2022年2月17日、AI需要予測システムを提供するコニカミノルタジャパン株式会社と、ワンストップでDX推進、オムニチャネル/OMO対応のシステム導入を支援する株式会社エスキュービズムの2社が、「店舗の働き方改革の実現」というテーマでオンラインセミナーを開催しました。本セミナーでは、タブレットPOSとAIのシステムを活用した、店舗の働き方改革について解説しました。
消費者の購買行動がオンラインへ移行しつつある中、ECサイトなどデジタルチャネルでの購買が増加し、店舗での購買は減少しています。
産業別就業者数の調査を見てみると、小売の現場では長期的かつ緩やかに労働人口が減少しています。それに加え、コロナ禍において緊急事態宣言等による店舗稼働率の低下、来店客数の低下が大きな課題となっています。
こうした状況を踏まえ、考えられる店舗の未来はどのようなものでしょうか。
店舗を削減してもECという異なる販売チャネルがあるため、店舗人員は削減傾向となる
店舗規模や人員削減が行われる反面、ECに関連する新規業務が発生する
店舗で利用できるリソースの総量自体は減っていきますが、店舗で担わなければならない業務量は増加するという結果になり、一人当たりの業務量が増加すると想定されるのです。
店舗業務の課題をまとめると、以下の二点になります。
今までの店舗オペレーションを考えた際、特に決済時などは複数の端末を使って会員情報の照会やポイント情報の連携、決済端末の切替、など複雑な操作を一度に行うことはよくあるでしょう。
また、店舗に在庫がなく他店在庫からの取り寄せを行う場合でも、在庫検索に始まり他店への電話やメールでの連絡、バックオフィスシステムへの登録、前受け処理としての金銭授受、脚注情報の登録など、こちらも何らかのアクションを起こすたびに使うシステムやデバイスが変わることは珍しくありません。
一つの業務を実施するためのオペレーションが煩雑で、全てをトレーニングして覚える必要があり、実施の際の手間がかかるという点が課題となっているのです。
雇用した人材の育成に時間がかかるため、戦力化までに時間を要し、接客などの本質的なもの以外の教育コストがかかってしまうのです。
前述のとおり店舗スタッフを利用したEC流入策の強化、店舗スタッフの有閑リソースを使ったECビジネス、といった新規の業務が発生することも想定されています。
こうした新規業務によって自社ECの魅力を増幅させることを期待されているため、店舗業務の新しいアプローチが今後増えていくと考えられます。
前段で挙げた課題をどのように解決していくか、3つのポイントで考えていきます。
こうした機能の集約化が、エスキュービズムのORANGE POSであれば可能となっています。ネイティブアプリ型の店舗運用プラットフォームとして活用いただけるようなパッケージであることが特徴です。
ORANGE POSは店舗運用のリソース、コスト削減に貢献でき、かつカスタマイズが可能なタブレットPOSシステムとなっています。ぜひ一度ご相談ください。
EC化率が大幅に増大する中で、店舗は今「来店理由」を創出するための「顧客体験」の再設計が求められています。
店舗在庫を持たないショールーム特化型店舗、小売に体験価値を付加した異業種ハイブリット型店舗、カウンセリングやハイテク機材などを設置した体験特化型店舗など、先進的な変革事例も生まれてきています。
こうした先進的な取り組みだけでなく、従前の品ぞろえ強化やデジタルでのエンゲージメント強化など、クリエイティブな領域での業務比重が増大している点が実状ではないかと思います。
人員削減にも関わらず、業務比重が増加している小売業界で今求められているのは、「既存メンバーの工数確保」と「業務の標準化」であると考えます。
既存メンバー（ベテラン社員）の比重が高い業務とは、報告業務、発注業務、販促業務といった勘と経験に基づく「先読みが必要な業務」です。
先読み業務の標準化・効率化がリテール業界におけるDXの鍵となってくるでしょう。我々としては、ここにAI技術を活用した需要予測を適用することが一つの答えとなると考えています。
しかし、AIによるデータ予測に対するイメージは今のところネガティブなものが多い段階です。
といった理由で、AIのデータ予測は大企業以外での普及が進んでいない状況となっています。
そこでコニカミノルタジャパンでは、中小企業でも導入しやすいクラウド型のAIデータ予測プラットフォーム「AIsee（アイシー）」を2021年8月にリリースいたしました。
AIseeの導入により誰でも簡単に先読みができ、空いた工数で取り組みたかった業務に着手していただくというのが大きな狙いです。
AIseeはデータの事前整形・加工の手間がなく、POSデータや売上実績データなどを投入していただき、予め用意されている予測モデルを選択するだけですぐに予測結果を見ていただける手軽さが特長です。
需要予測対象の過去データと関係変数に実績値をあてはめてAIseeが学習し、予測を出していくという流れになっています。
AI予測の活用でどのように業務改善をおこなっていくか、2つのポイントで考えていきます。
ぜひAI技術の活用によってベテラン社員の負担を低減し、店舗運営の抜本的な改革に着手いただければと思います。
また、AI需要予測の導入をきっかけとして、ビジネスプロセスの見直しやデータプロフェッショナル人材の育成といった企業全体のDX推進へとチャレンジしている企業様の例もあります。
蓄積されたデータを企業の資産として活用し、新たなビジネス価値の創出につなげていただければと思います。