利用事例

Customer Stories

AI でつくる“ホームセンター”の新しいスタンダード


CASE1:98%の精度、AI で販売数を予測し発注量を最適化。

[ 従来 ]

北部九州を中心に、65店舗のホームセンターを展開するグッデイ。その商品取扱数は8万点にのぼる。これまでの発注業務では、在庫数と過去の販売データとを照らし合わせながら、しかし「最終的な発注量の決定は、それぞれの店舗の担当者の経験則に委ねられていた」という。そのため、どうしても在庫に過不足が発生し、商機を逃してしまう場面もあった。

従来

[ 導入後 ]

「MAGELLAN BLOCKS」を使い、商品の売上数を予測する学習モデルを作成。実際に「園芸用殺虫剤の過去3年分の販売実績データや気象データを学習させたところ、402個の予測結果に対して、413の実売と、およそ98%の精度が得られた」という。
今後は、予測対象の商品を増やして、これまで人の経験則に頼っていた部分を置き換えていきたいと話す。

導入後

CASE2:仕入れ予定の花の状態をAIが自動判定。

[ 従来 ]

これまで、園芸商品となる様々な植物の仕入れ業務では、バイイングを担当する3名の社員がそれぞれ仕入先に出向き、肉眼での評価(S, A, B,C)をもとに花の選定、買い付けを行っていた。しかし、この方法では、社員がその都度仕入先を訪れる必要があり非効率であること、また、園芸に精通したものでなければ担当できない業務でかつ、ベテラン社員の3人の評価にもバラつきがあることが課題とされていた。

従来

[ 導入後 ]

「MAGELLAN BLOCKS」で、仕入先から送られてくる画像をAIで自動的にランク付けする仕組みを実現。S, A, B, Cという画像フォルダに、それぞれ対応する花の画像を格納し、学習させるだけで簡単にモデルが生成できる。
これにより、統一した基準を設け、園芸に関する専門知識を持たない社員も仕入れ業務を担うことが可能となった。また、仕入先から送られてくる画像を自動判定するため、現地訪問の必要性がなくなり、業務効率も向上。まずは、主力商品であるパンジー・ビオラから導入し、徐々にその範囲を広げる計画を進めている。

導入後

成功事例のご紹介

navigate_before
navigate_next

利用事例の一覧はこちら