JP2016012321A - 需要予測装置およびプログラム - Google Patents
需要予測装置およびプログラム Download PDFInfo
- Publication number
- JP2016012321A JP2016012321A JP2014134952A JP2014134952A JP2016012321A JP 2016012321 A JP2016012321 A JP 2016012321A JP 2014134952 A JP2014134952 A JP 2014134952A JP 2014134952 A JP2014134952 A JP 2014134952A JP 2016012321 A JP2016012321 A JP 2016012321A
- Authority
- JP
- Japan
- Prior art keywords
- store
- data
- demand prediction
- demand
- purchase
- 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
- 238000004364 calculation method Methods 0.000 claims abstract description 65
- 238000003860 storage Methods 0.000 claims abstract description 37
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 64
- 230000008569 process Effects 0.000 description 56
- 238000004088 simulation Methods 0.000 description 38
- 238000012790 confirmation Methods 0.000 description 21
- 238000012937 correction Methods 0.000 description 19
- 238000013480 data collection Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 230000002776 aggregation Effects 0.000 description 15
- 238000004220 aggregation Methods 0.000 description 15
- 238000006243 chemical reaction Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000001556 precipitation Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 101150071434 BAR1 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
一方、複数店舗を統括する本部においては、バイヤが複数店舗に共通する商品を一括発注し、仕入価格を低く抑えることがある。
この場合、バイヤは店舗ごとに需要予測を行って、全店舗の予測購買数を把握しなければならない。
しかし、店舗ごとに需要予測を行うと、店舗数が増加するにつれて、全ての需要予測の結果を取得するまでに時間がかかってしまうので問題がある。店舗数が増えれば増えるほど、一括発注の必要性はより高まるので、改善が望まれている。
図1に示す店舗データD1〜店舗データDK(K=1、2、3、・・・)は、店舗(店舗1、店舗2、・・・、店舗K)ごとの、一定期間に渡って収集した購買実績データを示している。
集計店データDTは、一つの店舗に見立てた集計店をメモリ上に仮想的に設置し、その店舗が店舗データとして保有するものである。
図2は、実施形態にかかる需要予測システム1の構成を示すブロック図である。図2に示すように、需要予測システム1は、有線または無線の通信回線2を介して相互に電気的に接続された複数のコンピュータ3で形成される本部システムに対して、複数の本部特売企画端末124や各店舗に設けられた店舗発注端末125が有線または無線の通信回線(例えば、インターネットやLAN等)5を介して接続されている。
以下において、本部システムを構成する一つ又は複数のコンピュータ3の各CPU101がアプリケーションプログラムにより実行する各種の演算処理のうち、本実施形態の特長的な処理である需要予測処理について説明する。
図4は、本実施形態にかかる需要予測装置を含む本部システムの構成を示すブロック図である。図4に示すように、本部システムを構成する一つ又は複数のコンピュータ3の各CPU101は、アプリケーションプログラムを実行することにより、需要予測装置31、データ収集・変換システム32、予定データ収集・変換システム33(特売企画支援システム330、発注数決定支援システム331など)、発注システム34を実現する。
本実施形態では、特売企画支援システム330及び発注数決定支援システム331を、需要予測装置31の外側に示している。しかし、特売企画支援システム330及び発注数決定支援システム331は、需要予測装置31のサービスをユーザ端末に提供するためのサブシステムである。従って、特売企画支援システム330及び発注数決定支援システム331の両方又は何れか一つを適宜、需要予測装置31の一部に含めて良いものとする。
需要予測装置31は、本部や、小売業などの店舗において、商品の売価・陳列等の販売者側の予定する販売状態に対する商品の需要(例えば購買数など)をシミュレーションにより予測する。シミュレーションに用いる計算式は、例えば数週間、数か月、もしくは1年間程度なら時間的に変化しないと見なせる部分の購買数を示す定数項と、定数項に対して時間的により早く変化する部分の購買数を示す変動因子と係数からなる項などで示すことができる。
次に計算式を示す。
本実施の形態では、商品群(商品とその関連商品)を構成する商品がN種類の場合について説明する。そして、N種類の商品を、商品1,商品2,…,商品n,…,商品Nと示す。
本実施形態では、各商品の購買数がその他の商品の購買数と相互に影響し合うことも考慮し、Y1,Y2,…,Yn,…,YNを変動因子に含めるものとして、予測購買数の計算式を、下記の式(1)で示す。
式(1)において、an1,…,an(n-1),an(n+1),…,anN,bn0(定数項),…,bnM、を回帰係数とする。本実施形態では、回帰係数を定数項bn0を含むものとして説明する。
データ収集・変換システム32は、現時点から過去の所定の時点までの、店舗における複数の商品の購買数を示すデータ、売価データ、販促データ、発注データ、在庫データ、気象データ、曜日データ、および地域のイベントデータなどの過去情報を各店舗の店舗サーバ120などから収集する。そして、データ収集・変換システム32は、複数の各種データ(収集した過去情報)を所定のデータ構造に変換して、需要予測装置31の過去情報データベース310にデータを送信するものである。データ収集・変換システム32は、公知のPOSシステム、発注システム、納入商品の検品システム、気象データの受信システム、地域のイベントの入力システム等の各種データ収集システムと、データ変換システムと、を有している。
予定データ収集・変換システム33は、現時点から未来の所定の時点までの、店舗における複数の商品の予定売価データ、予定販促データ、予定入荷データ、予定気象データ、曜日データ、予定地域のイベントデータなどの未来予定情報を収集する。そして、予定データ収集・変換システム33は、収集した複数の各種データを所定のデータ構造に変換して、需要予測装置31の未来情報データベース311にデータを送信するものである。
予定データ収集・変換システム33には、特売企画支援システム330や発注数決定支援システム331などが含まれている。
店舗発注端末125は、店舗の発注担当者が店舗の固有の商品の発注数を決定するための端末装置である。店舗発注端末125では、需要予測シミュレーションを行い、その結果に基づいて発注数を決定する。店舗発注端末125で受け付けたシミュレーションのための入力データや操作信号などは、発注数決定支援システム331に送信される。シミュレーションの結果としての需要予測データは発注数決定支援システム331から受信する。
<需要予測装置の構成>
需要予測装置31は、過去情報を有する過去情報データベース310と、未来情報を有する未来情報データベース(DB)311とを記憶部に備えている。未来情報データベース311は、未来情報として予定情報311Aと予測情報311Bとを有する。
過去情報データベース310は、過去情報として各店舗の過去の購買実績データ(店舗データD1a〜店舗データDKa)を記憶部の所定の記憶領域に有する。また、未来情報データベース311の予定情報311Aは、各店舗の予定情報として店舗データD1b〜店舗データDKbを記憶部の所定の記憶領域に有する。
未来情報データベース311は、更に、予定情報として集計店データDTbを記憶部の所定の記憶領域に有する。
図5は、店舗データD1a〜DKaの一例として示す店舗データD1aのデータ構成図である。
「年月日」611、「曜日」612、「祝日」613は、それぞれ、購買日の「年月日」、「曜日」、「祝日」を示す項目である。「曜日」612及び「祝日」613は、該当する場合にフラグ「1」が設定される。
「ラインコード」631、「クラスコード」632は、それぞれ、購買された商品の分類を示す項目である。商品カテゴリは、上位から下位にかけて、「部門」、「ラインコード」、「クラスコード」へと分類される。「部門」は最上位で他に分類されないため、ここでは、「ラインコード」と「クラスコード」のみ設定される。
「定番価格」641は、定番販売時の商品価格を示す項目である。
「売価」642は、特売時の商品価格を示す項目である。
「チラシ掲載」644は、販促方法を示す項目である。ここには、チラシに掲載した場合にフラグ「1」が設定される。
「日別購買数」662は、「年月日」611に設定された日付の購買数の実績を示す項目である。ここに、一商品の一日の購買数が設定される。
一レコードは、購買日ごとの一商品の購買実績を示している。同図の例では、「年月日」611のデータと「商品コード」633のデータが示すように、先ず、2014年1月16日の購買実績を示す商品数分のレコードが示され、続いてその翌日の2014年1月17日の購買実績を示す商品数分のレコードが示される。その後も、省略しているが、このデータを収集する日付又はその近傍までのデータが含まれる。
図6の集計店データDTaは、店舗データD1a〜店舗データDKaにおいて共通するデータを抽出して集計し、集計店の購買実績データとしたものである。
全店舗の店舗データD1a〜店舗データDKaを対象とし、指定した同一年月日(購買日を示すもの)且つ同一商品のレコードを各店舗データD1a、D2a、・・・、DKaから抽出する。
図7の店舗データD1bは、「店舗コード」701、「年月日」711、「曜日」712、「祝日」713、「予定最高気温」721、「予定最低気温」722、「予定降水量」723、「ラインコード」731、「クラスコード」732、「商品コード」733、「予定定番価格」741、「予定売価」742、「予定値引額」743、「予定チラシ掲載」744、「予定陳列状態」751などの項目を有している。
「年月日」711、「曜日」712、「祝日」713は、それぞれ、需要予測を行う未来の「年月日」、「曜日」、「祝日」を示す項目である。
「ラインコード」731、「クラスコード」732、「商品コード」733は、それぞれ、過去情報の「ラインコード」631、「クラスコード」632、「商品コード」633で説明したものと同様であるので、ここでの説明を省略する。
「予定売価」742は、需要予測を行う未来の日付での特売時の商品価格を示す項目である。
「予定チラシ掲載」744は、需要予測を行う未来の日付での販促方法を示す項目である。
「予定陳列状態」751は、需要予測を行う未来の日付での商品の販売状態を示す項目である。
一レコードは、過去情報の店舗データD1aの構成のように、予定購買日ごとの一商品の予定データを示している。同図の例では、「年月日」711のデータと「商品コード」733のデータが示すように、先ず、「2014年3月17日」の予定データを示す商品数分のレコードが示され、続いてその翌日の「2014年3月18日」の予定データを示す商品数分のレコードが示される。その後も、省略しているが、数週間又は数か月先までのデータが含まれる。
集計店データDTbは、店舗データD1b、D2b、・・・、DKbの何れか一つの予定情報をコピーして生成する。例えば店舗データD1bをコピーして生成する場合、「店舗コード」701の値を「000」に変更するなどして生成する。なお、集計店において、地域データは意味をなさないため、全て「Null」に設定しても良い。以下では、地域データの回帰係数を「0」に設定することにより、地域データを予測式に反映させないようにする。従って、地域データは「Null」に変更せず、そのままとする。
回帰係数算出部313は、過去の変動因子情報が目的変数の変動に寄与する度合いを示す回帰係数(定数項を含む)を算出する。目的変数の変動には、複数の変動因子が寄与している。ここでは、複数の変動因子のそれぞれの回帰係数を一商品ごとに算出し、一商品ごとに算出結果(各回帰係数の値を含むデータ)を出力する。
店舗別の場合、一店舗の店舗データを使用し、式(1)の目的変数Ynに対して商品nの過去の日別購買数を代入する。また、変動因子Y1,…,YNに対してその他の各商品の日別購買数(Ynに代入したものと同日のもの)を代入する。更に、Xn1,…,XnMに対して、過去の変動因子情報を代入する。式(1)の回帰係数はM+N個あるため、過去の購買数と変動因子情報のデータのセットをM+N個以上用いて、M+N個以上の式を立て、従来の回帰係数の算出法により目的変数Ynの回帰係数を求める。この操作を目的変数Y1,…,YNについて行い、商品nごとに回帰係数を求める。この際に予測精度を向上させるために公知の補正条件式(例えば最小二乗法など)を導入する。
一方、集計店においては、集計店データを使用し、式(1)の目的変数Ynに対して商品nの過去の日別購買数を代入する。また、変動因子Y1,…,YNに対してその他の各商品の日別購買数(Ynに代入したものと同日のもの)を代入する。更に、Xn1,…,XnMに対して過去の変動因子情報を代入し、地域データに該当する変動因子の回帰係数を「0」に設定する。式(1)の回帰係数はM+N−(地域データの変動因子の数L)個あるため、過去の購買数と変動因子情報のデータのセットをM+N−L個以上用いて、M+N−L個以上の式を立て、従来の回帰係数の算出法により目的変数Ynの回帰係数を求める。この操作を目的変数Y1,…,YNについて行い、商品nごとに回帰係数を求める。この際に予測精度を向上させるために公知の補正条件式(例えば最小二乗法など)を導入する。
なお、これらの回帰係数の算出処理は、夜間などにおいて予め行うものとする。
ここには、店舗0(集計店)、店舗1、店舗2、・・・、店舗Kのそれぞれの、商品1〜商品Nの商品ごとの回帰係数が格納される。
図8の企画編集画面4Gは、特売企画の商品の需要予測データの表示やデータの編集を行って、発注数を決定する処理に使用される画面である。
同図の企画編集画面4Gは、需要予測設定画面(不図示)において企画を一覧表示して一つの企画を選択することにより、表示される。
入力ボックスB2は、データ表示エリア43の需要予測データの項目ごとの編集ボックスを備えている。
図9は、需要予測装置において夜間に行われるデータ収集及び需要予測のシミュレーションに係る処理のフロー図である。
この処理は、1日に1回、定刻(夜間)になると起動し、変数i=0などの初期化を行って、以下の処理を行うものである。
ステップS3の判定でK以下と判定(No判定)されると、店舗データDiaに対応する回帰係数を算出する(S4)。ステップS4の処理は、最初のサイクルではi=0なので店舗データD0a(つまり集計店データDTa)に対応する回帰係数を算出する。集計店データに対応する回帰係数の算出処理では、地域データの変動因子は意味をもたない。従って、予測式(1)において、地域データの変動因子の回帰係数を「0」にし、各変動因子に過去の実績データをあてはめて、残りの回帰係数を算出する。
次に、iの値をインクリメントして(S6)、ステップS3の判定処理に戻る。
ステップS4において、2巡目以後は、i>0で、回帰係数の算出対象が店舗データD1a、店舗データD2a、・・・、店舗データDKaと店舗ごとのデータとなるので、地域データの変動因子が意味をもつようになる。この場合は、予測式(1)において、各変動因子に過去の実績データをあてはめて、回帰係数を全て算出する。
ステップS8では、変数iの値がKよりも大きいか否かを判定する。
ステップS8の判定で、K以下と判定(No判定)されると、店舗データDiaに基づいて得られた回帰係数と店舗データDibの予定データとを用いて店舗iに対応する需要予測データを需要予測計算により算出する(S9)。
次に、iの値をインクリメントして(S11)、ステップS8の判定処理に戻る。
なお、ステップS8の判定で、Kより大きいと判定(Yes判定)されると、本処理を終了する。
先ず、本部特売企画端末124において、バイヤが需要予測設定プログラムを起動し、表示画面に需要予測設定画面を表示させる(S20)。
図10においては示されていないが、仮にこの段階で、バイヤが企画編集画面4Gの店予測確認ボタン45を押下するとする。その場合、需要予測装置31の未来情報データベース311の予測情報311Bに予測購買データ326dとして格納されている店舗ごとの需要予測データが、確認画面に含められて、本部特売企画端末124に供給される。
このとき、再シミュレーションは、集計店について行う。つまり、集計店の回帰係数と集計店の予定情報とを使用して式(1)により各商品の予測購買数を算出する。
また、未来情報データベース311の予測情報311Bにおいて、集計店の需要予測データは再計算後のデータに更新されるものとする。
ステップS37の処理後は、ステップS32の判定処理に戻る。
本部特売企画端末124は、その後、需要予測装置31のステップS37の通知信号を受信すると、店舗別の需要予測計算が完了したことをポップアップで表示する(S25)。
バイヤは、本部特売企画端末124において、売価の訂正値を入力して再シミュレーションを繰り返し、最終的に売価を決める。そして、その需要予測データの予測購買数に基づき、発注数を決定する。
同図の企画編集画面11Gにおいて、レコードRec10に示されるデータは、図8の企画編集画面4GのレコードRec01に示すデータの更新後のデータである。
なお、本例では、再シミュレーション後の表示画面において既にレコードが指定されている状態のものを示したが、再表示後は未指定とし、各入力ボックスB2の値を空にして示しても良い。
図12の確認画面12Gには、店舗別のシミュレーションが完了したことを示す情報を文字情報で表している。また、確認画面12Gには、確認ボタン120Bを設けている。バイヤが確認ボタン120Bを押下することで、確認画面12Gが閉じ、企画編集画面11Gの操作が可能となる。
図13の店別予測画面13Gは、企画編集画面11Gのデータ表示エリア43で指定されたレコードについての店舗別の需要予測データを表示する。
店別予測画面13Gは、企画編集画面11Gで指定されたレコードの情報を示す商品情報表示エリア130と、その商品の店舗(店舗1、店舗2、・・・、店舗K)ごとの需要予測データを示す店舗別予測データ表示エリア131とを含んでいる。
「店舗名称」1311は、店舗につけられている名称である。図13には、店舗名称を店舗1、店舗2、・・・で示している。
なお、店舗別予測データ表示エリア131に全店舗のデータを表示しきれないことを想定し、スクロールバーBar2を設けている。全店舗のデータを表示しきれない場合、スクロールバーBar2を操作することにより、全店舗のデータを確認する。
確認ボタン130Bを押下することにより、店別予測画面13Gが閉じ、企画編集画面11Gの操作が可能となる。
また、店舗別の需要予測データを参考に、各店舗への発注量の配分を決定することができる。
店舗別の発注量は、各店舗の予測購買数の比率に従い、集計店の予測購買数に対して店舗ごとに各々の比率を乗じて配分量として算出する。
図14に示すように、店舗別予測データ表示エリア131に、「配分量」1401の項目を新たに設けて、その項目に配分量を示すデータを表示させる。
なお、「予測販売数」1312の値と異なるのは、店舗ごとの予測販売数の合計と集計店の予測販売数との間の誤差によるものである。
これにより、複数店舗の需要予測の結果を即座に取得することができるようになる。
2 通信回線
3 コンピュータ
5 通信回線
31 需要予測装置
32 データ収集・変換システム
33 予定データ収集・変換システム
120 店舗サーバ
124 本部特売企画端末
125 店舗発注端末
310 過去情報データベース
311 未来情報データベース
311A 予定情報
311B 予測情報
312 集計部
313 回帰係数算出部
314 回帰係数データベース
315 予測購買数算出部
317 入力受付部
326d 予測購買データ
330 特売企画支援システム
331 発注数決定支援システム
D1〜DK 店舗データ
DT 集計店データ
S バイヤ
G 画面
Claims (6)
- 複数の店舗の購買実績データを記憶する第一の記憶領域と、
前記第一の記憶領域に記憶されている前記複数の店舗の購買実績データを集計することにより一店舗の購買実績データを生成する生成手段と、
前記生成手段により生成された前記一店舗の購買実績データを記憶する第二の記憶領域と、
前記第二の記憶領域に記憶されている前記一店舗の購買実績データに基づく需要予測計算を行う需要予測手段と、
前記需要予測手段の前記需要予測計算の結果を出力する結果出力手段と、
を備えることを特徴とする需要予測装置。 - 前記第一の記憶領域に記憶されている前記複数の店舗の購買実績データに基づく店舗単位の需要予測計算を行う店舗別需要予測手段と、
前記店舗別需要予測手段の前記需要予測計算の結果の出力を指示する指示手段と、
前記指示手段の指示により前記店舗別需要予測手段の前記需要予測計算の結果を出力する店舗別結果出力手段と、
を更に備えることを特徴とする請求項1に記載の需要予測装置。 - 前記購買実績データは、地域に依存するデータと地域に依存しないデータとを有し、
前記需要予測手段は、前記一店舗の購買実績データの前記地域に依存しないデータに基づいて前記需要予測計算を行う、
ことを特徴とする請求項1又は請求項2に記載の需要予測装置。 - 前記店舗別需要予測手段による前記店舗単位の需要予測計算が終了したことを通知する通知手段を、
更に備えることを特徴とする請求項2又は3に記載の需要予測装置。 - 前記需要予測手段は、前記第二の記憶領域に記憶されている前記一店舗の購買実績データに基づく需要予測計算により予測購買数を算出し、
前記店舗別需要予測手段は、前記第一の記憶領域に記憶されている前記複数の店舗の購買実績データに基づく店舗単位の需要予測計算により予測購買数を算出し、
前記需要予測手段により算出された予測購買数を前記店舗別需要予測手段により算出された予測購買数で案分する案分手段と、
前記案分手段により案分された結果を出力する案分結果出力手段と、
を更に備えることを特徴とする請求項2乃至4の内の何れか一つに記載の需要予測装置。 - 複数の店舗の購買実績データを記憶する第一の記憶領域を有する需要予測装置を制御するコンピュータを、
前記第一の記憶領域に記憶されている前記複数の店舗の購買実績データを集計することにより一店舗の購買実績データを生成する生成手段と、
前記生成手段により生成された前記一店舗の購買実績データを記憶する第二の記憶領域と、
前記第二の記憶領域に記憶されている前記一店舗の購買実績データに基づく需要予測計算を行う需要予測手段と、
前記需要予測手段の前記需要予測計算の結果を出力する結果出力手段と、
として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014134952A JP2016012321A (ja) | 2014-06-30 | 2014-06-30 | 需要予測装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014134952A JP2016012321A (ja) | 2014-06-30 | 2014-06-30 | 需要予測装置およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016012321A true JP2016012321A (ja) | 2016-01-21 |
Family
ID=55228978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014134952A Pending JP2016012321A (ja) | 2014-06-30 | 2014-06-30 | 需要予測装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016012321A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6474511B1 (ja) * | 2018-04-17 | 2019-02-27 | アビームコンサルティング株式会社 | 需要予測装置、需要予測方法及びプログラム |
WO2020161763A1 (ja) * | 2019-02-04 | 2020-08-13 | 三菱電機株式会社 | 低温物流システム |
WO2021065289A1 (ja) * | 2019-10-03 | 2021-04-08 | パナソニックIpマネジメント株式会社 | 店舗支援システム、店舗支援方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004334326A (ja) * | 2003-04-30 | 2004-11-25 | Nri & Ncc Co Ltd | 商品需要予測システム、商品の売上数調整システム |
JP2010066887A (ja) * | 2008-09-09 | 2010-03-25 | Hitachi Ltd | 価格改定効果算定装置、プログラム及び価格改定効果算定方法 |
JP2010181963A (ja) * | 2009-02-03 | 2010-08-19 | Ntt Data Corp | 需要予測装置、需要予測方法及びプログラム |
-
2014
- 2014-06-30 JP JP2014134952A patent/JP2016012321A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004334326A (ja) * | 2003-04-30 | 2004-11-25 | Nri & Ncc Co Ltd | 商品需要予測システム、商品の売上数調整システム |
JP2010066887A (ja) * | 2008-09-09 | 2010-03-25 | Hitachi Ltd | 価格改定効果算定装置、プログラム及び価格改定効果算定方法 |
JP2010181963A (ja) * | 2009-02-03 | 2010-08-19 | Ntt Data Corp | 需要予測装置、需要予測方法及びプログラム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6474511B1 (ja) * | 2018-04-17 | 2019-02-27 | アビームコンサルティング株式会社 | 需要予測装置、需要予測方法及びプログラム |
WO2019203184A1 (ja) * | 2018-04-17 | 2019-10-24 | アビームコンサルティング株式会社 | 需要予測装置、需要予測方法及びプログラム |
JP2019185651A (ja) * | 2018-04-17 | 2019-10-24 | アビームコンサルティング株式会社 | 需要予測装置、需要予測方法及びプログラム |
WO2020161763A1 (ja) * | 2019-02-04 | 2020-08-13 | 三菱電機株式会社 | 低温物流システム |
JPWO2020161763A1 (ja) * | 2019-02-04 | 2021-11-04 | 三菱電機株式会社 | 低温物流システム |
WO2021065289A1 (ja) * | 2019-10-03 | 2021-04-08 | パナソニックIpマネジメント株式会社 | 店舗支援システム、店舗支援方法及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6814302B2 (ja) | 発注支援システム、発注支援プログラム及び発注支援方法 | |
JP5337174B2 (ja) | 需要予測装置、及びそのプログラム | |
CA2471294A1 (en) | Sales optimization | |
JP6821362B2 (ja) | 販売促進情報提供システム及び販売促進情報提供プログラム | |
JP7127763B2 (ja) | 解析装置 | |
JP2018147251A (ja) | 販売管理装置及びそのプログラム | |
JP2016012321A (ja) | 需要予測装置およびプログラム | |
JP6193817B2 (ja) | 需要予測装置およびプログラム | |
JP5847137B2 (ja) | 需要予測装置及びプログラム | |
JP2016012300A (ja) | 需要予測装置およびプログラム | |
JP6282993B2 (ja) | 需要予測装置及びプログラム | |
JP2016012299A (ja) | 需要予測装置およびプログラム | |
JP6276655B2 (ja) | 需要予測装置およびプログラム | |
JP6475429B2 (ja) | 需要予測装置およびプログラム | |
JP5781555B2 (ja) | データ編集装置およびプログラム | |
JP5786001B2 (ja) | 需要予測装置およびプログラム | |
JP5844293B2 (ja) | データ編集装置およびプログラム | |
JP2014052685A (ja) | データ編集装置およびプログラム | |
JP6182171B2 (ja) | 需要予測装置及びプログラム | |
CN114626660A (zh) | 用于激增调整预报的方法和装置 | |
JP5714037B2 (ja) | データ編集装置およびプログラム | |
JP2016012309A (ja) | 需要予測装置およびプログラム | |
JP2004102357A (ja) | 生産量算定方法,生産量算定装置,生産量算定システム,生産量算定プログラムおよび記録媒体 | |
JP2013186477A (ja) | データ編集装置およびプログラム | |
JP2015052890A (ja) | 需要予測装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20160201 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170510 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170713 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170815 |