ソトミルは、社内外の様々なデータを取り込んでお客様の意思決定に役立つ予測・分析情報を提供するクラウド型サービスです。

---

ソトミルが実現する世界

ソトミルはサプライチェーンにおける様々な自動化・最適化に貢献します。

ソトミルの特長

マスタ・売上・在庫などの構造化データ、画像・テキストなどの非構造化データなど、データの種類を問わず収集・蓄積することができます。加えて、ソトミルが保有する外部データ（天気・気温、イベント、オープンデータなど）も活用して高精度の予測・分析情報を提供します。

導入イメージ

ご準備いただくデータの例

ご利用中の画面サンプル

（読み込みに少し時間が掛かります）

ソトミルのメリット

回帰・分類・時系列の予測が行えるとともに一つのモデルで同時に多拠点、複数商品の予測を高精度で行います。対象数が多い企業様ほどメリットが大きくなります。

お客様導入事例

【食品卸】新商品の需要予測精度を向上し、発注業務の省力化と残在庫の20％削減を実現

概要

昨今の食品ロス削減ニーズの高まり、人手不足、サプライチェーン全体にかかる配送費の急騰を受けて、省力化と残在庫削減を目的とした予測精度向上が求められていました。

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、新型コロナウイルス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困難になってきていました。
また、合わせて熟練者の減少などもあり、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

従来の予測方式よりも様々な要因を取り込み、過去の販売実績が無い新商品でも予測が可能なAIによる需要予測を導入しました。気象や販促などの外的要因も取り込んだ結果、「使える」精度レベルまで高めることができました。
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。

---

【飲食チェーン】精度90%以上で30日先までの300店舗の日別来客数予測を実現

概要

コロナ禍からの急回復によるパート・アルバイトの不足から、本部や店舗業務の標準化、省力化に取り組む必要がありました。

解決したい課題

従来は各店舗の店長が作成した売上予算を本部で集計して売上計画を策定していました。
店長毎に属人的な手法で予測していたため、予測にばらつきが生じていました。またコロナ禍からの急回復で人手不足となり、店長業務が逼迫。
売上予測の標準化と省力化も同時に進める必要がありました。

解決策・効果

過去13か月分のPOSデータや気象データなどから30日先までの全店（300店以上）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による予測では90%台に向上しました。
また予測の見直しもタイムリーに行えるようになったため、発注や仕込み、シフトの見直しにも活用できるようになりました。

---

【ショッピングセンター】リアルとデジタル広告販促と、販売・客数を一気通貫で分析する効果検証プラットフォームの導入

概要

これまでチラシなどのリアル媒体とWEBやアプリなどのデジタル媒体を組み合わせて販促を行っていましたが、媒体別の効果検証が十分に行えておらず、使い分けの判断材料がありませんでした。

解決したい課題

デジタルの広告や販促が増える中で、最適な露出先や広告投下量を見つけ出すとともに、リアルとの組み合わせや季節性・気象といった周辺環境とあわせて施策に対するROIの仮説-検証を行えるようにしたいと考えました。

解決策・効果

POSデータ、紙チラシ、オウンドメディア、オンラインメディア、SNSといったデジタル広告の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効果測定を進めています。
さらにデータ蓄積が進んだ段階で、RobynやCausal Impactを利用したMMM（マーケーティング・ミックス・モデリング）に取り組んで参ります。