サプライチェーンにおける需要の感知と予測には、データを素早く取り込み、分析した上で、強力なビジネス上の意思決定を行う能力が極めて重要である。 このことはサプライチェーンマネジメントのあらゆる側面に当てはまるが、実際の需要と予測される需要を追跡する際には特に重要である。 しかし、この重要なニーズは、エンドツーエンドのサプライチェーンの可視性の欠如、時代遅れのデータ管理プロセス、あるいは不正確なデータといった問題によって、スピードが低下したり、妨げられたりすることがある。
地政学的な出来事、サプライヤーの生産能力の問題、ネットワーク在庫の可視性の低さ、買い手の行動の絶え間ない変化などの、外部要因によるサプライチェーンの大きな混乱は、需要と供給の同期を非常に難しくしている。 そして組織内やパートナー、サプライヤー内の何十もの異種アプリケーションや企業システムからの不正確なデータによってさらに複雑になる。
企業は従来、需要予測を過去のデータや社内システムに頼ってきたが、この方法では市場の急激な変化に対応するには限界がある。 このような環境下で需要の混乱をリアルタイムで察知し予測を改善する能力は、特に高い顧客満足度を求めるのであれば実現が難しく、予期せぬ変化に素早く適応するために必要な対応力も浮き彫りになる。 需要感知を活用する企業は、混乱後により強く有利な立場に立つことができる。
需要感知と予測入門
需要感知と需要予測は、どちらもサプライチェーンを最適化する上で極めて重要な機能であるが、そのアプローチと焦点の当て方においては若干異なる。 需要感知は、リアルタイムデータと分析を使用して、即時の需要変動を特定して対応する。一方、需要予測は、過去のデータを使用して、より長期間（数ヶ月または数年）の将来の需要を予測する。 これらのプロセスの精度と適応性を高めるために、統計的モデリングや機械学習など、さまざまな手法が用いられている。 この2つの分野は企業にとって、売上予測、在庫管理、補充調整において極めて重要である。
メトリクスの観点からは、企業は予測対売上実績、在庫回転率、在庫切れ率、在庫陳腐化率、注文充足率、 オンタイム・イン・フル率を正確に測定する必要がある。 予測を行う場合、過剰在庫や在庫切れを避けるために、特定の製品に対する需要を予測することが重要である。 高度な分析とAIツールは、販売活動、在庫レベル、財務指標に関する、きめ細かな洞察を提供し、より的確な意思決定を支援する。
要求が複雑さを増していることを認識し、インターシステムズは、450人の上級サプライチェーン実務者と利害関係者を対象に、フルフィルメント最適化、需要感知と予測、サプライチェーンオーケストレーション、生産計画最適化、環境・社会・ガバナンス（ESG）の5つの主要なユースケースについて 主要なサプライチェーン技術の課題、トレンド、意思決定戦略を調査した。 このブログは、統一されたデータによるサプライチェーンパフォーマンスの最適化シリーズのパート2で、需要の感知と 予測に焦点を当てている。統一データ調査において回答者に、意思決定のために現在どのようにして異なる情報を統合し、準備しているかを尋ねた。 回答者の42％が、意思決定のためにバラバラの情報を統合するために、スプレッドシートを含む手動で行っていることには驚かない。 スプレッドシートは非常に便利で、多くの企業が計画立案のために使用していることは明らかだが、限界もある。
上の写真が示すように、意思決定インテリジェンスに関しては、スプレッドシートは有用なツールではない。 意思決定インテリジェンスは、意思決定がどのように行われるかを理解し、AIと機械学習を使って結果を最適化することで、意思決定を改善することに焦点を当てている。 サプライチェーンでは、AIを活用した意思決定インテリジェンス・プラットフォームは、混乱が発生したときや発生する前に最適な管理を行うことができるため、企業は迅速に対応し、必要な際に製品が入手できるようにすることができる。
需要感知と予測の現状
需要の感知と予測における最大の問題の一つは、しばしば人間の介入が必要なことである。 AIには、複雑な需要パターンを完全に理解するニュアンスが欠けていることが多いからだ。 そのためギャップを埋めるためには人間の介入が必要だが、時間がかかるだけでなく、エラーが起こりやすい。 調査で現在の需要予測方法を尋ねたところ、回答者の36％が、スタッフの意見を必要とするいくつかのソリューションを持っていると答えた。 前述の人的入力の問題とは別に、複数システムを使用することは、しばしばバラバラで異質なデータのサイロ化につながる。 異なるシステムが通信できない場合、意思決定に時間がかかり、一般的に精度が落ちるため、需要の感知と予測に誤差が生じる。
インテリジェント・データプラットフォームの利用が広まっていないという厳しい現実がある。 この調査では、インテリジェント・データプラットフォームを導入している回答者は27％に過ぎないことが明らかになった。 この傾向は物流・運輸（18％）と製薬（19％）で顕著で、現在インテリジェント・データプラットフォームを使用している企業は全体の5分の1未満である。 こうしたプラットフォームが効果を発揮するためには、一貫性と正確性を確保するために、予測モデルに使用する前に、すべてのデータを検証することが不可欠である。
外部需要信号による需要感知と予測の課題
調査によると、需要の把握と予測に関する課題の上位は、データの収集、可視化、分析といったデータに関する問題である。 これらの問題がすべて、データの不整合と直接結びついているのは当然のことだ。 特に外部のデータセットを統合する際には、正確性と一貫性を確保するために、クリーンなデータが不可欠である。
需要の感知と予測における最大の課題について尋ねたところ、回答者は次のことを挙げた：サプライチェーンに沿ったリアルタイムの可視性がない（41％）、現在のプロセスがマニュアル化されすぎている（39％）、組織、パートナー、サプライヤー内のデータが不正確である（37％）、需要と供給の変化をリアルタイムで感知できない（34％）。 需要と供給の変動を理解し、対応することが、需要の感知と予測の核心である。 需要側から見れば、変動は消費者の嗜好の変化、ブランドロイヤリティ、あるいは経済的要因の結果である。 供給側から見れば、市場シフトは、原材料の価格や入手可能性、労働力不足、市場への新規参入などに関連している。 リアルタイムで変動を感知できない企業にとっては、予測精度が低下し、売上損失や売上原価の上昇につながる。
サプライチェーンの可視化はここ数年話題になっているが、ほとんどの人は出荷の観点からしか考えていない。 ポイントツーポイントのトラッキング・ソリューションは、ベンチャーキャピタルから数十億ドルの投資を受けているが、サプライチェーンの可視性はこうしたソリューションの域をはるかに超えている。 サプライチェーンの可視化により、企業はサプライチェーンを移動する製品、部品、材料の位置と状態を追跡することができる。それは原材料の調達から最終消費者への最終的な配送に至るまで、エンドツーエンドのサプライチェーン全体を包含している。 サプライチェーンの可視性の中核は、在庫の最適化、追跡、潜在的な混乱に備えたリアルタイムデータへのアクセスである。
企業が需要の変化に効果的に対応するためには、市場の変動や消費者の需要の変化に応じて、在庫レベルを迅速に調整しなければならない。回答者が指摘した2つ目の課題は、手作業によるプロセスへの依存である。 自律的サプライチェーンについて耳にする機会がますます増えている。 自動化された需要感知プロセスは、リアルタイムのデータと高度な分析を活用して短期的な需要変動を予測する。一方、手作業による方法では、データの解釈を人間に頼るため、時間がかかり、エラーも発生しやすい。
回答者が強調した3つ目の課題は、組織内、パートナー、サプライヤーからのデータの不正確さである。 1957年にさかのぼるが、コンピューター科学者はこのことを「ガベージ・イン、ガベージ・アウト」と呼んでいる。米陸軍の数学者と初期のコンピューターに関するシンジケート新聞記事の中で、ウィリアム・D・メリン陸軍特技兵は、コンピューターは自分で考えることはできず「ずさんにプログラムされた」入力は必然的に間違った出力につながると説明している。 以来、多くのことが変わったが、根本的な原理は同じだ。 不正確なデータは需要感知と予測にエラーをもたらし、在庫管理、サプライチェーンオペレーション、収益性に影響を与える。
予測精度を向上させる需要センシングと予測機能
調査によると、回答者が最も改善できると考えているのは、需要を正確に予測する能力であり、最大の課題と相関している。 調査回答者が、需要予測能力を向上させると回答した項目のトップは、異種フォーマットの多くのソースからリアルタイムでデータを取り込み、分析する能力である（27％）。 InterSystems Supply Chain Orchestratorは、地政学的な出来事、サプライチェーン製品の整合性に関する問題、サプライヤーの履行・不履行など、社内外を問わず重要なソースから、すべての関連データを取り込むデータプラットフォームだ。 このプラットフォームは、リアルタイムで正確なデータを提供するために、すべての情報を調和させ、正規化し、お客様のビジネスプロセスをシミュレートし、組み込まれたAIとML機能を適用する。
回答者が特定した2つ目の能力は、需要感知と予測を自動化するために、企業資源計画（ERP）や電子販売時点情報管理（EPOS）と統合された在庫管理である（24％）。 Supply Chain Orchestratorは、企業が予測計画を高い精度で調整することを可能にし、需要に影響を与える突発的なイベント、混乱、トレンドをうまく乗り切り、フルフィルメントの最適化を変革する。 需要感知を活用することで、企業は予測される需要に応じて生産スケジュールを調整することで顧客のニーズを効果的に満たすことができる。 企業は、より高度な感知および予測機能を、POSシステム、ERPシステム、またはアプリケーションと統合し、より迅速なTime-to-Valueを実現することができる。
**事例
ザルツブルグに本社を置く SPARオーストリアは、世界最大の食品小売業コンソーシアムSPARのメンバーであり、オーストリア国内に800以上の店舗と600のSPAR加盟店を持つ売上高40億ユーロの企業である。 同社は、地域店舗のマネージャーが在庫を管理できるように、エンドツーエンドのERPとPOSシステムを求めていた。 選択肢を慎重に調査した結果、SPAR Austria社は、インターシステムズの技術をベースとしたソリューションであるIMAge（食料品企業向け統合管理アプリケーション）の導入を決定した。
このソリューションは、ローカルと集中ソースの情報と機能をシームレスに統合する。 ザルツブルグにあるSPARのコンピューターセンターでは、在庫管理や発注などの機能に加え、データ分析機能を備えたIMAge ERPソリューションが稼動しています。 各店舗では、POSレジシステムを管理するローカルのIMAgeモジュールが稼動しており、店頭でのデータ入力を可能にするモバイル機器のサポートも含まれています。 ローカル・モジュールは中央のERPにアクセスし、店舗マネージャーに売上、在庫、注文、配送に関する統一されたエンドツーエンドのビューを提供する。
「かつては、中央事務所が算出した不正確なデータに頼らざるを得なかったため、店舗で商品が不足することがありました」 現在マネージャーは商品の移動、店舗内の在庫、保留中の配送を管理できるようになりました」と、SPARオーストリアのプロセスマネージャー、ギュンター・キリアン（Günther Kilian） 氏は話します。 「IMAgeシステムは使いやすいのです。
IMAgeを開発する際、使いやすさを重要視しました」と、SPAR IGTスロベニアのマネージング・ディレクターであり、ASPIAGのITコーディネータでもあるゲルト・カルニツシュニッヒ（Gerd Karnitschnig）氏は言う。 「インターシステムズの技術を活用し、アプリケーションの集中管理部分とローカル部分に共通のユーザーインターフェイスを作成しました。 ユーザーの学ぶべきシステムは1つだけです。 それが私たちの競争力を高めている」。
需要感知と予測に関する最終的な考察
俊敏で競争力のある組織であるためには、重要な洞察をほぼリアルタイムで抽出できなければならない。 多くの企業がエンドツーエンドの可視性を欠き、手作業によるデータ分析や、多様なソリューションのアドホックな提供と統合に頼っている現状は依然として大きな課題である。 需要の感知と予測において、手作業によるデータ分析に依存することは、特にデータの流れがバラバラである現状を考えると、破滅的な結果を招きかねない。
需要の感知と予測の効率化には、統一され、信頼され、調和されたデータが必要だ。 インテリジェントなサプライチェーンの意思決定インテリジェンス・プラットフォームとして、InterSystems Supply Chain Orchestratorは、アプリケーション、サプライヤー、製造業者、流通業者、小売業者、消費者からの異種データを調和・正規化し、組織のサプライチェーンの完全なビューを提供する。 AIとMLを駆使して現在起きていることを明らかにし、次に起こりそうなことを予測し、処方的洞察を用いて最善の選択肢を示し、最大限の効果と最小限の遅れを確保する。
レポート全文は こちらから
