BUSINESS

需要予測の市場規模は今後どうなる?AIとの関係性や導入事例を解説

 

需要予測は、市場へ新商品やサービスを打ち出すときに、どれくらいの売上が見込まれるのかを判定できる重要な技術です。多くの企業では需要予測に興味を持ち、今後の動向に注目を集めていることでしょう。しかし、「需要予測の市場規模の大きさが分からない」「需要予測の具体例を知りたい」と思う方もいるのではないでしょうか。そこで今回は、需要予測の市場規模や具体例を紹介します。

▼更に需要予測について詳しく知るには?
需要予測の基本を徹底解説!精度向上のポイントも紹介

▼社内のデータをAI化するには?
ノーコードAIツールUMWELT紹介ページ(活用事例あり)

需要予測はAIで進化している


需要予測は、AI技術の進歩によって精度が向上しています。ここでは、需要予測の重要性とAIとの関係性に着目してみましょう。

需要予測とは

需要予測とは、企業で販売する商品が、現時点の市場においてどの程度需要があるのかを予測することです。そのときの情勢や状況により、商品の需要は大きく変わっていきます。例えば、新型コロナウイルスの影響により、一時的にマスクやアルコール消毒が欠品しました。こうした外部要因は、需要予測に対して大きな影響を与えます。もし、需要予測によってあらかじめ欠品が予測できていれば、製造量を増やして企業の業績に良い影響を与えられるのです。

需要予測の重要性が高まっている

需要予測は、消費者ニーズの多様化による競合他社との戦いに打ち勝つためにも、重要な役割を果たします。今の時代、同じ業界で似たようなサービスや商品が数多く登場しており、競合他社との戦いに勝ち抜くためには、新たな取り組みを継続して実施することが大切です。新たな取り組みをするためには資金力が必要となるため、需要予測によって適切な在庫管理をすることで、無駄な支出を減らし企業の利益拡大につながります。

需要予測とAIの関係性

需要予測の実現には、AIの技術が活用されています。そもそもAIとは、大量のデータをもとに学習をし、予測や分析を機械が代わりに実施し、人間を助ける技術のことです。最近は、AIを活用したカスタマーサポート対応やスマートデバイスの活用によって私たちの生活を便利にしています。こうしたAIの技術は需要予測にも活用されており、多くの業界で重宝されているのです。

需要予測の市場規模は?


需要予測の市場は、どのような状況なのでしょうか。ここでは、需要予測の市場について見ていきます。

国内のAIソリューション市場規模は拡大している

2018年にMM総研が発表した「企業の人工知能(AI)導入実態調査」によると、2018年度以降のビジネス市場が年平均成長率7.6%に拡大し、2022年度には3,437億円に達すると予測しています。この結果から、国内のAIソリューション市場規模は拡大を続けており、今後も注目が集まっている市場だとわかります。

需要予測への活用が目立つ

先述したMM総研が発表した「企業の人工知能(AI)導入実態調査」で、AIソリューションを活用する企業に対して「最も利用している」または「最も利用したい」ソリューションをヒアリングしました。その結果、「需要予測や予兆分析などのデータ分析サービス」が最も高い回答を得ており、今後も需要予測の活用が進んでいくと想定されます。

海外でもAI市場規模は拡大している

2021年に株式会社グローバルインフォメーションが発表した「市場調査レポート」によると、AIの市場規模は2026年に3096億米ドルに到達予測であり、需要予測市場よりも拡大が見込まれます。AI市場規模の拡大は、近年猛威をふるっている新型コロナウイルスの影響が考えられます。特に、ヘルスケアや教育分野において活用が広がっているのです。例えば、接触を避けるために始まったオンライン教育についても、学生の学力や要件に沿って個人のレベルに合わせた教材を提供可能になりました。また、学習方法の変化だけではなく、スキルの管理や教育技術の見直しといった管理業務の自動化も実現したのです。

AIによる需要予測の具体例

AIによる需要予測には、主に以下5つの具体例があります。

  • ファッショントレンドの分析
  • アプリユーザーの特徴解析
  • コールセンターの入電数を算出
  • レタスの生育を予測
  • タクシーの必要台数を予測

ファッショントレンドの分析

株式会社三陽商会では、ファッションポケット株式会社と業務提携をして、ファッショントレンド解析サービス「AI MD」を導入しました。現在は、AI MDの活用によって需要予測の精度を向上させて、在庫の適正化を実施し、売上の最大化を目指しています。元々アパレル業界では、トレンド予測や在庫管理が課題の一つとなっていました。アパレル業界の流行りや廃りは目まぐるしいスピードで変化しているため、トレンドを予測してすぐに新商品を投入しないと販売の機会損失につながってしまうのです。さらに、こうしたトレンドを外した新商品を市場へ投入してしまうと、売上が上がらずに在庫として抱える結果となってしまいます。AI MDでは、自社ブランドの特色と市場トレンドを組み合わせて、商品企画の精度向上を実現できるのです。

アプリユーザーの特徴解析

株式会社バンダイナムコエンターテインメントでは、 Google Cloud Platform(GCP)でAI需要予測の基盤を構築し、ユーザーによるアプリ内のLTVを1.7倍に増加させたのです。バンダイナムコでは、新たなスマホゲームのリリースを考えており、そのときにユーザーのニーズに応えたコンテンツを発信しようとしていました。そこで、GCPが提供している機械学習分析・需要予測のモジュールを活用し、有料ユーザーデータを分析しました。具体的には、ダウンロード後に有料ユーザーへ移行したユーザーの特徴を予測し、似た特徴を持ったユーザーを広告配信の対象にしたのです。その結果、広告経由で獲得したユーザーのLTVが向上しました。

コールセンターの入電数を算出

株式会社ジェーシービーでは、ユーザーからの問い合わせが来た入電データをAIに学習させて、入電数の予測を実現しました。入電数の予測を実現した結果、それに応じたオペレーターの配置計画を立てられるようになったため、リソースの最適化につながり、コスト削減もできたのです。学習時には、MAGELLAN BLOCKSと呼ばれるモデルジェネレーター(数値回帰タイプ)のAIを活用し、ある拠点の過去2年分にわたる入電データを学習させて99.8%の精度を獲得しました。現在は、各拠点への導入を検討しています。

レタスの生育を予測

株式会社日立ソリューションズ東日本では、有限会社トップリバーと力を合わせて「AIを活用したレタスの生育予測システム」を開発しました。契約出荷においては、決まった日に決まった量を出荷することが重要です。しかし、これまでは経験に基づいた数値で判断していたため、気候条件によって左右されやすい問題がありました。そこで、過去2年間にわたる気象メッシュ情報と生育日数のデータを利用し、気候の変化に対応するためのパラメータを生成したのです。このパラメータをディープラーニングで学習させることにより、時期によって異なる生産日数の自動算出が可能となりました。その結果、今までは±3. 1日の差分があったところ、2021年4月から6月の予測精度は±1. 9日の高い精度を誇るようになったのです。

タクシーの必要台数を予測

ドコモでは、人の密集度がわかる人口統計データとタクシーの運行データを組み合わせて、タクシー乗車台数をエリアごとに予測する「AIタクシー」を提供しています。AIタクシーの活用により、タクシー利用者の待ち時間が減るのに加えて人の多い場所にタクシーが待機できるため、タクシー運行の効率化につながります。

AIを活用した需要予測なら「UMWELT」がおすすめ

AIによる需要予測を実施したい場合は、TRYETINGの「UMWELT」の導入がおすすめです。UMWELTには需要予測に役立つAIアルゴリズムが多数搭載されており、これらを自由に組み合わせることで誰でもかんたんにAI需要予測が可能です。ビューティーブランドのオルビス様の導入事例では、UMWELTの導入によりAI需要予測を実施し、全国に約100拠点以上ある店舗の在庫量の適正化で高いパフォーマンスを発揮しています。

まとめ

需要予測市場は、AIの活用と同時に今後も規模の拡大が予想されます。企業では、需要予測を活用したさまざまな業務改善に取り組んでいきたいところです。しかし、専門的な人材が不足していることにより、需要予測ができないと悩むケースも多いでしょう。AIの需要予測を社内で実施したいと思った方は「UMWELT」をご検討してみてはいかがでしょうか。少しでも興味のある方は、下記サービスページからお問い合わせください。

参照文献

企業の人工知能(AI)導入実態調査|MM総研(2018)
https://www.m2ri.jp/release/detail.html?id=317
市場調査レポート|グローバルインフォメーション(2021)
https://prtimes.jp/main/html/rd/p/000000079.000071640.html

三陽商会とファッションポケット、業務提携に関するお知らせ|三陽商会(2019)
https://www.sanyo-shokai.co.jp/brand/news/2019/02/14.html

株式会社 バンダイナムコエンターテインメント:マーケティングで活用する DWH を GCP で構築|Google Cloud顧客事例
https://cloud.google.com/blog/ja/topics/customers/bandai-namco-entertainment-dwh-gcp

コールセンターの入電数をAIで予測、配置計画を最適化|MAGELLAN BLOCKS
https://www.magellanic-clouds.com/blocks/customers/jcb/

AIを活用したレタスの生育予測の実証で出荷予測精度を大幅に向上有限会社トップリバー(長野県)の御代田農場および富士見農場において本格運用開始|日立ソリューションズ東日本(2021)
https://www.hitachi-solutions-east.co.jp/newsrelease/2021/ai_Agri0910/

人工知能を活用したタクシー乗車需要予測サービス「AIタクシー」提供開始-AI×IoTでリアルタイムに乗車需要を予測し、お客さまの利便性とタクシー業務の生産性を向上-|ドコモ(2018)
https://www.nttdocomo.co.jp/info/news_release/2018/02/14_00.html

WRITING BY

TRYETING

公式

TRYETING公式アカウントです。
お知らせやIR情報などを発信します。