需要センシング vs 需要予測：倉庫補充がその4週間で得るもの

需要センシングと需要予測は、アルゴリズムではなく時間軸の長さで異なる。

去年の夏、熱波が例年より2週間早くアメリカ中西部に到来した。飲料流通を営む友人が、その6月に何が起きたかを話してくれた。月次販売予測は120,000ケースを見込んでいた。歴史的な季節性から作られたその数字は、モデリングの観点からは申し分なかった。熱波の2週目には、コンビニエンスチャネルのPOSデータはすでに90,000ケースに近づいていた。月末に月次予測サイクルがようやく「修正」した頃には、一部地域の棚はほぼ2週間も空のままで、他州からの緊急輸送は通常の輸送費をはるかに上回った。彼のまとめは印象的だった。「予測は間違っていなかった。タイミングが悪かった。」

この話は、需要センシングと需要予測の本質的な違いを捉えている。両者は異なる時間スケールの問いに答える。

予測は方向を定め、センシングは修正する

公開されている業界リサーチによれば、その分業はかなり明確だ。伝統的な需要予測は、おおむね3〜18か月の時間軸で動く。入力は過去の販売実績、季節パターン、マクロ経済変数であり、月次または隔週のS&OPサイクルで更新される。基本的な仮定は「未来はおおむね過去に似ている」であり、方向を問う問いに強い。来年倉庫を拡張すべきか、ピークシーズン前にどれだけ安全在庫を積むべきか、長期キャパシティ契約を結ぶべきか、といった問いだ。

需要センシングは、次の0〜8週間を見る。入力は履歴ではなく、今まさに起きていることだ。リアルタイムのPOS販売、輸送中の在庫水準、天気予報、SNSのシグナル、プロモーションの実際の反応。毎日、ときには毎時間更新され、実行の問いに答える。今週どれだけ補充するか、倉庫間で転送すべきか、来週何シフト組むべきか、といった問いだ。

両者の関係は置き換えではなく積み重ねだ。予測が軌道を定め、センシングがそれを修正し続ける。注目すべき点として、センシングはデータの鮮度に極めて敏感だ。POSデータが3日以上遅れれば、センシングモデルは事実上死ぬ。つまりセンシングはまずデータエンジニアリングの問題であり、アルゴリズムの問題は二の次ということだ。

倉庫の中から見た需要センシングの実像

倉庫オペレーターにとって、センシングは具体的に3つの領域に落ちてくる。

第一に、シグナルは補充に流れる。日次粒度のPOSデータに天気予報を組み合わせ、今後2週間のSKUレベルの需要補正を出し、安全在庫水準を自動調整する。熱波の事例では、2週目にPOSが急増した時点で安全在庫を引き上げていれば、欠品は避けられただろう。

第二に、シグナルは労務計画に流れる。来週あるカテゴリーが40%増量しそうだと分かれば、5日前からシフトを組む。金曜の夜に残業の電話をかけるのとは違う。労務は倉庫で最も硬直的なコストであり、予測誤差に最も敏感なコストだ。

第三に、シグナルはスロット配置に流れる。急増しそうなSKUを事前にゴールデンピックゾーンへ移し、ピーク時にピッカーがラックの奥まで走り回らなくて済むようにする。

2024年後半の別の事例も記録に値する。収納ボックスがショート動画プラットフォームでバイラル化し、家庭用品3PLの日次受注が月曜の200件から金曜には3,000件へ跳ね上がった。月次予測は相変わらず旧来のリズムで歩み続けた。現場は「手動センシング」、つまり作業員が毎日SNSのコメントをスクロールする体制で3日間耐え、4日目にようやく臨時労務とスロット配置が追いついた。これがセンシング層のない倉庫の姿だ。常に事実の後追いで、事実の先を行くことはない。

計算編：センシングプロジェクトのROIをどう見積もるか

このコラムは煽らない。計算する。以下は見積もりフレームワークだ。パラメータは自分の数字に置き換えてほしい。

公開されたある研究が計算の出発点になる。KinaxisとKearneyの共同研究（2023）では、伝統的な予測の上に需要センシングを重ねた企業は予測精度が5〜20%向上したという。保守的な5%で計算してみよう。年間欠品損失が数十万ドル規模の流通業者なら、「欠品減少」の一行だけで、軽量なセンシング構築の2〜3年分のコストをまかなえる。

ただし前提条件がある。研究が明言している通り、センシングは4週間を超える時間軸ではほとんど効かない。需要が安定し、強く予測可能な季節性を持つカテゴリーなら、ROIはかなり縮む。まず自社が高変動・高速回転のカテゴリーかどうかを見極めること。その上で投資の話をする。

直観に反する発見

多くの人は、需要センシングのROIは「欠品減少」にあると思う。私の観察では、大きな部分は実際には倉庫の労務とスロット配置にある。

論理の流れはこうだ。予測の10%のズレは、シフト表、波動計画、スロット予約のそれぞれに約10%の誤差として伝わる。欠品は散発的で、年に数回だ。しかし労務とスロット配置の「無駄な準備」は毎日お金を燃やし続ける。200人規模の倉庫では、シフト誤差による残業と手待ち時間は止まらない出血だ。今後4週間を当てれば、その日々のお金がまず節約できる。散発的な欠品削減はその次だ。

もう一つの直観に反する点。センシングの最大の敵はアルゴリズムではなく組織だ。センシングは「新しいシグナルが来るたび毎日計画を見直す」を要求するが、多くの企業は「月1回の会議で計画を決める」で計画を回している。プロセスを変えずにシステムだけ買えば、センシングのシグナルはダッシュボードで未読のまま放置される。導入前に一つ問いかけよう。毎日計画を変える組織能力が自社にあるか。なければ、システムを買う前にプロセスを直せ。

この先の展望

今後3〜5年で、需要センシングは個別に売られるソフトウェアモジュールから、WMSやERPの中の標準的な実行レイヤーへ進化するだろう。今の波動管理のように。中小規模の倉庫にとって、本当の機会は大きなシステムを買うことではなく「軽量センシング」だ。日次POSレポート＋天気予報＋手動補正ルールのセットで、週次で補充パラメータを調整する。コストはほぼゼロで、効果の大半が得られる。

補充の意思決定が「月に1回」から「毎日、機械が提案し人が確認」へ移るとき、倉庫の中の「計画」という言葉の意味も一緒に変わるのだろうか。その答えは、次のピークシーズンにしか見えてこないかもしれない。

Dr. Chen（サプライチェーン研究者）著 英語版からの翻訳。内容に相違がある場合は英語版を優先します。