需要予測の成功要因と課題
河野氏は本セッションについて、「お客様より高い評価を得られた過去案件の中で、実際にどのような課題があり、それらをどのように解決してきたかを、具体的にお話しします」と述べ、SASが現在までに日本のお客様に対して実施してきた「需要予測」における複数の成功例を、製造業とリテール業に分けて説明するとした。
まず、需要予測の成功要因として、河野氏は実績を分類して紹介した。産業では、製造業とリテール業を対象としていた。業態では、完成品および部品、ライフサイクルでは、新商品、既存品、季節品、キャンペーン品、限定品をカバーした。予測算出対象は、受注数、出荷数、販売数、多くは徹底して客数を予測していたという。そして予測算出粒度は日別、週別、月別で行った。
需要予測には、一般的にどのような課題があるのか。河野氏は6つを課題に挙げた。世の中の流れとしての陳腐化やコモディティ化の加速、利益確保施策としての「短ライフサイクル化（多品種化、少量化）」。昨今多発する異常気象による予実乖離や、販売・出荷実績値の乱れとなる「異常気象によるイレギュラー対応」。高齢化および労働人口減少、データサイエンティスト人材需要の増加、労働力売り手市場状況による流出および流入への対応となる「人手不足」。
各産業・各社がデジタルトランスフォーメーション（DX）へ乗り出す中での競争の熾烈化、自社DXへ向けた中長期計画へのアライン・計画策定といった「DX」。KKD法による、根拠の怪しい予測算出や属人化、定常的に多くの業務工数を要する予測・計画策定などの「予測算出業務」。根拠が残っていない、予実乖離時のアクションが取れないといった「予測根拠の不在」となる。
