AI駆動の精密予測：生鮮食品需要予測を変革する

真の需要を予測することは常に課題であり、生鮮・易腐性食品カテゴリーで事業を展開する食品企業にとっては特に困難です。同時に、正確な予測は上流サプライチェーンの計画と実行、食品ロスと財務ロスの削減に不可欠です。

COVID-19パンデミックのような市場不整合の時期には、ほとんどの予測担当者が真実をつかむのに四苦八苦してきました——典型的な需要パターンと、パニック買い、カテゴリー品薄、物流の複雑さの影響のバランスを取ろうとして。

「通常」の市場環境でも、単一の消費駆動型予測を巡るアライメントと可視性がない限り、上流サプライヤー（小売業者、卸売業者、生産者）はそれぞれ独自の、サイロ化された予測を作成せざるを得ません。

予測が独立して作成されると、バイアス、誤差、安全在庫が複合的に増幅されます。なぜなら、各予測はチェーンの直近の下流パートナーの受注履歴、パターン、価格変動、投入資材の実態または認識上の可用性のみを反映するからです。

この鞭打ち効果（ブルウィップ・エフェクト）では、実際の消費者需要の±5％の変化が、上流サプライヤーには最大±40％のインパクトとして伝播します。つまり、平時でさえ一貫して正確な在庫を維持するのは困難です。今日、パンデミック下では、それは不可能です。

約束された地がここに

サプライチェーン全体でパートナーをつなぐテクノロジーの活用は新しくありませんが、この10年間、期待ほど効果的ではありませんでした。

しかし、我々は多数の需要シグナルを効率的に取り込む能力において、新たなティッピング・ポイント（転換点）に達しました。ビッグデータ分析プラットフォーム、人工知能（AI）、機械学習、アジャイル予測モデルが、著しく信頼性の高い予測生成に重要な役割を果たしています。ついに、これらのテクノロジーを活用したツールが実証され、サプライチェーン全体を見渡し、そのすべてのデータをこれまで不可能だった形で活用できるようになりました。

AI駆動の需要予測プラットフォームは、多くの従来型需要プラットフォームのように履歴販売モデリングに依存しません。代わりに、動的な需要影響因子、アルゴリズム、リアルタイム・データ、クラウド・テクノロジーを用いて、行動とトレンドを正確に予測します。

例えば、オーディエンスの人口統計・ライフスタイル・トレンド、購買パターン、気象イベント、貿易関税、小売業者のマーケティング施策などは、購買行動と需要精度に大きな影響を与えます。しかし、これらのデータは通常、複数の分断されたリポジトリに散在しています。

アルゴリズムと予測分析を用いて、AIと機械学習を駆使した需要予測プラットフォームは、データの所在に関わらず大量のデータを分析できます。このテクノロジーは、消費者需要に影響する最も関連性の高い要因を自動的に特定し、需要と購買行動の変化を事前に予測し、チャージバックを削減し、将来需要についてバイアスのない確率的予測を提供します。

このすべてのデータの潜在力を解き放つことは、より正確な需要予測を可能にするだけでなく、在庫管理への包括的アプローチを支援します。予測精度への信頼が高まるにつれ、初期在庫バランスをより低いレベルに保ちながら——それでも顧客要件を満たしながら——運用できます。

また、AIと機械学習が入力を非常に速く処理できるため、インサイトはまだ意味があるうちに提供されます。生鮮・易腐性アイテムの需要や可用性の変化、パートナーや消費者のニーズに対応するアクションを取れます。例えば、パンデミック中に生鮮野菜と肉のサプライヤーが、レストラン向け卸流通から消費者向け食料品店へ、より速く再梱包・配送転換できていたらどうだったでしょう？

United Fresh Produce Associationの推計によれば、COVID-19発生中、生鮮野菜業界全体で売上の少なくとも40％が失われるとされています。すべてを消費者向け食料品・小売にシフトできるわけではありませんが、競合より速く移行できるブランドは、より多くの収益と雇用を守れます。

よりスマートなテクノロジー

AI駆動予測プラットフォームは、複数のアルゴリズムを適用し、システム内の各製品やSKUにとって最も関連性の高い指標を自動的に決定します。複数のスプレッドシートから競合するデータを収集、更新、統合、調整する時間が削減され、予測プロフェッショナルは需要最適化と、マーケティングなど他部門との連携による新たな収益源開拓に時間を費やせます。単一の信頼できる情報源（Single Source of Truth）から運営する、部門間および外部パートナー間の協働の価値は計り知れません。

AI駆動モデルの活用結果は説得力があります。Nounós Creameryは最近、このようなツールを導入し、需要予測を自動化、予測にかける時間を週2時間からわずか10分に短縮しました。Nounósのリーダーたちは、真の洞察の欠如にフラストレーションを感じ、会計ソフトと在庫管理システムのデータを手作業で比較することに貴重な時間と金を浪費していました。このプロセスでは、どの程度のヨーグルトを製造すべきか、どのフレーバーを優先すべきか、曖昧な感覚しか得られませんでした。

Nounósは、すべての関連ソースからデータを取り込み、アルゴリズムに予測推奨を任せることができました。予測は非常に精度が高く、過剰生産をほぼ即座に40％削減し、製品ロスによる大幅な収益改善を実現しました。また、各フレーバーの実際の期待需要を予測できるようになり、製造プロセスの効率性を大きく高めました。

この新しい需要予測アプローチは、財務的理由だけでなく、高い拡張性があるため採用が広がっています。スペシャリティ・フード・ブランドにも、大手多国籍ブランドにも同等に機能します。消費者駆動型需要予測は定着しました。最新の分析とテクノロジーを活用することは、鞭打ち効果を抑制し、まさに適切なポイントで需要を満たす、 tremendousな機会を提供します。

アレ・トラースダール氏は、Crispの共同創業者兼CEOです。