レコメンドシステム
による売上向上

需要予測においてこんな課題はありませんか？

アナリティクス・AIソリューション

本事例の目的は、客単価を向上させる新規メニュー表のためのレコメンドシステムの作成である。客単価向上のためには、売り上げ点数や売上金額といった各商品で独立した基準ではなく、注文された商品間の関係まで考慮してレコメンドする必要がある。
そこで、開発したレコメンドシステムでは、直近の購買データを伝票単位で集計し「各商品が注文された場合の伝票金額予測値」を算出、上位の商品を新規メニュー欄に表出させる。
上記システムにより、「注文すると伝票金額が高くなると想定される」商品の閲覧確率および注文確率を上げ、客単価向上を図る。

小売・流通業のDX推進・AI活用事例

小売業・流通業でDXやデータ利活用が注目される理由

消費者の心理は「モノの消費」から顧客体験型の「コトの消費」に移行しつつあり、小売・流通業界は急速な変化を求められています。この背景には、モノの飽和によりいつでも手に入る商品の機能よりも体験や経験に紐づいたコトの価値が高まったことが挙げられます。
そのような「コトの消費」の時代において取り組むべき課題も変わってきています。例えば商品の機能だけでなく、購買の利便性を高めることがますます重要になってきています。近年ではECサイトのようなオンライン経由での購買方法が普及し、そこではよりパーソナライズされた購買体験を提供できるようになりました。 また実店舗のようなオフラインの購買チャネルにおいても商品の使用体験や売場のイベント化など体験型の価値を提供することで実店舗での購買を誘導する試みもなされています。

さらに、オンラインとオフラインを融合させた「OMO（ONLINE MERGES WITH OFFLINE）マーケティング」も注目されています。例えば、WEBサイトで予約して店舗で受け取るといった、購入と受取のチャネルをユーザが自由に選択できるようなサービスが挙げられます。このようなサービスの実現には各チャネルでのデータ蓄積およびチャネル間のデータ連携、そしてそれらのデータ利活用が不可欠です。
小売・流通業界においてもDXやデータ利活用への注目がますます集まっています。

従来型のチャネルとDX推進後のチャネル間データ連携

小売業・流通業のDX推進・AI活用の課題

一方で消費者に上記のようなより良い体験を提供するためには業務の効率化にも注意を払う必要があります。例えば業務システムの一部が手動であったり属人性が伴ったりするとリードタイムが長くなり、サービスの品質にムラが生じ得ます。また消費者の需要を見誤ると大量の商品ロスが起こり、利益や商品供給の持続可能性の観点から問題になり得ます。物流においても例えば配達員の不足や不在宅配達が課題として挙げられます。

以上のような問題に対しても、AIによる業務のオートメーション化やデータに基づく生産量・価格の最適化、配達経路の効率化や配達人員配置の最適化などのソリューションが提供されています。このように業務の効率化やシステムの最適化においてもDXやデータ利活用が中心的な役割を担います。

以上のように顧客体験の向上から業務の効率化まで、データ利活用によって変革できる領域は多岐に渡ります。当社では需要予測・マーケティングを軸として多岐に渡る知見があり、最近では価格最適化にも力を入れています。

データ分析・データ利活用

デジタルトランスフォーメーションへの取り組みやビジネスが多様化し、ニーズの変化が著しい昨今、データをビジネスに利活用することの必要性が高まっています。データ分析は「将来の予測」「価値の発見」「プロセスの高速化」を可能にします。またデータ分析には繰り返しプロセスがあり、関係者間でのコミュニケーションと理解が重要であり、TDSEではそのようなプロセスの基づいてデータ分析・データ利活用を支援いたします。

データ分析をビジネスに活用することや
データ利活用への必要性は高まっている

昨今、デジタルトランスフォーメーション(DX)への取り組みが進むなか、多くの企業でデータを保有するようになり、そのデータをビジネスに利活用することの必要性が高まっています。また、ビジネスが多様化し、ニーズの変化が著しい現代では、経験や勘に頼ったビジネスでは、市場から取り残される可能性があり、そこでデータを分析に基づいた意思決定や価値創出の重要性が増しています。

データ分析によって
「将来の予測」「価値の発見」「プロセスの高速化」を実現する

データ分析といえば、AIや機械学習をイメージされる方も多いかと思います。AIや機械学習は、データに基づいて精度の高い予測をすることが出来ます。データ分析による予測は、市場動向や売上推移に活用されています。また、統計解析や相関／因果分析になどのデータ分析では、経験や勘ではなかなか難しい問題点や新しいビジネス価値を発見することが可能です。さらには、経験や勘によって行われる意思決定では、関係者間で何度も摺り合わせが行われ、時間がかかることがあります。しかし、データ分析による客観性の高い情報を示すことで、そのような時間は削減され、意思決定を高速化するができます。

データ分析には繰り返しプロセスがあり、
関係者間でのコミュニケーションと理解が重要である

図にありますように、データ分析のプロセスは、思考錯誤による「繰り返し」が発生します。それは、データ分析を進めて行く中で、業務課題やデータの本質が詳しくみえてくることがあるためです。そのような「繰り返し」が適宜発生するため、データ分析ではステークホルダーとしっかりコミュニケーションをとって、データ分析者とステークホルダー双方の十分な理解のもとで進めて行く必要があります。そのようなプロセスに基づいてビジネスにおけるデータ分析・データ利活用をTDSEは支援いたします。

TDSEの伴走型データ分析支援サービス

創業より企業におけるデータ利活用を支援するエキスパート集団として、数多くのデータ利活用プロジェクトに参画しお客様を支援して参りました。ビジネスの理解・経験を通じて蓄積されたノウハウ・実績と高度な解析力によって、分析・データ利活用サービスをご提供いたします。

特長①　最高峰のデータサイエンティスト集団

各業界ごとに経験・豊富なデータサイエンティストが在籍しています

特長② 柔軟なご支援体制

「弊社のデータサイエンティストが分析する」「製品を使って分析する」「お客様社内でデータサイエンス組織を立ち上げる」など、最新のテクノロジー×ご要望に合わせたご支援が可能

特長③ 課題寄り添い型アプローチ

ベンダーに中立的な立場で、お客様のビジネス課題やご要望に応じた最適な分析ソリューションをご提案します

特長④ 豊富なノウハウ　～幅広い業界での支援実績～

幅広い業界での経験とノウハウで質の高いデータ分析を実現します

創業時からのプロジェクト実績・技術・ノウハウの基礎情報を蓄積し、 プロジェクト運営を効率化しています

様々なデータ/技術領域

わたしたちのデータ分析・利活用サービスは、様々なデータに対して、「将来の予測」「価値の発見」「プロセスの高速化」の観点で、あらゆる分析手法や手段を考え、最適な手法を活用し、企業のビジネス課題を解決します。

技術領域/解決手法