編集者注： このブログは、パートナー企業であるKPMG US社の協力のもと、同社のアドバイザリー部門でカスタマー＆オペレーションを担当するプリンシパルのBrian Higgins氏 [email protected] と、サプライチェーンリーダーのプリンシパルであるRob Barrett氏 [email protected] によって執筆されました。元の記事はこちらからご覧いただけます。
現代のサプライチェーンは、かつてないほどの不安定さに直面しており、多くの消費者がその影響を受けています。労働力不足、パンデミック、地政学的リスクなどが重なる中、企業がパニック買いに走り、計画プロセスを恣意的に変更するなどの行動にでることで、こうした初期の混乱をさらに深刻化させています。
サプライチェーンが不安定な状況下で、各企業は顧客への供給を確保し、在庫不足や収益の損失を避けるため、過剰に商品を注文する傾向があり、計画プロセスの脆弱性をさらに悪化させる要因となっています。
では、こうした計画プロセスにおける恣意的な変更がサプライチェーンに与える影響を軽減するにはどうすべきなのでしょうか。以下に、解決のカギとなる3つのポイントをご紹介します。
- まずは社内の管理体制を見直す
- 適切な手法を導入する
- 慎重に計画を調整する
まずは社内の管理体制を見直す
まずは、自社で管理可能な領域の見直しが不可欠です。自社の強みや課題を業界基準と比較し、人材、プロセス、テクノロジーのどういったところにギャップがあるかを明確化しましょう。
どんな企業においても「時代遅れの手作業のプロセス」「オフラインでの管理」「自動化やデジタル技術の不足」といった課題が見られ、これらが供給制約や需要急変への対応力を低下させています。
また、発注ルールや在庫管理のポリシーが最新の状態であるか見直しましょう。最小発注量（MOQ）、バッチサイズ（生産ロットの最小・最大量）、再発注ポイント、安全在庫レベルを明確化するほか、意思決定の手順やディシジョンツリーなどの「もし～なら～する」形式の問題解決手法を標準化することで、計画プロセスの混乱リスクを低減できます。また、顧客、営業、オペレーション、マーケティング間の連携が分断されていたり、サイロ化されていたりすることで、予期せぬ需要の変動やキャパシティ制約（生産能力の制限）に直面する可能性もあります。
ポリシーの見直しだけでなく、データ管理や技術基盤の強化も必要です。自社のデジタル基盤を拡張するとともに、顧客とのデータ共有や共同作業の進め方を見直し、より効果的に連携できる体制を整えましょう。複数のツールやシステムがバラバラに使われている状況を解消し、システム間のデータ連携を強化するために、データの同期やレガシーシステム（旧式システム）に関連する課題を洗い出してみましょう。監査プロセスにおいても問題がないか確認してください。基本的なシミュレーション（売上・生産・納品への影響分析）を実行できる環境を整えなければ、大幅に後れを取るかもしれません。
適切な手法を導入する
『最新のテクノロジーや機械学習を導入すれば、すべての課題が解決する』というのは大きな誤解です。最新の高度なツールを導入する前に、定評のある手法を取り入れるなどして、自社の業務フローや管理体制をしっかり整えておく必要があります。
自動化や新しい技術の導入を進める前に、適切な管理体制を確立しましょう。これにより、在庫管理ポリシーの維持・更新がスムーズになるだけでなく、セグメント化や各種分析を定期的に実施し、適正在庫の維持と在庫管理ポリシーの最適化を図れます。販売計画や生産計画のプロセスでは、顧客との連携状況を測る指標を定期的に見直し、より効果的な協力体制の構築を目指すことが重要です。
共同計画、予測、補充（CPFR）プロセスや合意形成型の需要計画を取り入れることで、より精度の高い需要予測の実現だけでなく、予測ミスの原因特定、変動の影響や潜在的なバイアス（偏り）の把握・対処が可能になります。さらに、サプライチェーンパートナー間でコンプライアンスやリスク管理の方針を統一することで、ベンダーや顧客との連携強化にもつながります。
このような手法を導入することで、サプライチェーン全体の可視化が進み、在庫状況や物流の進捗をリアルタイムで管理できるようになります。これにより、サプライチェーンパートナー間の連携が強化され、迅速かつ的確な意思決定が可能になります。
社内外のシステムを連携させ、データを一元的に収集・統合できるデジタル基盤を整えることで、レポート作成やデータ分析を効率化し、意思決定をよりスピーディーに行うことのできる環境が実現します。
慎重に計画を調整する
多くの企業が、機械学習やサプライチェーンの統合管理プラットフォームでは解決できない根本的な問題を解決しないまま、テクノロジーの導入を急ぎがちです。まずはそうした問題に対処することで導入効果をより高められるようになります。特に、生データを整理し、取引データの質を高めることは、分析基盤を構築するための土台となります。こうした基盤を整えてから、機械学習の活用を本格化させましょう。
近年、AIや機械学習を取り入れた異常検知エンジンの精度が大幅に向上し、活用が進んでおり、特に計画プロセスの確立に取り組む組織において、異常値の特定に大きな効果を発揮しています。
機械学習モデルを活用すれば、特定の顧客や地域の需要シグナルを正確に捉え、従来の移動平均など過去データに基づく統計モデルでは難しかった、需要の急変への柔軟な対応を可能にする高度な分析が行えます。
AIと機械学習のプロセスを最適化すれば、リスクを抑えつつ、計画プロセスの効率化をさらに高める最新の手法を検討できるようになります。
これらのステップを踏むことで、より正確かつ効率的なサプライチェーン計画を実現できます。
詳細を見る
AlteryxとKPMG社の共催ウェビナー「混乱期に成果を上げる」をぜひご覧ください。