データ基盤構築・分析予測　メニュー・事例

データ基盤の構築、アナリティクス、AIによる予測などデータ活用のための環境構築を提供しています。

メニュー例

  1. データ基盤構築
    • パイプライン構築（ETL/ELT）— Google Cloud/AWS/trocco
    • データモデリング — Google Cloud/AWS
    • DWH構築 — Google Cloud/AWS/Snowflake
    • データ基盤運用 — 上記の引き継ぎや運用
  2. データ分析・予測
    • KPI設定、ダッシュボード構築、レポート作成 — Looker/Looker Studio/Amazon QuickSight/Qlick view/tableau
    • 時系列分析・予測 — Vertex Forecast/BigQueryML/Amazon Forecast/Python
    • 数字分析・予測 — Vertex AI/BigQueryML/Amazon SageMaker/Causal Impact
    • 自然言語分析 — Cloud Natural Language API/Amazon Comprehend
    • 生成AI（会話型AI）— PaLM2/Amazon Lex/GPT-4/WuDao 2.0
    • データ分析・予測運用 — 上記の引き継ぎや運用

事例１：発注データ予測（食品卸）

解決したい課題

これまでは担当者によって商品及びセンター毎にきめ細かい発注量の計算を行っていましたが、人手不足や原材料の値上げといった社会情勢の変化から、売れ筋商品の変化や度重なる売価変更により、適正数量の見極めが極めて困難になってきていました。合わせて発注業務の標準化や省力化にも取り組む必要がありました。

解決策・効果

取込データの充実、データの最適化、AI予測等により予測精度向上と利用タイミングに合わせた発注量を算出。これにより、20%以上の発注業務の省力化と残在庫削減を実現しています。

システム概要

事例２：客数・売上予測（飲食店チェーン）

解決したい課題

コロナ禍からの急回復による売上変動とともに熟練者の異動などの要因が重なり、店長やベテランに頼った売上計画の作成や本部での集計が難しくなっており、安定的に売上計画を策定することが困難になっていました。

解決策・効果

取込データの充実やマスタ情報の補完、予測値の補正ロジック開発などを行って、30日先までの全店の日別・店舗別の客数・売上を予測する仕組みを構築。人による予測では全店平均で80%台にとどまっていた予測精度が、AIによる予測で90%台に向上しました。

事例３．販売分析（ショッピングセンター）

解決したい課題

デジタルマーケティングが増える中で、従来からのアナログな販促手法や季節イベントも含めた十分な効果検証ができておらず、使い分けの判断材料がありませんでした。
解決策

紙チラシ、サイネージ、オンラインメディアなどの広告投下量やリーチ数に加えて、季節性や気象データも取り込んで販売分析が可能な分析基盤を構築。MMM（マーケーティング・ミックス・モデリング）による分析に取り組めるようになりました。