井村屋グループ（チルドまんのAI需要予測）

業務担当者が毎日約2時間をかけて、複数の Excel シートや kintone アプリ、基幹システムからデータを手作業で抽出・整形し、前週トレンドや経験則をもとに翌日の出荷数を決めていた。

AI・データ活用に強みを持つ Hashup をコンサルティングパートナーに迎え、3社体制で PoC を実施した。まず散在していたデータの参照・抽出・整形を AWS 上のデータレイクとして自動化し、気象情報も自動取得できるようにした。そのうえで Amazon SageMaker Canvas の AutoML で時系列予測モデルを構築し、過去2年半の出荷実績に気温（代表6地点の平均最高・最低気温）、販促情報、前週トレンドなどを説明変数として投入した。出力は既存の見込シートとできるだけ同じ見た目になるよう配慮した。

出力の見た目を既存の帳票に合わせると、現場の移行がスムーズになる。熟練担当者の予測と WAPE で比較すると、AI に任せてよい商品と任せない商品を切り分けられる。