データ活用実証事業レポート（株式会社みしまや＆株式会社テクノプロジェクト）

事業概要

昨今あらゆる業種において競争が激化し、社会的な環境の変化が著しく、さらには人口減少による人手不足が深刻化する中、企業においては、競争力の強化と維持のため、既存事業の課題解決や顧客への新たなサービス提供など、企業変革が必要となっています。そこで、しまねソフト研究開発センターでは、県内の事業者とIT企業に委託し、企業変革の打ち手として特に有用とされるデータ活用により、県内事業者の課題解決及び新たなサービス創出に取組み、その有用性を実証するデータ活用実証事業を実施することとし、事業の委託先を公募しました。

詳細は「令和5年度 データ活用実証事業の公募」を参照ください。

採択事業者

（事業会社）　株式会社みしまや　
 松江市を中心に雲南市と大田市に13店舗を構えるスーパーマーケット

（IT企業）　株式会社テクノプロジェクト

データビジネス支援事業者

株式会社DATAFLUCT

「データを商いに」をビジョンに掲げ、埋もれていたデータから新たな価値を生み出し、社会課題を解決するデータビジネス事業者です。
誰もがデータを有効活用することで持続可能な意思決定をすることができる世界の実現を目指し、需要予測によるロスの削減、持続可能な都市計画、脱炭素に向けた行動変容など世界基準の課題に着目した自社サービスも展開しています。

本社所在地：東京都渋谷区桜丘町1-4 渋谷サクラステージ SHIBUYA サイド SHIBUYA タワー7階
代表者：代表取締役CEO 久米村 隼人
設立：2019年1月29日
資本金：14億9,712万円（資本準備金含む）

しまねソフト研究開発センターの実施サポート

専門研究員の高木丈智が、仮説立て、データ収集～構造化～分析など一連の取組みを実施サポートしました。

取り組みテーマ

機械学習を用いた販売数予測及び発注業務の自動化

株式会社みしまや（以下「みしまや」）と株式会社テクノプロジェクト（以下「テクノプロジェクト」）は、データ活用実証事業を通じて販売数予測と発注業務の自動化を目指し、売上実績・廃棄実績の既存データを活用したデータ分析と予測モデルの開発・実店舗での実証実験を行いました。

テーマ設定の背景

採択事業者が本事業で取り組むテーマを設定した背景を以下に記します。

• みしまやは、過去の売上実績などのデータはあるものの、廃棄ロスが減ることはなくデータを活かしきれていない。発注者の経験や感覚で発注を行っている現状からの脱却と発注数の適正化を行い、廃棄ロスを削減したい
• テクノプロジェクトは、データ活用をソリューションに至らすまでのノウハウと経験が少ないため、本プロジェクトを通してノウハウとスキルの獲得を目指す

実証事業の目的

上記の背景をもとに、実証事業の目的を以下のとおり整理して実証を行いました。

• 現在保有しているが、活用しきれていないデータを用いて、特に課題感を抱えている日配品（特にパン）の廃棄を最小化したい
• 値引き、廃棄率の改善によりどの程度のインパクトがあるのかを明らかにしたうえで、中期的にはAPIによる自動発注システムとの連携など展開を検討したい

実施期間

令和5年10月1日 ～ 令和6年10月31日

実施内容

現状の課題整理と仮説設定

ステークホルダーへのヒアリング等を通じて本事業で解決を目指す課題を以下のとおり整理したのち、課題解決のための仮説設定を行いました。

課題解決に向けた実証計画

整理した課題及び仮説設定に基づき、実証計画をフェーズ分割して定義しました。

本レポートでは4つのフェーズのうち、本事業期間に実施した「Phase1 改善インパクトの整理」と「Phase2 予測モデルの構築」について掲載します。

Phase1 改善インパクトの整理

データ収集・分析

みしまやの既存システムから対象および抽出期間を設定してデータ収集を行い、収集したデータを用いて課題の規模や頻度を関係者が認識共有するとともに、期待できうる改善インパクトをロス率やロス金額の変化として試算し、その評価結果を以て、Phase2予測モデルの構築の実施を判断しました。

• データサイズ、データ型、要約統計量、欠損値、外れ値、異常値の確認
• データの可視化（曜日別・月別の売上傾向、ロス率、ロス率改善による金額試算結果など）
• 改善により期待できうるインパクトの評価

Phase2予測モデルの構築

モデル開発・評価

分析結果をもとに売上データを用いて販売数を予測するモデルを開発して予測性能を評価しました。

モデルを開発する際に用いるデータは、後の実証実験の候補となる１店舗に限定しました。また、期間限定の商品は除外するなど、長期にわたって販売されている商品に絞ってモデルを学習させました。

予測精度を向上させるため、説明変数を選択（商品コードや商品分類、曜日などのほかに、移動平均値等を使用）し、常に新しいデータを学習できるようにするため、3日ごとにモデルを再学習させて予測値を算出して精度を評価しました。

さらに、学習データを「曜日」や「商品の小分類」などグループごとに分けた異なるモデルを作成して、予測精度だけでなく廃棄金額の試算結果を比較して、より良い結果が得られるモデルの組み合わせを検討しました。

検討の結果、曜日グループ（２種類）と、小分類（５種類）を組み合わせた10種類のモデルを使い分けることによって、最も優れた結果が得られることが分かりました。最終的な試算結果から、廃棄金額の削減が確認されたため、実店舗での効果測定が可能と判断しました。

効果測定（実証実験）

プロトタイプ効果測定結果を踏まえ、実店舗による1カ月間の実証実験を実施しました。

実店舗による1カ月間の実証実験の結果、「バイヤーの発注」と比べて「AIの発注」のほうが前年同月比：+107,798円、同年前月比：+55,923円のコストメリットがあることが分かりました。

予測精度は事前のプロトタイプ効果測定と同等であったことから未来日の予測も問題なくできてたと判断しました。また、全店舗に展開した場合、対象の商品カテゴリにおいて1カ月間で＋250,000円のコストメリットが期待できることが分かりました。

これらのことから、同様の販売数予測AIモデルを他の日配品カテゴリに展開することで更なる売上差、廃棄金額、値下金額を加味したコストメリットが期待できると評価しました。

得られた知見、苦労した点や気づき

本事業を通じて得られた知見、苦労した点や気づきについて、実施事業者から寄せられた内容を以下に記します。

［みしまや（事業会社）］

データの保存可能期間に制限があり、求められる完全なデータを準備することはできませんでしたがその中で予測モデルを作っていただき１店舗での実証実験を行うことができました。

発注担当者の動きとしては、今まで毎日発注の際は売り場に移動して考えながら発注数を入力していたのが、AIの予測した数量を事務所で発注画面に入力すれば済むため１週間分の発注に５時間かけていたところを１時間半に短縮できたことと精神的余裕ができたことはよかった点でした。

課題としては、パンの特性上定番にある商品が特売にかかるため予測が難しい点と、自社のデータでありながら基幹システム側とも連携が必要であり、情報の開示をどこまでしてもらえるかという点です。最終的には弊社側で書き出せる範囲内のデータで予測までしていただけたことは大きな成果でした。今回の事業の中では、日常的に見ることのなかったデータを確認する機会もあり今後別の機会（例えば来客数の予測など）にも応用できればと思いました。

［テクノプロジェクト（IT企業）］

需要予測のプロジェクトを遂行する際は、初めに経営改善インパクトを示すことが重要だと学びました。金額ベースで経営改善インパクトを示すことで、モデルの精度だけを示すよりも直感的にその改善度がわかる他、ビジネス化を目的としたときの説得力が増すため、事業者様とIT企業の両方にメリットがある進め方だと感じました。

データを分析した結果の示し方に苦労しました。分析のために、日々の販売数データを期間単位（日、曜日、月）ごと、商品ごと、商品カテゴリごと、店舗ごと等に可視化すると大量のレポートを作成することになります。これらをすべて作成するには時間がかかるうえ、みしまや様にとってもすべてを参照するのは時間的に難しく、分析結果の共有の難しさを感じました。解決方法としては、まずは分析結果からわかる考察を示し、考察の根拠として可視化したレポートを添えることが効率の良い共有の仕方だと学びました。

廃棄金額のシミュレータの精度向上は限界があり、今回のように実店舗による実証実験は有用だと感じました。未知の未来日の予測を評価することで間違いのない精度が計測できますし、予測の結果、廃棄金額や売上金額への影響が計測できることで、精度の高い経営改善インパクトを示すことができました。また、実証実験の計画にあたっては従来のITプロジェクトと比べて、目的の定義がステークホルダーごとによって解釈が異なるリスクを感じました。予測モデル精度、経営インパクト、運用実現性、従業員満足度といった観点のうち、どの観点を検証するために実証実験を実施するかが、協議を重ねるうちに変わっていく感覚がありました。このリスクについては、データビジネス支援事業者より目的の明確化と合意形成についてサポートいただいたことで、目的の一貫性を保って実証実験が実施できました。

データ活用の有用性

データ活用の有用性について、実施事業者から寄せられた内容を以下に記します。

［みしまや（事業会社）］

データを集めるところから始まり、店舗での実証実験で一定の効果が見られたことは今後の希望になりました。人の感覚ではなく信頼できる数字があることで従業員の時間の使い方や働き方の見直しにもつなげることができれば、よりAI予測の価値があがり今までできなかったサービスもできるようになるかもしれません。自力でするのはハードルが上がりますが、近いところでサポートいただける企業の方の存在は心強く有難い環境でした。

［テクノプロジェクト（IT企業）］

みしまや様、DATAFLUCT様、ITOC様のご助力もあり、「Phase2予測モデルの構築」の目標である実店舗による実証実験までを実施することができました。実証実験によって、明確にコストメリットが期待できることが分かりましたし、データ活用の有用性を定量的に示すことができました。既にみしまや様が蓄積されているデータをもとに販売数予測AIを構築し、実証実験を通した改善インパクト影響の可視化までの流れが実現できました。

適切な可視化手法を用いることで、説得力のある分析結果や予測による改善インパクトを示すことができ、データ可視化の価値を体感することができました。また、ビジネス上の意思決定に必要な指標を適切に設定し、分析・実証された結果を基に意思決定を行うというデータ活用のプロセスを実践できたことは、非常に貴重な経験となりました。

今後の方針

実施事業者の今後の方針を以下に記します。

［みしまや（事業会社）］

既にドライ部門は一部店舗で自動発注が稼働している中で、日配部門については未導入の状況です。日配の自動発注システムを取り扱う企業が出てきており、今回の取組と費用面や内容を比較し導入を検討していきたいと考えています。

［テクノプロジェクト（IT企業）］

実運用に向けた課題抽出を踏まえ、みしまや様とのビジネス展開を検討します。どこまで実現できればみしまや様にとってメリットが享受できるのかをコストも踏まえ最適な提案ができるよう検討を進めます。また、他商品カテゴリと他店舗への展開方法を考える必要があります。単一の商品カテゴリごとに今回のアプローチを実施することは時間的に現実的ではないため、まとめて実証実験を実施し、効果の期待できる商品カテゴリを実運用に反映するといった効率の良い実現方法を検討し提案したいと考えています。他商品カテゴリと他店舗への展開イメージを以下に示します。

ほかに、今回の販売数予測に限定せず、様々なビジネス領域でのデータ活用による新規事業を検討します。例えばデータ分析結果を運営改善や経営判断に活かすためのコンサルティングをサービス提供します。データ活用による事業者様とのビジネス展開を目指します。

お問合せ先

公益財団法人しまね産業振興財団
しまねソフト研究開発センター（ITOC）
担当：安食、安部
Phone：0852-61-2225
Email：itoc@s-itoc.jp