次世代型需要予測が織りなす製造業/小売業の未来 第3回 製造業/ニーズ多様化時代における、ロングテール品需要予測
消費者のニーズの個性化や多種多様化などにより、重要性を増す「ロングテール領域」の課題へのアプローチなどについて解説します。
人工知能(AI)をはじめとする新興テクノロジーが浸透し、またグローバル化がますます進む中、企業は以下のような課題やリスクに多角的に取り組むことが求められています。
企業がこれらの課題に取り組み、成功を収めるためには、オペレーションを高いレベルで効率化することが必要です。需要予測は全てのオペレーションの起点です。高精度で高品質かつ多面的な予測をすることでオペレーションの効率化が進み、競争力の向上・維持を実現することができます。
従来の需要予測は、データが豊富にある一部の主力品に限られ、対象範囲が極めて限定的でしたが、PwC Japanグループが提供する次世代型の需要予測ソリューションであるMultidimensional Demand Forecasting(以下、MDF)は、多数の実際のプロジェクトを通じて継続的な改良を重ねた独自開発のアルゴリズムにより、広範なカバレッジを有しています。MDFは、従来対象とすることが困難だった以下のような点に対応し、オペレーション上の課題解決を支援します。
企業は既存ビジネスに対する守りの施策(コスト削減やオペレーション効率化など)を進める一方で、新規ビジネスの創出やバリューチェーンの拡大といった攻めの施策をとる必要があります。
MDFは、さまざまな業界に対する多くの実際のプロジェクトを通して蓄積された知見や、磨き上げてきた実践的アルゴリズムを提供します。
また、単に予測ツール・アルゴリズムを提供するのではなく、PwCのコンサルタントが持つサプライチェーン領域における各種専門性や戦略立案に関する知見を活用し、クライアントの事業における導入効果の最大化を実現します。
データ全体に1モデルのみで対応しようとすると無理が生じ、十分な精度を保てない、学習処理量が増大する、モデルが複雑すぎて解読できないといったことにつながります。データを特性ごとに適切に分割(=層別化)し、おのおのに最適なモデルを無理なく適用することで、高い予測精度を実現します。
確率分布を用いて、完成品モデル(家電、自動車、生産設備など)の世の中での実稼働台数(UIO)を推定します。推定したUIOに基づき、おのおのに使用されている部品(サービスパーツ)の不具合発生を予測し、交換需要量を推定、部品の在庫計画の精度を向上させます。
多様なデータを活用し、多数のSKU(商品の最小管理単位)・店舗を対象に、日次での客数・販売数予測算出(SKU別・店別・日別)を行います。高精度な独自ハイブリッドモデルを用いた予測により、機会損失や廃棄ロス、在庫レベルを低減させ、高い導入効果を達成します。
消費者のニーズの個性化や多種多様化などにより、重要性を増す「ロングテール領域」の課題へのアプローチなどについて解説します。
リアル店舗の在り方が大きく変化しています。リアル店舗で活用される最新技術を紹介すると共に、そこから新たに得られる各種データを事業生産性向上につなげるためのアイデアを提示します。
製造業がアフターマーケットで求められるサービスの差別化を実現するために有効なデータ活用の在り方を解説します。
ビジネスにおいては、経営判断はもとより、人事から現場オペレーションまでさまざまな局面において意思決定がなされています。この意思決定は多くの場合、限りあるリソースをいかに効率よく活用し、利益を最大化するか、あるいはコストを最小化するか、という形で表現されており、数理最適化問題(あるいは単に、最適化問題)と呼ばれています。この種の意思決定の自動化・高度化を支援する技術がModule based Planning & Streamlining(フレキシブル計画・意思決定最適化ソリューション:以下「MPS」)です。
複雑な計画・意思決定には非常に多岐にわたる要素が関係しているため、現代のコンピュータリソースを用いても正確に解くことは難しいと言われています。またベテランの計画者や意思決定担当が行っている計画プロセスは明文化されていないことが多く、自動化のためにはこの問題構造を明らかにする必要があります。
PwCのMPSは最適化問題の専門知識に加え、多数のプロジェクト経験と豊富なビジネスドメインのナレッジに基づき、各企業・部門の課題に適したソリューションを提供します。
加速度的に増えていくデータを、AIを活用して迅速にビジネス価値に結びつけ、経営判断を実施することが、企業にとって重要な経営アジェンダとなるでしょう。
この経営アジェンダを確実に推進していくためには、ビジネス、テクノロジー両方の理解に加え、それらを統合したビジョンを描き出すことが求められます。
PwCは、経営判断の中枢にさまざまな側面でAIを活用し、ビジョン策定から、テクノロジー・ディストラプションとチェンジマネージメントを実現する「AI経営」という方法論を使い、イノベーション創出を支援します。
今回の調査では、「先進」の96%が期待通りのDX成果をあげており、これらの企業では複数部門での連携やシステム開発・運用の内製化および自動化が進んでいることが明らかになりました。DX成功のポイントを探り、今後取り組むべき4つの具体的な施策について提言します。
本レポートでは、「生成AIに関する実態調査2024春」をもとに、ヘルスケア/病院/医薬/医療機器業界における生成AIの活用の推進度や期待・脅威認識、活用状況、活用における課題、ガバナンスの傾向などを分析しました。
量子技術開発への公的な政策的投資の拡大により注目されている「責任ある研究とイノベーション(RRI)」という考え方についてその重要性を紹介するとともに、国際的なイノベーションガバナンスの変革に適応していくために政府機関、アカデミア機関、民間企業、およびエンドユーザーが実践すべき行動について「量子技術分野」を例に解きます。
AIに関するマネジメントシステムを確立するためのフレームワークであるISO/IEC 42001について、解説します。
東京大学とPwC Japanグループはビジネスとテクノロジー双方の視点でAIを理解し、AIの社会実装を担う人材の育成を目的として、2025年1月からAI経営寄附講座を開催します。
PwC Japan有限責任監査法人は12月10日(火)より、表題のセミナーをオンデマンド配信します。
PwCコンサルティング合同会社は、5月20日(月)より、表題のセミナーをオンデマンド配信します。