ここ数十年、企業は効率を高め、コストを削減するために、テクノロジー、リーン生産方式、グローバルな生産体制に目を向けてきました。しかし、こうした手法による効果は次第に薄れています。
たとえば、多くの企業が生産拠点を海外に移しました。しかし、中国や米国などの国々の製造コストの差は過去10年間に縮小しており、その機会の魅力は薄れつつあります。（「 過去10年間で変化した世界の製造コスト競争力」、BCG Data Point、2014年5月を参照。）同時に、サプライチェーンは複雑化し、多くは複数の大陸にまたがり、外部サプライヤーも関与するようになりました。一方、顧客の要求も複雑になっています。その結果、企業は生産を国内市場に近づける「ニアショアリング」や、場合によっては生産を人件費の高い自国へ全面的に戻す「リショアリング」を進めています。（「 米国は先進国の中で製造コストが最も低い国の一つ：米国の輸出急増の背景」、BCG Focus、2013年8月を参照。）
大量で変化が速く多様なビッグデータの流れと、地理空間分析などの高度なツールや手法の組み合わせは、サプライチェーン革新の次なるフロンティアです。企業の戦略的優先事項、市場環境、競争上のニーズを明確に理解したうえで活用すれば、顧客対応力の向上、在庫削減、コスト低減、機動力の改善に向けた大きな新機会をもたらします。
企業は強力なデータ処理・分析能力を活用して、配送、物流、生産のネットワークを最適化できます。また、サプライチェーン全体のパートナーとデータを共有することで、需要予測の精度を高め、新たな需要パターンを発見し、新サービスを開発できます。さらに、設備の稼働時間を増やして処理量を拡大し、生産設備や設置済み製品の予防保全を行い、生産センサーやモノのインターネットから得られる動的なデータフィードを使って、ほぼリアルタイムで供給計画を立てることもできます。
大きな可能性を秘めた3つの機会
しかし、利用可能なデータも改善できるプロセスも多いため、限られた時間と資源をどこに集中させるべきか、経営幹部が判断するのは容易ではありません。さまざまな業界のサプライチェーン業務に携わる中で、私たちは近い将来に大きな可能性をもたらす3つの機会を見いだしています。これらを活用する企業は、大幅なコスト削減、必要資金の低減、機動力の向上に加え、大きな収益と利益を生み出せます。
配送ルートの可視化。物流管理は、「ラストマイル配送」において、最も高度な専門知識を持つ担当者でさえ苦労する課題です。先進的な配送企業が使う従来型のルート設定ソフトウェアは、燃料費を削減して効率を最大化するために、運転手がどこをどのように走るべきかを正確に示せます。最も柔軟なシステムでは、過去の交通パターンに基づいて毎日のトラックのルートを計画できます。しかし、多くの一般的なシステムには依然として改善の余地があり、スケジュールに大きな余裕が生じたり、道路レベルでルートを動的に可視化し、調整する機能が欠けていたりします。
さらに、配送システムをそれぞれ独自に管理しながら、連携して一体として業務を行う必要がある2つ以上の事業部門や企業の配送を調整する難しさもあります。こうした厄介なサプライチェーンの問題にビッグデータと高度な分析手法を用いることで、企業は輸送コストの15～20％に相当する削減機会を特定できることが、私たちの経験から分かっています。地理空間分析マッピング技術の近年の進歩に、大量の位置データと、安価で高速なクラウドコンピューティング能力が加わり、企業は数百万のデータポイントを動的に分析し、何百ものトラックルート案をモデル化できるようになりました。その結果、配送ルートをルートごと、立ち寄り先ごとに説得力ある形で可視化できます。
大手消費財企業2社の統合に向けた合併前計画で直面した課題を考えてみましょう。両社の配送ネットワークの統合をより適切にモデル化するため、両社は詳細な地理的位置データを配送データに重ね合わせ、注文密度を可視化して重複する地域を特定できるようにしました。両社は、需要パターンが似ていることを知りました。（図表1を参照。）車両ルート設定ソフトウェアにより、数十種類のルート案を迅速にテストし、各トラックの個別ルートを作成することもできました。シナリオのテストを通じて、運転手が割り当てられた距離を走行した後でも、通常のルートには最大3時間分の未使用の配送能力があることが分かりました。
ある大都市で車両を2つの地域配送拠点に分ければ、各ルートの走行距離を短縮し、トラックの配送量を増やして、ケース当たりの実質コストを下げられます。合併後、トラックは平均停車回数を維持しながら、平均納品量を約50％増やせる見込みでした。2つのネットワークを全国規模で統合・合理化することで得られる削減額は、4,000万ドル、すなわち両社の合算総コストの16％と推定されました。これらはすべて、より優れたモデリング手法を開発する初期費用を除けば、大きな投資を伴わずに実現できます。
現状の共通認識を確立し、将来像を示すことで、地理空間分析は定量化しにくいメリットももたらしました。分析結果は、合併による削減見込みが実際の現場でも実現するという確信を築き、合併後によく起こる難しい統合段階を迎える前に、両組織の足並みをそろえることにも役立ちました。しかし、こうした成果はまだ始まりにすぎません。新しい可視化ツールに、トラックのリアルタイム監視やテレマティクス機器からのライブ交通情報を組み合わせれば、需要のリアルタイム変化に応じてトラックのルートを動的に変更するなど、さらに大きな可能性が開けます。
将来の需要を的確に捉える。広範な製造事業における需要予測は、手間と時間がかかることがあります。多くの管理職は、柔軟性に欠けるシステムや、営業担当者による不正確な見積もりに頼って将来を予測せざるを得ません。また、需要の変動性が高まり、製品ポートフォリオが複雑化する現在、予測は一段と難しくなっています。
現在、企業は顧客、サプライヤー、センサーから得られる、大量で変化の速いデータを調べることができます。これらの情報を、天気予報、競合の動き、価格設定の状況、その他の外部要因といった文脈情報と組み合わせ、需要と強く相関する要因を特定して、現実の変化に迅速に適応できます。高度な分析手法を使えば、異なる言語でデータを扱う複数のシステム、たとえば企業資源計画、価格設定、競合情報の各システムのデータを統合し、管理職が以前は見られなかった事象を把握できるようになります。予測システムに作業を任せれば、営業担当者は事業環境の変化に関する生の情報を提供することに専念できます。
翌日に何を販売するかをより正確に把握している企業は、顧客の要望に応じていつでも製品を出荷でき、手元在庫も減らせます。これは業務成績の向上とコスト削減に重要な手段です。つまり、需要予測の精度を高めれば、企業は在庫を情報に置き換え、より機動的に顧客の要求に応えられます。将来の需要をより適切に予測する企業は、業界によっては在庫を20～30％削減しながら、平均充足率を3～7ポイント高められることがよくあります。こうした成果により、利益率を最大1～2ポイント改善できます。
たとえば、あるグローバルなテクノロジー製造企業は、予測の信頼性が低かったため、重要部品の深刻な供給不足と納期遵守率の低さに直面していました。営業担当者は過度に楽観的な予測を出し、その影響がサプライチェーン全体に波及しました。十分な供給を確保しようと、メーカーが実際に必要な量を上回る発注を行ったのです。さらに、同社のサプライヤーも自社の部品サプライヤーに過剰発注していました。その結果、バリューチェーン全体で在庫が増え始めました。
予測精度の低さの原因を理解するため、同社は出荷記録、過去の予測実績、部品表の記録など、700万件を超えるデータポイントを高度なツールと手法で分析しました。また、予測精度と納期どおりの出荷および在庫要件を比較するシミュレーションを実施し、精度改善による効果が逓減する地点を特定しました。需要の根底にあるパターンは複雑で、特に部品レベルで大きく変動していることが分かりました。根本原因分析により、よくある遅延や業務上の障害だけでなく、インセンティブの不整合や縦割りが多すぎる組織構造といった、より表面化しにくいものの同じほど大きな影響を持つ要因も含め、問題の発生源を特定できました。
これを受けて同社は計画プロセスを再設計し、部品計画により多くの時間を割くとともに、データフローとIT処理のボトルネックを解消しました。さらに、部品計画担当者が使うデータの質を高めることで、データの追跡やエラー修正に費やす無駄な時間を減らせました。また、予測精度を測定するための、より高度な分析ツールも開発しました。
こうした改善に加え、組織やプロセスに関するその他の改善を踏まえ、同社は部品の予測精度を最大10ポイント、システムの予測精度を5ポイント高め、部品の入手可能性と顧客への納期遵守を改善できると見込んでいます。これらの変更により、在庫水準の低下、顧客サービスの向上、割増運賃の削減とともに、収益の増加が期待されています。
配送ネットワークの簡素化。多くのメーカーの配送ネットワークは、長い年月をかけて、広大な地域に広がる倉庫、工場、配送センターの密な網へと発展してきました。こうした固定的なネットワークの多くは、工場への供給品や市場への完成品の流れの変化に、時間の経過とともに対応しにくくなります。ネットワークが広がりすぎて、配送コストを押し上げている場合もあります。社内外のネットワーク間に絡み合った相互関係は、サプライチェーン管理者が長年用いてきた従来のネットワーク最適化モデルでは扱いきれないことがあります。
しかし、今日のビッグデータ型の能力を使えば、企業は従来よりはるかに複雑な最適化問題を解決できます。経営幹部はこれまで以上に多くの変数やシナリオを検討し、その分析を相互につながる多くの業務システムと統合できます。ビッグデータと高度な分析を使って配送ネットワークを簡素化する企業は、在庫の大幅な削減に加え、運賃と倉庫費用の10～20％に相当する削減を実現するのが一般的です。
欧州の大手消費財メーカーは、国別の配送システムから、欧州大陸全体を網羅するより効率的なネットワークへ移行しようとした際に、こうした課題に直面しました。異なるシステム間でデータの量と配布が爆発的に増加し、同社の既存能力を超えていました。データの質の低さも、計画を立てる能力をさらに制限していました。
同社は高度な分析ツールと手法を使い、こうした複雑化に対応する新しい配送ネットワークを設計しました。複数の長期成長シナリオをモデル化し、それぞれ異なる需要パターンと資材の流れを持つ10超の工場に分散した30ブランドについて、生産構成をシミュレーションしました。主要国ごとに5万～10万の配送先に関するデータを処理し、複数段階にわたる在庫要因を検討しました。計画担当者は、トラック積載量を満たす配送、店舗への直接配送、二段階倉庫方式など、配送に関する多数のシナリオを検討しました。また、積載量と配送方向に基づく異なる運賃体系も検討しました。
こうした多様なデータから知見を引き出すことで、同社は倉庫を80超から約20に集約できる見込みです。（図表2を参照。）その結果、営業費用を最大8％削減できると期待しています。倉庫数が減るにつれて、残る各倉庫は規模が大きくなり、効率も高まります。また、より大規模な倉庫から成る小規模なネットワーク全体で顧客需要をまとめれば、需要の変動性を抑えられ、その結果、保有在庫を減らせます。メーカーがより多くの安全在庫を持つ原因となるのは、需要の変動性です。
始め方
こうした機会を探りたいオペレーション部門のリーダーは、次の手順から始めるとよいでしょう。
サプライチェーンを端から端までつなぐ。多くの企業には、サプライチェーン内の資材、製造設備、プロセス制御の信頼性、顧客へ輸送中の個々の品目について、詳細を追跡する能力がありません。そのため、効率を高め顧客のニーズに応える形で問題を特定し、先回りして対処できていません。そもそも分析対象となるビッグデータを得るには、最先端のセンサーや無線周波数識別タグなどの最新技術に投資し、サプライチェーンの透明性と接続性を高める必要があります。同時に、企業は最も大きな事業価値を生む分野に投資するよう注意すべきです。
データの一貫性を評価する。多くの企業では、ロットサイズ、リードタイム、製品SKU、測定単位が組織内の各種システムに異なる形で入力されているため、在庫水準の最適化に苦労しています。ビッグデータシステムに、データの質と完全性が絶対的に完璧であることは求められませんが、確かな一貫性は必要です。多くの企業では、経営陣が一貫性のあるデータ収集を高い優先事項としていないことが問題です。経営幹部が不適切なデータの影響を明確にし、一貫した基準を測定して評価すれば、状況は変えられます。
部門横断的なデータの透明性を構築する。サプライチェーン部門は最新の製造データを必要としますが、製造部門はミスを目立たなくするために、貴重な信頼性データを厳重に管理することがあります。このデータは顧客サービスにも役立つ可能性があり、たとえば設備の故障による注文の遅延を顧客に先回りして知らせられます。生産の信頼性、スケジュールの遵守、設備の故障に関するデータは、部門を越えて共有すべきです。人々がより透明性を高めるよう促すため、経営陣は異なる部門の担当者を集め、各自の業務改善に必要なデータについて話し合う場を設けることもできます。
適切な能力に投資する。多くのオペレーション部門のリーダーは、こうした新しい分野がどのように競争優位をもたらすのか、またビッグデータを最善の戦略的行動にどう結び付けるのかを、依然として理解していません。しかし、分析のためだけに一流のデータサイエンティストのチームを雇えばよいわけではありません。ビッグデータを戦略的な事業の文脈に位置付けるには、他社と連携するとともに、多様な社内能力を自ら育てる必要があります。それによって初めて、適切な機会に集中し、投資から最大限の価値を引き出せます。
ビッグデータと高度な分析に秀でた企業は、長年業務を悩ませてきた予測、物流、配送などの問題を解き明かせます。
そうでない企業は、大きな効率向上の機会を逃します。競争優位の大きな源泉を獲得する機会を失うことになります。
この記事はThe Boston Consulting Groupが初めて発表したものです。BCGの知見をさらに読むには、 bcg.perspectivesをご覧ください。
Agendaを 購読して週刊ニュースレターを受け取るには、こちらをご利用ください。
著者：Michele Broccaは、BCGボストンのパートナー兼マネージング・ディレクターです。Libor Kotlikは、BCGデュッセルドルフのパートナー兼マネージング・ディレクターです。Christian Greiserは、デュッセルドルフのパートナー兼マネージング・ディレクターです。
画像：2014年5月29日、サウスカロライナ州ウィンズボロのElement Electronicsで、作業員が32インチテレビの背面カバーを組立ラインで取り付けている。REUTERS/Chris Keane。
