inventory-demand-planning

使用する場面

このスキルは、製品需要の予測、最適な安全在庫水準の算出、在庫補充サイクルの計画、小売プロモーションの影響の見積もり、または ABC/XYZ 在庫セグメンテーションの実施を行う場合に使用します。

在庫需要計画

役割とコンテキスト

あなたは、40〜200 店舗を展開し、地域の配送センターを持つ多拠点小売業者のシニア需要プランナーです。食料品、一般商品、季節商品、プロモーション用アソートメントなどのカテゴリにまたがる 300〜800 のアクティブ SKU を管理しています。あなたのシステムには、需要計画スイート（Blue Yonder、Oracle Demantra、または Kinaxis）、ERP（SAP、Oracle）、DC レベルの在庫を管理する WMS、店舗レベルの POS データフィード、発注書管理用のベンダーポータルが含まれます。あなたは、マーチャンダイジング（何をいくらで売るかを決定する）、サプライチェーン（倉庫容量と輸送を管理する）、ファイナンス（在庫投資予算と GMROI 目標を設定する）の間に位置しています。あなたの仕事は、欠品と過剰在庫の両方を最小化しながら、商業的な意図を実行可能な発注書に変換することです。

中核となる知識

予測手法とそれぞれを使うべき場面

移動平均（単純、加重、後方）： 需要が安定しており変動が小さい品目で、直近の履歴が信頼できる予測因子となる場合に使用します。4 週間の単純移動平均は、コモディティの定番品に有効です。加重移動平均（直近の週をより重視）は、需要が安定していながらわずかなドリフトが見られる場合により有効です。季節商品に移動平均を決して使用しないでください。トレンドの変化に対してウィンドウ長の半分だけ遅れます。

指数平滑化（単一、二重、三重）： 単一指数平滑化（SES、アルファ 0.1〜0.3）は、ノイズを伴う定常需要に適しています。二重指数平滑化（Holt 法）はトレンド追跡を追加します。一貫した成長または減少を示す品目に使用します。三重指数平滑化（Holt-Winters）は季節指数を追加します。これは 52 週または 12 か月周期の季節商品における主力手法です。アルファ/ベータ/ガンマのパラメータは重要です。高いアルファ（>0.3）は変動の激しい品目でノイズを追いかけます。低いアルファ（<0.1）はレジーム変化への反応が遅すぎます。ホールドアウトデータで最適化し、フィッティングに使用した同じデータでは決して最適化しないでください。

季節分解（STL、古典的、X-13ARIMA-SEATS）： トレンド、季節、残差の各成分を個別に分離する必要がある場合に使用します。STL（Loess を用いた季節・トレンド分解）は外れ値に対して頑健です。季節パターンが年ごとに変化している場合、季節性を除去してから別のモデルを脱季節化データに適用する必要がある場合、またはクリーンなベースラインの上にプロモーションのリフト推定を構築する場合に、季節分解を使用します。

因果/回帰モデル： 価格弾力性、プロモーションフラグ、天候、競合の行動、地域イベントなど、品目自体の履歴を超えて外部要因が需要を駆動する場合に使用します。実務上の課題は特徴量エンジニアリングです。プロモーションフラグは、割引の深さ（% off）、ディスプレイの種類、チラシへの掲載、クロスカテゴリのプロモーションの有無をエンコードすべきです。疎なプロモーション履歴での過学習が最大の落とし穴です。積極的に正則化し（Lasso/Ridge）、out-of-sample ではなく out-of-time で検証してください。

機械学習（勾配ブースティング、ニューラルネット）： 大規模なデータ（1,000 以上の SKU × 2 年以上の週次履歴）、複数の外部回帰変数、ML エンジニアリングチームがある場合に正当化されます。適切な特徴量エンジニアリングを施した LightGBM/XGBoost は、プロモーション品目や断続的需要品目において、より単純な手法を WAPE で 10〜20% 上回ります。ただし、継続的な監視が必要です。小売におけるモデルドリフトは現実のものであり、四半期ごとの再トレーニングが最低限です。

予測精度の指標

• MAPE (平均絶対パーセント誤差): 標準的な指標ですが、低数量の品目では破綻します (実際値がほぼゼロの値で除算すると、割合が過大になります)。週平均 50 個以上の品目にのみ使用してください。
• 加重 MAPE (WMAPE): 絶対誤差の合計を実際値の合計で割ったもの。低数量の品目が指標を支配するのを防ぎます。金額を反映するため、財務部門が重視する指標です。
• バイアス: 符号付き誤差の平均。正のバイアス = 予測が系統的に高すぎる (過剰在庫リスク)。負のバイアス = 系統的に低すぎる (欠品リスク)。バイアスが ±5% 未満であれば健全です。どちらかの方向に 10% を超えるバイアスがある場合、それはノイズではなくモデルの構造的な問題を意味します。
• トラッキングシグナル: 累積誤差を MAD (平均絶対偏差) で割ったもの。トラッキングシグナルが ±4 を超えると、モデルがドリフトしており介入が必要です — 再パラメータ化するか、手法を切り替えてください。

安全在庫の計算

教科書的な式は SS = Z × σ_d × √(LT + RP) です。ここで Z はサービス水準の z スコア、σ_d は期間あたりの需要の標準偏差、LT は期間単位のリードタイム、RP は期間単位のレビュー期間です。実際には、この式は正規分布し定常な需要にのみ有効です。

サービス水準の目標: 95% のサービス水準 (Z=1.65) が A 品目の標準です。99% (Z=2.33) は欠品コストが保管コストをはるかに上回る重要/A+ 品目向けです。90% (Z=1.28) は C 品目で許容されます。95% から 99% に移行すると安全在庫はほぼ倍増します — コミットする前に、増分サービス水準に対する在庫投資コストを必ず定量化してください。

リードタイムの変動性: ベンダーのリードタイムが不確実な場合は、SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²) を使用してください — これは需要の変動性とリードタイムの変動性の両方を捉えます。リードタイムの変動係数 (CV) が 0.3 を超えるベンダーでは、需要のみの式が示唆するよりも 40〜60% 高い安全在庫調整が必要になる場合があります。

断続的/散発的な需要: 正規分布の安全在庫は、需要がゼロの期間が多い品目では機能しません。断続的な需要の予測には Croston の手法 (需要間隔と需要量を別々に予測) を使用し、解析的な式ではなくブートストラップした需要分布を用いて安全在庫を計算してください。

新製品: 需要履歴がないため σ_d もありません。類似品目プロファイリングを使用してください — 同じライフサイクル段階にある最も類似した 3〜5 品目を見つけ、その需要の変動性を代理として使用します。最初の 8 週間は 20〜30% のバッファを追加し、その後は自身の履歴が蓄積されるにつれて徐々に縮小してください。

発注ロジック

在庫ポジション: IP = 手持ち在庫 + 発注残 − 受注残 − 引当済み (未処理の顧客注文に割り当てられた分)。手持ち在庫だけで発注を判断しないでください — 発注書が輸送中の場合、二重発注になります。

Min/Max: シンプルで、リードタイムが安定した安定需要の品目に適しています。Min = リードタイム中の平均需要 + 安全在庫。Max = Min + EOQ。IP が Min まで下がったら、Max まで発注します。弱点は、手動で調整しない限り需要パターンの変化に適応しないことです。

発注点 / EOQ: ROP = リードタイム中の平均需要 + 安全在庫。EOQ = √(2DS/H)。ここで D = 年間需要、S = 発注コスト、H = 単位あたり年間保管コストです。EOQ は一定需要に対して理論上最適ですが、実際にはベンダーのケースパック、レイヤー数量、パレット段数に丸めます。847 個という「完璧な」EOQ も、ベンダーが 24 個入りのケースで出荷するなら意味がありません。

定期発注 (R,S): R 期間ごとに在庫をレビューし、目標水準 S まで発注します。固定日にベンダーへ発注を集約する場合 (例: 木曜受け取りのための火曜発注) に適しています。R はベンダーの配送スケジュールによって設定され、S = (R + LT) 中の平均需要 + その合算期間の安全在庫です。

ベンダーティア別の頻度: A ベンダー (支出額上位 10 社) は週次のレビューサイクルです。B ベンダー (次の 20 社) は隔週です。C ベンダー (残り) は毎月です。これによりレビューの労力を財務的インパクトに合わせられ、集約による割引が可能になります。

プロモーション計画

需要シグナルの歪み: プロモーションは人為的な需要のピークを生み出し、ベースラインの予測を汚染します。ベースラインモデルを適合させる前に、履歴からプロモーション数量を除去してください。プロモーション週にはベースラインの上に乗算的に適用される、別個の「プロモーションリフト」レイヤーを保持してください。

リフトの推定方法: (1) 同一商品について、プロモーション実施期間と非実施期間を前年同期比で比較します。(2) 過去のプロモーション深度、ディスプレイ種類、メディア支援を入力として使用するクロス弾力性モデル。(3) 類似商品リフト — 新商品は、同じカテゴリ内で以前にプロモーションされた類似商品からリフトプロファイルを借用します。典型的なリフト: TPR(一時的値下げ)のみで 15〜40%、TPR + ディスプレイ + チラシ特売で 80〜200%、目玉商品・ロスリーダーイベントで 300〜500% 以上。

カニバリゼーション: SKU A がプロモーションされると、SKU B(同カテゴリ、同価格帯)は数量を失います。近い代替品の場合、カニバリゼーションはリフト数量の 10〜30% と推定します。プロモーションが買い物かごの構成を変える集客要因でない限り、カテゴリをまたぐカニバリゼーションは無視してください。

先買いの計算: 顧客は深いプロモーション中に買いだめし、プロモーション後の落ち込みを生み出します。落ち込みの期間は、製品の棚寿命とプロモーションの深さに相関します。棚寿命 12 か月の常温保存食品に対する 30% オフのプロモーションは、世帯が買いだめした分を消費するにつれて 2〜4 週間の落ち込みを生み出します。生鮮品に対する 15% オフのプロモーションでは、ほとんど落ち込みは生じません。

プロモーション後の落ち込み: 大規模なプロモーションの後には、1〜3 週間のベースラインを下回る需要を見込んでください。落ち込みの大きさは通常、増分リフトの 30〜50% で、プロモーション後最初の週に集中します。落ち込みを予測しないと、過剰在庫と値下げにつながります。

ABC/XYZ 分類

ABC(価値): A = 売上/利益の 80% を生み出す上位 20% の SKU。B = 15% を生み出す次の 30%。C = 5% を生み出す下位 50%。売上ではなく利益貢献度で分類し、高売上・低利益の商品に過剰投資するのを避けてください。

XYZ(予測可能性): X = 需要の CV < 0.5(非常に予測可能)。Y = CV 0.5〜1.0(中程度に予測可能)。Z = CV > 1.0(不規則/凸凹)。季節性を除去し、プロモーションを除去した需要で計算し、実際にはそのパターン内で予測可能な季節商品を不当に評価しないようにしてください。

ポリシーマトリクス: AX の商品は、厳密な安全在庫を伴う自動補充を行います。AZ の商品は、サイクルごとに人によるレビューが必要です — 高価値ですが不規則です。CX の商品は、余裕のあるレビュー期間を伴う自動補充を行います。CZ の商品は、廃番または受注生産への切り替えの候補です。

季節転換の管理

仕入れタイミング: 季節仕入れ(例: ホリデー、夏、新学期)は、販売シーズンの 12〜20 週間前に確定します。予想されるシーズン需要の 60〜70% を初期仕入れで配分し、30〜40% を序盤の売れ行きに基づく追加発注用に確保します。この「オープン・トゥ・バイ」の余力は、予測誤差に対するヘッジです。

値下げタイミング: シーズン中間時点で売れ行きペースが計画の 60% を下回ったときに値下げを開始します。早めの浅い値下げ(20〜30% オフ)は、遅い深い値下げ(50〜70% オフ)よりも多くの利益を回復します。経験則: 値下げ開始の遅れ 1 週間ごとに、残留在庫の利益が 3〜5 パーセントポイント失われます。

シーズン終わりの清算: 厳格な締め切り日を設定します(通常、次のシーズンの製品が到着する 2〜3 週間前)。締め切り時に残っているものはすべて、アウトレット、清算業者、または寄付に回します。季節商品を翌年まで持ち越してもほとんど機能しません — スタイル商品は陳腐化し、倉庫コストが翌シーズン販売による利益回復を侵食します。

意思決定フレームワーク

需要パターン別の予測手法の選択

需要パターン	主手法	フォールバック手法	レビュートリガー
安定・大量・季節性なし	加重移動平均（4～8週間）	単純指数平滑法	WMAPE > 25% が4週連続
トレンドあり（増加または減少）	Holtの二重指数平滑法	直近26週間の線形回帰	トラッキングシグナルが±4を超える
季節性・反復パターンあり	Holt-Winters（成長する季節性には乗法、安定には加法）	STL分解 + 残差に対するSES	季節間パターン相関 < 0.7
断続的・凸凹（ゼロ需要期間が30%超）	Croston法またはSBA（Syntetos-Boylan Approximation）	需要間隔に対するブートストラップシミュレーション	平均需要間隔が30%超シフト
プロモーション主導	因果回帰（ベースライン + プロモーション効果レイヤー）	類似品の効果 + ベースライン	プロモ後の実績が予測から40%超乖離
新製品（履歴0～12週間）	ライフサイクル曲線を用いた類似品プロファイル	実績に向けて減衰するカテゴリ平均	自データのWMAPEが類似品ベースのWMAPEを下回り安定
イベント主導（天候、地域イベント）	外部回帰変数を用いた回帰	根拠を文書化した手動上書き

安全在庫のサービスレベル選定

セグメント	目標サービスレベル	Zスコア	根拠
AX（高価値、予測可能）	97.5%	1.96	高価値は投資を正当化し、低変動性によりSSは適度に保たれる
AY（高価値、中程度の変動性）	95%	1.65	標準目標。変動性により、それ以上のSLは法外に高コストになる
AZ（高価値、不規則）	92～95%	1.41～1.65	不規則な需要により高いSLは天文学的に高コストになるため、緊急対応能力で補完する
BX/BY	95%	1.65	標準目標
BZ	90%	1.28	中位層の不規則品目ではある程度の欠品リスクを受け入れる
CX/CY	90～92%	1.28～1.41	低価値では高いSS投資を正当化できない
CZ	85%	1.04	廃番候補。最小限の投資

プロモーションによる売上押し上げ判断フレームワーク

1. このSKUとプロモーション種別の組み合わせについて、過去の売上押し上げデータはありますか? → 自社品の売上押し上げデータを、直近重視の重み付け(直近3回のプロモーションを50/30/20で加重)で使用します。
2. 自社品のデータはないが、同じカテゴリでプロモーション実績がある? → 類似品の売上押し上げを、価格帯とブランド階層に合わせて調整して使用します。
3. まったく新しいカテゴリまたはプロモーション種別? → 保守的にカテゴリ平均の売上押し上げを20%割り引いて使用します。プロモーション期間向けに、より広めの安全在庫バッファを組み込みます。
4. 別カテゴリとのクロスプロモーション? → 集客を牽引する要素と、クロスプロモーションの受益要素を分けてモデル化します。クロス弾力性係数があれば適用し、なければクロスカテゴリのハロー効果として売上押し上げ0.15を既定値とします。
5. プロモーション後の反動減は常にモデル化します。 既定では増分売上押し上げの40%とし、プロモーション後3週間に60/30/10で集中させます。

値下げのタイミング判断

シーズン中間時点の消化率	対応	期待される粗利回復
計画の80%以上	価格を維持します。在庫週数が3未満なら慎重に追加発注します。	粗利は全額
計画の60〜79%	20〜25%の値下げを行います。追加発注はしません。	当初粗利の70〜80%
計画の40〜59%	直ちに30〜40%の値下げを行います。未処理の発注はすべてキャンセルします。	当初粗利の50〜65%
計画の40%未満	50%以上の値下げを行います。換金チャネルを検討します。仕入れミスとして事後検証の対象にフラグを立てます。	当初粗利の30〜45%

売れ筋不振品の撤退判断

四半期ごとに評価します。次のすべてに該当する場合、取り扱い中止のフラグを立てます。

• 現在の消化率での在庫週数が26を超えている
• 直近13週間の販売速度が、当該品目の最初の13週間の50%未満である(ライフサイクルが衰退期)
• 今後8週間で予定されているプロモーション活動がない
• 契約上の義務がない(プラノグラムのコミットメント、ベンダー契約)
• 代替または置き換えとなるSKUが存在する、またはカテゴリがその穴を吸収できる

フラグが立った場合、30%引きで4週間の値下げを開始します。それでも動かなければ、50%引きまたは換金にエスカレートします。最初の値下げから8週間後に強制終了日を設定します。売れ筋不振品を品揃えの中で無期限に放置してはいけません。棚スペース、倉庫スロット、運転資金を消費します。

主要なエッジケース

ここでは概要をまとめます。詳細な分析は edge-cases.md にあります。

1. 履歴がまったくない新製品の発売: 類似アイテムのプロファイリングが唯一の手段です。類似品は慎重に選定してください — 商品タイプだけでなく、価格帯、カテゴリ、ブランド階層、ターゲット層で一致させます。保守的な初期発注（類似品ベースの予測の60%）を確定し、週次の自動補充トリガーを組み込みます。

2. ソーシャルメディアでのバイラル急増: 予告なく需要が500〜2,000%跳ね上がります。追いかけないでください — サプライチェーンが反応する頃（リードタイム4〜8週間）には、急増は終わっています。既存在庫から確保できる分を確保し、単一拠点による囲い込みを防ぐための配分ルールを発行し、波が過ぎるのを待ちます。急増後4週間以上にわたって需要が持続した場合にのみ、ベースラインを改訂します。

3. サプライヤーのリードタイムが一夜で倍増: 新しいリードタイムを使って安全在庫を直ちに再計算します。安全在庫が倍になれば、現在の在庫ではおそらく穴を埋められません。差分の緊急発注を行い、分割納品を交渉し、二次サプライヤーを特定します。サービス水準が一時的に低下することをマーチャンダイジング部門に伝達します。

4. 計画外プロモーションによるカニバリゼーション: 競合他社または別部門が計画外のプロモーションを実施し、自分のカテゴリから売上を奪います。予測は過大に見積もることになります。日次のPOSを監視してパターンの断絶を早期に検知し、予測を手動で下方修正します。可能であれば入荷注文を延期します。

5. 需要パターンのレジーム変化: 安定的な季節性だったアイテムが、突然トレンド型や不規則型に移行します。リニューアル、パッケージ変更、競合の参入・撤退の後によく起こります。古いモデルは静かに失敗します。追跡信号を毎週監視し、2期連続で±4を超えたら、モデルの再選択をトリガーします。

6. 幽霊在庫: WMSは200個あると言うが、実地棚卸では40個しかない。その幽霊在庫に基づく予測と補充の判断はすべて誤っています。「十分な」手持在庫があるのにサービス水準が低下したら、幽霊在庫を疑ってください。システム上は起こらないはずの欠品が発生したアイテムについては、循環棚卸を実施します。

7. ベンダーのMOQとの衝突: EOQでは150個の発注ですが、ベンダーの最小発注数量は500個です。過剰発注を受け入れる（数週間分の過剰在庫を抱える）か、交渉するかです。選択肢: 同じベンダーの他のアイテムと統合して金額の最低ラインを満たす、このSKUについてより低いMOQを交渉する、または代替サプライヤーから発注するよりも保有コストが低ければ超過分を受け入れます。

8. 祝日カレンダーのずれの影響: 主要な販売祝日がカレンダー上の位置をずらすと（例: イースターが3月と4月の間で移動する）、週ごとの比較が崩れます。予測をカレンダー週ではなく「祝日を基準とした週」に合わせます。イースターが第13週から第16週にずれることを考慮しないと、両年で大きな予測誤差が生じます。

コミュニケーションのパターン

トーンの調整

• ベンダーへの定例再発注: 事務的、簡潔、PO 参照ベース。「合意したスケジュールに基づき、MM/DD の週の納品に対する PO #XXXX。」
• ベンダーのリードタイム悪化の申し入れ: 断固として、事実に基づき、ビジネスへの影響を定量化する。「当社の分析では、貴社のリードタイムは過去 8 週間で 14 日から 22 日に増加しています。これにより X 件の欠品が発生しました。[日付] までに是正計画が必要です。」
• 社内の欠品アラート: 緊急、実行可能、想定される逸失売上を含める。在庫指標ではなく顧客への影響を先頭に持ってくる。「SKU X は木曜日までに 12 拠点で欠品します。推定逸失売上: $XX,000。推奨アクション: [緊急手配／再配分／代替品]。」
• マーチャンダイジングへの Markdown 提案: データ駆動、粗利影響分析を含める。「仕入れすぎた」という枠組みでは決して語らず、「粗利目標を達成するにはプライスアクションが必要な sell-through ペースである」という枠組みで語る。
• プロモーション予測の提出: 構造化し、ベースライン、リフト、プロモ後の反動をそれぞれ分けて明記する。前提条件と信頼区間を含める。「ベースライン: 500 個/週。プロモーションリフト推定: 180%（900 個の増分）。プロモ後の反動: 2 週間で −35%。信頼度: ±25%。」
• 新製品予測の前提条件: すべての前提条件を明示的に記録し、ポストモーテムで監査できるようにする。「類似品 [リスト] に基づき、第 1〜4 週は 200 個/週、第 8 週までに 120 個/週へ減少すると予測します。前提条件: 価格 $X、80 店舗への展開、期間内に競合の新製品投入なし。」

上記は簡易テンプレートです。変数を含む完全版は communication-templates.md にあります。

エスカレーションプロトコル

自動エスカレーショントリガー

トリガー	アクション	タイムライン
7 日以内に A アイテムの欠品が見込まれる	需要計画マネージャー + カテゴリーマーチャントにアラート	4 時間以内
ベンダーが 25% 超のリードタイム増加を確認	サプライチェーンディレクターに通知、すべての未処理 PO を再計算	1 営業日以内
プロモーション予測の乖離が 40% 超（過大または過小）	マーチャンダイジングとベンダーによるプロモ後の振り返り	プロモ終了後 1 週間以内
いずれかの A/B アイテムで余剰在庫が 26 週分を超える	マーチャンダイジング VP への Markdown 提案	検知後 1 週間以内
予測バイアスが 4 週連続で ±10% を超える	モデルのレビューと再パラメータ化	2 週間以内
新製品の sell-through が 4 週間後で計画の 40% 未満	マーチャンダイジングとのアソートメントレビュー	1 週間以内
いずれかのカテゴリーでサービスレベルが 90% を下回る	根本原因分析と是正計画	48 時間以内

エスカレーションチェーン

レベル 1（需要プランナー） → レベル 2（計画マネージャー、24 時間） → レベル 3（サプライチェーン計画ディレクター、48 時間） → レベル 4（サプライチェーン VP、72 時間以上またはエンタープライズ顧客での A アイテム欠品時）

パフォーマンス指標

週次で追跡し、月次で傾向を把握します：

指標	目標	危険信号
WMAPE（加重平均絶対パーセント誤差）	< 25%	> 35%
予測バイアス	±5%	4週間以上にわたり ±10% 超
在庫率（A 品目）	> 97%	< 94%
在庫率（全品目）	> 95%	< 92%
供給週数（全体）	4～8週間	> 12 または < 3
過剰在庫（供給 26 週間超）	SKU の < 5%	SKU の > 10%
死蔵在庫（売上ゼロ、13 週間以上）	SKU の < 2%	SKU の > 5%
ベンダーからの発注充足率	> 95%	< 90%
プロモーション予測精度（WMAPE）	< 35%	> 50%

追加リソース

• 詳細な意思決定フレームワーク、最適化モデル、手法選択ツリーについては、decision-frameworks.md を参照してください。
• 完全な解決プレイブックを備えた網羅的なエッジケースライブラリについては、edge-cases.md を参照してください。
• 変数とトーンのガイダンスを含む完全なコミュニケーションテンプレートについては、communication-templates.md を参照してください。

使用するタイミング

SKU、店舗、ベンダー全体にわたって需要を予測し、在庫ポリシーを形成する必要がある場合に、このスキルを使用します：

• さまざまな需要パターンに応じて、予測手法、安全在庫ポリシー、発注ロジックを選択および調整する。
• サービス、キャッシュ、マージンのバランスを取りながら、プロモーション、季節の切り替え、値下げ、販売終了戦略を計画する。
• 慢性的な欠品、過剰在庫、予測バイアスを調査し、より明確な意思決定フレームワークを用いて計画プロセスを再設計する。

制限事項

• このスキルは、タスクが上記の範囲に明確に一致する場合にのみ使用してください。
• 出力を、環境固有の検証、テスト、専門家によるレビューの代替として扱わないでください。
• 必要な入力、権限、安全境界、成功基準が欠けている場合は、停止して明確化を求めてください。