生成AI

AIエージェント
生成AI
ChatGPT連携サービス
AI受託開発
対話型AI -Conversational AI-
ボイスボット
バーチャルヒューマン
教師データ作成
AI研究開発
通訳・翻訳
声紋認証
機密情報共有・管理
契約書管理システム
ワークステーション
FAQシステム
AIカメラ
生体認証
インボイス制度対応システム
データセットの収集・購入
コールセンター
人事・総務向け
インバウンド対策
コンバージョンアップ
KYT・危険予知で労働災害防止
無料AI活用
顧客リスト自動生成
ロボットで自動化
LINE連携
セキュリティー強化
テレワーク導入
AI学習データ作成
配送ルート最適化
非接触AI
受付をAIで自動化、効率化
AIリテラシーの向上サービス
日本語の手書き文字対応AI-OCR
Windows作業の自動化RPAツール
リスク分析AIで与信管理
紙帳票仕分けAI-OCRサービス
サプライチェーン
AIコンサルティング
最終更新日:2024/08/20
ABC分析とは?
自社の商品やサービスの管理・分析方法を見直すことで業務改善を行い、もっと高い成果につなげていきたいけれど、どのようなやり方があるかわからず一歩踏み出せないでいる人も多いでしょう。
全ての商品やサービスを現状維持で管理・分析していくと、在庫を過剰に抱えたり、ニーズがないため売れないサービスがいつまでも残ったりしてコストだけがかさむ結果となります。
この記事では、上記のようなことが起こらないようにするため商品やサービスの管理・分析に携わる人が知っておきたいABC分析について詳しく解説します。
ABC分析について知る前に、まずデータ分析について知りたい方は次の記事もごらんください。

ABC分析とはある指標に対してA・B・Cのグループ分けをし、一定の評価軸に基づいて優先順位や重要度をランク付けして管理する分析方法のことです。
ABC分析とは、心理学における法則の1つである「パレートの法則」に基づいた分析フレームワークであるとも言えます。
パレートの法則とは「経済において全体の数値の80%は構成要素の20%が生み出している」とする法則で、「ばらつきの法則」「80:20の法則」とも呼ばれ、イタリアの経済学者ヴィルフレド・パレートによって提唱されました。
例えばパレートの法則をビジネスの現場にあてはめてみると、次のようなことが言えます。
売上の80%を20%の商品が生み出しているとすれば、他の80%の商品より優先して20%の商品に経営資源を使った方がより多くの成果につながるでしょう。
これらのことから、ABC分析は優先的に経営資源を配分した方がよい顧客、商品やサービスは何かを分析するのを目的に行なわれるとわかります。

ABC分析のメリットは次の2つです。
ABC分析をすることで、現状と将来の売れ筋商品は何かを把握することができるでしょう。
例として現状の売上高を指標としたABC分析は次のような手順で行います。
現状どの商品が売上高に貢献しているのかが一目でわかります。
一方ABC分析を行った後、どのような商品がAランクに分類されるのかを考えると将来の売れ筋商品となるのを見込んだ商品開発ができます。
BランクやCランクに分類された商品でも、マーケティング戦略や商品の改良などでAランクへのランクアップを図ることができるでしょう。
またABC分析を定期的に繰り返すことで、今のニーズに合った商品展開やマーケティング戦略を打ち出すことができるのも覚えておきましょう。
企業が商品を販売する場合、限られたスペースの店舗や倉庫内に在庫を保管しなければならないため、保管しきれないという状態を生まない適切な在庫管理が必要です。また、発注があったのに商品の在庫がないという状態も避ける必要があります。
これらのことから、過剰在庫と在庫不足の予防をそれぞれ目的としたABC分析をすると適切な在庫管理ができるようになります。過剰在庫を減らすためにABC分析で用いたい指標には次のようなものがあります。
一方在庫不足を予防するためにABC分析で用いたい指標は次の通りです。
前の項目と同じですが、在庫管理においても定期的にABC分析を行うことで、今の顧客に合った在庫数を確保しコスト削減につなげられるでしょう。

ABC分析を行う手順を、売上高を指標とした場合を例として「商品ごとの売上データを収集」「商品ごとに売上構成比を計算」「累計構成比ごとに3グループに分類」の3つのステップにわけてご紹介します。
各商品の売上高のデータ(商品名、単価、販売個数、売上、売上累計)を表にまとめ、売上の数値の順番が大きい順に並び変えます。
実務としては会社の販売管理システムなどからデータを抽出し、Excelなどの表計算ソフトを用いて整理することになります。合計の売上金額を計算し、システムのデータにおける数値と矛盾がないか確認しておくのが大切です。
各商品の売上構成比を以下の公式で計算します。
売上構成比=ある期間における商品の売上÷ある期間における合計の売上
各商品における売上構成比の数値が出たら、その数値が大きい順に商品を並べ替えます。売上構成比の合計は100%になるはずなので、計算ミスがないか確認を怠らないようにしましょう。
売上データの項目の1つである「売上累計」の値を用いて、累積構成比率を次の公式で計算します。
累積構成比率=商品の売上累計÷商品の売上合計
累積構成比率の値を基に基準となる数値を決め、Aランク、Bランク、Cランクに分類を行います。
実務としてはこの時ランク別に色をわけておくと間違いにくく、また誰にでもわかりやすい結果になります。
今回は売上高を指標とした場合を例としてABC分析の手順を説明しましたが、指標を顧客や従業員の人数、労働時間などに変えれば顧客管理や従業員のリソースの配分の分析にも用いることができるのを覚えておいてください。

前の項目でABC分析の手順を説明した際に、収集したデータを整理する際にExcelを用いて整理するとお伝えしましたが、具体的に表を作成し、パレート図と呼ばれるグラフを作る手順を説明します。




パレート図とはパレートの法則に基づいたグラフで、棒グラフと折れ線グラフの複合図で表されます。パレート図を作成することで、複数の項目の中でどれがどの程度重要なのかが明らかになるでしょう。
ABC分析を定期的に行う際には、パレート図も最新のものに更新しておくようにすると社内での情報共有がよりスムーズになります。

ABC分析をする上で注意しなければならない点には、どのようなことがあるのでしょうか。
3つご紹介します。
短期間で売上に変化が起こりやすい商品には次のようなものがあります。
| 商品の種類 | 概要 |
| 季節限定商品 | ある季節に限定して販売される商品のこと |
| 流行商品 | 一時的に人気を集める商品のこと |
| 見せ筋商品 | 客寄せに売れることをあまり期待せずに販売される商品 |
これらは一時的に売上が伸びやすい商品のため、ABC分析で評価してランク付けを高くすると適切な在庫管理につながらない可能性があります。
例えば冬にカイロが良く売れてABC分析でAランクになったとしても、夏に冬と同じ数の在庫を持っていたのではコストがかかりすぎとなるでしょう。
これらのことから季節限定商品、流行商品、見せ筋商品は個別に分析する必要があり、定番商品になるかどうかなども見極めて管理や分析が必要なのを覚えておいてください。
一過性の商品とは定番商品と異なり、一時的に大きく売上が伸びる商品のことです。
例えばSNSで口コミが拡散されたのをきっかけにメディアなどでも採り上げられ、急に売上が伸びるといった現象が起こった商品は一過性の商品だと言えるでしょう。
普段はCランクの商品が一過性の商品となった場合、品薄に注意するのが大切です。
ネットショップの場合は顧客の行動がまず「検索をする」から始まるため、Cランクの商品でも検索にヒットすると売れる可能性が出てきます。
このことからネットショップではCランクの商品でも一定数在庫を持つ必要があるのを覚えておきましょう。

ABC分析は売れ筋商品の把握や在庫管理などビジネスの現場にさまざまなメリットをもたらすフレームワークですが、ABC分析の考え方を応用した需要予測システムを導入すると、さらに手間や時間を削減できます。
需要予測とはある商品の売上量を短期的、または長期的に予測することを指し、これにより企業は商品の製造量や発注量を決めているのです。
この需要予測をAIなどを使って行いながら、適切な在庫管理につなげられるシステムのことを需要予測システムと言います。
AIsmileyのホームページでは目的に合った需要予測システム選びをサポートしています。
具体的には各需要予測システムの機能や利用料金といった基本情報だけではなく、自社に合った選び方の手順も詳しく説明しているのです。
需要予測システムを導入し、適切な在庫管理をしてコスト削減につなげたい方はぜひ次のページもご覧ください。
ABC分析とはある指標に対してA・B・Cのグループ分けをし、一定の評価軸に基づいて優先順位や重要度をランク付けして管理する分析方法のことで、ビジネスの場では売れ筋商品の把握や在庫管理などに広く用いられています。
この記事も参考にして、ぜひABC分析もデータ分析に取り入れてみてください。
またデータ分析についてもっと詳しく知りたい方は次の記事もご覧ください。
業務の課題解決に繋がる最新DX・情報をお届けいたします。
メールマガジンの配信をご希望の方は、下記フォームよりご登録ください。登録無料です。
AI製品・ソリューションの掲載を
希望される企業様はこちら