00:05
この番組は、中小小売企業の取締役経験のある2人が、 そのリアルについてゆるくお話しします。
人事に軸足を置いたジェネラリスト、私と米由里が、 2度のM&A経験がある連続企業家、樋口幸太郎さんに話を聞いていきます。
既に小売企業を経営している方、これから小売ビジネスで 企業を考えられている方に役立つ情報を楽しく語っていきます。
リテールトーク120回です。よろしくお願いします。
お願いします。
ラーメンとオペレーションの考察
今日はAIに任せたいと相談された業務という話です。
ラーメンですね、ラーメン。
ラーメン食べたんですよ。
僕今オフィスが神楽坂、飯田橋にあるんで、 ラーメン結構激戦区じゃないですけど、多いので。
よくいろいろ行くんですけど、 老舗のラーメンでラーメン青葉って知らないですか?
あ、わかりますわかります。
有名なところで。
緑のジュランと。
そうですそうです。並んでるんですよね。
久しぶりに食べたいなと思って食べたんですよ。
今日このラーメン食べた話から、 ラーメンとオペレーションの話になるんですけど。
そこになるんですか。
青葉は本当にいいお店で、飯田橋の青葉は 多分ご夫婦でやられてるんですかね。
店長さんと奥さんと応募式、 女性の方がやっていて、美味しかったです。
ただ味はですね、多分辻田ってあるじゃないですか。
辻田が多分リスペクトして、辻田を作ったのも 青葉のフォロワーみたいな形で作ってるんですよね。
実際調べてみたら、辻田の社長が青葉好きでよく行ってて みたいな、そんなインタビューも出てきたんで。
青葉リスペクトのラーメンで辻田があって、 辻田も美味しいんですよ。
味そっくりでした。
どっち好きかって言われたら、 僕辻田の方が好きかもって思ってしまって。
ここからオペレーションの話につながるんですけど、 辻田ってゴリゴリオペレーション組んでて、
ファンドが買収してるんですよね。 出店も相当されてるんですけど、
店員さん全員外国人なんですよ。
へー、なるほど。
片言で。不正とかないんですけれども、 作られたラーメンとつけ麺は最高に美味しいので。
レシピがちゃんとされてて、オペレーション徹底して 綺麗な店舗にしていると、美味しいものができるんだなと。
不正とか全然ないんですけど、そういうの感じましたと。
で、あと神楽坂に辻飯ってあるの知ってます?
わかんないです。
海鮮丼のお店で、贅沢丼みたいな形で、 海鮮がギュッと詰まったネタを上に乗せて食べるやつなんですけど、
これものすごい美味しいんですよ。
1200円、1300円ぐらいで食べれて満足度も高くて、 連日行列なんですよね、神楽坂の坂。
へー。
で、ここからこれもオペレーションの話になるんですけど、 店員さん外人なんですよ。
そうなんだ。
寿司飯みたいなものすごいお店も日本風で、 出されるものを海鮮丼で寿司屋のカウンターみたいなところで食べるんですよ。
うんうんうん。
で、もうそこで働いてるのは本当に外人さんみたいな感じで提供していて、
和のテイストの店みたいなのかと思いきやそういうのではなくて、
ご飯も職人の技ではなくてオペレーションで作られる感じがしていて、
なるほど。
でもものすごい美味しいっていうのを思って、
なんか本当ラーメンと、あとはそのラーメンで出たオペレーションをこういう風に海鮮丼とかにも横展開できるので、
辻田の方、創業者の方の作ったオペレーションってすごいなっていう話に、 青葉から繋がるっていう話でした。
まあそっか。
まあでもチェーン展開とか、その他店舗展開して同じ味保とうと思うとそうなりますよね。
まさに。それででも味もすごい美味しいのを提供できているんで、 すごいなっていうのを感じたっていうところなんですけど、
好きなラーメンとかありますか、砥部さん。
私あの辛いのが好きで、
担々麺があると大体担々麺頼んじゃうんですよ。
辛味噌とか辛い系があったら大体辛いの頼んじゃいますね。
僕担々麺あれが好きでした。
飛鳥っていう渋谷にあった名店、それからレンゲの如くっていうオーソドックスな担々麺の上に、
なんか乗ってる。
はいはいはいはい。
はいこう担々麺で食べるのが好きでした。
辛さは控えめかな。
僕すごい辛いの得意なわけじゃないけど、サクサク食べれたんで、おすすめ。
すごい、汗かきながら食べてるイメージ湧きました今。
そうですね。めっちゃかきますね、辛いの食べると。
私あれ、ドロドロの練りごまの担々麺が好きで、
ありますね。
でも100%後悔するってわかってるんですよ。
え、なんでですか。
食べた後ボリュームというか、もうどっしり来るじゃないですか。
あーお腹にきますね。
そう、だから食べたいんだけど、結構我慢してますずっと。
ねーちぐらい。
飯田橋来ないと思いますけど、
かずまちゃんラーメンっていうドロドロの担々麺が、
ほんと裏道みたいなところにあるんで、リンクを送っておいたんで、よろしく。
ドロドロです。
あ、牛ごめかグラザカの方か。
あーいいですね、このドロドロ感。
AIに任せたい業務：進捗管理表の自動化
本題行きますか。
テーマはAIに任せたいと相談された業務ということで、
お客さんが困ってるリアルなお話なんですかね。
そうですね、ストアレコード提供して、
AI活用みたいなコンサルティングも提供し始めていて、
各社、やっぱり大きい会社さんほど時間がかかってる業務が結構あって、
洗い出したらこれやってほしいんだよねっていうのを結構話をし始めているので、
丸めながら自動化こういう形でやっているっていうのをちょっとご紹介できればなというふうに思っています。
最初に複数の会社から相談を受けて、
共通してたのが品番ごとの進捗管理表って呼ばれるもので、
アパレルの会社さんはよくやっているやつなんですけれども、
いわゆる品番ごとに累計の販売数、何個売れたかっていうところと、
売り上げだか、荒利率、値引きどれだけしているか、
機種にどれだけ在庫があって仕入れをどれだけしたか、
今在庫がどれだけあるかっていうところと、
それをもとに消化率を計算して何パー消化しているかっていうのを、
数字でまとめていって出していくというようなそんなものです。
エスキウスが多いほど大変ですもんね。人よりAIのほうが得意ですもんね。
AIのほうが得意なんですよね。
品番ごとに数字の受注数みたいのを入れていて、
2月の第一週目は何点売れて、値引き何パーセントしていてっていうのを
ずっと52週追っていくみたいなそんな資料も
副次的につけているっていうような形で、
販売伸びてるよね、落ちてるよねみたいなところを見ながら、
この品番売り切れそうみたいなそんなジャッジをしていくものです。
実はスターレコードで機能として品番ごとの周別売上げみたいなものから、
さっき言ったような指標、売上げ、販売数、在庫数、機種在庫、仕入れ数みたいなところって
ダウンロードすれば出せるんですけれども、
資料作るためにダウンロード何回かしなきゃいけなくて、
大変といえば大変なので、
そういう意識を組んだりして、
仕様変わって列の項目が変わったら変えてみたいなのをやってると、
毎月曜日30分かけるブランドの数だけ
作業をしている経営企画の人みたいな方が苦労していたので、
そこを簡単にしたいっていうそんな話でした。
私も自分の業務でCSVダウンロードして、
ここにベッデ貼ってみたいなのやってますけど、
あの辺は結構ルーティン作業ですもんね。
そうなんですよ。ルーティンなんで、
そのルーティンの部分はAIが自動で作業して、
やっぱスラックで通知してくれて、
資料を読み込むところからスタートするっていうのがやっぱり理想なんで、
そこを目指してやりましょうというような形でやってます。
この資料やっぱ品番ごとの進捗管理法をもとに、
販売開始したけど全然順調に進んでない品番ないかなとか、
翌週以降反則やるから今の在庫数で足りるんだっけ、
別の店舗から在庫を寄せなきゃいけないんだっけみたいなところを整理して、
全然販売数が足りてない場合には露出強化しましょうであったり、
クーポン試作やりましょうみたいな、
そういう検討するための結構大事な資料になると。
自動化できると資料を出すだけでもありがたいですっていうことだったんですけど、
AIでのレコメンドもできるんで、将来的にはそういうところを在庫移動したほうがいいですよ。
これ異常値でやたらと売り上げが落ちてるんで注意してくださいねみたいな、
そういうアラートを出せるようなことも将来的にはやっていきましょうというような感じで話をしてますと。
ストアレコードのMCPサーバーってこのAIが、
ストアレコードのデータを引っ張れる機能を使うと、
このデータ全部取得できるんで、
終時でもできるし、数分パッと資料本当作ってくれたんで、
じゃあ日時ベースで日ごとにどれだけ売れたかを細かく追いたいっていう会社さんも実はあって、
何日何日にリリースしました、そっから3日間の売り上げがどうなっていてみたいな、
そういうところも見たいんだけどって言われたんですけど、
クロードコードに聞いたら今画面のスクリーンショットみたいなの貼り付けてるんですけど、
頼もしくできると言ってくれたんで、こんな形で僕らもどういう業務が自動化できて、
どういうふうに実行できるかみたいなところをクロードに聞いてやってるって感じです。
頼もしいですね。
小売りだと日時で見てスピーディに判断したいみたいな瞬間もありますもんね。
多分そうなんですよね。
毎日毎日で販売した日にどうだったか、その翌日にどうだったかみたいなところを見ながら、
スピーディに意思決定していかないと在庫も残っちゃうし、
お客さんに素早く提供できないっていうところから、日時で見たいっていうニーズもあるかなと思ってます。
AIに任せたい業務：販売計画作成の自動化
次が結構これが大変ですって言われたのが、品番ごとの販売計画の作成を自動化したいって言われてますと、
さっきの品番ごとの販売進捗管理の延長戦というか、その前さばきみたいなところで、
計測品番で去年も売ってた品番に関しては、翌年どのぐらい売れるかを予想して発注しているっていう感じなので、
販売計画を立てて何月何週に販売するので、そこからこういう推移で売れていくみたいなところを作成したいというのを言われてますと。
これもできるしやっているっていうことで、どんな手順でやってるかっていうと、
計測品番の今年の販売数と仕入れ数と、どのぐらい値引きしてどのぐらい動いたか、
あとは消化率のデータなんかを、さっきみたいに数字でこうまとめていきますと。
翌年もどのぐらい売れるかっていうのを、値引きの率と消化率見て、値引きも低いし消化率が100%に近いのであれば、
もっと仕入れられるからどんと積もっていう意思決定になりますし、値引きが結構高くなっちゃってて消化率も悪化してきたら、
ちょっと仕入れ控えようかなみたいな、そういう意思決定をして、まずは全体の仕入れの数を決めます。
前年からどのぐらい増やせ減らすを決めますと。
仕入れ数増やした分減った分みたいなのを考慮しながら、数字で今年こういう52種の波で売れていったんで、
来年もこういう波で売れるだろう、みたいなところを加味して販売計画を作るっていう感じなんですけど、
これ言ってるだけでも結構大変だなと思っていて、品番ごとに数字のこのデータをまとめて値引き率、消化率、販売数みたいなのを数字でどーんって書かなきゃいけないので、
これを例えば500品番とかやってる会社さんだと全部作るのは結構非現実的なので、
そういったところをAIでやれば全部自動化できるんじゃないかなみたいなところで話をしています。
そうですよね。これ、この手法、ロジカルに計画を立てるっていうのを品番数分やるっていうのは無理ですよね。
そうなんですよね。品番数分は、僕もペアマノンの時これやろうかなと思ったんですけど、とても大変だなと思って諦めましたね。
がっくりつきたいの、このぐらいいかないとなっていうのは作ってましたけど、それも主要品番だけだったので、
っていうのが全部AIだったらパッと作れるので、本当にこのプロセスを1000品番でも2000品番でもAI使えば全然難しいことではないので、
これはやろうかっていう話をしてますと。さらにこれいいところは計画立てました進捗も追えるんですよね、AI使うと。
計画に対して上ぶれてる、下ぶれてるみたいなところを出しながらアラートを出すっていうところも、
突合していく計画作りました、それに対して実績こうですみたいなところをパッと作るっていうのもできるので、
これはぜひやりましょうっていう話をしてます。
ありがとうございます。計画と進捗を突合してアラートしてるの結構いいですね。
業務改善っていうよりかはできなかった、今までできてなかった細かいところまで精度高くできるようになるのかなと思いました。
そうですね本当にあると良かったけどとてもできなかったので、作ってくれるとさらに良くなるっていうそんな話かなと思ってます。
やっぱり結構大手企業がこの販売計画っていうのを求められて作っていて、でかなり真面目にエクセルファイルでものすごい苦労されながら、
大体こういうのやる人っているんですよね、一人二人この大きい会社だと。
でもその方の時間は相当かかっていて、AIで自動化省力ができるとだいぶ助かって、
他のもっとやりたかった業務とかに時間を割けるっていう話だったんで、ここ手を付けましょうっていう話をしました。
AIに任せたい業務：店舗間移動の最適化
3つ目がですね、やっぱりリアル店舗を持っている会社さんだと転換移動候補みたいなのは作るのをやりたいっていうのを言われて、
やっぱりリアル店舗を持っている会社さんだと店舗ごとのSKU、でさらにそのSKUごとの販売数在庫数にばらつきがあるケースっていうのが結構あると。
AっていうSKUが渋谷店では月間100点売れているのに対して在庫数が100点、1ヶ月分しかないっていうのに対して、
新宿店だと月間50点しか売れないのに在庫が200点もあって4ヶ月分も持っちゃってる。
じゃあこの新宿店の在庫を渋谷店に移動させましょうみたいな、そんな形で販売数と在庫数の平準化っていうのを結構やってるっていう話で、ここの自動化は相談されました。
これ私、自分自身が店舗間の移動をメケンで修辞でやってた時期があったので、これ自動化できるのはすごい助かりそうだなみたいな実感があります。
私は結構かなり感覚でやってましたけど、ルールを言語化する必要がありそうですけど、これどんな感じでやってるんですかね。
結構話を聞くと大変そうで、やっぱり全国に店舗を持っている企業さんとかだと、そもそも転換移動のロジックの前に前さばきが結構大変そうだなと思いました。
1個目が送料を抑えたいから同一エリア内でしか移動させたくないです。九州だったら九州エリア内だけです。
北海道だったら北海道の中だけですみたいな、そういう設定がそもそもいりますって言われて、まあまあこれはルール化しましょうと。
店舗ごとに受け入れしかできないっていうところと、受け入れはできなくて出荷しかできないっていう店舗と、両方対応しているよみたいなそういう店舗があるらしくて、
結構この転換移動による物が届いてそれを開けて棚に置いてっていう作業が結構負荷がかかるので、両方対応できるのは結構大型店しかできないんですわみたいなそんな話だったので、
ここも入荷だけできる、出荷だけできる、両方対応できるみたいなのを店舗ごとにフラグ立ててほしいみたいなそんなのも言われました。
店舗ごとに在庫日数、持つべき在庫日数っていうのが違うらしいのでそこを見て、で店舗ごとの在庫日数のバラツキが大きいSKUっていうのを移動対象として抽出してきて、
在庫日数が平準化されるように移動のリストを同一エリア内みたいな縛りを考慮しながらやるっていうそんな形になってます。
結構複雑ですね。店舗ごとの在庫日数とか移動可能な範囲とかまで考慮するとめちゃくちゃ複雑ですね。
複雑そうで、なんか考えればできそうなんですけど、この辺りのロジック考えるのもクロードと一緒にチャット形式でやろうかなと思って、
実際に移動させているデータをいただきながら読み込んでもらって、どういうロジックでやるのがいいかなっていうのを今ちょうど壁打ち始めていて、
こういうふうにクロードに指示文書けば多分できるようになりますよみたいなそんなところから設計していて、
この時間がやっぱ結構大変ですね。しかもすごい大事になる。精度を高めるのに大事になりそうだっていう。
これなんか店舗間移動は私はやっていたけど、移動はこまめにしたいけど、やっぱ送料もかかるし、労力もかかるし、
人の手なのでやっぱりミスが発生した時のどうするかみたいなそんなのも含めると結構コストがかかるんですよね。
そうなんですよね。最後に相談されたのがまさにそこで、そもそも店間移動が発生しないのが理想だよねっていうのをおっしゃっていて、
最初から需要を完璧に読み切って店間移動が発生しないような初回投入量を決めたいっていうそんな話をされて、
発注した数量をもとに店舗に割り振る。それもカラー、サイズ別に、SKUごとに振り分けるので、この初回投入のロジックの精度を高めて、
初回投入をAIにやらせて店舗間移動が起きないような、そういう初回投入量の決定方法っていうのを精度を高めていきたいっていうそんな相談をされて、
これもまあ面白いテーマかなと思いました。
AIに任せたい業務：初回投入量の決定精度向上
店舗ごとの需要をどこまで捉えられるかが大事になりそうですけど、アパレルとかだと結構むずいなって感じがしますけどね。
難しいんだけど、もうとっかかりあるんじゃないかっていうのを依頼された方がおっしゃっていて、
リアル店舗であれば、実際には常連のお客さんが購入する比率が一定あると。で、常連のお客さんが購入する商品の教育をっていうのは抽出できるはずだと。
ただカラーみたいなところって流行りすたりがあるから、どの店舗でどういう風になるかっていうのは読みにくいけれども、
サイズに関してはビッグサイズがいいとかそういうところの流行りすたりはあるものの、僕だったらMサイズを絶対買うみたいな感じで、
サイズある程度一定になるんじゃないかっていうところから、サイズ傾向だけでも当てたいっていう形で、
サイズ傾向が出るかどうかっていうところから検証したいって言われて、
今、店舗ごとの売上データをカラー別、サイズ別でクロードに読み込ませて、どういう傾向値があるかみたいなところを分析してもらってます。
そのあたりね、やっぱり大量のリアル店舗ごとの過去の販売傾向の分析なんかも、人の目県であるとやっぱり大変なんですよね。
ロゴデータダウンロードして仮説考えてこうなんじゃないか、あんなんじゃないかみたいなのをやりながら、
それをピボットでゴニョゴニョやるとかっていうのも大変じゃないですか。
AIがある程度大量のデータを読み込んでっていうのは得意なので、そこもやっぱり便利だなというのは思いますね。
AI活用する上でデータ集計とか分析力が高いからそこに頼りたいと思うけれども、
現場が何を見れば判断できるか、意思決定できるかみたいな、どこにニーズがあるか決める必要がありそうですね。
まさにAIを使えば大量のデータを自分が言った通りに分析してくれるんですけれども、
そのためには、例えばさっきの例で言うと店舗であれば常連客が多いから、サイズ傾向は店舗ごとに違いが出るんじゃないかみたいな、
仮説とか問いを立てるっていうのが重要になるなっていうのをすごい思います。
品番ごとの販売計画の進捗に対して販売数が多いか少ないかみたいなところを見て、
適切な消化判断ができるはずみたいな、そういう仮説も持って事故はAIに任せるみたいな、
そういう役回りで人間が問いを立てるみたいなところが大事になってくるのかなっていうのはちょっとやりながら思ってます。
一方で結構最近やるのが、このデータから何か言えそうなことないみたいな丸投げもして、
そこからいくつかテーマを出してもらって、これ深掘る意味あるよねっていう、そんなやり方もちょっと最近はやっていたりして、
問いのヒントをもらうみたいなところは使い方としてやっていて、
お客さんでもそういう使い方、漠然としたのを投げかけた上で、具体的にどのテーマでやるかっていうのを深掘りしていくっていうのをやっている方がいたので、
そこは参考になるのかなというのは思いました。
まとめと今後の展望
今日はAIに任せたいと相談された業務のお話でした。ありがとうございます。
ありがとうございます。
ディテールトーク、ここまでお聞きいただきありがとうございます。
番組の詳細欄にGoogleフォームのURLがあるので、質問やメッセージはそちらからお送りいただけると嬉しいです。
番組内でご紹介させていただくかもしれません。
次回もぜひよろしくお願いします。