
サプライチェーンの成功のためにAIと機械学習を活用する方法
ビデオ概要
このビデオ「サプライチェーンの成功のためにAIと機械学習を活用する方法」は、人工知能 (AI)、コグニティブ・コンピューティング、機械学習などの最新テクノロジーを活用して、サプライチェーン上の膨大なマシンデータやセンサーデータから企業が情報を引き出す方法について、立場の異なるパネリストがそれぞれの経験や知見に基づき、具体的な議論を交わしています。
主な内容
- 新しいテクノロジー(コグニティブ・コンピューティング、AI、機械学習など)は、サプライチェーンをどれくらい変革するのか?
- 意思決定支援ツールの現状(具体例の列挙アリ)
- 新しいテクノロジーにより、“感知&テスト&学習” が実現する
- 例外ベースで対処するのではなく、「人間の代わりに意思決定したり、何をすべきかアドバイスしたりしてくれるマシン」 を手にすることになる
- もっと多くの自動化や、もっと多くのアルゴリズム駆動型サプライチェーンを目にすることになる。
- 新しいテクノロジーについての顧客の理解度は?
- 市場では用語の定義が混沌としており、テクノロジーに関する宣伝・期待が過剰
- ソリューション・ベンダー側も適切な疑問提起をしていない
- 人々の受け入れ態勢を整えるには、“ミッショナリー・セリング” (≒普及啓発活動) が必要
- 市場では用語の定義が混沌としており、テクノロジーに関する宣伝・期待が過剰
- 新しいテクノロジーの導入の推進要因は?現行の意思決定システムに対するリプレース圧力の原因は?
- 顧客の購入チャネルの爆発的増大?/新たな次元 (検討要因) が増えすぎたから?(⇒違う)
- その必要性は、もっと大きな課題(医療の改善、スマートシティにおける交通の劇的な改善、自動運転車の操縦、ビジネスプロセスの再定義といった課題)に由来している。
- 現状、サプライチェーンの中核部分では、感知せずに、ただ反応しているだけで、洞察の活用が不十分。
- 抜本的な再定義が必要。それに対するオープンな姿勢も必要。
- 買い手が将来展望を描けるように、SAS のようなテクノロジー企業がソリューションをパッケージ化することも必要。
- 抜本的な再定義が必要。それに対するオープンな姿勢も必要。
- 顧客の購入チャネルの爆発的増大?/新たな次元 (検討要因) が増えすぎたから?(⇒違う)
- 新しいテクノロジーの活用方法は?(その1)
- 今後は、サプライチェーン全域にわたって様々なデータポイントを連携させ、様々なシナリオを検討することが必要になる。それこそが、AI やコグニティブ・コンピューティングが事業管理の向上に貢献できる領域。
- 機械学習の手始めとして適している領域はマスターデータ。今は「サプライチェーンのマスターデータ」を適切に統制・管理できていない。パターン認識が役立つはず。
- 現在はメモリの制約がなくなり、処理パワーも増大しており、様々なサプライチェーン業務の在り方を再考・再定義できる余地がある。
- プランナーの仕事内容や、必要なプランナーの人数も激減するかもしれない。ただし、そのレベルの自動化に達するには、“テスト&学習&進化” が必要。
- 新しいテクノロジーに関して想定される展開
- コグニティブ・コンピューティングが自動運転の領域から飛び出して更なる進化を始め、やがて意思決定支援にも応用されるようになる。
- 人々が新しいテクノロジーの "微妙な意味合い" まで理解できるかどうかはともかく、最初のハードルは越えるだろう。
- コグニティブ・コンピューティングが自動運転の領域から飛び出して更なる進化を始め、やがて意思決定支援にも応用されるようになる。
- ビジネス変革の取り組みにおいて、新しいテクノロジーを最初に導入しつつあるのは、どのような業界/企業か?
- 様々な業界で実際に利用され始めているが、状況は業界によって異なる(具体例の列挙あり)。
- 1つの業界内でも相当なバラツキが見られ、1つの企業内でさえ部署によって相当なバラツキがある。
- ロボティクスも有望な領域の1つだろう。デジタル製造を推進する目的でロボティクスの導入が進めば、それが人々の学習を促進し、更なる応用が広がっていくだろう。
- 新しいテクノロジーの活用方法は?(その2)
- 目的が何であれ、「必要なデータを抽出し、それ以外のデータは無視して分析を実行し、その結果に素早く反応できるようになる」ためには、機械学習やパターン認識のような、より強力な機能が必要になる。
- センチメント分析、非構造化データのマイニング、パターン認識に関する一部の取り組みも、企業での開始点に適している。
- SASには、非構造化データと既存の構造化データを組み合わせた分析の成功事例がいくつもある(ソーシャメディア・データ活用の具体例の列挙あり)。
- 新しいテクノロジーによる変革を進める上での課題など
- サプライチェーン部門とデジタルマーケティング部門の協働の開始(ローラ氏の興味深いエピソード)
- 「効率的なサイロ群を作る」という枠組みから脱却する必要がある。“効率的なサイロ群” は、効果的なサプライチェーンを生み出さない。
- 我々は今、データを 「インサイド・アウト」 で活用しているが、“傾聴” には 「アウトサイド・イン」 が必要。
- 企業はこの変革にどこから着手すればよいか?
- 最初のステップは自分達の現在地を理解すること(リッチ氏)
- 業務機能横断チームが重要な役割を果たす。
- このプロセスにデータサイエンティストを参加させることも重要
- 見識あるリーダーは困難な問題から着手するだろう(ローラ氏)。
- 問題を定義した上でチームに担当させ、明確な ROI を設定することなく、その問題を解決させる。
- 既存のパラダイムにはめ込むのではなく、真のプロセス・イノベーションが機能するよう委ねる。
- 意思決定支援ツールの再定義という岐路に立っている状況では、自分に正直になる必要がある(ローラ氏)。
- ツールの陳腐化が不可避である以上、ツールを素早く陳腐化させることを目指すべき。今まさに、そこに大きなチャンスがあるのだから。
- 最初のステップは自分達の現在地を理解すること(リッチ氏)
サプライチェーンの成功のためにAIと機械学習を活用する方法
ビデオプレイヤーは読み込み中です。
現在の時間 0:00
/
長さ 0:00
ロード済み: 0%
ストリームの種類 ライブ
残りの時間 -0:00
1x
- 2x
- 1.75x
- 1.5x
- 1.25x
- 1x, 選択済み
- 0.75x
- 0.5x
- チャプター
- ディスクリプションオフ, 選択済み
- 字幕の設定, 字幕の設定を開く
- サブタイトル オフ, 選択済み
This is a modal window.
Playback Denied: Unavailable
エラーコード: VIDEO_CLOUD_ERR_VIDEO_NOT_PLAYABLE
テクニカルディテール
:
Video is not currently available for playback.
セッション ID: 2025-05-21:8045586d4335bd9a8581448d プレーヤー要素 ID: player-39d54551b75434ef837aab5866211d18
ダイアログボックスの開始。Escキーでキャンセルしてウィンドウを閉じます。
ダイアログボックスの終了
This is a modal window. このダイアログボックスは、Escキーを押すか、閉じるボタンを押して閉じることができま
This video is not active or has expired.
This is a modal window. このダイアログボックスは、Escキーを押すか、閉じるボタンを押して閉じることができま
This is a modal window. このダイアログボックスは、Escキーを押すか、閉じるボタンを押して閉じることができま
This is a modal window. このダイアログボックスは、Escキーを押すか、閉じるボタンを押して閉じることができま
ビデオの長さ:約24分
出演者
ローラ・セシーレ(Lora Cecere)
Supply Chain Insights社の創業者およびCEO
ローラ氏は、先見的なサプライチェーン調査を提供している Supply Chain Insights の創業者です。世界中のサプライチェーン・リーダー企業のために、高度なエクセレンスの達成を支援しています。
● ダン・ミッチェル(Dan Mitchell)- SAS のグローバル小売・消費財業界プラクティス部門ディレクター。このディスカッションの司会者
● リッチ・マザー(Rich Mather)- SAS のアナリティクス・エキスパート。機械学習とコグニティブ・コンピューティングの知見が豊富
お勧めの関連記事
-
コネクテッド・カー:IoTが導くOEM企業の新天地IoTとアナリティクスを活用することで、自動車メーカーとパートナー各社はビジネスモデルの刷新、新しい収益化手法、優れたユーザー体験を実現できるようになります。
-
アナリティクスによる児童福祉の改善(英語)With tremendous potential for child welfare agencies to use data and analytics to prevent child abuse and improve outcomes for children and families, child welfare advocates discuss the benefits of using data and establishing a data-driven culture to advance practice and policy.
-