当記事（Insights into Accelerating Retail’s Data and AI ROI）の翻訳です。(2022. 3.22)
小売業は機械学習の種類が豊富に必要で多くのチャレンジと適用範囲があると言われています。SPAの業態もあり、製造業的な側面も持っているのも面白いところだと個人的に思っていますので、小売系のビジネス記事は翻訳していこうと思います。

小売業のデータとAI ROIバーチャルイベントの加速に関する洞察に登録してください。

世界的なパンデミックは頻繁に報告される指標で小売業の傾向を加速させ、電子商取引が物理的なチャネルに取って代わり、2020年の最初の3か月で過去10年間よりも大きく成長した。パンデミックにより、消費者は、一団となり、歴史上の他のどの時期よりも購入パターンをより迅速かつ完全にシフトすることを余儀なくされた。小売業は絶え間なく変化する状況にいる - 消費者はこれまで以上にコントロールし、よりモバイル(世界のダイナミクスを考えると少なくともややデジタルモバイル)、そしてより社会的につながっています。店頭販売は依然として重要ですが、小売業者はオムニチャネルの買い物客体験を適応させ、強化する方法を学ばなければなりませんでした。これを行うために、彼らはテクノロジーへの迅速な投資に対応し、現在、収益性を向上させるために業務を最適化する方法を検討しています。

小売業者は、サプライチェーンの課題と顧客の好みの変化に対処するために機械学習(ML)に目を向けており、その影響は毎年0.9〜17億ドル（訳者注；本日の為替レートで1,000億円から2,000億円くらい）の価値を小売業に提供すると推定されています。実際、小売セグメントは、すべての個々の業界セグメントと比較して、AIとMLの恩恵を受ける可能性が最も高いです。この値は、すべてのセグメントとバリューチェーンのすべての時点で実行されており、このセクターの高度な分析の潜在的な利点は、私たちが知っているように小売を再定義するように設定されています。

小売業者や消費財の供給業者は、やっかいなサプライチェーンや消費者との不透明な関係への脅威に対抗するために、データドリブンなリアルタイムの決定を下しています。以下の2つのチャートが示すように、価値の高いユースケース(例としてエッジデータを使用した需要予測または音声からテキスト分析)は、さまざまなデータタイプ(自然言語処理NLPによって生成された音声テキストアルゴリズムを活用するコールセンターの記録など)を必要とし、増加するボリュームと多様性をリアルタイムで取り込んで処理できるデータアーキテクチャの必要性を促進します。

消費者行動に関する洞察を求める場合でも、サプライチェーンの需要予測に飛び込む場合でも、小売業における4つの一般的なデータ+AI投資の上位優先事項は、データ駆動のユースケースに目を向けます。

• リアルタイム意思決定の必要性：データのストリーミング取り込みを促進し、需要予測や次の最適解のための重要なリアルタイムの意思決定を強化します。

• 需要センシングと予測：より良い需要予測と在庫管理のための分析の改善は、今日の不安定な市場で非常に重要です。

• パーソナライゼーションとロイヤルティ：データ量の増加により、より深い顧客セグメンテーションとリテンション（顧客維持）分析が可能になり、パーソナライゼーションを改善し、ロイヤルティを高め、収益を増やすことができます。

• データ共有とコラボレーション：低コストのオープンソースベースのデータ共有を通じて、サプライヤー、ディストリビューター、配信パートナーとのコラボレーションとサービスレベルを向上させます。

これらの4つの投資優先事項は、次のようなユースケースを通じて実現されます。

1. より最適化されたサプライチェーンプロセスにより、ブランドや製品の大規模な成長と拡大を可能

2. 資本と施設のコスト削減を促進するための予知保全

3. 製造者から消費者へのよく監視された同期された製品フローによる、効果的な在庫管理とサプライチェーンの改善

4. 人間とロボットのコラボレーションを改善し、従業員の安全条件を改善し、全体的な効率の向上

5. ダイナミックな価格設定、競争力のある価格設定と、予測された顧客対応モデルを活用して価格を変更する機能を提供

6. 顧客中心のマーチャンダイジングへの対応、予測された市場需要に応じて迅速な変更を提供

7. 潜在的な(リアルタイム)詐欺と減少を特定し、店舗内の従業員に警告するストリーミング分析による損失防止

8. パーソナライズされたマーケティングを通じて、最適化された価格設定とプロモーションのためのパーソナライズされたマーケティングの実践

これらの優先事項はほとんどの小売業者で一般的なようですが、多くは依然としてこれらの目標のニーズを満たし、具体的な結果を達成するのに苦労しています。実際、運用上のユースケース展開の30%近くが「概念実証(POC)煉獄」に分類され、これらの3つのトップカテゴリで作成された0.9ドルから17億ドル/年の価値の一部を実現することはありません。

1. 価格とプロモーション

2. サプライチェーンと在庫の最適化

3. 顧客獲得とリードジェネレーション

どうしてでしょうか?　組織では、人、プロセス、またはテクノロジーの形で課題が発生します。小売業者がデータとAIに苦労する理由は次のとおりです。

レガシーデータシステムはリアルタイム小売ビジネスをサポートしていない：レガシーデータシステムはバッチ指向であり、スケジュールベースでデータを持ち込むことを意味します。そして、そのデータが利用可能になる前に追加の処理を行う必要があります。秒単位で分析が重要な場合でも、データウェアハウスは数分と数時間という単位で配信されます。

正確性に妥協を余儀なくされた：データをロードするだけでは十分ではなく、企業はそれに基づいて行動しようとします。しかし、データウェアハウスは大規模な分析のために設計されていません。他の場所でデータを抽出して分析する必要があります。そうしないと、分析できるものが大幅に制限されます。データウェアハウスを使用して過去の需要予測を実行する場合、最適で詳細な予測には数日または数週間かかるため、予測のカテゴリと深さを制限する必要がありました。

さまざまな種類のデータの限られたサポート：データウェアハウスは、今日のデータ用に構築されていません。市場への対応とは、あらゆる種類のデータを活用することを意味します。そのため、企業は非構造化データを活用するための別々のシステムを実装し始めました。しかし、これらは高価であり、データウェアハウスとの統合が必要であり、コストと複雑さが加わります。

高価で独自のデータ共有：小売業者はバリューチェーン全体で協力しようとしていますが、現在のシステムは高価で最大手企業に限定されています。過去の解決策は、パートナーごとに個別のデータウェアハウスライセンスを必要とするパートナーとデータを共有することです。多くの大手小売業者には数百または数千社のパートナーがおり、これは実用的ではありません。

ユースケースの実装

では、これらのAIイニシアチブで成功を収めることがそれほど難しい場合、結果と投資収益率を見るための道筋はどうなるのでしょうか？これに答えるために、小売業者は古典的な「開発または購入」の意思決定に直面しています。社内でユースケースを構築することは、大規模なデータエンジニアリングチームを持つデジタル成熟したIT組織にとって堅実な選択です。自社内で構築すると、（訳者注；SI構築などの）「外注」する際の「ブラックボックス」効果を排除できます。

代替案は、ソリューションインテグレーターと協力して、組織の特定のニーズに合わせて専用のソリューションを調整することです。これらのソリューションは迅速な実装のために設計されており、多くの「ブラックボックスソリューション」で非常に嫌われるベンダーのロックイン属性がありません。

アクセンチュア、キャップジェミニ、デロイト、トレデンス (Tredence) のグローバルソリューションインテグレーターは、多くの地域やビジネス組織の専門的な業界毎組織の経験から業界全体の洞察と知識を持っています。この知識を使用して、DatabricksのLakehouse for Retailとシームレスに連携し、短期投資収益率のユースケースを提供する専用のソリューションを開発しました。Databricks Lakehouse for Retailのグローバルソリューションインテグレーターが提供する4つの専用ソリューションを深く掘り下げてみましょう。

AI/ML主導のデータ品質管理 - Tredence
小売業者や消費財は、進化する顧客のニーズに対応し、需要の急激な変動を予測し、棚の可用性を軽減する洞察を提供するために、リアルタイムのデータにますます目を向けています。リアルタイム分析に移行する際の課題は、データ品質が損なわれると、高度な分析が妥協されてしまうということです。データ品質の問題に対処するために、トレダンス様は、クレンジング、重複排除、ゴールデンレコードの作成、設定可能なデータ品質指標を備えたインタラクティブなダッシュボードにデータを表示することで、データ品質を向上させるAI / MLデータ品質管理ツールであるSancusを開発しました。Tredence SancusとDatabricks Lakehouse for Retailは、次のような価値の高い小売ユースケースに対するリアルタイムの洞察を可能にします。

1. 第三者とのパートナーシップを通じて顧客データの充実を促進する

2. 郵便ディレクトリとサードパーティのAPIを使用して、グローバルアドレスの検証と修正を有効にする

3. ウェブスクレイピング、画像処理、非構造化データ分析、階層管理、およびデータガバナンスを通じて、製品と材料の強化を改善する

サプライチェーンの最適化と需要計画 - アクセンチュア&デロイト
サプライチェーンと在庫の最適化の重要性により、アクセンチュア様は統合需要ビュー、需要計画に対するオープンなガラスボックスアプローチを開発しました。このソリューションは、「信頼できる唯一の情報源」の需要計画により、精度、粒度、適時性を最大化し、さまざまな機能にわたる説明性と整合性を向上させます。調達、需要、利益計画を次のように結びつけます。

1. 予測精度、速度、粒度を高める

2. 予測を議論することから入力情報重視へと移行する

3. 消費主導の予測のためのパターンを急拡大させる

デロイト様のトレリスは、需要予測、補充、調達、価格設定、プロモーションサービスに関する小売業の複雑な課題を解決する機能を提供します。デロイト様は、DatabricksのLakehouse for Retailに加えて、深い業界とクライアントの専門知識を活用して、セグメント固有のニーズに基づいて必要に応じて迅速にカスタマイズおよび調整できる、統合された安全なマルチクラウド対応の「as-a-service」ソリューションアクセラレータを構築しています。デロイト・トレリスと組み合わせると以下のことができるようになります:

1. リテールのバリューチェーンの需要側と供給側の両方で発生する重大な変化に焦点を当てる

2. 推奨事項、関連する影響、洞察をリアルタイムで評価する

3. 売上（トップライン）と利益（ボトムライン）の両方の数字を大幅に改善する

収益成長管理 - キャップジェミニ
キャップジェミニ様は、より良いレコメンデーションエンジンを構築することで顧客満足度を高めることの重要性に対処し、収益成長管理エンジンを提供しています。今日のダイナミックな環境では、顧客が3ヶ月前に購入したものを知ることは、必ずしも明日何を購入するかを教えてくれるとは限りません。きめ細かく正確な需要感知パターンを確立するには、動的な市場データ、インデックス、ソーシャルメディアなどの外部データを組み込む必要があります。キャップジェミニ様の収益成長管理エンジンは、Databricks Lakehouse for Retailを活用して、請求書データ、外部市場データ、インデックス、ニュース、Webスクレイピングデータの分析を迅速に実行してパターンを調査します。これにより、獲得、コンバージョン、継続など、販売およびマーケティングサイクルのあらゆる側面が改善されます。キャップジェミニの収益成長管理では、以下のことができるようになります：

1. ビジュアルインターフェイスとフィルターを事前設定して、収益の増加を表示する

2. 移行のためにDatabricks内にPySparkコードとノートブックを事前に入力する

3. 初期製品バックログ構造とモデル選択基準にフレームワークを活用する

Databricks Lakehouse for Retailは、小売業が長い間解決しようとしてきた課題に取り組んでいますが、テクノロジーの能力の限界のために苦労しています。リアルタイムビジネスを運営することで、これまでにない需要計画、納期の見積もり、パーソナライゼーション、消費者セグメンテーションなどのユースケースの可能性が開かれます。何時間もかかる可能性のある決定は今や数秒で行うことができます。これは、多くの企業にとって利益と損失ほどの違いを意味する可能性があります。世界的に認められたソリューションインテグレーターからのこれらの専用ユースケースソリューション、堅牢なカスタマーサクセスプログラム、基盤となるテクノロジーをサポートする最大の1つであるオープンソースコミュニティ、デジタルトランスフォーメーションジャーニーをどこから、どのように始めるかを特定するのに役立つ価値評価プログラムと組み合わせることで、Databricksはデータ駆動ビジネスを通じて皆様が小売業のリーダーになるのを支援させていただきます。

始めてみましょう

Lakehouse for Retailについてもっと知りたいですか？ソリューションページについてはここをクリックするか、詳細な電子ブックについてはここをクリックしてください。リテール向けレイクハウスがここに出現し、小売業はこれまでとは全く違うものになるでしょう。