株式会社JDSC

株式会社JDSCは、データサイエンスやAIを活用して企業の事業課題を解決する企業です。単にAIモデルを開発するだけでなく、企業が持つデータと業務知識を組み合わせ、需要予測、在庫最適化、物流、マーケティングなどの業務プロセスへAIを組み込む支援を行っています。

小売・流通分野では、需要予測や在庫・発注の最適化がAI活用の重要なテーマになります。商品の販売数量は曜日や季節だけでなく、天候、販促、イベント、価格、店舗立地など多くの要因に左右されます。従来は担当者の経験で補っていた部分を、過去データと外部データを使って予測し、発注や生産、物流の判断に生かすことができます。

需要予測が店舗運営に与える影響は幅広くあります。予測数量が多すぎれば過剰在庫や値引き、廃棄につながり、少なすぎれば欠品による販売機会の損失が生じます。特に食品スーパーや外食のように賞味期限の短い商品を扱う業態では、適正な数量を見極めることが収益性と食品ロスの双方に関わります。

JDSCはAIモデルの開発だけでなく、予測結果を業務で使うためのシステム設計やオペレーションの見直しまで含めて支援することを特徴としています。AIの精度が高くても、店舗スタッフや本部担当者が日々の業務で使えなければ成果にはつながりません。そのため、既存システムとの連携や、現場が判断しやすい画面・業務フローまで含めて構築する考え方が重要になります。

外食企業では、店舗別・時間帯別の売上予測を、仕込み量、人員配置、食材発注などに活用できます。小売では店舗・SKU単位の需要予測を在庫や発注へつなげることで、本部と店舗の双方で判断を標準化できます。

需要予測を実際の店舗業務へ組み込む際には、予測値そのものよりも、誰がどのタイミングでその数値を使うかが重要です。発注担当者が毎日見る画面に予測値を表示する、例外だけを人が確認するなど、現場の業務フローに合わせて設計することで、AIを日常の判断に組み込めます。

小売・外食では商品のライフサイクルが短く、新商品や季節商品など過去データが少ないケースもあります。そのため、単純な時系列予測だけでなく、商品属性や天候、店舗特性など複数の情報を組み合わせる必要があります。JDSCはデータサイエンスと事業開発を一体で扱い、予測結果を企業の業務へ落とし込むことを重視しています。

需要予測は、食品ロス削減とも関係します。売れ残りを恐れて少なく発注すれば欠品が増え、多く発注すれば廃棄が増えるため、店舗は常に両者のバランスを取る必要があります。AIによる予測精度だけでなく、欠品率や廃棄率など企業が重視するKPIに合わせて運用を設計することが、実務での成果につながります。

需要予測を店舗業務へ導入する際には、AIが予測値を出すだけでは十分ではありません。発注担当者が毎日確認する画面へ予測数量を表示する、通常時は自動発注し例外だけを人が確認するなど、既存の業務フローへ組み込むことが重要です。店舗・SKUごとの販売データに天候、曜日、販促、イベントなどを加えれば、担当者が経験で補っていた要因もモデルへ取り込めます。

小売や外食では、欠品と廃棄の両方を抑えることが課題になります。発注を多くすれば売り逃しは減る一方で、在庫や値引き、食品ロスが増えます。反対に発注を絞れば廃棄は減りますが、販売機会を失う可能性があります。JDSCは企業ごとのKPIや制約条件を整理し、AIモデルの精度だけではなく、在庫・物流・現場オペレーションまで含めて業務へ実装する点を重視しています。

また、AIを実務で継続利用するには、予測結果と実績の差を定期的に検証し、モデルを更新していく運用も欠かせません。新商品の投入や店舗改装、商圏の変化などで需要構造が変われば、過去に高精度だったモデルもそのままでは使いにくくなります。JDSCはデータ基盤やモデル運用まで含めた仕組みを整え、AIを一度導入して終わるのではなく、事業環境の変化に合わせて改善を続けることを重視しています。

JDSCの特徴は、AIを単独のツールとして導入するのではなく、企業の業務や事業構造に入り込み、データ活用が継続する仕組みをつくる点にあります。人手不足や食品ロス、物流効率化など、小売・外食が抱える課題をデータとAIで具体的な業務改善へつなげる企業の一つです。

※本記事は、各社の公式Webサイトや公開情報などをもとに、Store Guide編集部が独自に作成したものです。掲載内容は記事作成時点の情報に基づいており、最新のサービス内容・料金・仕様等については、各社の公式Webサイトにてご確認ください。