Case

私は導入の当事者ではありませんが、アイス事業で気温と出荷量の関係性をデータにし始めたのが３年ほど前のことです。
気温が突然上がると急な出荷増となり、製品を輸送する車の手配に手間取ることになります。予期していない手配は費用がかさむので、それを少しでも是正できないか、ということで取り組みが始まりました。当初はエクセルを使って、社員が個人的にデータを作っていたのだと思います。

その翌年、猛暑などの異常気象もあったのですが、そのデータを基にいい結果が残せたのです。それを見ていた経営企画室のメンバーが、「こんなユニークなサービスがあるよ」と日本気象協会を紹介してくれました。最初はアイス事業で展開する予定だったのですが、inゼリーも夏に需要が高まる商品なので、
気温と関係があるのではないかということになりました。

2016年から週に１度、データをいただいていて、実際に運用するようになったのは2017年からです。

各配送センターに特定の在庫が多くならないように管理しているのですが、わたしたちが目指す在庫偏在の減少が実現できました。在庫の量が適正であれば、作ってからお客様に届ける期間が短縮できます。
反対にその期間が長くなれば保管料をはじめとするさまざまな費用が発生します。

以前の需要予測は個人がやっていた仕事なので、いわば職人芸のようなものでした。ある人の考えをもとに、経験と勘で出荷量を決めていたのです。それを目に見えるデータでいただけると、そこにきちんとした理由が生じます。このデータには、こういう事情があって、だから今週、この配送センターに運ぶ量はこれだけになります、と。

個人が計算していた数量で、在庫が薄くなって得意先に迷惑をかけるようなことが起きると、「すみません」と頭を下げるしかありませんでした。しかし日本気象協会のデータという根拠があれば、「予想できないほどの猛暑なので、納品を1日待ってください」と説明することができます。

いまは夏がメインの商品に使っていますが、ココアなどの冬型の商品でも何かできないかな、と画策しているところです。

また個人的には、日中の寒暖差に興味がありますね。１日のうちの寒暖差によって出荷数量が左右されるのではないかと。例えば、朝は暑かったけれど夕方にはもう涼しくなった場合、出荷はどう変わるのか見てみたいです。

日本気象協会との３年のお付き合いの中で、いろいろな視点で気象データをいただけることがわかったので、今後も面白いことができるのではないかと思っています。