高度な機械学習アルゴリズムを使用して将来の時系列を簡単に予測
需要を正確に予測することは、効率的なサプライチェーンの基礎です。正確な需要予測により、適切なリソースを適切なタイミングで適切な場所に配置できます。小売および消費財の分野では、在庫を最適化することで在庫切れや費用のかかるプロモーションを最小限に抑え、高コストの店舗内移動を削減し、運転資本を最小限に抑えることができるため、現金をより効率的に活用できます。しかし、大量のデータを分析して将来の価値を予測することは複雑で時間がかかるにもかかわらず、必ずしも正確であるとは限りません。
Amazon Forecast、Amazon SageMaker Canvas、SageMaker JumpStart などの Amazon の AI/ML サービスは、ML の専門知識を必要としないノーコードソリューションとローコードソリューションの組み合わせを通じて、ビジネスアナリストとデータサイエンティストをサポートします。
メリット
変化に適応するインテリジェンス
Amazon の予測サービスは、機械学習を活用して大量のデータを分析し、商品間の微妙なパターンや関係を理解し、将来の需要を正確に予測します。AWS の AI および ML 予測サービスは、Amazon での 20 年超の経験に基づいて完成されています。
データサイエンス能力をスケールする
高精度の予測を生成するために ML の専門知識は必要ありません。これは、ビジネスアナリストが予測に関する問題に ML を適用でき、データサイエンティストはさらなるビジネス上の問題の解決に注力できるようになることを意味します。
独自の条件で予測する
AWS は、特定のユースケースに合わせて複数のサービスを提供します。Canvas は、ビジネスアナリストが ML を問題の予測に簡単に適用できるようにする、ノーコードグラフィカルサービスを提供します。Amazon Forecast を利用すると、デベロッパーは API に直接コーディングできます。また、SageMaker JumpStart を利用すると、ユーザーは独自のモデルを構築して組み合わせることができます。
より多くの情報に基づいてビジネス上の意思決定を行う
what-if 分析を通じて予測をストレステストし、プロモーションや営業時間の変更などのビジネス上の決定が売上に及ぼす影響を判断できます。
お客様事例
The Very Group は、英国最大の総合デジタル小売業および金融業者であり、年間売上高は 22 億 GBP を超え、1 日あたりのウェブサイト訪問者は 180 万を超えます。 Very.co.uk、 Littlewoods.com、 LittlewoodsIreland.ie などの自社ブランドを擁する同社は、1,800 を超える有名ブランドを販売し、440 万の顧客を抱え、年間 4,900 万個の商品を配送しています。
「当社は、AWS の予測および AI/ML ソリューションを活用し、新たな小売需要予測機能を強化および構築するために、AWS と協力しました。The Very Group は、国際的なチームと包括的なコラボレーションを活用することで、1 億 1 千万ポンド以上に相当する 9.9% の SKU マネジメントの改善を実現し、大成功を収めました。これらの結果は、プログラムに 800 時間以上投資し、800 万以上の予測を生成した 70 以上の実験を完了したことによるものです。現在、モデルを他のビジネス領域に拡大し、組織全体の使用事例を追加して反復し、Amazon Forecast に新しいデータを追加して、モデルの精度を継続的に向上させています」
The Very Group、Chief Data Office、Steve Pimblett 氏
「Amazon Forecast を使用することで、当社は予測精度を 27% から 76% に向上させることができました。これにより、青果カテゴリの廃棄を 20% 削減できました。Amazon Forecast を使うと予測分布を把握できるため、予測のずれによって発生するコストを最適化しやすくなりました。その結果、在庫切れが 3% になり、粗利益が向上しました。こうして、店舗マネージャーは日々の予測結果を見ることで、より簡単により高精度な発注ができるようになりました。目下、当社は同じモデルを他のカテゴリにも拡張しようとしているところです。継続的にモデル精度を向上するため、追加の関連データセットで同じ作業を繰り返し、新しいデータを Amazon Forecast に追加しています」
More Retail、最高トランスフォーメーション責任者、Supratim Banerjee 氏
「AWS の機械学習チームに非常に感銘を受けました。世界クラスのサービスを提供してくれました。当社のチームは Amazon Machine Learning Solutions Lab と緊密に連携し、Amazon Forecast を利用した需要予測モデルを数週間で開発しました。ソリューションのおかげで予測精度が 8% 向上しました。メキシコ工場では、このソリューションで年間 553,000 USD の節約を計画しています。おまけに、データインフラを AWS に移行した後でこのソリューションをクラウドワークフローに簡単に統合できるのです。AWS との共同開発は、無駄な人件費を最小限に抑え、顧客満足度を最大限に引き上げるのに役立ちました。」
Foxconn、Technical Advisor and CoE Architect、Azim Siddique 氏
ユースケース
在庫計画
きめ細かいレベルで需要計画を改善します。無駄を減らし、在庫回転率を高め、在庫の利用可能性を改善します。
ワークフォース計画
さまざまな需要レベルに対応するためにより効果的に職員を配置し、使用率、サービス提供時間、および顧客満足度の向上を図ります
容量計画
より強い確信に基づいて長期的な視点で意思決定を行い、資本稼働率を向上させます。
財務計画
売上高と営業利益を計画し、キャッシュフローを効果的に管理します。
分析プラットフォーム統合
ビジネスインテリジェンスや分析アプリケーションを導入している組織の場合、データ分析のための AI (AIDA) のパートナーソリューションは、既に使用している分析ツール内で ML を活用する方法を提供します。
はじめる準備はできましたか?
Amazon Forecast、SageMaker Canvas、SageMaker JumpStart を利用するか、または Forecasting ソリューションを利用して独自の予測ソリューションをデプロイできます
リソース
Amazon Forecast
Amazon SageMaker Canvas
Amazon SageMaker Canvas