Data Platformを用いた正確なサプライヤーのリードタイム予測

より精度の高いデータドリブンなリードタイム予測によるサプライチェーンの課題解決

新型コロナウイルスのパンデミックにより消費者の習慣は一変しました。食料品セクターを中心に、品不足は人々に新たなブランドを試すことを余儀なくさせ、多くの人が買い物の頻度を減らし、都度の買い物における購入量を増やすようになりました。その結果、店舗から在庫がなくなるスピードが速まり、サプライチェーンと財務モデルの両方に負担がかかったことで、売上総利益率に問題が生じました。

同時に、在庫切れのコストは増加しており、補充問題は収益性とビジネス全体の成功に影響を及ぼしかねません。消費者のニーズを満たすサービスや商品を複数の方法で提供できる競合他社がますます増加し、価格や商品の供給状況に事実上即座にアクセスできるようになれば、消費者は単純に店舗の品切れ状態に寛容ではなくなります。実際、消費者の29%が、品切れのアイテムがあれば他のブランドで買い物をすると答えています。

小売業者にとっての課題は、欲しい商品を欲しい場所で欲しい時に欲しい量だけ見つけたいという顧客を常に満足させることです。財務目標を成功裏に達成するために、小売業者はサプライチェーンの各段階で在庫を戦略的に管理し、補充プロセスが常にスムーズで効率的であることを確認することが必要です。

サプライヤーのリードタイム予測（発注後、サプライヤーが製品やサービスを提供するまでにかかる時間を予測すること）は、小売業者が生産スケジュールを計画し、在庫水準を管理することで、過剰在庫とそれに伴うコストを最小限に抑えながら、効果的に顧客の需要を満たす上で役立ちます。

サプライヤーのリードタイムは、サプライヤーの製品の仕向地からの距離、製品の複雑さ、原材料の入手可能性、生産能力、輸送時間など、さまざまな要因によって異なります。変動要因が多いことから、小売業者は、さまざまなエンタープライズ・システム、ビジネス・レコード、技術的インプットから過去およびリアルタイムのデータに集中的にアクセス可能で、発注トランザクションに基づいて予想リードタイムを予測する機械学習モデルをトレーニングするために使用できるデータ・プラットフォームを必要としています。

高度な分析と機械学習により、サプライチェーン業務のリスクを軽減し、在庫管理を改善

このユース・ケースでは、高度な分析と予測手法（統計モデリング、トレンド分析、履歴データ分析など）と機械学習を使用して、小売業者が商品の予想納期を正確に予測するのを支援するために、Oracle Data Platformがどのように構築されているかを紹介します。この情報があれば、マネージャーは在庫計画を最適化し、次のような変動要因の影響を効果的に管理することができます。

• 調達先の確保、出荷スケジュール、移動時間、コストの調整を含む、リードタイムと輸送手段
• 数百社に及ぶサプライヤーにわたる幅広い製品、入手可能性、パック構成、受注条件、コストの管理といった課題を含む、多様な製品ポートフォリオ
• 需要パターンおよび季節性やプロモーションなどの影響を含む、地域市場の複雑性
• 予算、保管場所の制限、望ましい回転数などの財政的および物理的制約
• 過剰在庫や値下げによる財務的影響、優れたカスタマーサービスを一貫して提供しなければならないというプレッシャー、売上の損失や顧客ロイヤルティの低下を防ぐために在庫を維持する必要性などの、配達拠点における在庫のプレッシャー

この図は、小売業向けOracle Data Platformを使用してサプライヤーのリードタイムを予測し、サプライチェーン業務を最適化することで、小売業者が収益性を最大化しながら市場ポジションを維持できるように支援する方法を示しています。このプラットフォームは、以下の5つの柱を掲げています。

1. 1 データソース、検出
2. 2 取込み、変換
3. 3 永続化、キュレーション、構築
4. 4 分析、学習、予測
5. 5 測定、実行

Data Sources、Discoveryの柱には、3つのカテゴリーのデータが含まれます。

1. 1. アプリケーション・データは、Fusion Financials、Oracle E-Business Suite、SCM、EPM、およびeSourcingから得られます。
2. 2. ビジネス・レコード・データは、在庫、SCM（コントロール・タワー）、サプライヤーのパフォーマンス・データ、サプライヤー調査から構成されます。
3. 3. 技術的インプット・データはログから得られます。

取込み、変換の柱は、3つの機能で構成されます。

1. 1. バッチ取り込みには、OCI Data Integration、Oracle Data Integrator、DBツールなどを使用します。
2. 2. 一括転送には、OCI FastConnect、OCI Data Transfer、MFT、OCI CLIを使用します。
3. 3. 変更データ取得にはOCI GoldenGateを使用します。

3つの機能はすべて、永続化、キュレーション、構築の柱の中でのクラウド・ストレージ機能に一方向で接続します。

永続化、キュレーション、構築の柱は、4つの機能で構成されます。

1. 1. サービング・データストアには、Oracle Autonomous Data WarehouseかExadata Cloud Serviceを使用します。
2. 2. クラウド・ストレージには、OCI Object Storageを使用します。
3. 3. バッチ処理にはOCI Data Flowを使用します。
4. 4. ガバナンスにはOCI Data Catalogを使用します。

こうした機能は、柱の中で接続されています。クラウド・ストレージは、サービス・データストアには一方向に接続され、バッチ処理には双方向に接続されています。

1つの機能が分析、学習、予測の柱にに接続します。サービング・データストアは、分析と可視化機能と機械学習機能の両方に接続されています。

分析、学習、予測のピラーは、3つの機能で構成されています。

1. 1. 分析、可視化は、Oracle Analytics Cloud、GraphStudio、およびISVを使用します。
2. 2. データ製品、APIにはOCI API GatewayとOCI Functionsを使用します
3. 3. 機械学習には、OCI Data Science、Oracle ML、Oracle Machine Learning Notebooksを使用します。

測定、行動の柱は、ダッシュボードおよびレポート、アプリケーション、モデルの3つの利用方法で構成されます。

ダッシュボードおよびレポートには、人とパートナー、サプライヤーとのコラボレーションとデータ共有、過去のサプライヤー・パフォーマンス、需要分析、在庫切れと過剰在庫が含まれます。

アプリケーションは、高度な在庫管理と需要計画で構成されています。

モデルはサプライヤーの業務から構成されています。/p>

3つの中心的な柱である、取り込み、変換と永続化、キュレーション、構築と分析、学習、予測は、インフラ、ネットワーク、セキュリティ、IAMでサポートされています。

小売業者がサプライヤーのリードタイムを効果的に予測できるようにするために、アーキテクチャにデータを注入する方法は主に3つあります。

• まず、在庫過多や在庫不足にならないよう、全体の在庫ポジションを把握する必要があります。そのためには、Oracle Cloud Infrastructure (OCI) GoldenGateを使用して、すべての製品ラインまたはサブセットの運用データベースから、ほぼリアルタイムの倉庫在庫データを変更データ取得で取り込み可能にします。このデータを使って価格を調整することにより、在庫を移動させたり、在庫切れを回避することができます。
• サプライヤーのパフォーマンスを正確に予測するには、過去のパフォーマンス、傾向、パターンを理解する必要もあります。これには通常、大量のトランザクション・データ（調達、請求書発行、サプライチェーン、およびロジスティクス・データなどのERPデータを含む）やその他の業務メトリックおよびデータセット（消費、在庫、およびホット・スワップに関するデータなど）を、OCI Data Transfer Serviceなどの一括転送手法およびサービスを使用してオンプレミスのデータ・ストアからロードする必要があります。
• 現在ではバッチ取り込みを使用して、注文日、注文数量、納品日など、特定の期間にサプライヤーに発注された注文といった、サプライヤーに関連するデータセットを追加できます。これらのデータセットは、通常オンプレミスにある大量のデータで構成されていることが多く、ほとんどの場合、バッチ取り込みが十分かつ最も効率的です。サプライヤー・データについては、Oracle Data Integratorを使用して日次サイクルでデータを取り込みます。このデータは主にオペレーショナル・トランザクション・プロセス・システムから供給され、通常は高度に構造化されたリレーショナル・フォーマットでモデル化されます。このデータの例としては、サプライヤーの詳細（例えば、名前、ID、登録、連絡先情報）、出発地と目的地、合意された納品日、実際の納品日、契約アイテムと価格、出荷方法などを含む発注トランザクションがあります。納期の信頼性、商品やサービスの品質、過去に発生した遅延や問題など、サプライヤーのパフォーマンスに関するデータも取り込むことができますが、このデータは一般的に構造化されておらず、より高度な処理が必要になる場合があります。
• 過去にサプライヤーに発注した各注文のリードタイムを計算することで、平均リードタイムを算出し、傾向やばらつきを特定することができます。これらの傾向や変動は、輸送の遅れ、サプライヤーの生産能力の変化、環境的な出来事（悪天候など）、社会政治的な出来事（紛争や労働争議など）など、サプライヤーのリードタイムに影響を与える可能性のある外部要因と相関する可能性があります。追加データを使用して市場動向と需要パターンをモニターし、サプライヤーのリードタイムに影響を与える可能性のある潜在的な需要の急増を予測することができます。

データの永続化と処理は、3つのコンポーネントで構築されています。

• すべてのソースから取り込まれた生データは、クラウド・ストレージに保存されます。現在永続化されているデータ、在庫水準、ジオ・マッピング・データ、および商品参照データのバッチ処理には、OCI Data Flowを使用します。バッチ処理はデータを再処理し、重複、欠損値または分析結果に影響を与える可能性のある異常値を取り除きます。処理されたデータセットは、その後の永続化、キュレーション、分析のためにクラウド・ストレージに戻され、最終的には最適化された形式で、サービング・データストアに分析しやすい方法でロードされます。
• これで、Oracle Autonomous Data Warehouse が提供するサービング・データストアに、キュレーションとクエリ・パフォーマンスのために最適化されたリレーショナル・データ形式で保存される準備が整った処理済みデータセットが作成されました。これにより、価格、需要プロファイル、在庫水準、場所によって商品を特定し、返品することが可能になります。

分析、学習、予測機能は、3つのテクノロジーで構築されています。

• 分析と可視化サービスにより、回帰分析や時系列分析などの統計的手法や機械学習アルゴリズムを使用して、データのパターンや傾向を特定することができます。この分析を使用することで、サプライヤーのリードタイムを正確に予測できる予測モデルを開発し、一連の注文について予測リードタイムと実際のリードタイムを比較することで、モデルの精度を継続的に検証することができます。この検証結果は、モデルを改良し、精度を向上させるために使用されます。オラクルの分析および可視化サービスには、次の機能があります。
  
  
  • 記述分析では、ヒストグラムやチャートで現在の傾向を説明し、あらかじめ定義されたルールを使用して、販売パフォーマンス、在庫水準、競合他社の価格設定などの特定の基準に基づいて価格を調整する、価格設定アルゴリズムの開発をサポートします。例えば、小売業者は、在庫期間が30日を超えた場合、商品の価格を10％下げるというルールを設定して、新たな在庫の購入を遅らせたり、リードタイム予測を使用して適切なタイミングを判断し、納期を遅らせるための価格交渉を行うことができます。
  • 分析予測は、将来の出来事を予測し、傾向を特定し、不確実な結果の確率を判断します。予測分析により、小売業者は過去の販売データを使用して、価格と需要の相関関係を特定することができます。そして、この分析を利用して、消費者行動の変化が需要に与える影響を予測し、それに応じて在庫計画を調整することができます。また、推定リードタイムを利用することで、過剰在庫とそれに伴うコストを最小限に抑えながら、必要なときに十分な在庫を確保することができます。さらに予測分析は、統計モデルを使用して、価格の変化に対する需要の感度を測定する価格弾力性モデルを提供することができます。小売業者はこの分析を利用して、売上と収益性を最大化するための最適な在庫水準を特定し、それに応じて在庫購入のタイミングを調整することができます。
  • 処方的分析は、最適な意思決定をサポートするために適切なアクションを提案し、在庫保有や在庫切れに関連するコストを最小化することに役立つリードタイム予測に使用することができます。調達と生産活動をサプライヤーのリードタイムに合わせることで、小売業者は過剰在庫、在庫保有コスト、迅速な出荷にかかる費用を削減し、正確なリードタイムに基づいてサプライヤーとの価格や条件の交渉を有利に進めることができます。
• 高度な分析と同時に、機械学習モデルの開発、トレーニング、導入が行われます。これらのモデルは人工知能を使用して大量のデータを分析し、在庫購入と在庫水準の最適化に使用できるパターンと傾向を特定します。小売業者は、機械学習アルゴリズムを使用して、顧客の行動を予測し、在庫をいつ、どのサプライヤーから仕入れるべきかを特定し、複数の商品と市場にわたって価格を最適化することができます。
• オラクルのキュレーション済み、テスト済み、かつ高品質なデータおよびモデルは、お客様のガバナンスルールやポリシーを適用し、データメッシュ・アーキテクチャ内の「データ製品」（API）として公開し、小売業者の組織全体に配布することが可能です。

小売データ・プラットフォームによる在庫管理と顧客満足度の向上

サプライヤーのリードタイムを正確に予測することで、小売業者は在庫レベルと生産スケジュールをより適切に計画し、季節性やプロモーション、その他の影響による変動がある場合でも、顧客の需要を満たすために適切な商品を適切な量だけ確保することができます。その結果、次のことが可能になります。

• 在庫の購入時期と購入するサプライヤーの特定
• 適切な時期に適切な数量の製品を発注することで、在庫維持コストを最小限に抑え、売上損失や顧客の不満足につながる在庫不足を回避
• 仕入れとサプライヤーへの支払いを計画することでキャッシュフローを管理し、運転資金の最適化とキャッシュフロー不足の回避を支援
• リードタイムやその他のパフォーマンス・メトリクスに関するより良いコミュニケーションを通じたサプライヤーとのより強固な関係の構築による、パフォーマンスの向上、コスト・パフォーマンスの改善、より信頼性の高い納期スケジュールの実現