Case 04 / AI活用前整備
AI活用の前にデータ整備が必要で、PoCが前に進まない
物流／拠点7倉庫／オペレーション企画部／需要予測用データ整備
3ステップで「作れる」→「回る」→「判断できる」へ
Step 1（As-Is）定義がバラバラ
→Step 2整備の姿を作る
→Step 3（To-Be）判断を早くする
課題
- 受注・出荷・在庫データの定義が曖昧
- 学習データが作れない
- 特徴量作成が毎回手作業
現場の困りごと「整える前提」が揃わず、PoCが繰り返し申し送りに
実施内容
- データ品質診断で学習可能問題とギャップを定義
- 基盤設定作業支援でETL雛形と特徴量定義テンプレを整備
- サンプル学習で精度上限を試算
仕様ポイント数値の仕組みは変えずに、現場が「固定する量」を選択して設計
成果
作成工数
2日/回 → 30分/回
繰り返し作れる仕組みに
PoC精度（MAPE）
35% → 18%
改善余地が定量で見える
投資判断
追加投資のGo判断を迅速化
定着のコツ
「精度」だけでなく、作成・更新の運用まで一緒に設計
⏱
導入イメージ
2ヶ月間｜診断→ETL雛形→PoC｜体制 BFT2名＋企業1名＋IT1名
※診断後の費用提示または費用発生なし（NDA締結後に案件着手開始）