EC・小売業向けAI需要予測・在庫最適化システム開発

このプロジェクトの要点

• 過剰在庫：約30%削減、倉庫保管コストの適正化を実現
• 欠品率：約80%減少、機会損失を最小化し売上機会を最大化
• 発注業務の自動化により、担当者の作業時間を週15時間から2時間へ短縮

課題：経験と勘に頼った発注による、在庫過多と欠品のジレンマ

複数店舗とECサイトを運営する小売業のクライアント。日々変動する需要に対し、発注業務は現場担当者の「経験と勘」に完全に依存していた。

これにより、シーズンごとの過剰発注による不良在庫の滞留と、人気商品の突然の欠品による販売機会損失が同時に発生し、キャッシュフローと顧客体験の双方を圧迫していた。

• 需要予測のロジックがなく、発注量の決定に個人差が大きい
• 天候やトレンドの急な変化に対応できず、人気商品がすぐに欠品する
• 過剰在庫により、倉庫スペースの圧迫と廃棄コストが発生
• 毎週の発注データの集計と検討に、担当者が多大な時間を費やしている

私たちの打ち手：データ統合とAI予測モデルによる発注業務の標準化

感覚による判断を排除し、予測に基づいた意思決定を行うため、まず社内外に散在するデータの統合データ基盤を構築した。

その上で、過去の売上実績、カレンダー情報、リアルタイム気象データ、さらにはSNS上のトレンドワードを説明変数とした機械学習モデル（需要予測AI）を開発。適正在庫を維持するための「推奨発注量」を自動計算するシステムを実装した。

システム構成

• データレイク/DWH：売上データ、気象API、SNSトレンドデータの統合
• 予測エンジン：時系列解析とLightGBMを組み合わせた需要予測モデル
• 発注支援画面：AIの予測根拠（トレンド影響、気温など）を可視化するUI
• 自動連携：既存の基幹システム（ERP）への発注候補データの自動転送

成果：在庫の適正化と発注業務の劇的な効率化

AIによる需要予測モデルの導入により、発注精度が大幅に向上。無駄な在庫を抱えることなく、必要な商品を必要なだけ仕入れる体制が整った。

• 倉庫の過剰在庫を約30%削減
• 人気商品の欠品による機会損失を約80%削減
• 担当者の毎週の発注検討時間を週15時間から2時間へ削減
• 予測値とその根拠が可視化されたことで、仕入れ判断が標準化され引き継ぎが容易に

技術・体制・期間