消費者の需要をAIで予測--リンガーハット、緊急事態宣言などを想定したシステム導入へ
コメント
注目のコメント
緊急事態宣言などの再現性の低い出来事はそもそもパターン認識技術による傾向予測（機械学習などの統計的な予測手法）を応用する難易度が高い課題です。一つのアプローチとしては、地理的な差分に注目し、緊急事態宣言の発令された場所とそうでなかった場所における傾向の違いをモデルの中に組み込むようなアプローチがありますが、それでもAIで自動化し予測精度をあげるのには困難がつきまといます。
このような需要予測課題に対応するためには、AIモデルの性能をあげる事自体よりも、需要予測システム全体のフレキシビリティーをあげ、直近のデータに基づく修正を加えることや、短期間でモデル学習を繰り返して過去モデルを置き換えるなどの工夫が必要になってきます。日本のフードロスは全体で約600万トンと言われ、国民1人あたりの換算で約45kg/年で食べ物を捨てているとも言われています。その中で事業用のロスは約半分の300万トン。
消費者需要の予測はサプライチェーンの改善、在庫コントロールなど様々な波及効果があると同時に、ロスが減ることで利益改善の施策にもなるので、攻めとコストダウンを両立できるいい導入かと思います。あとは実装なので、根気よく頑張ってほしいです。どのくらいの期間の予測が可能なのか興味深い。発注コントロールと組み合わせないとコストダウンの効果は限定的では？と思ってしまう。
まずは第一歩予測から初めて、徐々に精度アップしていくのだろうから、実装してみることが大事なのでしょう。
最終的にはバイトシフトに至るまで予測できると総合力アップしそうですね！
