SAS® for Demand-Driven Planning and Optimization アナリティクスを活用した独自の優位性 1/2 カテゴリ DDPOの特徴 説明 精度の高い 需要予測 大規模SKUおよび複雑なサプ ライチェーンネットワークに対応 在庫階層および製品階層を考慮し、階層間での予測調整機能を備えた、大量データに対応した高速な自動予測エンジ ン 予測時簡単位の柔軟性 予測時間間隔は、一般的な月、週、日に加えて時間・分単位にも対応 需要パターンの自動判別 需要データのパターンを自動的に判別・分類し、パターンに適した予測処理プロセスを自動実行 様々なイベント要因の取り込 み 気象データ、欠品データ、カレンダー情報や価格情報、マクロ経済の影響や、その他様々なイベント要因を考慮することによ り予測精度を向上 出荷データだけではなく、実需 要の取り込み MTCA手法(注1)を用い、POSデータやパネル調査データ、ディスカウントキャンペーンなどを考慮した、真の実需要デー タと、各在庫拠点の出荷データなどの供給データを関連付けることにより、予測精度を向上 企業独自の要件に対応した独 自予測モデルの構築 来店顧客数の予測や、棚割り情報の活用など、企業特有の要因を考慮した独自の予測モデルの開発環境を提供 人工知能技術を意思決定支 援に融合 特許出願中(米国)の「体系的判断」手法(注2)にもとづき、ビジネスの専門知識と人工知能技術や統計機能とを 融合。業務ユーザーは対話操作型の環境で、類似製品や代替製品の履歴データを用いて新製品の需要を予測すること ができる 機械学習を活用した自動化 ランダムフォレストやニューラルネットワークその他の機械学習アルゴリズムを内包することにより、需要パターン、需要量、製品 ライフサイクルによる分類と予測モデル作成から予測値作成までのの複雑なプロセスを自動化 新製品投入時 の需要予測 注1) MTCA: Multi-Tier Causal Analysis(多層的な原因分析)MTCAは、掘り下げた原因分析を実施することで、小売業者のマーケティング ・ ミックスが 消費需要に与 える影響を測定します。次に消費需要と、製造業者から小売業者への出荷情報を結び付けます。このモデルは、卸売販売業者や流通業者などの情報を含めたより複雑 な(3層またはそれ以上の)モデルと組み合わせることも可能です。 ホワイトペーパー(日本語)「多層的な原因分析を活用して需要予測を改善し、マーケティング戦略を最適化する」 注2) 体系的判断: Structured Judgment ホワイトペーパー(英語)「Combining Analytics and Structured Judgment: A Step-By-Step Guide for New Product Forecasting」 Copyright © 2016 SAS Institute Inc. All rights reserved. SAS® for Demand-Driven Planning and Optimization アナリティクスを活用した独自の優位性 2/2 カテゴリ DDPOの特徴 説明 協働作業型 計画プロセス の構造化 部門間の一連の計画プロセス を構造化 協働作業型の計画ワークベンチにより、需要予測のコンセンサスに関係する全ユーザーに対し、統計的に導き出された基 準を示した上で、電子メールと統合された承認プロセスやワークフローに沿ってビジネス判断や情報提供を行えるように支援 実績のある評価指標の採用 価値を生む予測改善・調整活動とそうではない活動を区別できるように、業界で定評のあるFVA手法(注3)を用いた 予測評価指標によるモニタリングおよびトラッキングのための機能を提供 在庫計画 プロセスの 自動化と最適 化 自動化された最適化プロセス SKU(商品および在庫拠点)ごとの、リードタイムやコスト、サービスレベル、発注方式など様々なポリシーに基き、業務 ルール、需要予測結果、最適化アルゴリズムを使用して、発注数の自動作成と最適な在庫配置をレコメンド 単階層/2階層/多階層に 対応した在庫最適化 単階層/二階層/多階層の在庫最適化のいずれにも対応しており、流通網に過剰な在庫を抱えることなく、適切な商 品を適切な場所に適切な数量で確保する計画が可能 自動在庫調整機能 在庫移動の経済性を判断して各地の在庫数のバランスをとりながら、総在庫レベルを最適化 シミュレーション機能 新製品の投入、新しい地域への展開、新しいチャネルの導入といったイベントに向けた計画、あるいは、在庫ポリシー変更 などの調整案をwhat-if シナリオを作成することでシミュレーションにより事前にテストすることが可能 需要シグナルリポジトリ 在庫データや出荷データ、受注データや配送データだけでなく、より精度の高い予測結果をもたらす、POSデータ/パネル調 査データ、販売キャンペーン情報、広告情報、価格情報、ソーシャルメディア、などを一元的に分析に適した形で格納を可 能とするデータモデル インメモリ技術によるセルフサー ビス型ビジュアライゼーション 需要シグナルリポジトリで管理された需要シグナルデータを容易かつ高速に探索・ビジュアライゼーション・分析 需要シグナル 分析 注3)FVA: Forecast Value Added(予測付加価値) ホワイトペーパー(英語)「Forecast Value Added Analysis: Step-by-Step」 Copyright © 2016 SAS Institute Inc. All rights reserved.
© Copyright 2024 ExpyDoc