ユースケース

ナンシーは、在庫管理部門の部門長を担当しています。
彼女の主な仕事は、全国700店舗の在庫管理計画を監督することです。
制限が解除されて以降、ビジネスは起動に乗っています。
しかしそれ以来、在庫切れの頻度が大幅に増加し、顧客からのクレーム増加を招いてしまったため、店舗間での在庫補填を実施することとなりました。
彼女は、需要予測を改善の上、他店在庫での補填の削減に繋がるようなソリューションを必要としています。

この問題の解決のため、FPTデータサイエンスチームは、ナンシーのチームと連携し、機械学習モデルにトレンドを適正に学習、予測させることができる潜在的な特徴量を特定しました。チームは3つの主要なグループから特徴量を特定しています。

• 営業・祝日カレンダー
• Googleトレンド
• ビジネスの”知見”

需要予測の精度が向上したことで、チームはSA法により全店舗の在庫数量を制限しつつも在庫切れの削減を最大化させることに成功しました。
6週間に渡り、モデルが推奨した補填作業を行うシミュレーションを実施したところ、在庫切れと店舗間での在庫補填(CSR)の双方に目覚ましい改善が見られました。

LanはB2B営業チームのメンバーです。
ここ最近はビジネスが好調であり、彼女のチームには毎日1000件を超える問い合わせが届いている一方で、そのための対応が逼迫しています。

MaiはB2C企画部の部門長です。
彼女の主な仕事は、ユーザーに新たなプランを提案し、利用を拡大するという部下たちの仕事を支援することです。
ユーザーの増加に伴い新しいメンバーが加入していることで、部下の支援ための工数が逼迫してきています。
彼女は、提案への支援と質疑応答を自動化するシステムを必要としています。