適化にはより重要なデータソースがあります。企業は、サプライチェーンの最適化のために天気データやソーシャルデータを探索する前に、取引データ、ウェブトラフィックデータ、競争情報データに優先順位を付けるべきです。
フルトランスクリプト
Kieran Chandler: 今日は、異なる予測を組み合わせる際の複雑さがどこにあるかについて話し合い、このデータを活用して貴重な洞察を得ることができるかどうかを理解します。
Joannes Vermorel: アイデアはシンプルです。需要の観点から、非常に天候に敏感な製品がたくさんあります。たとえば、バーベキューの肉は次の週末に購入するかもしれませんが、晴れている場合にバーベキューをする可能性が高いです。しかし、より一般的には、非常に天候に敏感な製品のクラス全体があり、ある程度、ほとんどすべての製品が天候に敏感です。たとえば、非常に寒い地域に住んでいる場合、非常に暑い地域に住んでいる場合、または雨が多い地域に住んでいる場合とは異なる車を選ぶかもしれません。したがって、このデータを持つことは興味深いですし、明らかな要因であるため、多くのサプライチェーンの実践者は天候予報からこのデータを含めて予測を改善しようと考えています。
Kieran Chandler: 実際には、より多くのことを知っているほど、将来に基づいて意思決定をするためのより良い場所があるはずです。では、実際にはどのように機能するのでしょうか？
Joannes Vermorel: それは興味深いです、特に実際にはどのように機能するかについての部分です。私が10年前にLokadを設立したとき、天気データと天気に関連するスタートアップが大流行していました。当時、おそらくフランスでは3つのスタートアップが天気データを使って予測を洗練させることについて話題になっていましたし、アメリカではおそらく20社ほどありました。興味深いのは、それが10年前であり、それ自体が小さなブームワードであったことです。天気に関連するアナリティクスにおいて、すべてが天候対応または天候駆動型であるようなものでした。しかし、興味深いことに、実際には非常にニッチな存在になっています。Lokadでも、10年前に大企業のためにいくつかのミッションを行いましたが、その後は沈静化しました。要するに、それにはそれに見合うだけの努力が必要すぎるのです。
Kieran Chandler: では、実際にそれを実践する際に私たちは何を学んだのでしょうか？
Joannes Vermorel: かなり多くのことを学びました。私たちは大手のヨーロッパの電力会社とミッションを行いましたが、これは現在、天候データを非常に効率的に活用しているクラスの会社です。電力会社は天候データを活用して電力消費を予測し、グリッドが一日中必要とするだけの電力を供給することができます。ところで、電力をストックすることはできません。実際には方法がありますが、非効率で非常に遅く、実用的ではありません。したがって、非常に正確な予測が必要です。しかし、天候データに戻りますが、キーポイントはいくつかありました。まず、天候は非常に複雑です。人々はそれが非常に多次元の問題であることに気付いていません。地理的なグリッドがあり、天候については非常にローカルなものです。私は驚いたことに、気温がわずか20キロ離れただけでどれだけ異なるかを実感しました。場所によっては、他の場所と比べて標高が1キロ高いだけで15度の温度差が生じることがあります。したがって、地理的な多様性がありますが、天候は1日のものではありません。テレビを見ると、1日に5回の雨があり、それぞれ10分間ずつ散在しています。つまり、文字通り分単位で変化する非常に正確なものです。地理的な要素があり、非常に細かい粒度の時間があります。もちろん、夜間に雨が降るか昼間に降るかによっても大きな違いがあります。しかし、天候自体は、温度や雨の有無だけではありません。風、湿度、光、風速と風向き、連続して吹くかどうかなど、半ダースのメトリックスがあります。したがって、非常に多次元のものであり、その結果、言えるのは、それ自体が独自の小さな世界であるということです。つまり、すでに非常に複雑な供給チェーンデータを扱っているのに、供給チェーンデータの隣にある天候データセットがあることを発見するだけで、それはすべての供給チェーンデータを合わせたものよりも10倍以上も複雑であるということです。
Kieran Chandler: そうですね、明らかにこれらは複雑な問題ですが、非常にうまく取り扱われています。非常に多くのデータが収集されているので、どのような技術的な課題が発生するのでしょうか？
Joannes Vermorel: はい、まず、天候データのボリュームは、供給チェーンデータの10倍から100倍も大きくなります。したがって、ソフトウェアエンジニアリングの観点では、供給チェーンとそのスケールに対応するために設計されたものになりますが、天候データを扱うためには、文字通り100倍以上のデータを処理する必要があります。これには多くの摩擦があります。もちろん、10年前には、天候データにアクセスするだけでも問題でした。しかし、現在では、クラウドプロバイダーが直接クラウド上でデータを提供してくれるため、この問題は簡単になりました。しかし、そのデータを処理することは非常に複雑です。特に、これは天候データをクランチして天候シミュレーションを行うためのものではありません。このデータを販売パターンと相関させるという非常にニッチなことを行うための天候データをクランチすることです。そして、再び、天候は非常にローカルなものです。たとえば、広い範囲から人々を集める市場がある場合、考慮するべき天候は1つだけではありません。より広い地理的範囲でデータを統合する必要があるかもしれませんが、必要なヒューリスティックスを自分で見つける必要があります。
Kieran Chandler: しかし、ここでは異なる標高や異なる粒度を考慮して非常に複雑になってきています。もっと単純なアプローチはないのでしょうか？例えば、最小/最大の代わりに、温度が一定の数値に達した時点で自動的に発注するようなリアクティブなアプローチは興味深いものではありませんか？
Joannes Vermorel: まさに興味深いですね。温度に関しては、まず最初の測定値がありますので、非常に興味深いです。そして、温度と平均温度に焦点を当てることから始めることもできます。しかし、これだけでは必要な情報を反映しているとは言えません。例えば、次の週末が非常に暑く、しかも雨や風が強いためにバーベキューをすることを期待して肉の需要が急増する場合、バーベキュー商品にはそれほど需要が集まらないかもしれません。ですので、温度は重要ですが、天候予報はこの週末またはその次の週末が非常に良い週末になることを明確に示しています。そのため、皆がそれを知っているので、天候に敏感な商品を購入し始める顧客がいます。データを1日または2日の遅れで分析するだけでは、天候に関する情報も得られます。ただし、天候予報は約10日先までしか正確ではありませんので、10日以上先の天候予報に基づいた意思決定を最適化することはできません。10日を過ぎると、何も知らないかのように季節平均に戻ります。それでも興味深い情報ではありますが、非常に短期的なものです。例えば、パリのような熱波に入る場合、熱波は数週間続くことがあります。天候予報が実際に重要なのは、熱波に入る3日間と、熱波から抜け出す2日または3日の期間です。つまり、本当に優位性を持つのは年間の非常に短い時間帯です。
Kieran Chandler: なるほど、ウィンドウは非常に狭く、このようなデータを収集してもあまり利益を得ることはできませんね。将来のサプライチェーンを見据えて、将来の天気予報が非常に正確で、将来をより良く予測するためにサプライチェーンをより制御できるようになる日が来るかもしれませんが、天気予報が天候データを活用して予測をより良くするためにより有用になる日が来ると想像できますか？
Joannes Vermorel: それは可能です。電力会社など、非常に高い効率でそれを行っている企業もあります。彼らにとって、天候データは非常に価値のある入力であり、その精度を大幅に高めるのに役立ちます。しかし、興味深いことは、天候データの最も有用な応用は将来を予測することではなく、実際には過去を振り返ることです。例えば、アイスクリームを販売しており、新しい商業キャンペーンを開始して非常に売れた場合、それはキャンペーンが良かったから売れたのか、それともパリで熱波があり、夏の一部でほぼすべてのアイスクリーム販売業者が好調だったから売れたのかを説明するために、天候データを振り返ることは非常に役立ちます。ここでは、細かい粒度の複雑さに対処する必要はありません。長い期間や広範な地域でデータを集計することができ、強力な説明力を持つものを提供します。
Kieran Chandler: それが、天候データを予測を洗練させるために使用するアイデアについて、多くのサプライチェーンの専門家を含む人々が熱心な理由なのかもしれません。それがうまくいかない場合でも、天候データは過去を説明するために非常に役立つからです。気候変動のようなことはどうでしょうか？世界が徐々に温暖化しているという認識があり、これが将来の季節予測に影響を与えると考えられています。この洞察を活用することはできるのでしょうか？何か有用な情報はありますか？
Joannes Vermorel: 残念ながら、ここでは桁違いの差があります。最も悲観的な気候変動の予測でも、多年にわたって見ると、日々の気象変動と比較してまだ比較的小さいものです。
Kieran Chandler: もちろん、21世紀においては、数度の差があります。ところで、地質学的な時間を考えると、気候の進化は非常に急速です。もし地球が1世紀で全体的に2度温暖化または冷却されるとしたら、それは非常に大きな変化です。非常に重要なことです。それにもかかわらず、私たちは1世紀にわたって数度の差を話しています。パリのような非常に穏やかな気候でも、気温は通常、最高点と最低点の間で約20度の変動があります。私たちは非常に穏やかな気候です。世界の多くの地域では、気温は昼間の最高点から夜間の最低点まで40度も変動します。
Joannes Vermorel: 要するに、1世紀にわたって気候変動が2度程度あるとしても、次の季節にどれだけの変化をもたらすかを考えると、文字通り微小なものです。ほとんどの消費財は市場に登場し、ゼロからピークに至るまで約12か月かかり、その後2〜3年後に市場から姿を消します。平均的な気候の影響は、サプライチェーンの最適化にとって非常に小さいことがわかります。なぜなら、私たちは同じ時間枠について話していないからです。サプライチェーンは、次の数か月、おそらく来年、または本当に大きな計画がある場合は次の数年のための意思決定を最適化することに関しています。ただし、予測を立てるためには、将来に対してより省エネでエネルギーを消費したり、廃棄物を少なく生産したりすること以外に、数世紀先を考えている企業はほとんど存在しないと思います。しかし、これは予測を立てるものではありません。
Kieran Chandler: では、どのような他のデータを見るべきでしょうか？現在の天候データよりも重要なものは何ですか？
Joannes Vermorel: 私たちは、ほとんどの企業が自分たちのトランザクションデータを正しく使用していない段階に達しています。私たちが話をするほとんどの企業は、私たちが彼らと一緒に仕事を始めるとき、在庫切れのコストをユーロやドルで正確に評価していませんでした。在庫は在庫切れのコストと在庫のコストのトレードオフです。私が単純化して言えば、基本的には2つのリスクをバランスさせなければなりませんが、それらを評価していません。
Kieran Chandler: 財務的には、その2つのリスクのうちの1つを最適化するのは非常に難しいです。したがって、最初の段階は、サプライチェーンの意思決定に重要な信頼性の高いトランザクションデータを最大限に活用することです。2番目の段階は、トランザクションデータではないが、収集が容易で自分自身のサプライチェーンに非常に関連性のあるすべてのデータを使用することです。たとえば、ブランドであれば、ウェブトラフィックデータを見ることができます。自社のウェブサイトに掲載されているすべてのページがどれだけの訪問を受けているかを調べることができます。特に製品に関するページがある場合は、ウェブトラフィックを見ることができます。また、ウェブトラフィックが変化すると、自社の製品に密接に関連する情報を得ることができます。それは利用できるものです。
Joannes Vermorel: おそらく第3のデータレイヤーは競合他社の情報です。競合他社の価格など、競合他社が行っていることです。これは収集がより複雑なデータですが、サプライチェーンの活動と非常に密接に関連しています。それを超えて、天候データやソーシャルデータなどの外部ソースがあります。
Kieran Chandler: では、今日の結論として、天候データは有用で興味深いかもしれませんが、他の重要な要素が存在するということです。
Joannes Vermorel: そうですね、もしすでに非常に大きなデータサイエンスチームを持っていない場合、まだ準備ができていないということです。私のメッセージは、24人目のデータサイエンティストを採用し、新しいことを探求するための具体的なアイデアがまだわからないときに、それを見る良いタイミングだということです。それから、その時が来たと言えるでしょう。
Kieran Chandler: では、今日はここで終わりにしましょう。ありがとうございました、Joannes。それでは、今週のLokad TVはこれで終わりです。次回もお会いしましょう。今回は以上です。また次回お会いしましょう。それでは、さようなら。
