<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=220807558931713&amp;ev=PageView&amp;noscript=1">

在庫分析で生産性を向上!?種類やメリット、需要予測まで解説

 2021.04.30  ラクまるブログ編集部

企業が効率的に経営をしていくためには、自社の在庫状況の把握と、どの程度の期間で在庫を消化していける見込みであるかを分析することが欠かせません。そこで本記事では、企業の生産性を向上させる「在庫分析」について、概要や種類、メリット、活用事例などを幅広く解説します。

在庫分析とは

「在庫分析」とは自社の在庫状況や、在庫の流動状況について分析することを意味します。在庫分析によって現状の在庫状況を正確に把握し、将来の予測を立てることで、在庫の最適化を行うことを目的とします。在庫分析を通して在庫の最適化をすることによって、生産コストの削減やリードタイムの短縮などが期待できます。

在庫分析の種類

在庫分析の方法には、いくつかの種類があります。その代表的な手法それぞれの特徴について解説していきます。

ABC分析

在庫分析の代表的な手法のひとつが「ABC分析」です。ABC分析とは、少数の商品が実は売り上げの大部分を占めているという、「パレートの原則」に基づいた分析です。

ABC分析では、在庫商品をその売上貢献度に応じて、高い順にABCとランク分けしていきます。そして、このランクに応じて、今後どの商品を優先的に仕入れるか・仕入れないか、どの商品を目立つ陳列棚に置き、どの商品を処分するかなど、その後の在庫管理や販売活動にフィードバックします。

在庫回転率分析

「在庫回転率」とは、一定期間内にどれほど在庫が売れて、入れ替わりが起きるかを確認するための指標です。

在庫回転率は、商品の数量の推移からも特定できるほか、会計計算からも導き出せます。会計用語としては、在庫は「棚卸資産」とも呼ばれており、その合計金額と売り上げた商品の原価利益を照らし合わせることで、在庫回転率を算出することが可能です。具体的にいえば、在庫回転率の算出方法は「在庫回転率=期間中の出庫数量(金額)/期間中の平均在庫数量(金額)」で求められます。

在庫回転率は高ければ高いほど、その商品が売れているという証明になります。そのため、どの商品を積極的に仕入れ、主力商品として力を入れて販売していくべきかを検討するうえで役立ちます。

在庫回転期間分析

「在庫回転期間」とは、特定の在庫が入荷されてから出庫していくまでにかかる期間のことです。在庫回転期間は「在庫回転期間=在庫金額/(売上原価/365)」で算出されます。

在庫回転期間の数値が低ければ低いほど、商品が早く売れていることを意味します。つまり、在庫回転期間を分析することで、次にその商品を入荷しなければいけない適切な時期がわかるほか、在庫回転率分析と同じく、売れ筋商品が何か客観的にチェックすることが可能です。

在庫回転率や在庫回転期間は、小売店だけでなく、製造工場などにおける原料や部品の管理においても重要です。どれくらいの頻度で部品を使い切るのかを正確に把握していれば、工場や倉庫に余分な部品を置いておく時間を削減でき、スペースの活用にもつながります。

交差比分析

在庫回転率は「各商品の入れ替えがどれだけ激しいか」という観点から分析をかける手法ですが、商品の中には薄利多売のものもあれば、1つ売れるだけで大きな利益を生み出すような粗利益の高いものもあります。

粗利益率の高い商品は、往々にして多くの販売数を稼ぐことが困難です。そのため、在庫回転率分析だけでは、対象商品が本当にどれだけの利益をもたらしているのかわかりづらい部分もあります。そこで重宝されるのが、交差比率を求める「交差比分析」です。

「交差比率」とは、在庫のある商品がどれだけ利益を生み出せているのかを見る指標で、在庫回転率に粗利益率をかけて計算します。具体的な計算式は、「交差比率=在庫回転率 × 粗利益率」で求められます。

在庫分析を活用するメリット

ここまで4つの分析手法についてご説明しましたが、これらの在庫分析を活用することで、企業はどのようなメリットを得られるのでしょうか。

まず、在庫分析の主なメリットとしては、売上貢献度の高い商品を改めて客観的に把握することで、仕入れの仕方や販売の仕方を最適化し、販売機会の損失防止に寄与することが挙げられます。これは逆にいえば、コストパフォーマンスの悪い商品をあぶり出すという側面も持っています。

多すぎる在庫は当然、保管場所などの空間的スペースを無駄に取ってしまいます。倉庫を利用している場合は保管費がかかりますし、在庫管理には人件費も必要となるでしょう。もちろん、買い取り手がつかなかった場合のリスクも大きくなります。

しかし、それらを警戒するあまり在庫が少なすぎても、在庫切れが生じて顧客の不興を買ってしまうかもしれません。つまり、在庫分析を通して正確に在庫回転率や在庫回転期間を特定することは、こうした余計なコストやリスクの回避にもつながるのです。

在庫分析の結果を活かして、不良在庫を削減して保管スペースを作り出し、代わりにそこに売れ筋商品を入荷などすれば、販売効率のさらなる向上が期待できます。

需要予測という考え方

在庫分析や在庫状況の最適化に役立つ考え方としては、「需要予測」も大切です。需要予測とは、商品やサービスにどれくらいの需要があるのか、使用量や販売数などから将来の予測を立てることをいいます。

需要予測に際しては、たとえば時系列的に売上の推移を確認して、その増減の傾向から推測することが可能です。あるいはテレビやニュース記事、SNSなどのメディアを分析して、今後のトレンドを予測するという手も考えられます。

消費者の需要にはさまざまな要素が複合的に絡むため、正確無比な需要予測を行うことは困難です。しかし、需要予測によって先を見据えた在庫管理をしておくことで、販売機会の損失や余剰在庫の発生を抑止できます。また、他社が把握していない需要を的確に把握し、流行の最先端に立てれば、自社ブランドの独自性の確立にもつながるでしょう。

需要予測の活用例

先述したとおり、消費者の需要を正確に捉え予測することは、通常なら困難なプロジェクトです。そこで近年では、発達したAI技術を分析に活用し、この課題を克服しようという動きも活発になっています。その一例として挙げられるのが、トヨタ自動車・Japan Taxi・KDDI・アクセンチュアの4社による共同プロジェクトです。

上記4社は、AI活用によりタクシーの需要を予測し、ドライバーに配信する「配車システム」の試験導入を行いました。同プロジェクトの背景には、新人ドライバーの離職の増加が影響しています。どの時間にどの場所に行けば乗客を拾いやすいかは通常、ドライバーの長年のノウハウと勘によるところが大きく、営業利益の振るわない新人ドライバーが次々と離職し問題になっていたのです。

同プロジェクトに採用された需要予測AIは、場所や時間はもちろん、公共交通機関の運行情報や気象情報などのデータから、30分後のタクシー需要を計算してドライバーをサポートします。試験ドライバーは、これによって平均20.4%もの売上増を達成したと報告されています。
(参照元:https://japantaxi.co.jp/news/pr/2018/03/09/0054/

また、意外かもしれませんが、飲食業においてもAIの活用が進んでいます。たとえば、回転寿司で有名なスシローは、「回転すし総合管理システム」を導入し、「顧客の食べる量」という需要予測をAIで行いました。その結果、スシローは最適な量の寿司の提供が可能となり、メニューの廃棄ロスを75%も減らしつつ機会損失も回避するという、通常ならば相反するような難題をクリアしたのです。
(参照元:https://biz-journal.jp/2019/07/post_109302.html

このようにAIの需要予測は、これまでのやり方では不可能だったソリューションを企業にもたらし得るとして、さまざまな業界で注目を集めています。

需要予測を行うために必要な体制

需要予測には通常、マーケティングやデータ分析に関する高い知見を要します。大きな組織になると、需要予測を行うために専門チームを複数設置している場合もあります。

こうした専門チームは多くの場合、社内から選抜された高度なビジネス知識を有する人材で構成されています。とはいえ、そうしたメンバーはビジネスマンとしての広範な知見こそ持っているものの、必ずしもデータ分析のプロというわけではありません。そのため、需要予測をコンピューティングするためのシステム的なサポートには、多大な時間とコストがかかります。

あるいは、もうひとつの需要予測チームの在り方として、データ分析やシステム管理に長けた科学的な専門家チームを設置する選択肢もあります。この場合、その専門家チームは優れた技術力と専門知識によって、自ら最適な需要予測方法を選抜・構築し、試験運用から本格実施まですべて行ったうえで、結果を経営陣に報告してくれます。このようなチーム運営は、デジタル時代に適応した比較的若い組織に多く見られます。

上記のような需要予測チームは、それぞれ特徴こそ違うものの、いずれも企業に大きな利益をもたらし得ます。しかし実際、多くの企業にとっては、こうしたハイスペックな専門チームを構築する余裕はないでしょう。というのも、企業内の有能人材でチームを構成した場合、高価なERPや専門の需要予測システムの実装が必須となりますし、専門家集団でチームを構成するにも相応のコストが要求されるからです。

そこでおすすめしたいのが、Google Cloud のBigQueryを活用した需要予測体制の構築です。

BigQueryで在庫を最適化

BigQueryは、数千万~数億万件ものビッグデータを高速分析できるデータウェアハウス (DWH) エンジンです。ハイスペック・ハイスケールを誇るクラウド型プラットフォーム上で、システムに散在する膨大なデータを効率的に分析できます。

先述の専門分析チームを創設するためには、企業にさまざまなリソースが要求されます。その点BigQuery は、非常に安価に始められるうえ、ユーザビリティに優れていて簡単に利用できるため、気軽に試験運用できるメリットがあります。もちろん、すでに専門家がいる場合でも、BigQueryの分析ツールはチームの作業をより効率的に、かつ質の高いものに洗練してくれるでしょう。

ビッグデータを活用して、高度なリアルタイム分析と予測分析を可能にするBigQueryは、在庫管理と需要予測に課題を抱える企業にとって、最適なソリューションのひとつといえます。

なお、BigQueryの導入や分析体制の構築について、どの様にすれば良いかお悩みの場合は、弊社にて無料相談を承っておりますので、是非お声かけ下さい。

弊社の誇るデータサイエンティストが、分析体制の構築支援だけではなく、データの分析自体まで一貫してサポートさせて頂くサービスもご用意致しております。

まとめ

本記事では、企業の生産性の向上にとって大切な在庫分析について解説しました。ABC分析や在庫回転率分析をはじめ、ご紹介した在庫分析を行うことで、どの商品がどのくらいの頻度で売れているか、企業は客観的なデータを得られます。それは商品の需要の把握や、適切な入荷~出庫のサイクルの構成にも役立ち、コストパフォーマンスに無駄のない経営が可能になります。

在庫分析や需要予測には高度なスキルが要求される部分もありますが、そのような場合でも、AIツールなどを活用することで解決の助けになります。本記事でご紹介した「BigQuery」などのツールをうまく活用し、ぜひ在庫分析に取り組んでみてください。


RELATED POST関連記事


RECENT POST「Google Cloud Platform」の最新記事


在庫分析で生産性を向上!?種類やメリット、需要予測まで解説
【オンライン開催】よくわかるGCPセミナー BigQueryではじめるデータドリブン経営