DX SUPPORT2026年
菓子専門店の仕入れ判断を支える需要予測ダッシュボード（PoC）
- 業種
- 菓子専門店
- 期間
- 2026年4月（短期のPoC）
- 体制
- Rekidから1名。データの整備、分析、予測モデル、ダッシュボード、仕入れへの提言
全商品季節品・限定品定番品
1月2月3月4月5月6月7月8月9月10月11月12月
グラフの山は、どれもイベントの直前です
イベント直前 3〜10倍夏が年間で最も少ない
01 ISSUE
課題
商品のおよそ半分が季節品や限定品で、イベントの時期には需要が大きく振れます。仕入れの量を勘と経験で決めていたため、品切れや売れ残りが出やすい状態でした。
02 APPROACH
取り組み
14か月分の売上データをひとつにまとめ、商品名の表記のゆれをそろえました。分析では、イベントの直前は通常の3〜10倍売れること、夏が年間で最も少ないこと、上位19商品で売上の70%を占めることなど、需要の傾向を数字で示しています。
そのうえで、曜日・月・イベントまでの日数・売上の移動平均を使う予測モデルをつくりました。結果は3つの画面にまとめ、Excelのファイルを差し替えるだけで更新できるようにしています。
売上データから3つの画面まで
- 1売上データ14か月分をひとつに
- 2表記ゆれの整理商品名をそろえる
- 3傾向の分析季節・イベント・上位商品
- 4予測モデル曜日・月・イベントまでの日数・移動平均
- 53つの画面仕入れ判断発注計画トレンド
主な機能
- 「今日の仕入れ判断」の画面
- 「週ごとの発注計画」の画面
- 「売上のトレンド」の画面
- Excelの差し替えだけで更新できる仕組み
季節品の予測が上がっています。仕入れの量を見直してください
| 商品 | 今日の予測 | 在庫 | おすすめの仕入れ | 判断 |
|---|---|---|---|---|
| かぼちゃのタルト | 38個 | 12個 | +30個 | 増やす |
| 秋の焼き菓子の詰め合わせ | 52個 | 40個 | +20個 | 増やす |
| チョコレートの詰め合わせ | 24個 | 30個 | — | いつも通り |
| 定番のフィナンシェ | 60個 | 75個 | — | いつも通り |
| 栗のロールケーキ | 18個 | 25個 | −5個 | 減らす |
「今日の仕入れ判断」の画面
10月31日（土）はハロウィン当日。前日までの発注を多めにしています
| 商品 | 月 | 火 | 水 | 木 | 金 | 土 | 日 | 合計 |
|---|---|---|---|---|---|---|---|---|
| かぼちゃのタルト | 20 | 22 | 28 | 40 | 62 | 70 | 18 | 260 |
| 秋の焼き菓子の詰め合わせ | 30 | 30 | 36 | 48 | 70 | 80 | 26 | 320 |
| チョコレートの詰め合わせ | 14 | 14 | 16 | 18 | 24 | 30 | 20 | 136 |
| 定番のフィナンシェ | 40 | 38 | 40 | 42 | 48 | 64 | 58 | 330 |
| 栗のロールケーキ | 12 | 12 | 12 | 14 | 16 | 20 | 18 | 104 |
「週ごとの発注計画」の画面
月ごと曜日ごと商品ごと
月ごとの売上
8月が年間で最も少ない月です
上位19商品が占める割合70%
- 1定番のフィナンシェ
- 2秋の焼き菓子の詰め合わせ
「売上のトレンド」の画面
03 RESULT
成果
14か月統合して分析した売上データ
3〜10倍イベント直前の需要（通常期との比較）
PoCとして、分析の結果とダッシュボードを納めました。経験にもとづく仕入れの判断を、数字で確かめられるようにしました。
04 TECHNOLOGY
使った技術
- Python
- pandas
- scikit-learn
- Jupyter
- Next.js