需要予測、在庫、労務費の最適化について話せます

■背景
１．日本オラクルでは需給コントロールソリューションを消費財メーカーに対してビジネスバリューを伝えてまいりました。
営業、製品コンサルの提案マネジメントリーダーを行い、この領域では後発ではありましたが、化学フィルムB2Bメーカーで売上計上しています。
２．テラデータではセブンーイレブン・ジャパン店舗ＡＩ発注の提案機会をＣＩＯ提案より獲得し、最終戦まで残りました。
ディープラーニングに対する業務要望を可視化し、日本における需要予測分析シナリオを文書化し、製造メーカー（食品、飲料）、小売業のキーマンとのエンゲージメントを深めてきました。
Japan Data Management Consortiumに参画、異業種コミュニケーションを深め、後のセブン―イレブン・ジャパンでのＤＸ推進リードとして組織横断、経営に対する説明、体制構築とＰＯＣの推進につながりました。
３．セブンーイレブン・ジャパン商品戦略本部ＤＸ推進ＰＭとしては７年間約２０のＰＯＣを各部門と協働推進し、構想策定の礎を固めてきました。
ここでは３つのプロジェクト主幹を務めています。
（１）食品（弁当総菜）製造メーカーにおける需要理解のキー情報の整理
　　　需要予測まではたどり着けなかったが、工場ごとのニーズ傾向分析（セグメント）を始めて実施
（２）在庫型物流センターにおける在庫補充発注の効率化
　　　店舗発注の傾向分析、ライフサイクル分析、卸・メーカーとのデータ連携設計
（３）（１）の第２フェーズとして労務費の適正コントロールに着手
　　　長期（約３カ月スパン）での需要傾向の可視化に成功、職員の直間比率の見直し、派遣比率の低減の効果で
　　　４工場１億円マイナスまでのスタディができた。

■話せること
１．プロジェクト概要
（１）食品（弁当総菜）製造メーカーにおける需要理解のキー情報の整理
⓵デロイト（コンサル）と業務と情報の整理（ここに時間がかかった）
②SASのコンサルに丸投げせずに仮説ー検証は毎週１時間review
③データはGCP上に整理しつつ、現場データはローカルエリアで対応した。
（２）在庫型物流センターにおける在庫補充発注の効率化
⓵NRIと現場確認（２回）で調達プロセスと必要情報は事前ヒアリングをしていたこともありスムースに完了
②最大の問題は商流上の前提条件、データと現物の不一致
③分析結果のブラックボックス化を回避したかったのでデータロボットを使用したが、社員のリテラシーが追い付かず
２．あるべき需給コントロールの決め事と今後について（POCで導出されたインサイト、方向）
３．データマネジメント
４．分析ツール、ベンダー（産学連携含む）
５．ユースケースと利活用プロセスのディスカッション