G-gen の奥田です。本記事は Google Cloud Next Tokyo '24の1日目に行われた AI と機械学習のセッション「競争環境の変化に適応！Google Cloud で実現する LION 流需要予測と生成 AI 活用」に関する速報レポートをお届けします。

他の Google Cloud Next Tokyo '24 関連記事は Google Cloud Next Tokyo '24 の記事一覧からご覧いただけます。

概要

本セッションは、LION 社における需要予測に関する取り組みについて紹介するセッションです。

同社独自のモデル開発、組織的・技術的課題の解決方法やビジネス上のメリットなどについても紹介されてました。

なぜ需要予測を行うのか

消費財業界を取り巻く環境は大きく変化しており、以下の背景から、従来の需要予測が陳腐化してきています。

デジタル技術の進化
生活様式の変化と生活者ニーズの多様化
環境変化に対する小売業・卸売業との共創

これらの要因から需要変化に対する従来型の手法は限界を迎えており、適正在庫の維持と品切れリスクを低減するには新しい方法を用いる必要がありました。

需要予測のアーキテクチャ

新しい需要予測のためのプラットフォームとして、同社は Google Cloud を採用しました。その理由は3点です。

BigQuery を利用したい
スクリプトの定期実行を容易に実装できる
データを BigQuery に蓄積し、今後活用したい

本セッションでは、同社の需要予測に対する考え方が紹介されました。

同社は、商品のライフサイクルフェーズ毎に異なる需要予測モデルを選択しています。本セッションでは、「販売直後予測」と「安定期予測」について紹介されました。

同社では、2つの異なる粒度で需要予測モデルを作成しています。

在庫管理単位（SKU） × 出荷数量（個数）
ブランド × 出荷金額

前者の数値は SCM 部門が利用し、後者は営業・事業部門が利用します。需要予測値のユースケースごとに、異なるモデルで予測値を算出しているのが特徴的です。需要予測値は週次で更新され、関係チームに共有されます。

また同社では、商品の重要度と予測精度によって、需要予測値を何に使い方を変えています。以下のスライドからは、予測精度が低い場合に、その値は利用しないことがわかります。また、予測精度が高くても、重要度が高い商品については、需要予測値を機械的に業務に適用することはせず、ギャップ把握と監視に用いています。