家電メーカー｜AI需要予測導入で欠品ロス2.4億円→0.6億円
AI需要予測の導入とSNS需要に追従する初動判断
業界：調理家電・季節家電・美容家電
年商規模：250億円規模
ソリューション領域：需要予測・補充計画
ご相談時の状況
ヒット商品のSNS起点での需要急伸に追従できず、繁忙期にあたる新生活・年末商戦で主力SKUが欠品。一方で派生モデル（カラーバリエーション・容量違い）の在庫は積み上がり、見かけ上の在庫過多と機会損失が同時進行していました。海外生産のリードタイムが長く、追加発注をいつ・何を基準に決めるかのルールが存在しませんでした。
着手の起点
EC・量販の販売データを統合した売れ筋分析で、機会損失の8割が発売後4週間の初動期に集中していることを特定。「初動期の判断の仕組み化」を最優先と定め、予測の道具と判断のルールを一体で構築する方針としました。
打ち手
- クラウド型AI需要予測・需給計画システムの導入
EC・量販の併合販売データを学習するクラウド型のAI需要予測・需給計画システムを導入（要件定義→選定→導入伴走）。SKU別の売上初速から需要の立ち上がりを自動で予測し、担当者の勘に依存しない予測基盤を構築しました。
- 発売14日で決める追加発注の判断ルール
AIの予測値を判断にどう使うかを設計。発売後14日以内に追加発注の可否を判定する基準値と権限をルール化し、予測システムと人の意思決定を接続しました。
- 主力SKUの二系統調達によるリードタイム半減
海外調達ルートを再選定し、主力SKUのみリードタイムを90日→45日へ短縮できる二系統調達体制を構築。派生モデルは部材の共通化を進め、部品在庫からの組立切替を可能にしました。
成果
支援開始から1年で、欠品起因の推定機会損失は2.4億円から0.6億円へ縮小。派生モデルの滞留在庫も17%減となり、「売れる商品が、売れているうちに棚にある」状態を、システムとルールで再現できるようになりました。
お客様の声
「『売れているのに棚にない』を毎シーズン繰り返していました。AI予測と14日で決めるルール、45日で作れる調達の枠組みが揃ってからは、ヒットの初動に組織として追従できる。勘ではなく仕組みで動けるようになったことが大きいです」
— 事業責任者
