サプライ・チェーン分析とは

分析とは信頼できる関連データの要約に基づいて、データ駆動型の意思決定を行う処理を指します。分析にはグラフやチャートなどの形で可視化されたデータが用いられることがあります。通常のサプライ・チェーンでは、大量のデータが発生します。サプライ・チェーン分析では、こうしたデータのパターンを明らかにして洞察を形成するので、すべてのデータの意味を理解するのに役立ちます。

サプライ・チェーン分析には以下のようなタイプがあります。

  • 記述的分析 - サプライ・チェーン全体を通して、社内・社外両方のシステムとデータを可視化し、信頼できる唯一の情報源を提供します。
  • 予測分析 - 確度の高い結果予測や、将来のシナリオとそのビジネスへの影響を、組織が把握するのに役立ちます。例えば、予測分析を使用することで、混乱やリスクを予想し、緩和することができます。
  • 処方的分析 - 組織による問題解決や連携を支援して、ビジネスの価値を最大化するのに役立ちます。企業とロジスティック・パートナーの連携を支援することで、混乱の軽減にかかる時間と労力を削減します。
  • コグニティブ分析 - 自然言語での複雑な質問に対して、個人やチームが質問に答えるような形で回答できるようにします。この分析によって、「Xをどのように改善、最適化すればよいか」といった複雑な問題を、企業が熟考する助けになります。

サプライ・チェーン分析は、人工知能(AI)などのコグニティブ・テクノロジーをサプライ・チェーン・プロセスに適用するための基盤ともなります。コグニティブ・テクノロジーは、人間と同じように理解、推論、学習、対話しますが、その処理能力と速度は人間を凌駕します。

この先進的なサプライ・チェーン分析は、サプライ・チェーン最適化の新たな時代の先駆けとなるものです。このテクノロジーによって大量のデータを自動的にフィルタリングすることで、組織がより正確な予測を行い、非効率な部分を特定し、お客様のニーズにより適切に対応し、イノベーションを促進して、画期的なアイデアを追求することが可能になります。

サプライ・チェーン分析が重要である理由

サプライ・チェーン分析は、企業がよりスマートで、迅速かつ効率的な意思決定を行う上で役立ちます。そのメリットとして、以下のようなことが挙げられます。

  • 高い投資収益率の達成 - 最近のガートナー社の調査によると、調査対象組織の29%が、分析を使用することで高いROIを達成したと回答したのに対して、ROIが向上しなかったと回答した組織は4%にとどまっています⁴。
  • リスクのより正確な把握 - サプライ・チェーン分析では、サプライ・チェーン全体のパターンや傾向を調べることで、既知のリスクを特定できるだけでなく、将来のリスクを予測することもできます。
  • 計画の精度の向上 - サプライ・チェーン分析では、顧客のデータを分析することにより、企業が将来の需要をより正確に予測するためのヒントを得ることができます。商品の収益性が低下したときに、どの商品を最小化すればよいかを決定したり、最初の注文の後に顧客のニーズがどのように変化するかを把握したりするのに役立ちます。
  • 効率的なサプライ・チェーンの実現 - サプライ・チェーン分析を使用することで、商品の在庫やパートナーの回答、顧客のニーズを絶えず観察して、情報に基づく意思決定を行うことができます。
  • 将来に向けた準備 - 現在では、サプライ・チェーン・マネジメントのための先進的な分析が提供されています。先進的な分析を使用すると、構造化データと非構造化データの両方を処理して、アラートを適時に取得し、最適な意思決定が可能になるというメリットを得られます。このような分析により、さまざまな情報源の間で相関とパターンを構築してアラートを生成し、コストと持続可能性への影響を抑えながらリスクを最小化することができます。

サプライ・チェーン分析でAIなどの技術が一般化すれば、企業のメリットはさらに急増する可能性があります。自然言語データの分析能力に限界があったために以前は処理できなかった情報が、現在はリアルタイムで分析できるようになっています。AIは、さまざまな情報源、サイロ、システムから、迅速かつ広範囲にデータを読み取り、理解し、関連付けることができます。これにより、データの解釈に基づいてリアルタイムに分析を行うことが可能になります。つまり、従来よりもはるかに広範な情報を、サプライ・チェーンから得られるようになります。企業は、新しいビジネス・モデルに対応しながら、効率を向上させ、混乱を回避できるようになるのです。

サプライ・チェーン分析の進化

従来、サプライ・チェーン分析は、需要の計画と予測のための統計分析と、定量化可能なパフォーマンス指標にほぼ限定されていました。データは、サプライ・チェーンのさまざまな参加者から持ち寄られるスプレッドシートに保管していました。

1990年代には、電子データ交換(EDI)やエンタープライズ・リソース・プランニング(ERP)のシステムが企業で採用され、サプライ・チェーン・パートナー間の相互接続が実現し、情報交換が行われるようになりました。これらのシステムにより、分析対象のデータにより簡単にアクセスできるようになり、企業による事業の設計、計画、および予測に役立つ機能も提供されました。

2000年代には、ビジネス・インテリジェンスや予測分析ソフトウェア製品への転換が始まりました。これらの製品は、サプライ・チェーン・ネットワークの有効性や、より適切な意思決定の方法、ネットワークの最適化方法を、より深く理解するためのものでした。

今日の課題は、サプライ・チェーン・ネットワークで発生する膨大な量のデータを企業が最大限活用するには、どうすればよいかということです。つい最近の2017年までは、典型的なサプライ・チェーンがアクセスするデータ量が、わずか5年前に比べて50倍に増えたにもかかわらず¹、このうち分析されているデータは4分の1にも達しませんでした。さらに、すべてのサプライ・チェーン・データの約20%が構造化データであり、簡単に分析できる一方で、サプライ・チェーン・データの80%は非構造化データ、つまりダーク・データです²。今日求められているのは、このダーク・データを最も効果的に分析する方法です。

各種の研究では、コグニティブ・テクノロジーや人工知能が、サプライ・チェーン分析の次の最先端領域として注目されています。AI製品を活用すれば、情報の保存とプロセスの自動化以上のことを実現できます。AIソフトウェアは、人間のように考え、推論し、学習することができます。またAIは、膨大な量のデータと情報(構造化データと非構造化データのどちらも)を処理し、その情報の要約と分析を瞬時に行うことができます。

IDCは、2020年までに、すべてのビジネス・ソフトウェアの50%に何らかのコグニティブ・コンピューティング機能が組み込まれると予測しています³。AIは、複数のシステムや情報源からのデータを効果的に関連付け、解釈するためのプラットフォームとなるだけでなく、サプライ・チェーンで発生するデータとインテリジェンスのリアルタイム分析も可能にするのです。新たに注目を集めているブロック・チェーン・テクノロジーも活用すれば、何が発生するかを企業が事前に予測することも、将来的に可能になるでしょう。

効果的なサプライ・チェーン分析の主な特長

サプライ・チェーンは、顧客や消費者にとって最もわかりやすい企業のになるものです。企業がサプライ・チェーン分析をより正確に行うことができれば、企業の評価と長期的持続可能性をより効果的に守ることができます。
IDCのSimon Ellisは、その著書『The Thinking Supply Chain』の中で、将来の効果的なサプライ・チェーン分析の特長 として、5つの「C」を示しています。

  • Connected(接続性)。ソーシャル・メディアからの非構造化データや、モノのインターネット(IoT)からの構造化データの他、従来のERPやB2B統合ツールを通じて取得される従来型のデータ・セットにもアクセスできることが必要です。
  • Collaborative(連携)。サプライヤーとの連携を強化するために、クラウド・ベースのコマース・ネットワークを活用して、複数企業間の連携とエンゲージメントを実現する必要性が増してきています。
  • Cyber-aware(サイバー攻撃に対する認識)。サプライ・チェーンでは、サイバー侵入やハッキングに強いシステムを構築する必要があり、企業を挙げてこの問題に取り組む必要があります。
  • Cognitively enabled(コグニティブへの対応)。AIプラットフォームは、サプライ・チェーン全体の意思決定とアクションを整理、調整、実行することで、現代のサプライ・チェーンの制御塔として機能します。サプライ・チェーンの大部分は自動化され、自己学習します。
  • Comprehensive(包括的)。データの規模に合わせて、分析機能をリアルタイムで拡大できるようにする必要があります。広範囲に及ぶ洞察が迅速に形成されるようになります。将来のサプライ・チェーンでは、遅延を決して発生させないようにする必要があります。

今日のサプライ・チェーン・ネットワークでは、効果的な分析を行うために、顧客中心の考え方を徹底して、迅速な対応と、正確性、整合性の維持を両立できるようにする必要があります。企業は、さまざまなデータ・ソースから発生する膨大な量のデータ(非構造化データや自然言語を基盤としたデータを含む)を素早く分析できるサプライ・チェーン分析製品を求めています。最後に、サプライ・チェーン分析には、増加の一途をたどるサプライ・チェーンの変動要素(天候、紛争、労働者、規制などの外部要因を含む)を予測することも求められています。

サプライ・チェーン分析用のソフトウェアの使用

サプライ・チェーン分析の複雑化に伴い、サプライ・チェーンのパフォーマンス最適化を目的としたさまざまなタイプのソフトウェアが開発されています。ソフトウェア製品は、タイムリーかつ正確なサプライ・チェーン情報を提供するものから、販売実績を監視するものまで多岐にわたります。

例えば、IBMは、サプライ・チェーン分析の有効性を高めるためのソフトウェア製品を数多く開発しており、その一部にはAIテクノロジーも活用されています。サプライ・チェーン・ソフトウェアにAI機能を組み込むことで、常に変動する生産フローを実際に学習して、変更が必要かどうかを予測することができます。IBMでは以下のような製品をご用意しています。

サプライ・チェーン分析用のソフトウェアの使用

サプライ・チェーン分析の複雑化に伴い、サプライ・チェーンのパフォーマンス最適化を目的としたさまざまなタイプのソフトウェアが開発されています。ソフトウェア製品は、タイムリーかつ正確なサプライ・チェーン情報を提供するものから、販売実績を監視するものまで多岐にわたります。

例えば、IBMは、サプライ・チェーン分析の有効性を高めるためのソフトウェア製品を数多く開発しており、その一部にはAIテクノロジーも活用されています。サプライ・チェーン・ソフトウェアにAI機能を組み込むことで、常に変動する生産フローを実際に学習して、変更が必要かどうかを予測することができます。IBMでは以下のような製品をご用意しています。

サプライ・チェーン分析に関する導入事例とブログ

LenovoでのIBM Sterling Supply Chain Insights with Watsonの使用

Lenovo

サプライ・チェーンの中断に対する平均応答時間が数日から数分に短縮され、以前と比べて90%以上高速化しました。

よりスマートなサプライ・チェーンのためのデータ分析

データ分析

データ分析を適用して業務を改善し、成果を向上させる方法を紹介します。

参考情報

出典

1.「The path to a thinking supply chain」Simon Ellis氏/John Santagate氏 共著、IDC Technology Spotlight、2018年8月発行(PDF、1.0 MB)

2.「The AI journey: Artificial intelligence and the supply chain」IBM Watson Supply Chain

3. 「Creating a thinking supply chain for the cognitive era」Matt McGovern著、Watson Customer Engagement、2017年3月27日発行

4.「Why supply chain analytics is a must have」Christy Pettey氏著、Gartner、2015年5月14日発行