2020年トレンド：製造業の価格調整自動化

執筆：Thomas R. Cutler

自動化ソリューションが適応・調整され、製造業者の価格境界設定と管理の容易さを促進しています。

自動化が解決する価格設定の課題

企業目標が、最も粒度の細かいレベルで価格を迅速かつ繰り返し調整することを含む場合、自動化はシンプルなルールを用いて価格を導出することで、その苦痛を軽減するように設計されなければなりません。

以前は、多くの産業ビジネス意思決定者が、価格設定技術の導入に膨大な時間と複雑さ、多大なコストを懸念していました。

新しいソリューションは、それらの懸念を克服し、コスト効率よく、わずか数週間で導入可能な自動価格調整技術を提供します。

収益とマージンの大幅改善

洞察に満ちたダッシュボードと包括的なプライシングサイエンスによる明確でガイドされたユーザー体験を提供することで、数百社の製造企業が2020年第4四半期までにこの自動化の恩恵を受けることになります。

これにより、価格実行が戦略的目標と整合した状態を保ち、最適なマージンをナビゲートできるようになります。

自動化のプロセスフロー

自動化は、ソースシステムへの容易な統合から始まり、取引システムへの完成価格のシームレスな反映に続きます。これらのプロセスが整えば、複雑な価格設定ロジックの自動化が可能になります。

価格自動化の専門家がベストプラクティスを共有

価格設定の専門家、Dallas Crawford氏とDan Barrett氏に、製造業者がデータ分析を用いて価格設定ニーズを分析すべきかについて語ってもらいました。

Crawford氏の見解：リアルタイム分析とマージン機会

Crawford氏（写真左）は、データ分析による価格調整がリアルタイムで容易に行えると主張します。トレンドや季節性の正常分布から外れる高ボリュームと低ボリュームに注目することで、マージン機会がどこにあるかを特定できます。

高ボリュームは、需要に基づく価格調整やシェア獲得の機会を提供します。低ボリュームは、価格分析を行い、シェアを失っているか、製品ライフサイクルが終わりに近づいているかを判断する機会を提供します。

Barrett氏の見解：データモデリングと価格弾力性

Barrett氏（写真左）は、顧客価格を分析・最適化する最良の方法は、データをモデル化し、分析プラットフォームが非常に離散的なレベルでそれをサポートすることだと述べます。場所や製品SKU別の顧客データにより、独自の価格設定を最適に提供できます。顧客の価格弾力性を理解し予測することが、最適価格を決定する鍵です。

価格感度と機械学習モデル

Crawford氏は、QueBIT PriceAlignの機械学習モデルが、パンデミック環境下では典型的な時系列モデルよりも適応的になり得ると示唆します。

燃料コストのようなより定性的でタイムリーな入力変数を追加することで、モデルをより文脈に即したものにし、このユニークなイベント中に収集された異常データに対しても耐性を持たせることができます。

パンデミックは、テクノロジーを受け入れる製造組織に、将来のイベントに備えて効果を研究・モデル化する機会を与えます。シャットダウンは潜在的に不完全なデータを引き起こし、将来の機械学習モデルのトレーニングはそれに対処しなければなりません。

スプレッドシートからの脱却で迅速な価格調整を実現

Barrett氏は、パンデミックが価格調整の重要なドライバーであることは確かだが、需要と供給の両面で製造業者に影響を与える要因の一つに過ぎないと確信しています。

スプレッドシートを排除することで、価格調整は最も詳細なレベルと市場状況への迅速な価格調整能力を向上させます。数週間で、自動化された価格データにより、製造業者は需要を形作る変数（人口統計など）によって駆動される顧客セグメントを可視化し、よりターゲットを絞った動的な価格調整が可能になります。

中堅製造業者にも高度な動的価格設定を

自動価格調整を通じてのみ、中堅製造業者は価格戦略を新たな洗練レベルに引き上げ、多様な要因に基づく動的価格設定を達成し、異なる顧客、製品、地域における価格弾力性を理解できるようになります。

ビッグデータが最適価格モデルを自動化・加速

ビッグデータの活用により、中小規模製造業者にとって最も効果的な価格モデルが自動化・加速されます。Barrett氏は、追加情報がしばしば文脈を提供し、より有用なデータ要素をより包括的なプロセスに組み込めると提案します。

Crawford氏によれば、製造業者は請求書、見積もり、コスト情報、需要、供給といった形でビッグデータを取り込みますが、これらは価格設定の専門家が直接消費できる形ではありません。

高度な価格設定システムは、ビッグデータに迅速にインターフェースし、複数のディメンション（SKU、顧客、場所など）で分析し、価格設定の反復プロセスを自動化できます。これにより、製造業者は価格変更を迅速に行い、その結果生じるパフォーマンスを積極的に管理できます。

専門家プロフィール

Dallas Crawford氏は、QueBITのAdvanced Analytics Executiveで、予測分析を活用して顧客の戦略的意思決定を支援する10年以上の経験を持ちます。QueBIT入社前は、IBMで7年間、流通セクターのクライアントにサービスを提供し、複数の主要な予測分析およびレポーティングプロジェクトを主導しました。2008年にフロリダA&M大学でMBAを取得。

Dan Barrett氏は、QueBITの先進分析テクニカルマネージャーです。Barrett氏は、製造組織で12年以上にわたりコントローラー兼CFOを務めました。世界有数の製造および小売組織との数百回の評価サイクルで、先進分析ソリューションの評価を成功裏に主導しました。IBMおよびCognos在籍時、流通および製造パフォーマンス管理ソリューションの開発とフィールドイネーブルメントを指揮しました。

このユニークな自動化アプローチは、高度な分析を活用した予測需要計画を活用し、精度と最適価格を実現します。価格調整自動化があってこそ、企業はパンデミック中の急速な価格変動に適切に対応できるのです。

著者プロフィール：Thomas R. Cutler氏は、フロリダ州フォートローダーデール拠点のTR Cutler, Inc.の社長兼CEOで、創業21年目を迎えます。Cutler氏は、製造業、産業、マテリアルハンドリング、プロセス改善のトレンドについて執筆する8000人以上のジャーナリスト、編集者、エコノミストを含むManufacturing Media Consortiumの創設者です。Cutler氏は年間1000本以上の製造業特集記事を執筆。4500人以上の業界リーダーがTwitterで@ThomasRCutlerを毎日フォローしています。連絡先：trcutler@trcutlerinc.com。