DATAFLUCT、青果物のサプライチェーン”をビッグデータの活用によって垂直統合

株式会社DATAFLUCTは、青果分野における生産から出荷、流通、加工・販売、消費までを、ビッグデータの活用によって垂直統合し、未来予測によって最適化を実現するサプライチェーンの構築支援サービス『DATAFLUCT food supply chain.』（データフラクトフードサプライチェーン）の提供を、7月22日から開始した。

【生鮮領域における単独でのDXの難しさ】
現在、日本ではあらゆる産業において、業務効率化と新たなビジネスの創出を目指したDX（デジタルトランスフォーメーション）が進行しています。

生鮮領域でも、サプライチェーン上での物流コストや在庫ロス、人件費の削減などの課題を解決するためDXの推進が求められていますが、もとより生産、出荷、流通、加工・販売、消費などの商流・物流が多岐に渡るため、生産管理や原材料の調達、在庫管理、販売を統合した計画は難しいといえるでしょう。

生鮮三品（青果、鮮魚、精肉）のなかでも、青果物は、物流におけるプレーヤーが多く、それらプレーヤーが小中規模ゆえに新しい仕組みを導入する難易度が高い分野です。

また、青果物の価格変動が大きいため最適化が難しい、保管期間が短く在庫管理が容易でない、データが多岐に渡るため取得すべきものの見極めが困難などの理由により、サプライチェーンマネジメントのDXは進展していません。

さらに、DXのためには、領域を横断しているデータを収集・整理する力、データを読み解く力、高度な分析をする開発力、それらをビジネスに活かす力が必要であり、1社単独で実行にうつすのは困難を極めます。

【“食のサプライチェーン”に特化した当社のDX支援サービス】
食のサプライチェーンを支援するサービスでは、農地の衛星画像や気象データ、価格データをAIで解析し、原料調達にかかわる収穫量や収穫日、市場取引価格を予測するサービス『DATAFLUCT agri.〔※2〕』
店舗のPOSデータや気象・人流などの外部データの活用によって精度の高い需要予測モデルを構築し、食品廃棄ロス削減に貢献するAIサービス『DATAFLUCT foodloss.〔※3〕』
売上管理や予約管理、発注手続きなど、サービス業における作業の自動化を補助するチャットボットサービス『DATAFLUCT intelligent.〔※4〕』
を展開してまいりました。

『DATAFLUCT agri.』や『DATAFLUCT foodloss.』、『DATAFLUCT intelligent.』の開発経験に加え、オープンデータのほか、“当社がこれまで展開してきたサービスで蓄積されたデータ”と“異なる業種の企業内に留まったままのデータ”を組み合わせるデータレイク構築技術や知見などの活用により、青果物のサプライチェーンのDX推進に貢献できると考え、新たに『DATAFLUCT food supply chain.』をサービスとして提供する運びとなりました。

※1 構造化・非構造化問わず多種多様なデータを1つに集約し一元管理可能にしたデータ分析基盤
※2 https://datafluct.com/service/agri/
※3 https://datafluct.com/service/foodloss/
※4 https://datafluct.com/service/intelligent/

『DATAFLUCT food supply chain.』について
このたび開始する『DATAFLUCT food supply chain.』は、分断して管理されている生産から出荷、流通、加工・販売、消費までの商流・物流におけるデータを垂直統合し、未来予測によって青果物のサプライチェーンの再構築を支援するサービスです。これにより、適切な範囲での生産量や在庫量の実現、ルートや調達コストの最適化を実現し、利益の最大化に貢献します。

【利用が想定されるサービス業態】
●青果物に関連するサプライチェーンに携わる企業・団体（農業生産組合、農業生産法人、食品メーカー、卸売業、スーパーマーケット、飲食店チェーンなど）
●とくに、青果物の仕入れや販売において、原価高騰や材料ロス、在庫管理に悩む企業・団体

【活用可能なデータ】
気象データ、衛星データ、主産地の生産計画データ、過去の生産計画データ、出荷履歴データ、入荷履歴データ、在庫データ、市場取引価格データ、輸入量データ、道路状況データ、配送履歴データ、トラックGPSデータ、人流データ、SNSデータ、POSデータなど

【活用事例】『DATAFLUCT food supply chain.』では、下記のような企業の課題の解決を一気通貫で支援します。

事例1．最適な生産量を予測できず、生産する青果物の単価が下がってしまう
気象データや衛星データ、過去の生産計画データ、出荷履歴データ、市場取引価格データ、POSデータなどを用いて青果物の需要を予測。最適な単価となるような生産計画に寄与します。

事例2．集出荷・配送に関する最適な車両規模やルートがわからず、流通コストがかかる
道路状況データや出荷履歴データ、配送履歴データ、市場取引価格データ、トラックGPSデータなどを用いて車両の規模や配送ルートを見直し、流通コストを最適化します。

事例3．原料の調達に必要な最適な価格や青果物の将来の市場価格を知りたい
気象データ、主産地の生産計画データ、衛星データ、入荷履歴データ、市場取引価格データ、輸入量データ、主産地の生産計画データ、POSデータ、在庫データなどを用いて、原料の調達に必要な最適な価格や将来の市場価格の変動をAIで予測します。