課題
予期せぬ外的要因によって大きな需要変動が起きた際など、発注量を算出するアルゴリズムに手を加える必要が生じることがあります。
AIは過去のデータから学習した結果を予測として提示するため、過去に例を見ないような変化が起きた際には予測の精度が下がってしまう場合があります。
定期的なチューニングによってAIのアルゴリズムを最新の状態にすることで、予測精度を高いまま保ち続けることが可能になります。
しかしAIツールは運用に莫大な金額がかかるため、AIの再調整には高額の料金を必要とする製品が多いのが実情です。
かといって再調整を行わないと予測の精度は低くなる一方で、過剰在庫や欠品が生じる可能性が高くなります。
アルファ発注による解決方法
α-発注は格安のオプションでアルゴリズムの再調整が可能です。
弊社担当者とミーティングを行い、状況をお伺いしてユーザーのご要望に沿えるように適宜アルゴリズムを再調整します。
最新の状況をアルゴリズムに反映することで、より発注精度を高めることが可能になります。
具体的な導入効果
インテリア雑貨を取り扱う小売り事業者様では、コロナ禍の影響で人々の在宅時間が長くなったことに伴い、一部商品の売れ行きが大きく伸びていましたが、既存ツールによる発注点の管理では、適切な発注量を算出できずに欠品が発生し、売り逃しが生じていました。
α-発注を導入したところ、過去の販売データを活用して発注量を算出することで発注の精度が上がった結果、欠品を減少させることができました。
その後、定期的なミーティングを経て随時チューニングを行うことで、販売数の上昇に見合った発注量を算出して欠品を低い水準のまま保つことができました。
売れ行きが下降してきたころには、需要の減少傾向を事前検知して発注量を抑え、過剰在庫を防ぐことにも成功しました。