現代小売のスピードに対応する需要予測

需要予測は小売・CPG計画の中心であり、在庫決定、生産計画、プロモーション投資、そしてその後のS&OP（販売・営業計画）の議論に影響を与えます。予測が間違えば、欠品、過剰在庫、利益率の低下、サプライチェーンや商業チームへの連鎖的な混乱が生じます。近年、予測の重要性は変わりませんが、難易度は大幅に上昇しています。

10年前、数千のSKUを少数のチャネルで管理する需要プランナーは、統計モデル、スプレッドシート、経験に基づいて予測品質を維持できました。しかし、現在のほとんどの小売・CPG組織はその状況にはありません。SKUの急増、Eコマースチャネルの爆発的成長、地域の断片化、短期寿命のプロモーションSKUの増加により、従来のツールは対応できていません。プランナーは数百の時系列から数十万もの時系列を扱うようになり、各系列には独自の季節性、信号対雑音比、プロモーションや気象などの外部変数に対する感度があります。かつて有効だった小規模な統計手法は、この規模と多様性では信頼性が低下し、例外管理が非現実的になります。

最も洗練された予測チームはマルチモデルアプローチを採用しています。単一の手法に頼るのではなく、実際のデータに基づいて複数のモデルを評価し、各時系列に最適なモデルを選択します。これにより精度は向上しますが、新たな課題が生じます。厳格なマルチモデル評価には、統計予測、機械学習、深層学習、そして近年のトランスフォーマーベースの基盤モデルに関する深い知識と、分散コンピューティングのスキルが必要です。このような専門家は希少であり、需要計画部門はデータサイエンス人材をめぐって他部門と競合します。

2024年、DatabricksはMany Model Forecasting（MMF）をオープンソースでリリースしました。これは、大規模マルチモデル時系列予測のためのフレームワークで、35以上のモデルを統合し、Databricks上で分散コンピューティングにより動作します。多くの企業がこれをプロダクションパイプラインで使用し、精度向上と手作業の削減を実現しています。

しかし、MMFは依然として専門家向けでした。MMF Agentはこのギャップを埋めます。これはGenie Code（DatabricksのAIコーディングアシスタント）に基づき、MMFをインタラクティブなガイド付きワークフローでラップし、生データからデプロイまでを専門知識がなくても操作できるようにします。エージェントは5段階で機能し、データ品質の問題特定、時系列の分類、計算インフラの設定、予測ジョブの実行、結果をビジネス用語で提示します。これにより、需要計画リーダーはデータサイエンティストでなくても予測プロセスに関与できます。

最も直接的な利点はスピードです。以前は数日かかったセットアップと実験が数時間で完了します。予測精度も向上し、データ準備と系列分類のステップにより、よりクリーンなトレーニングデータが得られます。しかし、最も重要な変化はリーチです。専門家がいないチームでも、以前は専門家だけが持っていた方法論的厳格さで運用できるようになります。技術的に深いチームにとっては、MMF Agentはカスタマイズも容易にします。

MMFとMMF Agentは現在利用可能で、GitHubリポジトリからスキル、ドキュメント、ノートブックを入手できます。既存のチームとツールでより良い予測を求める需要計画リーダーにとって、これは探求する価値のあるものです。