JP2004326411A - Power demand forecasting device and system - Google Patents
Power demand forecasting device and system Download PDFInfo
- Publication number
- JP2004326411A JP2004326411A JP2003119823A JP2003119823A JP2004326411A JP 2004326411 A JP2004326411 A JP 2004326411A JP 2003119823 A JP2003119823 A JP 2003119823A JP 2003119823 A JP2003119823 A JP 2003119823A JP 2004326411 A JP2004326411 A JP 2004326411A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- demand
- weather
- demand trend
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000001556 precipitation Methods 0.000 claims abstract description 18
- 230000007935 neutral effect Effects 0.000 claims description 33
- 230000008827 biological function Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 230000002123 temporal effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000000386 athletic effect Effects 0.000 claims description 2
- 238000004148 unit process Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 12
- 239000000047 product Substances 0.000 description 49
- 230000002354 daily effect Effects 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 14
- 238000012384 transportation and delivery Methods 0.000 description 11
- 238000000034 method Methods 0.000 description 10
- 235000013305 food Nutrition 0.000 description 9
- 238000013439 planning Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000035900 sweating Effects 0.000 description 4
- 230000028016 temperature homeostasis Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 238000010411 cooking Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000010792 warming Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 235000020965 cold beverage Nutrition 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007920 subcutaneous administration Methods 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 229910004338 Ti-S Inorganic materials 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000021270 cold food Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000036757 core body temperature Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 235000019615 sensations Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 235000014214 soft drink Nutrition 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000035922 thirst Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 235000021269 warm food Nutrition 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【0001】
【発明の属する技術分野】
本発明は、供給者(企業)が食品、衣料品等の商品の販売や企画、製造、原材料調達などの事業活動に際し、販売量や受注量を決定付ける消費者の需要動向を量的に予測することにより、供給者の意思決定の重要な参考データとし、売上の向上とロスの削減をもたらす需要動向予測装置、及びその消費者の需要動向を供給者に配信する需要動向予測システムに関する。
【0002】
【従来の技術】
従来、事業活動における消費者の需要動向を把握するには、大量生産商品については前年の実績をベースに、イベント広告宣伝などによる広告効果を加味したものを基に、商品の受注量を予測し、発注量を決め、原材料を調達していた。または、気温や天候等の気象情報を利用して消費者の需要動向を把握していた。
【0003】
【発明が解決しようとする課題】
しかしながら、上記の広告効果を加味する方法では、誤差が大きく、予測精度が低かった。また、従来の気象情報を利用する方法(ウェザーマーチャンダイジング)では、この場合、自社のデータとの相関解析を行っていたが、単純に気温との相関解析や雨が降るか降らないかの、0・1解析が主体であり、気象情報が供給者の意思決定を左右する大きな信頼性のある解析データにはなっていなかったため、供給者の意思決定要因になることはなかった。さらには、気象会社から気象情報の配信を受けたり、テレビ、ラジオなどから入手する気象情報は誇大な判断に傾く傾向があり、これを利用する場合、返って判断を誤らせる結果になり、ロスを生む可能性も充分に考えられる事項である。このように、従来の気象情報を基にしたデータ解析では予測精度が非常に悪いので、供給者の意思決定の要因にはなり得なかった。
【0004】
特に、短期の気象予報の信頼度は比較的高いが、長期の気象予報の信頼度は低く、商品によっては長期に亙る予報が必要であるにもかかわらず、信頼性の低いそのままの長期の気象情報を解析の説明変数に用いなければならず、結果に対する信頼性がかなり低いものとなってしまっていた。したがって、気象情報を用いることに弊害を感じる事業者もいて、ウェザーマーチャンダイジングに消極的な事業者も少なくないようである。
【0005】
そこで、本発明は、上記に鑑み、消費者の需要動向の予測精度を高めることにより、それに基づく販売数量予測や来店客数予測などの予測数量が実績値に近くなるような精度向上をもたらすことのできる需要動向予測装置及び需要動向予測システムを提供することを目的とするものである。
【0006】
【課題を解決するための手段】
流通小売業や卸売業、製造業等の供給者の販売データや受注データが各供給者のコンピュータサーバーに日々刻々と格納されてくるが、それぞれのデータの裏側には人間の需要動向、嗜好、流行、経済的背景など様々な要因がある。その中でも特に気象の影響を受けて変化する人間の需要動向の強弱は、気象要素の組み合わせと生体機能の得意な反応によって生ずる。そこで、上記課題を解決するために、本発明は、気象要素が生体機能に与える影響と結果を検証した。その結果、凡そ次のような理論から生体機能に与える気象要素が選定される。
【0007】
からだの中心温度は、夏も冬もほとんど変わらずに1年中平均的に常に36.5℃程度にセットポイントされている。外気温は、場所によって多少異なるが、真夏の40℃近くから真冬のマイナス10℃近くまで、実に50℃近くの上下がある。しかしながら、人体は、気温の上下に対して、皮下血管を膨らませて血流を早め、汗をかいたり、血流を止めて冷えた血液がからだを循環しないようにしたりする「自律性体温調節」と、熱産生を補助するため熱いものやカロリーの高いものが食べたくなったり、風通しの良い薄手の衣服に着替えたりする場合や、からだの核心温の上昇を押させるために冷たい飲み物が欲しくなったり、カロリーの低いあっさり系の食事が美味しく感じたりする場合などの「行動性体温調節」の二つの機構により、からだの核心温度を一定に保たれている。
【0008】
このように気温の上下にあわせて食べたい物や飲みたい物、着る物や空調、敷く物など気象の変化に応じて人の需要動向が大きく異なることが分かった。
【0009】
生体機能の変化と気温の変化の相関から、気温が何度になると何が売れ出すのかを解析によって導き出すことができる。地域によってかなり異なるが、概ね関東関西九州北部の平野部での中立気温は、およそ25℃(日常生活適度の運動量)である。中立気温は、下着の上にワイシャツ又はブラウスを着、薄手のズボンまたはスカートを着た状態での体感気温において、暑くもなく寒くもない状態での気温である。すなわち、中立気温とは、一般的な日常生活をする場合の運動量(オフィス内では事務作業、家庭内では炊事、洗濯など)を標準とした場合の、過ごしやすい気温であって、消費が暑熱需要に向かうのか、寒冷需要に向かうのかの分起点(境界点)の気温であり、アンケートに基づいて、算出される。ここで、寒冷需要とは、体の熱産生を亢進するカロリーの高いもしくは温かい食品、保温性の高い衣料品等の熱産生を促進する商品の需要をいい、暑熱需要とは、カロリーの比較的低い、低温素材の食品、熱放散しやすい衣料品等の熱放散に適した商品の需要をいう。
【0010】
中立気温より1℃でも上がると冷たい物が飲みたくなるし(暑熱需要)、中立気温より1℃でも下がると暖かい物が欲しくなる(寒冷需要)関係がある。これらの気象要素を生体機能に与える気象要素の変化の状態から分析し、パターン化すると、気象要素は、絶対値の気温だけでなく、前日との最高気温の温度差に3℃以上の上下がある場合と、前日との最高気温の温度差に5℃以上の上下がある場合、その状態が2日連続した場合、前日との最低気温差が5℃以上の上下がある場合、朝の最低気温と日中の最高気温との差(日較気温差)に8℃以上の上下がある場合、気圧が1日以内に10hPa以上の上下がある場合、風と気温との湿度の関係で体感気温が上下する場合などがあることが分かった。
【0011】
以上の結果から、本発明は、気象要素と生体機能との因果関係に着目し、気象要素が与える影響によって反応する生体機能の変化の状況を、消費者の需要動向の量的変化に置き換えられるように、これらのからだの機能に影響を与える気象要素とPOSデータ等による商品の売行き、すなわち需要動向との関連から、統計解析手法により解析したものである。すなわち、本発明は、気象情報を取得する気象情報取得手段と、該気象情報から消費者の需要動向に影響を与える気象要素を抽出する気象要素抽出手段と、説明変数として気象要素を用い、目的変数を消費者の需要動向として、両者の相関関係に基づいて、前記気象要素抽出手段より抽出された気象要素から消費者の需要動向を予測する予測手段と、予測された消費者の需要動向を出力する出力手段とが設けられ、前記気象要素は、生体機能の変化に影響を与える要素であることを特徴とする需要動向予測装置である。
【0012】
気象情報取得手段は、気象庁等の気象情報データベースから気象情報を自動的に取得する受信手段を設けたものであってもよいし、キーボード等の手入力による入力手段を設けたものであってもよい。気象情報としては、過去、現在、又は将来の気象情報が挙げられるが、将来の需要動向を予測するには、需要動向予測時における将来の気象情報、すなわち気象予報を利用する。また、過去、現在の気象情報は、気象情報と需要動向との相関関係を調べるのに利用する。具体的な気象情報としては、気温、気圧の変化、大気の状態や雨量、風量、日照量などの大気中の諸現象が挙げられるが、これらに限定されるものではない。また、気象情報の取得は、少なくとも需要動向を予測する地域のものであればよく、全国地域にわたるものであってもよいが、需要動向を予測する際には、需要動向を予測する地域における気象情報を利用する。
【0013】
これらの気象情報をそのまま需要動向の解析に適用したのでは、精度の高い需要動向の予測をすることはできない。そこで、気象要素抽出手段により、生体機能に影響を与える気象要素を抽出する。説明変数となる気象要素は、単純な気象予報ではなく、生体機能に影響を与え、食べ物や着る物などの需要動向に影響を与える気象要素である。すなわち、気象要素としては、各地域ごとにおいて、寒冷需要となる気温と暑熱需要となる気温との境界である中立気温と気温との差、中立気温と体感気温との差、前日との最高気温の温度差が3℃以上あること、前日との最高気温の温度差が5℃以上あること、日較気温差が8℃以上あること、24時間以内の気圧変化が10hPa以上あること、降水量、降水時刻、日照量、雲量、季節、異常気象又は前記各要素の継続日数のうちから選ばれる1又は2以上の情報が例示される。なお、予測精度を高めるために、前記複数の気象要素の組み合わせ、さらには、生体機能に影響を与える気象要素の特異な組み合わせによって予測を行うのが好ましい。また、異常気象とは、集中豪雨、雷、大雪、台風、異常低温などの情報のことである。
【0014】
予測手段は、気象要素を説明変数、需要動向の変化を目的変数として、両者の相関関係に基づいて、需要動向の変化を数量的に予測する。この予測は、予測精度の向上を図る点から、気象要素を説明変数とし、需要動向の変化を目的変数とした多変量解析により行うのが好ましいが、これに限定されるものではない。
【0015】
なお、目的変数として使用する需要動向としては、商品(又は商品をグループに分けた場合はグループごと)の販売数量を用いる。また、気象要素と消費者の需要動向との相関関係は、予め設定される一般的なものであってもよいが、より精度の高い予測をするために、実際の供給者の店舗先の需要動向を受信する手段を設け、実際の店舗先の需要動向と気象要素との関係から得られるものであるのが好ましい。さらにまた、その相関関係は、日々のデータにより更新される形態とするのが好ましい。需要動向の変化の予測は、各商品ごとに予測するものであってもよいし、商品をグループに分けてグループごとに予測するものであってもよい。
【0016】
なお、供給者とは、生産から最終需要者である消費者に至るまでの間に係わる者、企業のすべてを含む概念であり、例えば、流通小売業者、卸売業者、製造業者、販売業者、農業者、畜産業者、輸入業者等が例示される。消費者とは、出来上がった商品を購入する一般消費者のことである。店舗とは、消費者が商品を購入する場所である。
【0017】
出力手段は、予測された消費者の需要動向の予測結果を出力する。その出力形態は限定されるものではなく、需要動向の予測値、すなわち、商品(グループに分けた場合はグループごと)の販売量そのもの、「需要大」、「需要小」等のように予測値を指数化したもの、数量化したもの、グラフ化、表化したものなどが例示される。その出力方式は限定されるものではなく、例えば、パソコン、携帯等の電子機器への画面表示、プリントアウト、音声による出力等が例示される。
【0018】
上記のように、生体機能に影響を与える気象要素と需要動向との相関関係に基づいて、需要動向を予測しているので、単なる気象情報と需要動向との相関関係から得られる予測結果よりも、高精度の予測をすることが可能となる。したがって、供給者は、それに基づいて受注量等を決定すれば、売上の向上とロスの削減が可能となる。
【0019】
生体機能に変化を与える気象要素と店舗先の販売データとの関連から導き出される需要動向の結果は、POSシステムや業務基幹系に装填することにより、販売予測数量や製造計画、適正在庫数量等の予測に活用できる。これは供給者に大きな利益をもたらすことになる。この利益の大きさは、供給者の今までの消費者の需要動向に暗中模索状態であった現状を一変する内容を含んでいる。
【0020】
また、予測手段と出力手段との間に加工手段が設けられ、加工手段は、予測手段で予測された需要動向を所望の形態の情報に加工し、出力手段は、加工された情報を出力する。所望の情報に加工する情報内容としては、仕入数量、販売数量、来店客数、受注数量、生産数量、在庫数量、配送数量、最適従業員配置数、最適在庫数量等が挙げられる。このように、それぞれの供給者にとって利用しやすい情報に加工することにより、これを利用する供給者先に売上の向上とロスの削減をもたらすことができる。これによって販売見込み違いによって破棄する商品の量を減らしたり、消費者の需要動向に合った商品を計画製造することによる売上の増加や、来店客数に応じた適正人員配置などが可能になり、供給者の業績に大きな貢献をすることが可能になる。
【0021】
説明変数として、店舗の立地条件を加えられる。店舗の立地条件とは、駅ビル内、団地内、ロードサイト、商店街、郊外などが挙げられるが、これに限定されるものではない。また、説明変数として、時期的条件が加えられる。時期的条件としては、日にち、曜日などが挙げられるが、これに限定されるものではない。さらにまた、説明変数として、地域特別条件が加えられる。地域特別条件としては、店舗の催事、周辺地域の運動会、祭り等などのイベントの有無が挙げられるが、これに限定されるものではない。このように説明変数として、店舗の立地条件、時期的条件及び/又は地域特別条件を加えることにより、さらに需要動向の予測精度を高めることができる。
【0022】
本需要動向予測装置は、供給者側が単独で使用することもできるが、第三者である情報提供機関が、本需要動向予測装置により予測される需要動向を、ネットワークを介し、供給者側に配信するシステムを構築できる。すなわち、気象情報データベースと、上記記載の需要動向予測装置と、供給者側閲覧用端末と、これをつなぐ通信ネットワークとで構成される需要動向予測システムであって、前記気象情報データベースは、通信ネットワークを介して、気象情報を前記予測装置に送信する気象情報送信手段を具備し、前記需要動向予測装置は、前記気象情報データベースからの気象情報を受信する気象情報取得手段と、該気象情報から消費者の需要動向に影響を与える気象要素を抽出する気象要素抽出手段と、気象要素を説明変数とし、消費者の需要動向を目的変数として、両者の相関関係に基づいて、前記気象要素抽出手段より抽出された気象要素から消費者の需要動向を予測する予測手段と、予測された消費者の需要動向を前記供給者側閲覧用端末に出力する出力手段とを具備し、前記供給者側閲覧用端末は、前記需要動向予測装置より出力された消費者の需要動向を受信する需要動向受信手段と、消費者の需要動向を表示する需要動向表示手段とを具備することを特徴とする需要動向予測システムである。
【0023】
気象情報データベースは、例えば、気象庁から提供される気象情報に係るデータベースであり、本需要動向予測装置に気象情報を送信する気象情報送信手段を備える。
【0024】
供給者側閲覧用端末は、需要動向予測装置より出力された消費者の需要動向を受信する需要動向受信手段と、消費者の需要動向を表示する需要動向表示手段とを備える。需要動向表示手段は、その出力形態は限定されるものではなく、需要動向の予測値、すなわち、商品(グループに分けた場合はグループごと)の販売量そのもの、予測値を指数化したもの、グラフ化、表化したものなどが例示される。また、その出力方式は限定されるものではなく、例えば、パソコン、携帯等の電子機器への画面表示、プリントアウト、音声による出力等が例示される。
【0025】
以上のような構成に基づいて、需要動向予測装置により予測された需要動向が、通信ネットワークを介して供給者側閲覧用端末に入力され、表示される。したがって、供給者は予測される消費者の需要動向を確認することができ、これにより、販売見込違いによって廃棄する商品の量を減らしたり、消費者のニーズに合った商品を計画製造することによる売上の増加や、来店客数に応じた適正人員配置などが可能になり、供給者の業績に大きな貢献をすることが可能になる。
【0026】
上記のように、本需要動向予測装置により予測された需要動向をそのまま供給者側に送信して、供給者側でその需要動向予測結果を処理してもよいが、その前に、需要動向結果に基づいて加工した情報を供給者側に送信するようにしてもよい。すなわち、前記予測手段と前記出力手段との間に加工手段が設けられ、該加工手段は、前記予測手段で予測された需要動向を所望の形態の情報に加工し、前記出力手段は、加工された情報を前記供給者側閲覧用端末に出力し、該供給者側閲覧用端末の前記需要動向受信手段は、前記需要動向予測装置より出力された加工された情報形態を受信し、前記需要動向表示手段は、加工された情報形態を表示する。
【0027】
所望の情報に加工する情報内容としては、仕入数量、販売数量、来店客数、受注数量、生産数量、在庫数量、配送数量、最適従業員配置数、最適在庫数量等が挙げられる。それぞれの供給者に利用しやすい情報に加工して配信するネットワークシステムを構築することにより、売上の向上とロスの削減をもたらすことができる。これによって販売見込み違いによって破棄する商品の量を減らしたり、供給者は、ニーズに合った商品を計画製造することによる売上の増加や、来店客数に応じた適正人員配置などが可能になり供給者の業績に大きな貢献をすることが可能になるシステムである。供給者側の利用しやすい情報に加工するには、供給者側のデータ等を取り込んで行う。
【0028】
このような需要動向予測結果及びその加工した情報を供給者に提供する情報提供ビジネスは、供給者が展開するビジネスの視点を定め対応策が的確に打てるようになり収益に大きく貢献するものとなる。このように生体機能と気象データとの相関をベースにデータ解析を行い、情報システム構築に基づく情報提供や情報共有化ネットワークビジネスは全く新規なビジネスのモデルである。
【0029】
なお、本需要動向予測装置は、需要動向を予測する商品として、食品、衣料品に限定されるものではなく、その他の生活用品等の商品に適用することができる。
【0030】
【発明の実施の形態】
以下、本発明の実施の形態を図面に基づいて説明する。図1は、本需要動向予測システムを示す概略図である。本需要動向予測システムは、気象情報データベース1と、需要動向予測装置2と、供給者側閲覧用端末3と、これをつなぐ通信ネットワークとで構成される。
【0031】
気象情報データベース1は、過去、現在の気象情報及び将来の予測された気象情報を整理統合しており、必要に応じて、それらの情報を通信ネットワークを介して需要動向予測装置2に送信する気象情報送信手段1aを具備する。気象情報とは、気温、気圧の変化、大気の状態や降水量、風量、日照量などの大気中の諸現象が挙げられるが、これらに限定されるものではない。
【0032】
需要動向予測装置2は、気象情報データベース1からの気象情報を受信する気象情報取得手段2aと、気象情報から消費者の需要動向に影響を与える気象要素を抽出する気象要素抽出手段2bと、店舗立地条件入力手段2cと、時期的条件入力手段2dと、地域特別条件入力手段2eと、気象要素、店舗の立地条件及び時期的条件、地域特別条件を説明変数とし、消費者の需要動向を目的変数とした数量化1類による多変量解析に基づいて、気象要素抽出手段2bより抽出された気象情報、店舗立地条件入力手段2cから入力された店舗の立地条件及び時期的条件入力手段2dにより入力された時期的条件から、消費者の需要動向を予測する予測手段2fと、予測手段2fで予測された需要動向を所望の形態の情報に加工する加工手段2gと、加工された情報を通信ネットワークを介して供給者側閲覧用端末3に出力する出力手段2hとを具備する。また、需要動向予測装置2は、供給者側の店舗先での販売データを受信する販売データ受信手段2iが設けられ、その販売データは予測手段2fに出力され、予測手段2fにおける需要動向と気象要素との相関関係を調べるのに用いられる。
【0033】
気象情報取得手段2aは、ターゲットとなる店舗の緯度、経度等の位置と、発注時期、納品時期、販売時期などの意思決定を行う時期とに合わせた最新の気象データが取り込めるようにセットされる。
【0034】
気象要素は、各地域ごとにおいて、寒冷需要となる気温と暑熱需要となる気温との境界である中立気温と気温との差、中立気温と体感気温との差、前日との最高気温の温度差が3℃以上あること、前日との最高気温の温度差が5℃以上あること、前日との最低気温の温度差が5℃以上であること、日較気温差が8℃以上あること、24時間以内の気圧変化が10hPa以上あること、降水量、降水時刻、日照量、異常気象又はそれらの継続日数のうちの1以上の情報が挙げられる。なお、これらに限定されるものではなく、その他の情報を組み合わせても構わない。
【0035】
また、これらの気象要素は、将来の需要動向予測時には、その予測時におけるデータを利用し、需要動向と気象要素との相関関係を調べる際には、その需要動向の得られた時期におけるデータを利用する。
【0036】
店舗立地条件入力手段2cは、ターゲットとなる店舗の立地条件が入力される。立地条件としては、駅ビル内、団地内、ロードサイト、商店街、郊外等が例示されるがこれに限定されるものではない。
【0037】
時期的条件入力手段2dは、時期的な情報が入力される。時期的条件としては、日付、曜日、祭りや催し事などの地域情報が例示されるが、これに限定されるものではない。
【0038】
加工手段2gにより、所望の情報に加工する情報内容としては、仕入数量、販売数量、来店客数、受注数量、生産数量、在庫数量、配送数量、最適従業員配置数、最適在庫数量等が挙げられる。それらの情報への加工は、周知のシステムにより行うことができる。例えば、アルゴリズムによる発注支援システム、WMDリコメンドによる発注支援システム(在庫量を把握し発注量の係数自動更新エンジン)、独自説明変数による発注支援システム(外部係数入出力(地域情報等))、オペレーション支援システム(端末への絵表示)、WMD商品別・エリア別販売支援システム(担当者端末への表示)、人員管理システム(最適人員数予測・シフト管理算出エンジン)、物流管理支援システム(最適輸送経路計算エンジン)、最適経路探索(GIS的)システム(GIS表示端末)、最適輸送量計算システム(何合のトラックを出すか、何キロ積むかの計算エンジン)、配送計画支援システム(今日積むか、明日積むかの計算エンジン)等が例示される。
【0039】
供給者側閲覧用端末3は、需要動向予測の情報提供を受ける供給者側に配置される端末であって、需要動向予測装置2より出力された消費者の需要動向を通信ネットワークを介して受信する需要動向受信手段3aと、消費者の需要動向を表示する需要動向表示手段3bとを具備する。また、供給者側閲覧用端末3の需要動向受信手段3aは、需要動向予測装置2より出力された加工された情報形態を受信し、需要動向表示手段3bは、加工された情報形態を表示する。
【0040】
<本需要動向予測システムの具体的な情報の流れとシステム>
気象庁の気象情報データベース1の気象情報送信手段1aから送信された気象情報を、需要動向予測装置2の気象情報取得手段2aで取得する。気象要素抽出手段2bは、その入手した気象情報の中から、供給者が取り扱う商品の特性に応じた気象要素を抽出する。商品の発注頻度や商品回転に応じて今日、明日、明後日程度の短期予報、週間予報、1ヶ月予報、長期予報、暖候期予報・寒候期予報などを利用する。それぞれの気象予報の中から気温や湿度、風向、風速、気圧変化などの要素を抽出する。
【0041】
詳しくは、気象要素は本発明の重要なポイントとなるもので、予め生体機能との相関で導き出された特異な気象要素、即ち、中立気温と気温との差、風速と気温と湿度から割り出した中立気温と体感気温との差、前日との最高気温の温度差が3℃以上あること、前日との最高気温の温度差が5℃以上あること、日較気温差(朝の最低気温と日中の最高気温の差)が8℃以上あること、その継続日数、24時間以内の気圧変化が10hPa以上あること、雨の1時間降水量とその時刻、雲量と日照量、異常気象の場合(集中豪雨、雷、大雪、台風、異常低温など)の気象要素を説明変数として用いる。
【0042】
説明変数として、店舗立地条件入力手段2cに入力された販売店舗の立地(駅ビル内、団地内、ロードサイト、商店街、郊外など)や、時期的条件入力手段2dにより入力された曜日や地域情報(祭りや催事など)を用いる。
【0043】
これらの需要動向予測時期における気象要素、店舗立地条件、時期的条件の説明変数のデータを予測手段の解析エンジンに流し込む。
【0044】
また、予測手段2fには、販売データ受信手段により取得された供給者側のサーバーに集められた店舗先の営業実績データ(販売データ)も入力される。この販売データと、販売データの時間における気象要素、店舗立地条件及び時期的条件との相関関係を調べる。この相関関係に基づいて、数量化1類による多変量解析により、気象要素抽出手段2bより抽出された気象情報、店舗立地条件入力手段2cから入力された店舗の立地条件及び時期的条件入力手段2dにより入力された時期的条件から、需要者の需要動向、すなわち商品(グループ)ごとの販売数量を予測する。
【0045】
予測された需要動向結果は、加工手段2gにより、所望の形態の情報、例えば、仕入リコメンド数量、発注数量リコメンド数量、商品別販売数量予測、来店客数予測、最適従業員数、最適在庫数量予測、生産最適数量予測、最適デリバリー配車体制予測、異常気象交通遮断予測などに加工される。
【0046】
このように加工された情報は、出力手段2hにより出力され、その情報は、供給者側閲覧用端末3の需要動向受信手段3aにより受信され、需要動向表示手段3bにより表示出力される。その表示の形態としては、供給者側コンピューター端末画面や発注端末画面、本部地区担当者のコントロール画面などに表示される。そのとき、気象要素の変化の状態やPOSサーバーから引き出した在庫状況や日別・週別等の営業単位ごとの営業状況のデータも、分かりやすいグラフや絵表示にして表示される。各担当者は自分の担当部門の必要データを画面にそれぞれ取り出して業務の意思決定に使用できる。
【0047】
また、加工された情報は、業種や業態、カテゴリー分類の状況等により表示をカスタマイズして表示できるものとする。利用し易さは意思決定の重要な要素になるので、同一業種でも管理体制に合わせる必要があるからである。
【0048】
以上のように、本需要動向装置は、気象情報から、消費者の需要動向に影響を与える気象要素を抽出し、それと需要動向との相関関係に基づいて、消費者の需要動向を予測するので、予測精度を高いものとすることができる。したがって、これを利用する供給者先に、売上の向上とロスの削減をもたらすことができる。これによって販売見込み違いによって破棄する商品の量を減らしたり、消費者の需要動向に合った商品を計画製造することによる売上の増加や、来店客数に応じた適正人員配置などが可能になり、供給者の業績に大きな貢献をすることが可能になる。
【0049】
また、予測された需要動向予測結果に基づく発注数量リコメンド情報や最適在庫数量予測などの最終消費者に一番近いところの発注予測データは、その企業(供給者)の川上にあるすべての企業にとって、適正生産数量や最適原材料調達量の準備を行う上で重要な情報になる。従って、これらの需要動向予測結果及び/又は加工された情報を川上企業とネットワークを通じて共有させれば、その情報の効果を拡大させることができる。すなわち、川上企業は、川下企業からの発注数量が事前につかめると人員体制や原材料の準備で無駄な経費を削減することができるし、配送業者は配送日時と配送方面別配送量が事前にわかるなど、その情報の利用効果を更に大きなものにすることができる。
【0050】
本需要動向予測装置2で計算された需要動向予測に基づき、どの商品にどれだけのニーズがあるのか、その数量が導き出されるが、その数量に基づき川下企業の適正在庫が決るのであるが、この時点から川上企業との情報交換が重要になってくる。最終販売業者への納入体制の検討という課題があるからである。この利用価値は原材料の調達環境は天気の影響を受けていないか、価格環境はどうか、先行き調達コストが上がることはないか、調達にかかる時間や製造から搬出までの期間はロジスティクスの体制など各段階に関わる企業が在数在庫状況を見ながら活用範囲をひろげて多段階的にシミュレーションを行う。
【0051】
需要動向予測装置2から計算された商品販売予測数量に基づき、適正在庫の「量」を判断する場合、在庫量が少なければ補充頻度を上げることで対応する。この場合、川上に参加する各企業の連携が重要になる。補充間隔が短くなるほど川上企業との連携が重要になるが、本需要動向予測装置から計算された商品販売予測数量の共有化を有効に働かせることができるので、流通各段階でのぞれぞれの在庫量は少なくて済むメリットは大きいものがある。
【0052】
以上のように、気象変化と食品嗜好の変化との関係はビジネスの業績に重要な判断要件を内包している。食品販売事業者においては気象の変化に応じて売れる商品に大きな偏りが出ることに注目しておく必要がある。ある商品が売り易い気象条件のときにその商品を販売できるように、商品企画や仕入れを行い販売体制を組めることが重要である。
【0053】
当該事業者の取り扱う商品アイテムにおいて、過去データの解析により素材、調理もしくは加工法、カロリー等によって気温が下降してゆく夏から冬にかけて販売すれば売りやすい商品群と気温が上がってゆく冬から夏にかけて販売するほうが売れやすい商品群に分類する。前者を「降温商品」、後者を「昇温商品」として商品企画戦略に位置付ける。この分析、分類サービスも気象情報戦略化の新しいビジネスモデルの一つである。
【0054】
<選定する説明変数とその理由>
1.各地域における中立気温と気温との差
暑さ寒さは、気温の絶対値で図ることができる。しかし、旧来のPOSデータと気温との相関の取り方は、販売過去データにおける販売実績と気温との関係から、何度になればこの商品の売上が増えるとか減るとかいうような因果関係を無視した、係数のみの解析方法であった。本発明では、気象要素に絶対値気温を用いる場合は、旧来の要素と同じではあるが、生体機能の特徴との因果関係を解析することに大きな違いがある。
【0055】
一般的な日常生活をする場合の運動量(オフィス内では事務作業・家庭内では炊事・掃除など)を標準として、ちょうど過ごしやすい気温を中立気温として、消費需要動向が暑熱需要に向かうのか、寒冷需要に向かうのかの分岐点と位置付ける。各地のアンケート結果から関東・東海・関西・中部・九州北部の平野部ではおよそ25℃、東北地方・北陸では24℃、北海道南部の平野部22℃、沖縄で28℃である。他に地域の海抜等の高低によっても細かくは異なるが、このようにまず中立気温の確定から始める。
【0056】
中立気温より1℃でも高いほうに振れた場合は、生体機能はからだの中心温度を下げるために皮下毛細血管を拡張し血流を高め皮膚からの発汗が始まる。無意識の中でも冷たい飲物が欲しくなり、発汗によるのどの渇きが感じられ清涼飲料水の売行きが上がる(暑熱需要)。また、からだの中での産熱量を押さえるためにはカロリーの高い食べ物は無意識のうちの避けるようになる。からだの中にエネルギーが溜まり、熱産生を避けるように生体機能がはたらくため、食べ物の売行きに偏りが生じる。また、中立気温よりも1℃でも低いほうに振れた場合は、これとは逆の結果となる。中立気温を境に1℃ずつ上下する毎に変化する生体機能の状態を発汗量と気温との関連で把握し、中立気温と気温との差を説明変数とするようにした。なお、カテゴリは、中立気温と気温との差を1℃ずつ区分けしたものに限定されるものではなく、数度単位で区分けするようにしてもよい。
【0057】
なお、需要動向を予測する場合には、中立気温は、その需要動向予測時及び予測地域における予測データを使用し、気温も、その需要動向予測時及び予測地域における気温を使用する。また、中立気温と気温との差と、需要動向との相関関係を調べる場合には、中立気温及び気温は、その需要動向の得られた時期及び地域における中立気温及び気温を使用する。
【0058】
生体機能は絶対値気温と単純に相関するわけではなく、風速や湿度との関係が深い。従って、本需要動向予測装置の説明変数の場合は、これらの気象要素を組み合わせた体感係数と発汗量との関係から、暑熱需要動向又は寒冷需要動向の商品別販売数量を算出する。
【0059】
気温に関連して、他のデータを説明変数としてもよい。例えば、真夏日日数(日最高気温30℃以上日数)、夏日日数(日最高気温25℃以上日数)、熱帯夜日数(日最低気温25℃以上日数)、真冬日日数(日最高気温0℃未満日数)、冬日日数(日最低気温0℃未満日数)、最高/最低/平均気温平年値以上/以下日数、積算温度(特定期間の平均気温の単純和)、平年以上/以下積算温度(特定期間の平年値を越えた指数偏差の単純和)、HDD(Heating Degree Day:特定期間の18℃を下回った指数偏差の単純和)、CDD(Cooling Degree Day:特定期間の18℃を上回った指数偏差の単純和)、及びこれらを土日に限って抽出したもの等が挙げられる。
【0060】
2.前日との最高気温(又は最低気温)の温度差が3℃以上であること、又は5℃以上であること
季節によって異なるが、安定した気温が継続していても、低気圧や前線が近づき大気の状態が変化した時、最高気温が前日に比べて3℃高くなるときや低くなるときは、生体機能に与えるインパクトが大きく、生体機能は大きく反応する。当然この状態になると食べるものや着る物に大きな変化が現れる。本需要動向予測装置の説明変数に、この前日との最高気温の温度差が3℃以上あることを説明変数としてデー夕解析する場合と、前日との最高気温の温度差が5℃以上あることを説明変数としてデータ解析する場合との2区分とする。それぞれ前日との最高気温または最低気温の温度差が3℃(5℃)以上あるかないかに分けて解析する。なお、カテゴリは、前日との最高気温の温度差が3℃(5℃)以上あるかないかに分けるのに限定されるものではなく、例えば、温度差が3℃(5℃)以上あった場合に、さらにその温度差の大きさをカテゴリとして設けてもよい。
【0061】
前日との最高気温の温度差が3℃以上の場合は、生体機能に影響を与え、自立性体温調節が行われるが、意識に作用して行動性体温調節にまでは届かない場合である。即ち、前日との最高気温の温度差が3℃以上であると、体感的には感じるまでには届かないが、生体機能ははっきり反応し、意識外で暖かいものや冷たいものを無意識に欲しくなっている状態が出現する。生体機能的に消費傾向の変化に影響を及ぼす分岐点になるので、特に3℃以上の変動で解析する。
【0062】
前日との最高気温の温度差が5℃以上になると、生体反応も更に大きくなるが、気温の大きな上下にはっきりと暑く感じたり寒さを感じたりする。行動性体温調節が加わり、嗜好も意識的に明確に変化する。ニーズの変化がはっきりと現れるので、商品販売にはこの変化に応じた商品の品揃え等の販売体制がとれれば売上は大きく伸びることが期待できる。
【0063】
最低気温が前日に比べて5℃以上、上下する場合は、向寒期における生体へのインパクトが大きいためで、夏から冬に向かって気温が徐々に下がり始める場合にニーズに変化を与える要素になる。従って最低気温が5℃以上上下する場合の気象要素は夏から冬に掛けての季節的な説明変数となる。
【0064】
なお、需要動向を予測する場合には、最高気温(又は最低気温)は、その需要動向予測時及び予測地域における予測データを使用し、前日の最高気温(又は最低気温)は、その予測日の前日における予測地域の最高気温(又は最低気温)のデータを使用する。また、前日との最高気温(又は最低気温)の温度差が3℃以上であること、又は5℃以上であることと、需要動向との相関関係を調べる場合には、最高気温(又は最低気温)は、その需要動向の得られた時期及び地域における最高気温(又は最低気温)のデータを使用し、前日の最高気温(又は最低気温)は、その前日における予測地域の最高気温(又は最低気温)のデータを使用する。
【0065】
3.日較気温差が8℃以上あること
最低気温と最高気温の差が8℃以上もあるときは、一日の気分のリズムが大きく変わる。冬から夏に向かう昇温の季節の場合も夏から冬に向かう降温の季節の場合も、中立気温を境にして、中立気温よりも気温が低い場合は寒冷需要動向に、中立気温よりも気温が高い場合は暑熱需要動向に変わるが、中立気温に至るまではかなり明確な需要動向の変化が現れる。朝の気温の低い間はからだの活動に合わせてエネルギー代謝が充分に行われないので、昇温の季節には非活動的で、始動するまでに時間がかかる。逆に降温の季節には午前中の活動性が増す。昇温の季節にはレストラン等の早朝サービスなどの客数が余り伸びないが、降温の季節には客足が延びる理由である。日中になり気温が上がり始めるに従い、昇温の季節には活動的になり食欲も旺盛になる。降温の季節には寒冷需要動向的なニーズが明確に強くなる。日較差が8℃以上あるときは、午後になると気温が急激に低下する特徴があるため、夕方から夜のニーズの内容が急激に変わる。従って朝の商品と日中の商品と夜の販売商品の商品内容や販売体制に変更を加える必要がある。特に夕方から夜にかけては、販売商品に現れる大きな変化に対応する必要がある。需要動向予測装置の解析結果に、これらの理由が加味されて判断し対応することができなければならない。本発明はこれらを解決する解析要素となるものである。即ち、日較差が8℃以上あるかないかに分けて解析する。また、日較差8℃以上の場合の解析要素には、午前中までと、正午から15時までと、15時以降から夜までの時間軸も解析要素に加える。なお、カテゴリは、日較差が8℃以上あるかないかに分けるのに限定されるものではなく、例えば、日較差が8℃以上あった場合に、さらにその温度差の大きさをカテゴリとして設けてもよい。
【0066】
なお、需要動向を予測する場合には、日較気温差は、その需要動向予測時及び予測地域における予測データを使用する。また、日較気温差が8℃以上であることと、需要動向との相関関係を調べる場合には、日較気温差は、その需要動向の得られた時期及び地域における日較気温差のデータを使用する。
【0067】
4.中立気温と体感気温との差
体感気温は、絶対値気温に湿度と風速を加味した、からだに感じる温度のことであり、中立気温の25℃は湿度50%、風速1m/sec以下の場合を言い、それ以外の場合は以下の公式を用いる。
【0068】
体感気温=y(℃)
絶対気温=Ti(℃)
相対湿度=Z(%)
風 速=S(m/sec)
y=Ti−S+(Z−50)/10
(湿度がマイナスの場合は湿度=0とする)
この場合のカテゴリ分けは、例えば、中立気温と体感気温との差を1℃ずつ区分けしたものに限定されるものではなく、数度単位で区分けするようにしてもよいが、これに限定されるものではない。
【0069】
なお、需要動向を予測する場合には、中立気温及び体感気温は、その需要動向予測時及び予測地域における予測データを使用する。また、中立気温と体感気温との差と、需要動向との相関関係を調べる場合には、中立気温及び体感気温は、その需要動向の得られた時期及び地域における中立気温及び体感気温のデータを使用する。
【0070】
5.24時間以内に10hPa以上の気圧変化があること
低気圧や高気圧が通過する場合に生体機能に与える影響は、気温の変化に応じた血流に微妙な影響を与える。この結果、気分の持ちように影響が現れ、買い物意欲や購買意思決定に影響を与えるので、この気圧の変化を解析要素として使用する。気圧が高い方に変化した場合は、血流が押さえられるので反作用的に活動的になり購買意欲にはプラスに作用する。需要動向予測装置導入前の過去データを用いた場合は、その解析結果にプラスに作用する係数を付加する。係数の算出は、気圧の変化がほとんど無い状態が3日続いた日の3日目のデータを標準に、10hPa以上上がった場合と下がった場合の平均上昇率・下降率を用いる。この場合のカテゴリ分けは、例えば、平均上昇率または下降率の1単位又は数単位ずつの増減を単位としてもよいが、これに限定されるものではない。
【0071】
なお、需要動向を予測する場合には、24時間以内の10hPa以上の気圧変化は、その需要動向予測地域において、予測時から24時間以内の気圧変化の予測データを使用する。また、24時間以内の10hPa以上の気圧変化と、需要動向との相関関係を調べる場合には、24時間以内の10hPa以上の気圧変化は、その需要動向の得られた地域において、予測時から24時間以内の気圧の変化のデータを使用する。
【0072】
6.時間降水量と降水時刻
従来の天気値の相関解析には、雨が降るか降らないかの様な天気予報そのもので解析していたが、本発明では雨の降る量と降る時刻を説明変数に用いる。雨の量は時間降水量lmm/時以下、3mm/時以下、4mm/時〜7mm/時、8mm/時〜15mm/時、16mm/時以上とその時刻で解析する。なお、カテゴリ分けは、これに限定されるものではない。時間降水量と降水時間は来店客数に影響し、駅ビル、郊外、ロードサイド等の立地の説明変数も付加して解析することで来店客数を予測することができる。来店客数は売上に影響するだけでなく、従業員の適正化によるコスト削減や消費者を迎える体制づくりのサービス面で大きな影響を与える。
【0073】
なお、需要動向を予測する場合には、降水量は、その需要動向予測時及び予測地域における予測データを使用する。また、降水量と、需要動向との相関関係を調べる場合には、降水量は、その需要動向の得られた時期及び地域における降水量のデータを使用する。
【0074】
その他の降水予測の説明変数として以下のものも用いる。日積算降水量、週積算降水量、月積算降水量、降水日数(日積算降水量lmm以上日数)、5mm以上降水日数等が例示される。
【0075】
7.日照量、雲量、季節
陽射しは人間を行動的にする。POSデータとの解析の中では、気温や体感気温との関連で消費者の需要動向変化に追加的な要素となる。同じ気温や体感気温であっても陽射しがあるときと無い時では、購買意欲も変化する。当然陽射しのあるときの方が消費意欲は上がる。これは人間の心理が解放的になり身体的活動量が増加するため消費カロリーも高くなることと関係がある。特に食料品の販売に関しては売り方を質と量の両方を満足できる内容にして販売することである。この背景を理解しながら目的変数のカテゴリー選別を行う必要がある。なお、日照量は、例えば日照時間とする。また、日照量の代わりに雲量を使用してもよい。雲量とは、空全体を10とした場合の雲の占める面積の割合をいう。また、気温や体感気温が消費者の需要動向変化に追加的な要素となることから、季節を説明変数としてもよい。この場合、カテゴリは、例えば、「1月」、「2月」・・というように、月ごとで分けてもよいし、「春」「夏」「秋」「冬」というように分けてもよい。
【0076】
なお、需要動向を予測する場合には、日照量(又は雲量、季節)は、その需要動向予測時及び予測地域における予測データを使用する。また、日照量(又は雲量、季節)と、需要動向との相関関係を調べる場合には、日照量(又は雲量、季節)は、その需要動向の得られた時期及び地域におけるデータを使用する。
【0077】
8.異常気象の場合(集中豪雨、雷、大雪、台風、異常低温など)
集中豪雨や大雪、台風などの異常気象は年に何回か発生する。それが生活に与える影響は計り知れないほど大きいものがある。当然経済活動に与えるインパクトも大きいものがある。異常気象が出現する場合の時刻や曜日によっても結果は大きく異なるので説明変数には当然これらも加える。ただし、異常な冷夏や暖冬(冷夏や暖冬の定義は、当該年度の平均気温が平年より低いもしくは高い場合の温度差は地域によって異なるので、気象庁が定めた基準によるものとする)の場合は長期予報もしくはシーズン3ヶ月の平均データを用いるものとする。
【0078】
なお、需要動向を予測する場合には、異常気象は、その需要動向予測時及び予測地域における予測データを使用する。また、異常気象と、需要動向との相関関係を調べる場合には、異常気象は、その需要動向の得られた時期及び地域におけるデータを使用する。
【0079】
【発明の効果】
以上の説明から明らかな通り、本発明によると、本需要動向予測装置は、気象情報から、消費者の需要動向に影響を与える気象要素を抽出し、それと需要動向との相関関係に基づいて、消費者の需要動向を予測するので、予測精度を高いものとすることができる。したがって、これを利用する店舗先に売上の向上とロスの削減をもたらすことができる。これによって販売見込み違いによって破棄する商品の量を減らしたり、消費者の需要動向に合った商品を計画製造することによる売上の増加や、来店客数に応じた適正人員配置などが可能になり、供給者の業績に大きな貢献をすることが可能になる。
【図面の簡単な説明】
【図1】本需要動向予測システムを示す概略図
【符号の説明】
1 気象情報データベース
1a 気象情報送信手段
2 需要動向予測装置
2a 気象情報取得手段
2b 気象要素抽出手段
2c 店舗立地条件入力手段
2d 時期的条件入力手段
2e 地域特別条件入力手段
2f 予測手段
2g 加工手段
2h 出力手段
2i 販売データ受信手段
3 供給者側閲覧用端末
3a 需要動向受信手段
3b 需要動向表示手段[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention quantitatively predicts a consumer's demand trend, which determines a sales volume and an order volume when a supplier (company) sells, plans, manufactures, and procures raw materials such as food and clothing. Accordingly, the present invention relates to a demand trend forecasting device that can be used as important reference data for decision-making by a supplier and that improves sales and reduces loss, and a demand trend forecasting system that distributes the demand trend of the consumer to the supplier.
[0002]
[Prior art]
Conventionally, to understand consumer demand trends in business activities, for mass-produced products, we forecast the order volume of products based on the results of the previous year and based on the effects of event advertising and other advertising effects. , Decided the order quantity, and procured raw materials. Alternatively, the demand trends of consumers have been grasped using weather information such as temperature and weather.
[0003]
[Problems to be solved by the invention]
However, in the above-described method in which the advertising effect is taken into consideration, errors are large and prediction accuracy is low. In the conventional method of using weather information (weather merchandising), in this case, correlation analysis with company data was performed. However, correlation analysis with temperature and whether rain falls or not will be performed simply. , 0.1 analysis, and the weather information did not become a large and reliable analysis data which influences the decision of the supplier, and thus did not become a factor of the decision of the supplier. Furthermore, weather information received from weather companies and weather information obtained from television, radio, etc. tend to be exaggerated judgments, and if this is used, it will return and misjudgment, resulting in loss. The possibility of birth is also a sufficiently conceivable matter. As described above, the data analysis based on the conventional weather information has a very low prediction accuracy, and thus cannot be a factor in making a supplier's decision.
[0004]
In particular, the reliability of short-term weather forecasts is relatively high, but the reliability of long-term weather forecasts is low. Even if long-term forecasts are required for some products, unreliable long-term weather forecasts remain unchanged. The information had to be used as an explanatory variable in the analysis, making the results much less reliable. Therefore, it seems that some businesses have a negative effect on using weather information, and many businesses are reluctant to use weather merchandising.
[0005]
In view of the above, the present invention improves the accuracy of predicting the demand trend of the consumer, thereby improving the accuracy such that the forecast quantity such as the sales quantity forecast or the customer visit forecast based on the forecast quantity is close to the actual value. It is an object of the present invention to provide a demand trend forecasting device and a demand trend forecasting system.
[0006]
[Means for Solving the Problems]
Sales data and order data of suppliers such as retailers, wholesalers, manufacturers, etc. are stored every day on the computer server of each supplier every day, but behind each data, human demand trends, preferences, There are various factors such as fashion, economic background. Among them, the strength of the demand trend of human beings, which changes under the influence of weather, is generated by a combination of weather elements and a strong reaction of biological functions. Therefore, in order to solve the above-described problem, the present invention has verified the effects and results of the weather element on the biological function. As a result, the meteorological factor given to the biological function is selected from the following theory.
[0007]
The center temperature of the body is set at about 36.5 ° C on average all year round, almost unchanged in summer and winter. The outside air temperature varies slightly depending on the location, but it actually fluctuates by about 50 ° C from near 40 ° C in midsummer to near -10 ° C in midwinter. However, the human body swells the subcutaneous blood vessels to increase or decrease the temperature, increasing the blood flow, sweating, and stopping the blood flow to prevent cold blood from circulating in the body. If you want to eat hot or high-calorie foods to assist in heat production, change clothes to thin and airy clothes, or want a cold drink to push the rise in core body temperature The core temperature of the body is kept constant by two mechanisms of "behavioral thermoregulation", for example, when a low-calorie light meal is delicious.
[0008]
In this way, it was found that people's demand trends differ greatly according to changes in weather, such as what they want to eat and drink, what to wear, what to air-condition, what to lay, etc., depending on the temperature.
[0009]
From the correlation between the change in the biological function and the change in the temperature, it is possible to derive, by analysis, what will be sold when the temperature becomes high. The neutral temperature in the plains of northern Kansai Kyushu is about 25 ° C (a moderate amount of exercise in daily life), although it varies considerably depending on the region. The neutral temperature is the temperature experienced when wearing a shirt or a blouse over underwear and wearing thin pants or a skirt, and is neither hot nor cold. In other words, the neutral temperature is a comfortable temperature when the amount of exercise in ordinary daily life (office work in the office, cooking, washing in the home, etc.) is standardized, and the consumption is hot heat demand. This is the temperature at the starting point (boundary point) of whether the vehicle is heading for cold weather or cold demand, and is calculated based on a questionnaire. Here, cold demand refers to demand for products that promote heat production, such as high-calorie or warm foods that enhance body heat production, clothing with high heat retention, and the like, and hot heat demand refers to the relatively high calorie demand. It refers to the demand for products suitable for heat dissipation, such as foods with low and low temperature materials and clothing that easily dissipates heat.
[0010]
If the temperature rises above 1 ° C above the neutral temperature, it is tempting to drink cold food (hot heat demand). By analyzing and patterning these weather elements from the state of change of the weather elements that give biological functions, the weather elements show that not only the absolute temperature but also the temperature difference of the maximum temperature from the previous day by 3 ° C or more. If the temperature difference between the maximum temperature and the previous day is 5 ° C or more above and below the previous day, if the condition is continuous for 2 consecutive days, if the minimum temperature difference from the previous day is 5 ° C or more above and below, If the difference between the temperature and the maximum daytime temperature (day temperature difference) is 8 ° C or more, if the air pressure is 10hPa or more within 1 day, you will experience the relationship between wind and temperature and humidity. It turns out that the temperature may fluctuate.
[0011]
From the above results, the present invention focuses on the causal relationship between the weather element and the biological function, and the situation of the change of the biological function responding by the influence of the weather element can be replaced with the quantitative change of the demand trend of the consumer. As described above, the statistical analysis method is used to analyze the relationship between the weather factors affecting these body functions and the sales of commodities based on the POS data, that is, the demand trends. That is, the present invention provides a meteorological information acquiring means for acquiring meteorological information, a meteorological element extracting means for extracting a meteorological element affecting a consumer demand trend from the meteorological information, and a meteorological element as an explanatory variable. A predicting means for predicting a consumer demand trend from weather elements extracted by the weather element extracting means based on a correlation between the variables as a consumer demand trend, and a predicted consumer demand trend. An output means for outputting, wherein the weather element is an element that influences a change in a biological function.
[0012]
The weather information obtaining means may be provided with a receiving means for automatically obtaining weather information from a weather information database such as the Meteorological Agency, or may be provided with a manual input means such as a keyboard. Good. The weather information includes past, present, or future weather information. To predict future demand trends, future weather information at the time of demand trend prediction, that is, weather forecast, is used. In addition, past and present weather information is used to examine the correlation between weather information and demand trends. Specific weather information includes, but is not limited to, atmospheric phenomena such as temperature and pressure changes, atmospheric conditions, rainfall, airflow, and sunshine. The weather information may be acquired at least in a region where the demand trend is predicted, and may be obtained nationwide. Use information.
[0013]
Applying these weather information to demand trend analysis as it is cannot accurately predict demand trends. Therefore, the weather element that affects the biological function is extracted by the weather element extraction means. The weather element serving as an explanatory variable is not a simple weather forecast but a weather element that affects biological functions and influences demand trends such as food and clothes. That is, as weather factors, in each region, the difference between the neutral temperature and the temperature, which is the boundary between the temperature that is the cold demand and the temperature that is the hot demand, the difference between the neutral temperature and the sensible temperature, and the maximum temperature from the previous day Temperature difference of 3 ° C or more, temperature difference of maximum temperature from the previous day is 5 ° C or more, daily temperature difference is 8 ° C or more, atmospheric pressure change within 24 hours is 10hPa or more, precipitation One or two or more pieces of information selected from, for example, rainfall time, sunshine, cloudiness, season, abnormal weather, or the number of continuous days of each element are exemplified. In order to increase the prediction accuracy, it is preferable to perform the prediction based on a combination of the plurality of weather elements, and further, a unique combination of the weather elements that affects the biological function. The abnormal weather is information such as torrential rain, lightning, heavy snow, typhoons, and abnormally low temperatures.
[0014]
The prediction means quantitatively predicts a change in the demand trend based on a correlation between the weather element as an explanatory variable and a change in the demand trend as an objective variable. This prediction is preferably performed by a multivariate analysis using weather elements as explanatory variables and changes in demand trends as target variables in order to improve prediction accuracy, but is not limited to this.
[0015]
As the demand trend used as the objective variable, the sales quantity of the product (or each group when the product is divided into groups) is used. The correlation between the weather factor and the demand trend of the consumer may be a general one that is set in advance. However, in order to make a more accurate forecast, the demand at the store destination of the actual supplier is It is preferable that a means for receiving a trend is provided, and the means be obtained from the relationship between the actual demand trend at the storefront and the weather factor. Furthermore, it is preferable that the correlation be in a form updated by daily data. The prediction of the change in the demand trend may be prediction for each product, or may be prediction for each group by dividing the product into groups.
[0016]
Note that a supplier is a concept that includes all persons and companies involved in everything from production to consumers that are final consumers, and includes, for example, distribution retailers, wholesalers, manufacturers, distributors, and agriculture. , Livestock industry, importer and the like. A consumer is a general consumer who purchases the finished product. A store is a place where consumers purchase products.
[0017]
The output unit outputs a predicted result of the predicted consumer demand trend. The output form is not limited, and the predicted value of the demand trend, that is, the predicted value such as the sales volume of the product (for each group if divided into groups), “large demand”, “small demand”, etc. An indexed, quantified, graphed, or tabulated version of the above is exemplified. The output method is not limited, and examples thereof include a screen display on an electronic device such as a personal computer and a portable device, a printout, and an output by voice.
[0018]
As described above, since the demand trend is predicted based on the correlation between the weather factors that affect the biological functions and the demand trend, it is better than the prediction result obtained simply from the correlation between the weather information and the demand trend. , It is possible to make highly accurate predictions. Therefore, if the supplier determines the order quantity or the like based on the information, the sales can be improved and the loss can be reduced.
[0019]
The results of demand trends derived from the relationship between the weather factors that change the biological functions and the sales data at the storefront are loaded into the POS system and business backbone system, and the results of sales forecasts, production plans, appropriate inventory, etc. Can be used for prediction. This will bring significant benefits to the supplier. The magnitude of this profit has a remarkable effect on the current situation in which the supplier has been groping for consumer demand trends.
[0020]
Further, processing means is provided between the prediction means and the output means, the processing means processes the demand trend predicted by the prediction means into information in a desired form, and the output means outputs the processed information. . The information content to be processed into the desired information includes a purchase quantity, a sales quantity, a number of customers, an order quantity, a production quantity, a stock quantity, a delivery quantity, an optimum number of employees, an optimum stock quantity, and the like. In this way, by processing the information into information that is easy to use for each supplier, it is possible to improve the sales and reduce the loss for the supplier using the information. As a result, it is possible to reduce the amount of products to be discarded due to incorrect sales prospects, increase sales by planning and manufacturing products that match consumer demand trends, and enable appropriate staffing according to the number of customers coming to the store. Can greatly contribute to the performance of the elderly.
[0021]
Store location conditions can be added as explanatory variables. The location conditions of the store include, but are not limited to, a station building, an apartment complex, a road site, a shopping district, a suburb, and the like. Further, a temporal condition is added as an explanatory variable. The timing condition includes a date, a day of the week, and the like, but is not limited thereto. Furthermore, regional special conditions are added as explanatory variables. The regional special conditions include, but are not limited to, the presence or absence of an event such as a store event, an athletic meet in a surrounding area, a festival, or the like. As described above, by adding the location condition of the store, the seasonal condition, and / or the special region condition as the explanatory variables, the prediction accuracy of the demand trend can be further improved.
[0022]
The demand trend forecasting device can be used alone by the supplier, but the information provider, which is a third party, sends the demand trend predicted by the demand trend forecasting device to the supplier via the network. A distribution system can be built. That is, a demand trend prediction system including a weather information database, the demand trend prediction device described above, a supplier-side viewing terminal, and a communication network connecting the same, wherein the weather information database includes a communication network. And a weather information transmitting unit that transmits weather information to the prediction device via the weather information acquisition unit that receives the weather information from the weather information database, and consumes the weather information from the weather information. Weather element extraction means for extracting a weather element affecting the demand trend of the consumer, the weather element as an explanatory variable, the demand trend of the consumer as a target variable, based on the correlation between the two, from the weather element extraction means Prediction means for predicting consumer demand trends from the extracted weather elements, and outputting the predicted consumer demand trends to the supplier-side browsing terminal. And a demand trend receiving means for receiving the demand trend of the consumer output from the demand trend prediction device, and a demand trend for displaying the demand trend of the consumer. A demand trend prediction system comprising a display unit.
[0023]
The weather information database is, for example, a database related to weather information provided by the Japan Meteorological Agency, and includes a weather information transmitting unit that transmits weather information to the demand trend prediction device.
[0024]
The supplier-side browsing terminal includes demand trend receiving means for receiving the consumer demand trend output from the demand trend prediction device, and demand trend display means for displaying the consumer demand trend. The output form of the demand trend display means is not limited, and the predicted value of the demand trend, that is, the sales amount itself of the product (for each group when divided into groups), an index of the predicted value, a graph And tabulated ones. The output method is not limited, and examples include a screen display on an electronic device such as a personal computer and a portable device, a printout, and an audio output.
[0025]
Based on the above configuration, the demand trend predicted by the demand trend prediction device is input to the supplier-side viewing terminal via the communication network and displayed. Thus, the supplier can confirm the expected consumer demand trends, thereby reducing the amount of products to be discarded due to unforeseen sales, or planning and manufacturing products that meet the needs of consumers. It is possible to increase sales and allocate appropriate personnel according to the number of customers visiting the store, which can make a significant contribution to the performance of suppliers.
[0026]
As described above, the demand trend predicted by the demand trend prediction device may be directly transmitted to the supplier side, and the demand trend prediction result may be processed on the supplier side. May be transmitted to the supplier side. That is, processing means is provided between the prediction means and the output means, the processing means processes the demand trend predicted by the prediction means into information in a desired form, and the output means is processed. Output to the supplier-side viewing terminal, the demand trend receiving means of the supplier-side viewing terminal receives the processed information form output from the demand trend prediction device, and outputs the demand trend. The display means displays the processed information form.
[0027]
The information content to be processed into the desired information includes a purchase quantity, a sales quantity, a number of customers, an order quantity, a production quantity, a stock quantity, a delivery quantity, an optimum number of employees, an optimum stock quantity, and the like. By building a network system that processes and distributes information that is easy to use for each supplier, it is possible to improve sales and reduce losses. As a result, it is possible to reduce the amount of products to be discarded due to incorrect sales prospects, increase sales by planning and manufacturing products that meet needs, and allocate appropriate personnel according to the number of customers visiting the store. It is a system that can make a significant contribution to the performance of the company. In order to process the information into information that can be easily used by the supplier, data and the like from the supplier are imported.
[0028]
The information provision business that provides such demand trend forecasting results and the processed information to suppliers will enable the supplier to determine the viewpoint of the business to be developed, make appropriate measures, and contribute significantly to profits. . As described above, data analysis is performed based on the correlation between biological functions and weather data, and information provision and information sharing network business based on information system construction are completely new business models.
[0029]
Note that the demand trend prediction device is not limited to food and clothing as a product for predicting a demand trend, and can be applied to other products such as household goods.
[0030]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings. FIG. 1 is a schematic diagram showing the demand trend prediction system. This demand trend forecasting system includes a
[0031]
The
[0032]
The demand
[0033]
The weather information acquisition means 2a is set so as to capture the latest weather data in accordance with the position of the target store, such as the latitude and longitude, and the time of making a decision such as the order time, the delivery time, and the sales time. .
[0034]
The meteorological factors are, for each region, the difference between the neutral temperature, which is the boundary between the cold demand temperature and the hot demand temperature, the difference between the neutral temperature and the perceived temperature, and the temperature difference between the previous day and the maximum temperature. That the temperature difference between the highest temperature and the previous day is 5 ° C or more, the temperature difference between the lowest temperature and the previous day is 5 ° C or more, the daily temperature difference is 8 ° C or more, 24 Information on at least one of the following: the pressure change within the time is 10 hPa or more, the amount of precipitation, the time of precipitation, the amount of sunshine, the abnormal weather, or the number of continuous days thereof. Note that the present invention is not limited to these, and other information may be combined.
[0035]
In addition, when forecasting future demand trends, the data at the time of forecasting is used for these meteorological elements.When examining the correlation between demand trends and meteorological elements, data at the time when the demand trends are obtained is used. Use.
[0036]
The store location condition input means 2c receives the location condition of the target store. Examples of the location conditions include, but are not limited to, a station building, an apartment complex, a road site, a shopping district, a suburb, and the like.
[0037]
The timing information is input to the timing condition input means 2d. Examples of the temporal condition include, but are not limited to, local information such as a date, a day of the week, a festival or an event.
[0038]
The information contents processed into the desired information by the processing means 2g include purchase quantity, sales quantity, number of visitors, order quantity, production quantity, stock quantity, delivery quantity, optimal number of employees, optimal stock quantity, and the like. Can be The processing into the information can be performed by a known system. For example, an order support system using an algorithm, an order support system based on WMD recommendation (automatic engine for updating the coefficient of order quantity by grasping inventory), an order support system using unique explanatory variables (external coefficient input / output (regional information, etc.)), operation support System (picture display on terminal), sales support system for each WMD product / area (display on staff terminal), personnel management system (optimal number of personnel forecasting / shift management calculation engine), distribution management support system (optimal transportation route) Calculation engine), Optimal route search (GIS-like) system (GIS display terminal), Optimal traffic volume calculation system (Calculation engine for how many trucks to put out and how many kilos to load), Delivery planning support system (Today, A calculation engine for determining whether to pile up tomorrow) and the like.
[0039]
The supplier-
[0040]
<Specific information flow and system of the demand trend forecasting system>
The weather information transmitted from the weather information transmitting means 1a of the
[0041]
In detail, the meteorological element is an important point of the present invention, and is calculated from a peculiar meteorological element derived in advance in correlation with the biological function, that is, the difference between the neutral temperature and the temperature, the wind speed, the temperature and the humidity. The difference between the neutral temperature and the perceived temperature, the difference between the maximum temperature and the previous day is 3 ° C or more, the difference between the maximum temperature and the previous day is 5 ° C or more, (The difference between the highest temperatures in the air) is 8 ° C or more, the number of continuous days, the change in air pressure within 24 hours is 10 hPa or more, the hourly rainfall and its time, the amount of cloud and sunshine, and the abnormal weather ( Weather elements such as torrential rain, lightning, heavy snow, typhoons, and extremely low temperatures are used as explanatory variables.
[0042]
As explanatory variables, the location of the sales store (inside a station building, inside an apartment complex, a road site, a shopping district, a suburb, etc.) input to the store location condition input means 2c, the day of the week and the area input by the temporal condition input means 2d Use information (festivals and special events).
[0043]
The data of the explanatory variables of the weather element, the store location condition, and the temporal condition at the time of the demand trend prediction are fed into the analysis engine of the prediction means.
[0044]
Further, the sales data (sales data) of the storefronts collected by the server on the supplier side obtained by the sales data receiving means are also input to the prediction means 2f. The correlation between the sales data and the weather elements, store location conditions, and temporal conditions at the time of the sales data is examined. Based on this correlation, the weather information extracted from the weather element extraction means 2b, the store location condition and the time-based condition input means 2d input from the store location condition input means 2c by multivariate analysis based on
[0045]
The predicted demand trend result is processed by the processing means 2g in a desired form of information, for example, a recommended purchase quantity, an ordered quantity recommended quantity, a sales quantity forecast by product, a customer visitor forecast, an optimal number of employees, an optimal stock quantity forecast, It is processed into forecasts of optimal production quantities, optimal delivery allocation systems, and forecasts of abnormal weather traffic cutoffs.
[0046]
The information processed in this way is output by the output means 2h, and the information is received by the demand trend receiving means 3a of the supplier-
[0047]
Further, it is assumed that the processed information can be displayed by customizing the display according to the type of business, the type of business, the status of the category classification, and the like. Because ease of use is an important factor in decision making, it is necessary to adapt to the management system even in the same industry.
[0048]
As described above, this demand trend device extracts weather factors that influence consumer demand trends from weather information, and predicts consumer demand trends based on the correlation between them and demand trends. , The prediction accuracy can be increased. Therefore, it is possible to improve the sales and reduce the loss to the supplier who uses this. As a result, it is possible to reduce the amount of products to be discarded due to incorrect sales prospects, increase sales by planning and manufacturing products that match consumer demand trends, and enable appropriate staffing according to the number of customers coming to the store. Can greatly contribute to the performance of the elderly.
[0049]
In addition, order forecast data closest to the final consumer, such as order quantity recommendation information based on predicted demand trend forecast results and optimal stock quantity forecasts, is available to all companies upstream of that company (supplier). It is important information for preparing the appropriate production quantity and the optimal raw material procurement quantity. Therefore, if these demand trend prediction results and / or processed information are shared with upstream companies through a network, the effect of the information can be expanded. In other words, upstream companies can reduce unnecessary costs by manpower and preparation of raw materials if they can obtain the order quantity from downstream companies in advance, and the delivery company can know the delivery date and time and delivery volume by delivery direction in advance. For example, the effect of using the information can be further enhanced.
[0050]
Based on the demand trend forecast calculated by the demand
[0051]
When judging the “amount” of the appropriate stock based on the commodity sales forecast quantity calculated by the demand
[0052]
As described above, the relationship between the change in weather and the change in food tastes has important judgment requirements for business performance. It is important to note that food sellers have a large bias in selling products in response to changes in weather. It is important to establish a sales system by conducting product planning and purchasing so that a product can be sold under weather conditions that make it easy to sell the product.
[0053]
In the product items handled by the business operator, the past data is analyzed to analyze the ingredients, cooking or processing methods, calories, etc. The temperature is decreasing from summer to winter. It is classified into a group of products that are easier to sell when sold over. The former is referred to as a “cooling product” and the latter as a “heating product” in the product planning strategy. This analysis and classification service is also one of the new business models for strategic weather information.
[0054]
<Explanatory variables to be selected and the reasons>
1. Difference between neutral temperature and temperature in each region
Heat and cold can be measured by the absolute value of the temperature. However, the correlation between the conventional POS data and temperature ignores the causal relationship such as how many times the sales of this product increase or decrease based on the relationship between the sales performance and the temperature in the past sales data. , The analysis method using only coefficients. In the present invention, when the absolute temperature is used as the weather element, although it is the same as the conventional element, there is a great difference in analyzing the causal relationship with the feature of the biological function.
[0055]
Assuming that the amount of exercise in normal daily life (office work in the office, cooking and cleaning in the home, etc.) is standard, the temperature at which it is easy to spend is taken as the neutral temperature, and whether the consumption demand trend is toward hot heat demand or cold demand. It is positioned as a branch point for going to. According to the results of questionnaires in each region, the plain temperature in the Kanto, Tokai, Kansai, Chubu, and northern Kyushu regions is approximately 25 ° C, the Tohoku region and Hokuriku are 24 ° C, the plains in southern Hokkaido are 22 ° C, and Okinawa are 28 ° C. In addition, it depends on the altitude of the area above sea level.
[0056]
If the temperature swings higher by 1 ° C. than the neutral temperature, the biological function expands the subcutaneous capillaries to lower the central temperature of the body, increases blood flow, and starts sweating from the skin. Even if you are unconscious, you want a cold drink, and you feel thirst by sweating, and the sales of soft drinks increase (heat demand). In addition, high calorie foods are unknowingly avoided in order to reduce the amount of heat produced in the body. Energy is accumulated in the body, and biological functions work to avoid heat production, resulting in a bias in food sales. On the other hand, if the temperature fluctuates even at 1 ° C. lower than the neutral temperature, the opposite result is obtained. The state of the biological function, which changes each time the temperature rises or falls by 1 ° C. from the neutral temperature, is grasped in relation to the amount of sweat and the temperature, and the difference between the neutral temperature and the temperature is used as an explanatory variable. Note that the category is not limited to the category in which the difference between the neutral temperature and the temperature is divided by 1 ° C., and may be divided in units of several degrees.
[0057]
When the demand trend is predicted, the neutral temperature uses prediction data at the time of the demand trend prediction and in the prediction area, and the temperature also uses the temperature at the time of the demand trend prediction and the prediction area. Further, when examining the correlation between the difference between the neutral temperature and the temperature and the demand trend, the neutral temperature and the temperature at the time and the area where the demand trend was obtained are used as the neutral temperature and the temperature.
[0058]
Biological functions do not simply correlate with absolute temperature, but are closely related to wind speed and humidity. Therefore, in the case of the explanatory variable of the present demand trend predicting apparatus, the sales quantity of each product of the hot demand trend or the cold demand trend is calculated from the relationship between the sensation coefficient obtained by combining these weather elements and the amount of sweating.
[0059]
Other data may be used as an explanatory variable in relation to the temperature. For example, the number of midsummer days (days with a maximum temperature of 30 ° C. or more), the number of summer days (days with a maximum temperature of 25 ° C. or more), the number of tropical nights (the days with a minimum temperature of 25 ° C. or more), and the number of winter days (maximum day of 0 ° C. or less) Days), winter days (days with minimum temperatures below 0 ° C), maximum / minimum / average temperature above / below average values, cumulative temperature (simple sum of average temperature for a specific period), cumulative temperature above / below normal years (specific period) , HDD (Heating Degree Day: simple sum of exponential deviations below 18 ° C. for a specific period), CDD (Cooling Degree Day: exponential deviation above 18 ° C. for a specific period) ) And those extracted only on Saturdays and Sundays.
[0060]
2. The temperature difference between the highest temperature (or lowest temperature) and the previous day is 3 ° C or more, or 5 ° C or more
Although it varies depending on the season, even if the stable temperature continues, when the low pressure or the front approaches and the atmospheric condition changes, and when the maximum temperature rises or drops by 3 ° C compared to the previous day, it may affect the vital function. The impact is large, and biological functions respond greatly. Naturally, when this state is reached, large changes appear in what you eat and wear. The demand variable forecasting device uses a data analysis as an explanatory variable indicating that the temperature difference of the maximum temperature from the previous day is 3 ° C or more, and the temperature difference of the maximum temperature from the previous day is 5 ° C or more. And data analysis as explanatory variables. The analysis is performed separately based on whether the temperature difference between the highest temperature and the lowest temperature with the previous day is 3 ° C. (5 ° C.) or more. Note that the category is not limited to dividing the temperature difference between the highest temperature and the previous day to 3 ° C (5 ° C) or more. For example, when the temperature difference is 3 ° C (5 ° C) or more, Alternatively, the magnitude of the temperature difference may be provided as a category.
[0061]
When the temperature difference between the maximum temperature and the previous day is 3 ° C. or more, the body function is affected and autonomous thermoregulation is performed, but it affects consciousness and does not reach the behavioral thermoregulation. That is, if the temperature difference of the maximum temperature from the previous day is 3 ° C. or more, the body function does not reach to the point where it is felt, but the biological function reacts clearly and unconsciously wants warm and cold things unconsciously. State appears. Since it is a branch point that affects the change in consumption tendency in terms of biofunction, it is analyzed particularly with a fluctuation of 3 ° C. or more.
[0062]
When the temperature difference between the highest temperature and the previous day is 5 ° C. or more, the biological reaction is further increased, but the person feels hot or cold clearly above and below the large temperature. Behavioral thermoregulation is added, and tastes are consciously and clearly changed. Changes in needs will clearly appear, so if a sales structure such as a lineup of products can be adopted in response to this change, sales can be expected to increase significantly.
[0063]
If the minimum temperature rises or falls by more than 5 ° C compared to the previous day, the impact on living organisms during the climactic season is large. Become. Therefore, the weather element when the minimum temperature rises or falls by 5 ° C. or more becomes a seasonal explanatory variable from summer to winter.
[0064]
When forecasting the demand trend, the highest temperature (or lowest temperature) is calculated using the forecast data at the time of forecasting the demand trend and the forecast area, and the highest temperature (or lowest temperature) of the previous day is calculated on the forecast day. The data of the highest temperature (or lowest temperature) of the forecast area on the previous day is used. In addition, when examining the correlation between the temperature difference between the previous day and the highest temperature (or the lowest temperature) of 3 ° C. or more, or 5 ° C. or more and the demand trend, the highest temperature (or the lowest temperature) ) Uses the data of the maximum temperature (or minimum temperature) at the time and the area where the demand trend was obtained, and the maximum temperature (or minimum temperature) of the previous day is the maximum temperature (or minimum temperature) of the predicted area on the previous day. ) Data.
[0065]
3. The daily temperature difference must be at least 8 ° C
When the difference between the minimum temperature and the maximum temperature is more than 8 degrees Celsius, the mood rhythm of the day changes greatly. In both the warming season from winter to summer and the cooling season from summer to winter, the cold demand trend occurs when the temperature is lower than the neutral temperature, and the temperature is higher than the neutral temperature. When the temperature is high, the trend changes to hot heat demand, but up to neutral temperature, the change in demand trend becomes quite clear. Energy is not sufficiently metabolized in response to body activity during low temperatures in the morning, so it is inactive during the warming season and takes time to start. Conversely, morning activity increases during the cooling season. The reason is that the number of customers such as early morning services such as restaurants does not increase so much during the temperature rising season, but the number of customers increases during the cooling season. As the temperature begins to rise during the daytime, it becomes more active and appetite grows during the warming season. During the cooling season, the needs of the cold demand trend will clearly increase. When the daily range is 8 ° C. or higher, the temperature suddenly drops in the afternoon, so that the needs from evening to night change drastically. Therefore, it is necessary to make changes in the product content and sales structure of the morning product, the daytime product, and the nightly sold product. Especially in the evening to night, it is necessary to cope with major changes that appear in sales products. It is necessary to be able to judge and respond to the analysis results of the demand trend forecasting device taking these reasons into account. The present invention is an analysis element for solving these problems. That is, analysis is performed separately for whether or not the daily range is 8 ° C. or more. In addition, the time axis from morning to noon, from noon to 15:00, and from 15:00 to night is also added to the analysis elements when the daily range is 8 ° C. or more. Note that the category is not limited to classifying whether or not the daily range is 8 ° C. or more. For example, when the daily range is 8 ° C. or more, the magnitude of the temperature difference may be provided as a category. Good.
[0066]
When the demand trend is predicted, the daily temperature difference uses prediction data at the time of the demand trend prediction and in the prediction region. When examining the correlation between the daily temperature difference of 8 ° C. or more and the demand trend, the daily temperature difference is calculated based on the data of the daily temperature difference at the time and the area where the demand trend was obtained. Use
[0067]
4. Difference between neutral temperature and perceived temperature
The sensible temperature is the temperature at which the body temperature is felt by adding humidity and wind speed to the absolute value temperature. A neutral temperature of 25 ° C refers to a case where the humidity is 50% and the wind speed is 1 m / sec or less. Use the formula
[0068]
Experience temperature = y (° C)
Absolute temperature = Ti (° C)
Relative humidity = Z (%)
Wind speed = S (m / sec)
y = Ti-S + (Z-50) / 10
(If the humidity is minus, set the humidity to 0)
The categorization in this case is not limited to, for example, the one in which the difference between the neutral temperature and the sensible temperature is divided by 1 ° C., but may be divided in units of several degrees, but is limited to this. Not something.
[0069]
When the demand trend is predicted, the neutral temperature and the sensible temperature use prediction data at the time of the demand trend prediction and in the predicted region. When examining the correlation between the difference between the neutral temperature and the perceived temperature and the demand trend, the neutral temperature and the perceived temperature are calculated based on the data on the neutral temperature and the perceived temperature at the time and the region where the demand trend was obtained. use.
[0070]
5. A pressure change of 10 hPa or more within 24 hours
The influence on the biological function when a low pressure or a high pressure passes has a subtle effect on the blood flow according to a change in temperature. As a result, the user's mood is affected, which affects the willingness to purchase and the decision to make a purchase. Therefore, the change in the atmospheric pressure is used as an analysis element. If the air pressure changes to a higher one, the blood flow is suppressed, so that it becomes reactive and active, which has a positive effect on willingness to purchase. When the past data before the introduction of the demand trend forecasting device is used, a coefficient which has a positive effect is added to the analysis result. The coefficient is calculated using the average rate of rise and fall when the pressure rises by 10 hPa or more and when the pressure falls by 10 hPa, based on the data on the third day when there is almost no change in atmospheric pressure for three days. In this case, the categorization may be, for example, increments or decrements of the average rate of rise or fall by one unit or several units, but is not limited thereto.
[0071]
When predicting a demand trend, for a pressure change of 10 hPa or more within 24 hours, in a demand trend prediction area, prediction data of a pressure change within 24 hours from the time of prediction is used. Further, when examining the correlation between the pressure change of 10 hPa or more within 24 hours and the demand trend, the pressure change of 10 hPa or more within 24 hours is 24 hours from the forecast time in the area where the demand trend was obtained. Use data on changes in barometric pressure within hours.
[0072]
6. Hourly precipitation and precipitation time
In the conventional correlation analysis of weather values, analysis was performed using the weather forecast itself as to whether it would rain or not, but in the present invention, the amount of rain and the time at which it rains are used as explanatory variables. The rainfall is analyzed based on the hourly rainfall of 1 mm / hour or less, 3 mm / hour or less, 4 mm / hour to 7 mm / hour, 8 mm / hour to 15 mm / hour, and 16 mm / hour or more. The categorization is not limited to this. The hourly precipitation and the precipitation time affect the number of customers coming to the store, and the number of customers coming to the store can be predicted by adding and explaining explanatory variables for locations such as a station building, a suburb, and a roadside. The number of customers visiting the store not only affects sales, but also has a significant effect on services such as cost reduction by optimizing employees and creating a system to welcome consumers.
[0073]
When the demand trend is predicted, the rainfall uses prediction data at the time of the demand trend prediction and in the prediction area. When examining the correlation between the precipitation and the demand trend, the precipitation uses data of the precipitation at the time and the area where the demand trend was obtained.
[0074]
The following are also used as explanatory variables for other precipitation forecasts. For example, daily accumulated rainfall, weekly accumulated rainfall, monthly accumulated rainfall, the number of days of precipitation (the number of days of accumulated rainfall of 1 mm or more), and the number of days of precipitation of 5 mm or more are exemplified.
[0075]
7. Sunshine, cloud cover, season
Sunshine makes humans act. In the analysis with the POS data, it is an additional factor in the change in the demand trend of the consumer in relation to the temperature and the sensed temperature. Even at the same temperature or the perceived temperature, the willingness to purchase changes with and without sunlight. Of course, when there is sunlight, consumer confidence rises. This is related to the increase in calorie consumption due to the release of human psychology and the increase in physical activity. In particular, with regard to the sale of groceries, it is important to sell the products in a manner that satisfies both quality and quantity. It is necessary to perform category selection of the objective variable while understanding this background. The amount of sunshine is, for example, the sunshine time. Further, a cloud amount may be used instead of the sunshine amount. The cloud amount refers to the ratio of the area occupied by clouds when the entire sky is assumed to be 10. In addition, the season may be used as the explanatory variable because the temperature and the sensible temperature are additional factors in the change in the demand trend of the consumer. In this case, the categories may be divided into months, such as "January", "February", etc., or may be divided into "spring", "summer", "autumn", "winter". Good.
[0076]
When forecasting a demand trend, the amount of sunshine (or cloud amount, season) uses forecast data at the time of the demand trend forecast and in a forecast area. When examining the correlation between the amount of sunlight (or cloud amount, season) and the demand trend, the amount of sunlight (or cloud amount, season) uses data at the time and area where the demand trend was obtained.
[0077]
8. In case of abnormal weather (concentrated heavy rain, lightning, heavy snow, typhoon, abnormally low temperature, etc.)
Unusual weather such as torrential rain, heavy snow, and typhoons occur several times a year. The impact on life can be immense. Naturally, there is a great impact on economic activity. Since the results greatly vary depending on the time and day of the week when abnormal weather appears, these are naturally added to the explanatory variables. However, in the case of abnormal cold summer or warm winter (the definition of cold summer or warm winter is based on the standards set by the Japan Meteorological Agency, since the temperature difference when the average temperature of the relevant year is lower or higher than normal varies depending on the region). Forecasts or average data for three months in the season shall be used.
[0078]
When the demand trend is predicted, the abnormal weather uses prediction data at the time of the demand trend prediction and in the prediction area. When examining the correlation between the abnormal weather and the demand trend, the abnormal weather uses data at the time and region where the demand trend was obtained.
[0079]
【The invention's effect】
As is clear from the above description, according to the present invention, the present demand trend prediction device extracts, from the weather information, a weather element that affects the demand trend of the consumer, based on a correlation between the weather element and the demand trend, Since the demand trend of the consumer is predicted, the prediction accuracy can be improved. Therefore, it is possible to improve the sales and reduce the loss of the store using the same. As a result, it is possible to reduce the amount of products to be discarded due to incorrect sales prospects, increase sales by planning and manufacturing products that match consumer demand trends, and enable appropriate staffing according to the number of customers coming to the store. Can greatly contribute to the performance of the elderly.
[Brief description of the drawings]
FIG. 1 is a schematic diagram showing the demand trend forecasting system.
[Explanation of symbols]
1 weather information database
1a Weather information transmission means
2 Demand trend forecasting device
2a Weather information acquisition means
2b Meteorological element extraction means
2c Store location condition input method
2d Timing condition input means
2e Local special condition input method
2f prediction means
2g processing means
2h output means
2i Sales data receiving means
3 Supplier-side viewing terminal
3a Demand trend receiving means
3b Demand trend display means
Claims (8)
ア)各地域ごとにおいて、寒冷需要となる気温と暑熱需要となる気温との境界である中立気温と、気温との差
イ)中立気温と体感気温との差
ウ)前日との最高気温の温度差が3℃以上あること
エ)前日との最高気温の温度差が5℃以上あること
オ)前日との最低気温の温度差が5℃以上であること
カ)日較気温差が8℃以上であること
キ)24時間以内の気圧変化が10hPa以上であること
ク)降水量及びその降水時刻
ケ)日照量
コ)異常気象
のうちから選ばれる1又は2以上の情報を要素とすることを特徴とする請求項1記載の需要動向予測装置。The weather element is
A) In each region, the difference between the neutral temperature, which is the boundary between the cold demand temperature and the hot demand temperature, and the temperature b) the difference between the neutral temperature and the perceived temperature c) the temperature of the highest temperature from the previous day D) The difference between the maximum temperature and the previous day is 5 ° C or more. E) The minimum temperature difference between the previous day and the temperature is 5 ° C or more. F) The daily temperature difference is 8 ° C or more. G) Change in air pressure within 24 hours is 10 hPa or more. G) Precipitation and its precipitation time. The demand trend prediction device according to claim 1, wherein
前記気象情報データベースは、気象情報を前記需要動向予測装置に送信する気象情報送信手段を有し、
前記需要動向予測装置の前記気象情報取得手段は、前記気象情報データベースからの気象情報を受信し、前記出力手段は、予測された消費者の需要動向を前記供給者側閲覧用端末に出力し、
前記供給者側閲覧用端末は、前記需要動向予測装置により出力された消費者の需要動向を受信する需要動向受信手段と、消費者の需要動向を表示する需要動向表示手段とを有することを特徴とする需要動向予測システム。A demand trend prediction system comprising a weather information database, a demand trend prediction device according to any one of claims 1 to 6, a supplier-side viewing terminal, and a communication network connecting the terminals.
The weather information database has weather information transmitting means for transmitting weather information to the demand trend prediction device,
The weather information acquisition unit of the demand trend prediction device receives weather information from the weather information database, and the output unit outputs a predicted consumer demand trend to the supplier-side viewing terminal,
The supplier-side viewing terminal includes a demand trend receiving unit that receives a consumer demand trend output by the demand trend prediction device, and a demand trend display unit that displays a consumer demand trend. Demand trend forecasting system.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003119823A JP2004326411A (en) | 2003-04-24 | 2003-04-24 | Power demand forecasting device and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003119823A JP2004326411A (en) | 2003-04-24 | 2003-04-24 | Power demand forecasting device and system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004326411A true JP2004326411A (en) | 2004-11-18 |
Family
ID=33498937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003119823A Pending JP2004326411A (en) | 2003-04-24 | 2003-04-24 | Power demand forecasting device and system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004326411A (en) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006157231A (en) * | 2004-11-26 | 2006-06-15 | Life & Business Weather Inc | Commercial-providing system |
JP2007122203A (en) * | 2005-10-26 | 2007-05-17 | Life & Business Weather Inc | Information retrieval system |
JP2007241783A (en) * | 2006-03-10 | 2007-09-20 | Osaka Gas Co Ltd | System for estimating the number of meters installed or removed |
JP2008299786A (en) * | 2007-06-04 | 2008-12-11 | Hitachi Ltd | Sales prediction program and sales prediction device |
JP2016134180A (en) * | 2015-01-22 | 2016-07-25 | 富士通株式会社 | Demand prediction system and method based on agent |
KR101736114B1 (en) * | 2016-04-07 | 2017-05-17 | 부경대학교 산학협력단 | System and Method For Calculating Index of Summer Laundry Purchasing Power |
KR101860457B1 (en) * | 2017-04-20 | 2018-05-23 | 주식회사 웨더아이엠씨 | Method for analyzing weather affect and apparatus for executing the method |
WO2018100910A1 (en) * | 2016-11-30 | 2018-06-07 | パナソニックIpマネジメント株式会社 | Demand prediction system, demand prediction method, and program |
US10415843B2 (en) | 2014-09-19 | 2019-09-17 | Panasonic Intellectual Property Management Co., Ltd. | Air information management apparatus |
JP2020008959A (en) * | 2018-07-03 | 2020-01-16 | Zホールディングス株式会社 | Device, method, and program for processing information |
WO2020026359A1 (en) * | 2018-07-31 | 2020-02-06 | 株式会社オプティム | Computer system, marketing method, and program |
JP2021005309A (en) * | 2019-06-27 | 2021-01-14 | 株式会社トレスバイオ研究所 | Producer selection device and method for selecting producer |
JP2022082218A (en) * | 2020-11-20 | 2022-06-01 | 株式会社オービック | Manufacturing instruction and ordering schedule generation device, manufacturing instruction and ordering schedule generation method, and manufacturing instruction and ordering schedule generation program |
-
2003
- 2003-04-24 JP JP2003119823A patent/JP2004326411A/en active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006157231A (en) * | 2004-11-26 | 2006-06-15 | Life & Business Weather Inc | Commercial-providing system |
JP2007122203A (en) * | 2005-10-26 | 2007-05-17 | Life & Business Weather Inc | Information retrieval system |
JP2007241783A (en) * | 2006-03-10 | 2007-09-20 | Osaka Gas Co Ltd | System for estimating the number of meters installed or removed |
JP4693658B2 (en) * | 2006-03-10 | 2011-06-01 | 大阪瓦斯株式会社 | Meter installation / removal number prediction system |
JP2008299786A (en) * | 2007-06-04 | 2008-12-11 | Hitachi Ltd | Sales prediction program and sales prediction device |
US10415843B2 (en) | 2014-09-19 | 2019-09-17 | Panasonic Intellectual Property Management Co., Ltd. | Air information management apparatus |
JP2016134180A (en) * | 2015-01-22 | 2016-07-25 | 富士通株式会社 | Demand prediction system and method based on agent |
KR101736114B1 (en) * | 2016-04-07 | 2017-05-17 | 부경대학교 산학협력단 | System and Method For Calculating Index of Summer Laundry Purchasing Power |
WO2018100910A1 (en) * | 2016-11-30 | 2018-06-07 | パナソニックIpマネジメント株式会社 | Demand prediction system, demand prediction method, and program |
JP2018092267A (en) * | 2016-11-30 | 2018-06-14 | パナソニックIpマネジメント株式会社 | Demand prediction system and demand prediction method |
KR101860457B1 (en) * | 2017-04-20 | 2018-05-23 | 주식회사 웨더아이엠씨 | Method for analyzing weather affect and apparatus for executing the method |
JP2020008959A (en) * | 2018-07-03 | 2020-01-16 | Zホールディングス株式会社 | Device, method, and program for processing information |
WO2020026359A1 (en) * | 2018-07-31 | 2020-02-06 | 株式会社オプティム | Computer system, marketing method, and program |
JP2021005309A (en) * | 2019-06-27 | 2021-01-14 | 株式会社トレスバイオ研究所 | Producer selection device and method for selecting producer |
JP7323163B2 (en) | 2019-06-27 | 2023-08-08 | 株式会社トレスバイオ研究所 | Producer selection device and producer selection method |
JP2022082218A (en) * | 2020-11-20 | 2022-06-01 | 株式会社オービック | Manufacturing instruction and ordering schedule generation device, manufacturing instruction and ordering schedule generation method, and manufacturing instruction and ordering schedule generation program |
JP7324184B2 (en) | 2020-11-20 | 2023-08-09 | 株式会社オービック | Manufacturing instruction/order schedule creation device, manufacturing instruction/order schedule creation method, and manufacturing instruction/order schedule creation program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10311475B2 (en) | Digital information gathering and analyzing method and apparatus | |
US20210103944A1 (en) | Robust multichannel targeting | |
Squires et al. | Level of market development and intensity of organic food consumption: cross‐cultural study of Danish and New Zealand consumers | |
Byker et al. | Characterizing farmers' market shoppers: a literature review | |
Minten et al. | Feeding Africa’s cities: The case of the supply chain of teff to Addis Ababa | |
McGuirt et al. | Produce price savings for consumers at farmers' markets compared to supermarkets in North Carolina | |
JP2015011712A (en) | Digital information gathering and analyzing method and apparatus | |
Lagerkvist et al. | Consumer willingness to pay for safer vegetables in urban markets of a developing country: The case of Kale in Nairobi, Kenya | |
US20030187740A1 (en) | Advertisement delivery method and advertisement delivery program | |
CN116485424A (en) | Intelligent marketing method, system, equipment terminal and readable storage medium | |
US20120290372A1 (en) | Digital communication management system | |
JP2004326411A (en) | Power demand forecasting device and system | |
US20200090200A1 (en) | Dynamic pricing management system | |
US20100179881A1 (en) | System for making product purchases | |
JP2007265449A (en) | Advertisement object determination method, advertisement object determination device and advertisement object determination program | |
Tsakiridou et al. | Consumers' food choices for specific quality food products | |
CN110570251A (en) | Big data-based user purchase intention prediction system and method | |
CN117555425B (en) | Intelligent mirror control method and system for information display | |
US20190066167A1 (en) | System to dynamically manage and optimize the utilization of outdoor advertising units | |
Liu et al. | Effect of weather on online food ordering | |
Zhang et al. | Ambient temperature and food behavior of consumer: a case study of China | |
Nicolau | Testing reference dependence, loss aversion and diminishing sensitivity in Spanish tourism | |
US20170024751A1 (en) | Fresh production forecasting methods and systems | |
Mun et al. | Effects of abnormal weather conditions on the performance of hotel firms | |
KR102510431B1 (en) | Price adjustment system based on customer demand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070417 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070618 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070910 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071019 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20071025 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20071116 |