時森 祐樹

実際受けてみてめちゃくちゃ分かりやすい。

面白いが、このメソッドだけでなく、他にも英語が身につくやり方はたくさんある。どのように学習者をモチベートするかが永遠の課題だと思う。

需要予測について、どの事例をベースに精度が向上してるとしてるのか気になった。

脳の最新の研究結果は一昔前の常識と変わっている部分があり面白い。お酒を飲むと1割萎縮するのは驚きだった。止めよう。。 ただ10年後は全く違う研究結果が出ているかもしれないなと思う。

まずはどんな図解があるのか、辞書として自分の中に持っておくことは大事。伝えたいメッセージがある前提で。

単純な買い替えのような需要であれば、自社内のデータで予測できそう。データ数も多くなく、精度自体は人がやっても同じだからまだ人がやってそう。

オプション品に絞ってるのは、物流コストの面と予測のしやすさかな。出版の事例と似てるのは、製品/書籍が出た一定期間後の予測を行うことで物流コストの低減を狙った点。この辺りは実用化が進んでいるのね。そーいえば書籍の需要予測って画像認識の技術使ってどんなデザインが売れやすいか予想できそう。

アパレルだとSNSデータの取り込みも重要そうだけど、その辺はどうなんだろ。気象データと販売データだけじゃないよね、さすがに。

スーパーと同じく物流も人手不足は同じです。まずは予測しやすい定期発注品に注目して実用化してるんですね。一方で、本当に改善余地のあるような需要予測はこれからの伸び代を残している理解です。

客数の精度にくらべて、製品の精度は人手と変わらないのが現状なのか。今後のソリューションに期待。 この手のソリューションは小売業界に多いが、他の業界でも一部利用が進んでいるのかな。