ハイブリッド需要センシング：不確実性の中でサプライチェーンを成功に導く

今日のサプライチェーンは、製品ラインの増加、製品ライフサイクルの短縮、複雑性の増大、大量のデータに直面しています。さらに、顧客はより要求が高く予測不能になり、インターネット発のトレンドは瞬時に変わり、プロモーションとセールは天候、新製品導入、経済情勢の影響を受けます。

明日に備えるため、企業はサプライチェーンの変化が需要にどう影響するかを理解する必要があります。しかる後に、顧客が望む製品を適切なタイミングで入手可能にできます。

名前が示す通り、需要センシングは本質的に、短期トレンドを即座にキャッチし、消費者が何を望むかをより良く予測する技術と科学です。需要は既知・未知の無限の変数に影響されるため、完璧に予測することは不可能です。KPMGとエコノミスト・インテリジェンス・ユニットの調査によると、企業予測のわずか22%が5パーセントポイント以内で正確でした。平均して予測は13%外れ、株価に大きな影響を与えています。

加重平均など従来の予測手法に固執する純粋主義者は多くいます。このアプローチは快適で取り組みやすいかもしれませんが、過去の需要パターンに基づく予測しか生み出せません。需要とその影響要因のニアリアルタイムな視点を提供できる、重要なオンライン・外部データが欠けています。

今日、より良い方法があります。天気予報と同様に、インテリジェントな需要センシングシステムを訓練し、消費者需要の見かけ上のカオスを高精度で予測することが可能です。これらのハイブリッド需要センシングシステムは、複数の予測手法とデータタイプを適用します。

ハイブリッド需要センシングは、単純な予測代替案よりも堅牢、信頼性が高く、持続可能です。異なる計画アプローチを適用するメリットがあるだけでなく、追加の人的知見とデータセットが考慮されるにつれて、より強力で反応性の高いものになります。

需要センシングの大きなメリットは、短期トレンドを即座に予測に組み込めることです。60日や90日のウィンドウで同じ予測を使い続ける代わりに、プランナーは最新の販売データを用いて予測を継続的に微調整する洞察を得られます。この需要変化へのより速く頻繁な対応能力は、利益とサービスレベルの向上、廃棄削減につながります。

需要センシングが洞察を収益性の高い行動に変える例

• POSデータを直接抽出し、上流計画を合理化。 需要センシングにより、POS（販売時点情報管理）データから関連情報を直接抽出可能。メーカーはディストリビューターと小売業者からの入力を待たずに販売予測精度を改善できます。
• 生産計画効率を改善。 需要センシングは生産と供給オペレーションにより頻繁なインプットを提供。例えば、注文の迅速化や緩和により生産計画を調整可能。
• 上流在庫を継続的に微調整。 地方倉庫の在庫と場所別の予測顧客需要を考慮し、在庫を動的に最適化しネットワークをバランスさせます。
• インバウンド/アウトバウンドのギャップを埋める。 インバウンドチームは倉庫を満杯にしたい、アウトバウンドチームは小売業者と顧客へ出荷して空にしたい。需要センシングは単一のグローバル需要像を示し、この2グループを同期させます。
• 季節需要をより正確に予測。 配送ネットワーク可視性の向上がサプライチェーン応答性向上の鍵。年に一度の期間しか売れない季節商品では特に重要。需要センシングにより、主要小売業者の在庫切れを即座に把握可能。同様に、予想通り売れない場合、メーカーは生産と在庫を迅速に調整し、陳腐化を防止できます。
• 新製品導入の在庫を適正化。 製品ライフサイクルが短縮し続ける中、アイテム置き換え管理は継続的課題。需要センシングは、新旧製品バージョンの最適在庫レベルを決定し、顧客サービスレベルを満たすのに役立ちます。
• プロモーションパフォーマンスを改善。 プロモーション属性、製品・市場詳細などの売込データを考慮し、プランナーがプロモーション効果の背景要因を理解するのを支援。将来のプロモーション影響をより良く予測可能に。

交換用タイヤディストリビューターのTireHubは、ローカルPOSデータを機械学習で強化した需要センシングモデルに組み込んでいます。SKU増加と季節性の二重課題で、TireHubは在庫最適配置に苦労していました。今日では、予測可能な需要変動（冬のスタッドレスタイヤ売上ピーク等）だけでなく、ローカルでの様々な車種販売台数を考慮したローカル需要の複雑さも計画に組み込んでいます。このモデルで、TireHubは補充計画の大部分を完全自動化し、ビジネス成果を改善、わずか18ヶ月で7万納品ポイントへの対応能力を構築しました。

需要センシングの3つの主要アプローチと最大リターン領域

売込データによる短期予測。 企業が需要センシングを始める最も簡単な方法は、利用可能な最も粒度の高い履歴データを使うことです。通常、短いタイムホライズンで日次の売込/出荷需要データを分析し、予測を調整します。このタイプの需要センシングは、ほとんどのサプライチェーン計画やERPシステムで容易に入手できる出荷履歴を考慮します。一部の計画ツールには短期統計予測が含まれ、継続的な需要変化への予測応答性を改善します。

売出データを組み込む。 需要をセンシングする際、予測を改善し得るすべての可能で有用なデータソースをブレインストーミングすることが重要です。顧客、POS、チャネルデータなどの下流売出インテリジェンスは、需要トレンドの特定、問題の早期警告、計画とサプライチェーンで実際に起きていることのギャップを埋めるのに役立ちます。

外部データと需要因果を追加。 需要センシングは、既知から未知まで幅広い将来イベントに対応できる堅牢な予測を作るため、需要相関変数を統合すべきです。これには株価変動、競合プロモーション、バイラルSNSトレンド、新製品導入、天候、その他外部要因が含まれます。

この3つのピース——売込データ、売出データ、関連する需要因果——を組み合わせることで、可能な限り最も完全で統合された需要の全体像が得られます。また、高度に自動化された需要センシングの基盤が築かれ、プランナーはビジネス知見を適用して予測と顧客サービスをさらに改善できるようになります。

無数の内部・外部変数が需要変動に影響し、これらはこれから訪れる巨大な変化の時代でしか増えません。変動性を管理し、高サービスを保証する最良のツールは「在庫」です。需要センシングは、企業が在庫を可能な限り最適に活用するのを助けます。ノイズから重要なシグナルを抽出し、予測精度を高め、短期需要可視性を改善し、在庫を最小化しながら顧客サービスを向上させます。今日、需要センシング能力を高めるツール、プロセス、スキルに投資する企業は、明日何が来ても真に備えられるでしょう。

ロバート・カウフホルツ氏はToolsGroupのソリューションデザインディレクターです。