マーチャンダイジングの最適化：需要の予測、認識、および形成

小売最適化の課題と機会

在庫状況やプロモーションは、顧客の意思決定に影響を与え続けています。新たなカスタマー・ジャーニーや購買体験が生まれると、実行がすべてとなります。消費者は在庫切れに寛容ではなく、63％の消費者が再入荷を待つよりも他のブランドを試すつもりであることを認めました。在庫に関するより正確な予測とインサイトのある小売業者は、店舗での買い物、オンラインで購入して店舗で受け取り、カーサイドでの受け取りの選択、または他のチャネルの利用にかかわらず、顧客の需要やショッピングの嗜好に合わせた迅速な戦略変更をの実行が可能になるでしょう。

消費者は購入内容に応じて買い物の方法を変えます。例えば、贈答品の購入と、季節のものの購入では、優先事項が異なります。価格がすべてである場合も、まったく問わない場合もあります。小売業者は、あらゆる商品に対する買い物客の反応を地域レベルで把握できるようになり、プロモーションや季節性、天候の影響を予測に反映させることが可能になりました。

さらに、小売業者は、顧客のリアルタイムのニーズに基づいてターゲット設定を行うことで、パーソナライズを向上させることができます。顧客は、自分の行動や買い物方法、加入しているサービスなどを理解した上で、自分にターゲットを絞って提供された内容を受け取る可能性が高くなり、オファーの受け入れ率、ひいては収益が向上します。反対に、ターゲット外のクロスセルやアップセルのオファーを押し付けると、顧客の疲労につながり、通知が無視されたり無効にされる可能性があります。

高度な分析と機械学習で小売店計画を簡素化

いつ、どこで購入されても、お客様の需要を素早く満たすために、適切な場所に適切な在庫を用意することは、小売業者が上記のような課題を克服し、機会を生かすことにつながります。

小売業者は、高度な分析と機械学習を使用して、特定の顧客に関連する商品やサービスを特定することができます。そして、その商品やサービスを、適切なタイミングで適切なチャネルを通じてお客様にプッシュすることができるのです。

Oracle Data Platformが、小売業における予測精度の向上、計画の簡素化、在庫の最適化にどのように貢献できるかを詳しく見ていきましょう。

この図は、小売業向けのOracle Data Platformを使用して、マーチャンダイジングの最適化をサポートし、小売業者が需要を予測、感知、形成できるようにする方法を示しています。このプラットフォームは、以下の5つの柱を掲げています。

• データソース、検出
• 取込み、変換
• 永続化、キュレーション、構築
• 分析、学習、予測
• 測定、行動

データソース、検出の柱には、4つのカテゴリーのデータが含まれます。

ビジネス・レコード・データは、販売取引、顧客データ、商品データ、返品取引、仕入先、在庫、POSシステム・データ、収益、マージン・データで構成されます。

アプリケーション・データは、ERP、SCM、CX、WMS、Fusion SaaS、NetSuite、E-Business Suite、PeopleSoft、JD Edwards、SAP、Salesforce、Workdayなどのアプリケーションからもたらされます。

サードパーティ・データには、Oracle Data Cloudのデータとソーシャル・データが含まれます。

技術的な入力データには、ログ、Webクリック、イベント・ストリーム、ビーコンが含まれます。

取込み、変換の柱は、4つの機能で構成されます。

バッチ取り込みには、OCI Data Integration、Oracle Data Integrator、DBツールなどを使用します。

一括転送には、OCI FastConnect、OCI Data Transfer、MFT、OCI CLIを使用します。

変更データの取得にはOCI GoldenGateを使用します。

ストリーミングの取り込みにはKafka Connectを使用します。

4つの機能はすべて、永続化、キュレーション、構築の柱の中で、サービング・データ・ストアとクラウド・ストレージに一方向に接続されます。

さらに、ストリーミングの取り込みは、分析、学習、予測の柱の中で、ストリーム処理に接続されます。

永続化、キュレーション、構築の柱は、5つの機能で構成されます。

サービング・データストアには、Autonomous Data WarehouseとExadata Cloud Serviceを使用します。

マネージドHadoopにはOracle Big Data Serviceを使用します。

クラウド・ストレージにはOCI Object Storageを使用します。

バッチ処理にはOCIデータ・フローを使用します。

ガバナンスにはOCI Data Catalogを使用します。

こうした機能は、柱の中で接続されています。クラウド・ストレージは、サービング・データストアとマネージドHadoopに一方向に接続され、バッチ処理にも双方向に接続されます。

マネージドHadoopは、サービング・データストアに一方向に接続されます。

分析、学習、予測の柱につながる機能は2つあります。サービング・データストアは、分析および可視化機能とデータ製品、API機能の両方に接続し、クラウド・ストレージ機能は機械学習機能に接続します。

分析、学習、予測の柱は、4つの機能で構成されます。

分析および可視化には、Oracle Analytics Cloud、GraphStudio、およびISVを使用します。

データ製品、APIにはOCI API GatewayとOCI Functionsを使用します。

機械学習には、OCI Data Science、Oracle ML、Oracle Machine Learning Notebooksを使用します。

ストリーミング処理には、GoldenGate Stream Analyticsとサードパーティーのストリーム分析を使用します。

測定、行動の柱は、人とパートナー、アプリケーション、モデルの3つの利用方法で構成されます。

人とパートナーは、過去の売上分析、顧客セグメンテーション、プロモーションの影響分析、価格設定の影響分析で構成されます。

アプリケーションには、経済指標、購入行動、リアルタイム需要予測、在庫予測が含まれます。

モデルは、ソーシャルメディア感情分析、協調予測、需要計画から構成されます。

3つの中心的な柱である、取り込み、変換と永続化、キュレーション、構築と分析、学習、予測は、インフラ、ネットワーク、セキュリティ、IAMでサポートされます。

小売業者が需要を予測し、感知し、形成することを可能にするために、データをアーキテクチャに組み込むには、主に3つの方法があります。

• プロセスを開始するには、全体的な在庫状況を把握する必要があります。そのためには、Oracle GoldenGateを使用して、すべての製品ラインまたはサブセットの運用データベースから、ほぼリアルタイムの倉庫在庫データを変更データ取得で取り込み可能にします。
• 販売時点情報など、小売需要に関連するデータセットを追加できるようになりました。このデータからは、販売情報だけでなく、販売時間や場所、あるいは返金や交換に関する情報など、複数のインサイトを得ることができます。これらのデータセットは、多くの場合、大量のオンプレミス・データから構成されており、ほとんどの場合、バッチ取り込みが最も効率的であることが一般的です。販売時点のデータについては、Oracle Data Integratorを使用して4時間サイクルでデータを取り込みます。
• ストリーミング取り込みは、IoTや機械間通信（M2M）などで、店頭のビーコンから読み取ったデータを取り込むために使用される予定です。ビデオ映像もこのように利用することができます。さらに、この例では、ソーシャルメディア上のメッセージ、ファーストパーティーの投稿に対する反応、トレンドのメッセージなどを分析することで、消費者心理を分析し、迅速に対応することを目的としています。ソーシャルメディア（アプリケーション）のメッセージやイベントは、クラウド・ストレージにデータを保存する前に、いくつかの基本的な変換と集約の実行オプションを使用して取り込まれます。相関する消費者イベントと動向を特定するために追加のストリーミング分析の利用が可能であり、特定されたパターンは、OCI Data Scienceで生データを調査するために（手動で）フィードバックすることができます。

データの永続化と加工は、3つの（オプションとしては4つの）コンポーネントの上に構築されています。

• 取り込まれた生データはクラウド・ストレージに保存されます。現在永続化されているツイート（JSON）、位置情報、ビーコンやアプリケーションからのセンサー・データ、ジオ・マッピング・データ、商品参照データなどのストリーム・データのバッチ処理にOCI Data Flowを使用します。処理されたデータセットはクラウド・ストレージに戻され、永続化、キュレーション、分析が行われ、最終的には最適化された形でデータ・ストアにロードされます。また、アーキテクチャのプリファレンスによっては、マネージド Hadoop クラスタとしてOracle Big Data Serviceを使用して実現することもできます。
• これで、最適化されたリレーショナル形式で、キュレーションや問合せのパフォーマンスのために、サービング・データ・ストアで永続化できるデータセットを作成しました。これにより、エンタープライズ・システムから位置情報、在庫、製品データで強化できる、トレンド上位の製品および消費者ハッシュタグを特定し、送り戻すことができるようになります。

分析部分は、2つのテクノロジーで構築されています。

• 分析および可視化サービスは記述的分析（ヒストグラムやチャートで現在の傾向を説明）、予測的分析（将来のイベントを予測し、傾向を特定し、不確実な結果の確率を決定）、処方的分析（最適な意思決定を導く、適切な行動を提案）を提供し、以下の質問事項への回答が可能になります。
  • 今期売上実績の現行の計画に対する推移を教えてください。
  • 手持ちの在庫の小売価格と、前年同期との比較について教えてください。
  • 部門や部署で最も売れている商品を教えてください。
  • 直近のプロモーションの効果の度合いを教えてください。
• 高度な分析と同時に、機械学習モデルの開発、トレーニング、導入が行われます。これらのモデルは、API経由でアクセスしたり、サービング・データ・ストア内に導入したり、OCI GoldenGateストリーミング分析パイプラインの一部として組み込んだりすることができます。
• オラクルのキュレーションおよびテスト済みの高品質なデータとモデルは、ガバナンスルールとポリシーを適用し、データメッシュ・アーキテクチャ内で「データ製品」（API）として公開し、小売組織全体に提供することができます。

小売データ・プラットフォームで収益性を向上

予測とそれに対応する価格とプロモーションの効果は、基礎的なコストと在庫状況と組み合わさり、効果的な価格とプロモーションに関する意思決定の基盤となります。在庫を減らすことで、収益性と品揃えの柔軟性が向上します。データの価値を最大化することで顧客の需要を予測し、機械学習、人工知能、意思決定科学の分野から得た分析を適用して以下のことを達成します。

• 在庫率の向上で収益を伸ばし、ロイヤルティの高い顧客層を拡大します。
• 在庫率の向上により、ブランドロイヤリティを最大77％向上させます。自動化されたインテリジェンスを活用した予測により、補充や割り当てプロセスを大規模に推進することができます。予測およびそれに対応する統計的予測区間は、サプライチェーンの成功（適切な製品を適切な場所に適切な時間に供給すること）を実現し、小売業者が在庫コストを最小限に抑えながら、将来を見据えた需要および統計的安全在庫の計画を立案できるように支援します。
• 時間を考慮した販売やプロモーションで、買い物客の最大50％を購入者に変えます。状況に応じたWhat-ifや予測分析に基づく予測や、最適化され将来を見据えた規範的な分析を用いて、このような意思決定を促進します。