はじめに



昨今、従来のPOSデータによる分析だけでなく、オープンデータやWebのアクセスログなどを活用することで、お客様の行動を様々な角度から分析できるようになってきました。

中でも「需要予測」は小売業などで期待されているデータの活用方法です。

需要を予測することで、以下のような効果が期待されています。

・発注数/在庫の最適化
・最適な人員配置
・生産数の最適化

Verticaを利用した需要予測

Verticaに内蔵されている機械学習機能を利用して、POSデータやオープンデータから商品の需要を予測することが可能です。



需要予測までの流れ

POSデータなどの取り込みから需要予測までの流れは以下のようなイメージになります。




①JSONデータのダイレクトロード

オープンデータのAPI受け取りなどでよく利用されるJSONフォーマットのデータを、変換せずダイレクトにVerticaにロードすることが可能です。

②データ準備

欠損値の補完や、元データに存在ない視点の列追加など、機械学習のデータ準備に利用可能なSQL関数を多数搭載しています。

③In-database機械学習

データベース内に蓄積された大量の過去データを使用して機械学習を行い、予測モデルを作成します。それ以降は作成したモデルを使用して翌日以降の需要を予測し、適切な数の商品発注や人員配置などのアクションが可能になります。
さらに、購買履歴に基づく顧客のセグメンテーションなど様々なシーンで機械学習を活用することが可能です。

④SQL検索

機械学習の予測結果はSQLで受け取りが可能です。また格納された全データはSQLで検索できるため、需要予測だけでなく、過去の売上実績などと組み合わせて参照が可能です。


関連情報

【SQLで機械学習】Vertica×機械学習 ~需要予測デモ~