在庫データ分析の進め方｜5つの手法と失敗パターンを解説

在庫は多すぎれば保管コストがかさみ、キャッシュフローを圧迫するものです。少なすぎれば欠品が発生し、販売機会そのものを失いかねません。発注量の判断を担当者の経験や勘に頼っている現場ほど、品目数や拠点数が増えたときに精度は低下します。

この精度低下を放置すると、過剰在庫と欠品が同時に発生しやすくなるものです。原因は感覚的な判断そのものではなく、判断を支える数値が整理されていないことにあります。在庫マスタや入出庫履歴、受発注データを横断的に見れば、どの品目にどんな対策が必要かが見えてくるはずです。

本記事では、在庫データ分析の基本的な考え方から5つの分析手法、実務での進め方の手順、そしてよくある失敗パターンまで、現場で使える形で解説します。判断に迷ったときの基準や、明日から使えるチェックリストも交えていますので、自社の在庫管理を見直す際の参考にしてください。

在庫データ分析とは：目的と在庫管理における位置づけ

在庫データ分析とは、在庫マスタや入出庫履歴などの記録を数値的に読み解き、発注や保管の判断に活かす取り組みを指します。感覚に頼った在庫管理から一歩進むには、この分析が在庫管理全体のどこに位置づくのかを整理しておくことが大切です。ここでは定義と対象データ、分析の深さの違いを見ていきましょう。

在庫データ分析の定義と在庫管理のPDCAにおける役割

在庫データ分析とは、入出庫記録や在庫マスタ、受発注データといった数値情報をもとに、発注量や保管方法の判断材料を導き出す一連の作業です。単なる集計ではなく、「なぜ欠品が起きたのか」といった問いに数値で答える点に特徴があります。在庫管理はPlan・Do・Check・Actionという4段階のPDCAで回るものです。Planは発注計画、Doは発注や入荷にあたります。Checkは在庫状況の確認、Actionは発注ルールの見直しにあたり、在庫データ分析はこのCheckとActionの精度を支える役割を担います。

現場でよくあるつまずきは、PDCAのCheckを「在庫金額の前月比」だけで済ませてしまうことです。金額の増減だけでは、どの品目が問題なのかを切り分けられません。判断基準としては、品目別の在庫回転率と欠品率を毎月セットで確認するとよいでしょう。両方が悪化している品目から優先的に深掘りする進め方が実務では機能します。工数の目安としては、品目数が500程度の企業であれば、月次のCheckとAction会議の準備に2〜3時間程度を確保しておくと運用が回りやすくなるはずです。

分析対象となる在庫データの種類：在庫マスタ・入出庫履歴・受発注データ

在庫データ分析で扱う主なデータは、在庫マスタ・入出庫履歴・受発注データの3つです。在庫マスタには品目コードや単価、保管場所といった品目の基本情報が格納されており、分析の土台になります。入出庫履歴は日々の出荷数量や入荷数量の記録で、需要の波や季節性を把握する際の主要な情報源です。受発注データには発注日や納期、発注ロットなどが含まれており、リードタイムの実態を確認する際に使うものです。この3つを組み合わせて初めて、在庫の増減の背景まで読み解けるようになるでしょう。

実務では、これらのデータはWMS（倉庫管理システム）やERP、POSレジ、あるいはExcel台帳など別々のシステムに散らばっていることが珍しくありません。まず着手すべきは、各システムから品目コード・日付・数量・金額の4項目を軸にデータを取り出す作業です。次に、Excelかスプレッドシート上で品目コードをキーに結合できるかを確認します。品目コードの体系がシステムごとに異なっていると後工程でつまずくため、最初の段階でコード対応表を作っておくと安心です。この対応表があるだけで、その後の分析工数を大きく削減できます。

分析の4つのレベル：現状把握・原因特定・需要予測・意思決定支援

在庫データ分析は、扱う問いの深さによって4つのレベルに整理できます。1つ目は「今どうなっているか」を把握する現状把握で、2つ目は「なぜそうなったか」を掘り下げる原因特定です。3つ目は「今後どうなるか」を見積もる需要予測で、4つ目は「では何をすべきか」を判断する意思決定支援にあたります。レベルが上がるほど扱うデータの粒度と分析の難易度も上がっていくものです。特に需要予測は、業種ごとに求められる精度の基準が大きく異なる領域といえるでしょう。

• 現状把握：品目別の在庫金額・在庫回転率を一覧化する
• 原因特定：回転率が悪化した品目の入出庫履歴を遡り、発注ミスか需要変化かを切り分ける
• 需要予測：過去の出庫実績と季節指数から、来月・来四半期の必要数量を見積もる
• 意思決定支援：発注点や安全在庫の見直し、取扱終了品目の判断に反映する

現場で判断に迷うのは、どのレベルまで自社で取り組むべきかという線引きです。目安としては、まず現状把握と原因特定を月次で回せる体制を作るとよいでしょう。それが安定してから需要予測に着手するのが現実的な進め方です。品目数が少ない中堅企業であれば、現状把握から意思決定支援まで3〜6カ月程度で一巡させられるケースが多く見られます。着手する順番を誤ると、精度の低い需要予測に時間を使いすぎてしまう点には注意してください。

在庫データを分析することで解決できる課題

在庫データ分析は手法を学ぶこと自体が目的ではありません。実際に何の課題を解決するためのものかを明確にしておくと、どの手法から着手すべきかが見えやすくなるものです。ここでは代表的な3つの課題を取り上げていきましょう。

過剰在庫・欠品の抑制によるキャッシュフローの改善

過剰在庫は在庫金額としてバランスシートに計上され続け、保管コストや廃棄リスクとあわせてキャッシュフローを圧迫します。一方で欠品は販売機会の損失だけでなく、取引先からの信用低下にもつながる問題です。この2つは一見逆方向の課題に見えますが、実際には同じ発注ロジックの精度不足から生じているケースがほとんどでしょう。過剰在庫の品目と欠品の品目を別々の問題として扱うのではなく、発注の仕組みそのものを見直す視点が欠かせません。

実務での判断基準としては、品目別に在庫回転期間を算出します。計算式は「在庫金額÷月間出庫金額×30日」です。回転期間が60日を超える品目は過剰在庫の候補、7日を切る品目は欠品リスクが高い候補として抽出する方法が扱いやすくなります。中堅製造業の事例では、この基準で上位20品目を毎月確認するだけで、在庫金額を半年で10〜15%圧縮できたケースも見られました。担当者の負担を増やさずに成果を出せる点が、この方法の利点です。

売れ筋・死に筋の把握による発注判断の脱属人化

発注担当者の経験や勘に頼った運用では、担当者が異動や退職をした途端に発注精度が大きく落ちるリスクを抱えています。売れ筋と死に筋を数値で切り分けておけば、担当者が変わっても一定の水準で発注判断を引き継げるようになるでしょう。この切り分けに使われる代表的な手法が、後述するABC分析です。属人的な判断から数値的な基準への切り替えは、多くの企業がまず取り組む課題のひとつです。特に多店舗展開の企業では、この基準づくりの効果がより大きく表れるでしょう。

現場では、死に筋品目を「念のため」残し続けてしまうことがよくあります。判断基準としては、過去12カ月の出庫実績がゼロで、かつ在庫金額が一定額を超える品目を毎月抽出します。目安としては5万円程度の在庫金額を線引きに使う企業が多く見られるでしょう。抽出した品目は会議で機械的にリストアップし、取扱終了か値引き処分かをその場で判断する運用にすると属人性を減らせます。判断を先送りしない仕組みを作ることが何より重要です。

拠点・部門を横断した在庫状況の可視化

拠点や部門ごとにExcel台帳が分かれている企業では、ある拠点で欠品している品目が別の拠点では過剰在庫になっているケースが頻繁に発生します。拠点間の在庫を横断的に可視化できれば、追加発注をかける前に社内在庫の移動で対応できる場面が増えるでしょう。可視化が遅れるほど、無駄な追加発注と過剰在庫の両方が積み上がっていきます。拠点をまたいだ情報共有の遅れは、想像以上にコストへ跳ね返るものです。特に繁忙期には、この遅れが売上機会の損失に直結します。

実務での手順としては、まず各拠点の在庫データを品目コードで統合します。続いて、BIツールやピボットテーブルを使って拠点別・品目別のクロス集計表を作成してください。移動可能な在庫を月次で確認する運用に切り替えた小売企業では、拠点間移動だけで緊急発注の件数を月平均で3割程度減らせた例もあります。集計表は担当者だけでなく、拠点責任者にも共有する運用にすると効果が定着しやすくなるでしょう。月次の集計会議に拠点責任者を巻き込むことが定着の鍵です。

在庫データ分析で押さえておきたい5つの基本手法

在庫データ分析にはさまざまな手法がありますが、実務で使用頻度が高いものは限られています。ここでは、多くの企業でまず導入されている5つの基本手法を、使いどころとあわせて紹介します。

ABC分析：重点管理すべき品目の絞り込み

ABC分析は、品目を売上高や出庫金額の累計構成比によってA・B・Cの3グループに分け、管理の優先順位をつける手法です。一般的には累計構成比70%までをA、90%までをB、それ以降をCとする区分が広く使われています。A区分の品目は在庫切れが業績に直結するため、発注頻度を上げたり安全在庫を厚めに設定したりするなど、手厚い管理の対象にするべきでしょう。安全在庫を厚めに設定したりするなど、手厚い管理の対象にするべきでしょう。B・C区分は同じ手間をかけず、確認頻度を落として省力化するのが基本的な考え方です。

実務でのつまずきとしてよくあるのが、金額ベースの構成比だけを見て、A区分の品目数が想定より少なくなり、B・C区分の管理が手薄になる点です。判断基準としては、A区分は品目数ベースで全体の20%前後に収まるよう区分点を調整します。それでも品目数が少なすぎる場合は、数量ベースの構成比も併用すると判断のバランスが取りやすいでしょう。Excelであれば、出庫金額の降順に並べ替えて累計構成比を計算する関数を1本組んでおけば、月次の更新は数分で完了します。

在庫回転率・在庫回転期間：在庫効率の把握

在庫回転率は、一定期間の出庫金額または数量を平均在庫金額で割って算出する指標で、在庫がどれだけ効率的に回転しているかを示します。回転率が低い品目は資金が長く滞留していることを意味するものです。逆に回転率が高すぎる品目は、欠品リスクを抱えている可能性があるでしょう。在庫回転期間は回転率の逆数に近い考え方で、「在庫が何日分あるか」を直感的に把握できる指標です。経営会議でも説明しやすい指標だといえるでしょう。

現場では業種や品目カテゴリーによって適正な回転率の水準が大きく異なるため、全社一律の目標値を設定すると誤った判断につながりやすくなります。判断基準としては、同じカテゴリー内の品目を比較し、極端に回転率が低い、または高い品目を抽出しましょう。その上で、理由を個別に確認する進め方が実務的です。食品や日用品なら回転期間が15〜30日、機械部品なら60〜90日程度を目安に置く企業が多く見られます。業種特性を無視した一律基準は、かえって誤解を招きます。

交差比率分析：品目ごとの利益貢献度の評価

交差比率とは、粗利率と在庫回転率を掛け合わせた指標で、「在庫金額あたりどれだけ利益を生んでいるか」を1つの数値で表します。ABC分析が金額規模だけを見るのに対し、交差比率は利益率の高い品目と低い品目の違いを反映できる点が特徴です。回転率は高いが粗利率が低い品目と、回転率は低いが粗利率が高い品目を同列に扱ってしまうと、発注方針を誤るおそれがあるでしょう。金額規模だけでは見えない収益性の差を補う指標として活用してください。

実務での使い方としては、ABC分析で抽出したA区分の品目について、さらに交差比率で並べ替えます。上位品目には棚割りやプロモーションの優先枠を割り当てる、という2段階の絞り込みが有効です。目安として、交差比率が200%を超える品目は積極的に売り場面積や在庫量を増やす候補になるでしょう。逆に100%を下回る品目は取扱条件の見直し候補として扱う小売企業が多く見られます。2つの指標を段階的に使い分ける発想が、精度を高める鍵になります。

滞留在庫・デッドストック分析：処分・見直し対象の特定

デッドストックとは、長期間にわたって出庫がなく、今後も販売や使用の見込みが薄い在庫を指します。滞留在庫はデッドストックの予備軍にあたり、放置すると保管コストと廃棄損失が積み上がっていく点が問題です。在庫データ分析では、最終出庫日からの経過日数と在庫金額を組み合わせて、対応の優先順位をつけるとよいでしょう。経過日数だけでなく金額規模も見ることで、対応の緊急度を正しく判断できます。金額と期間を両輪で見る視点が欠かせないでしょう。

判断基準の一例として、最終出庫日から180日以上経過し、かつ在庫金額が一定額を超える品目を「要対応リスト」として毎月抽出する運用が実務でよく使われます。現場でのつまずきとしては、担当者の心理的な抵抗から処分の判断が先送りされがちな点が挙げられるでしょう。経理部門を交えて評価損の基準をあらかじめ決めておくと、判断のスピードが上がります。リストの見直しを毎月の定例業務に組み込んでおくことも欠かせません。

需要予測分析：季節性・トレンドを踏まえた将来在庫の見積もり

需要予測分析は、過去の出庫実績から季節性やトレンドを読み取り、将来必要になる在庫量を見積もる手法です。単純な移動平均から、季節指数を加味した予測、機械学習を用いた予測まで手法の幅は広いといえるでしょう。扱うデータ量や求める精度によって使い分ける必要があります。精度を高めようとするほど、必要なデータ量と分析の手間も増えていく点に注意してください。手元のデータ量に応じて手法を選ぶ姿勢が現実的です。この姿勢が、失敗を減らす近道になります。

中堅企業の実務では、まず過去2〜3年分の月次出庫データを用意します。季節指数で補正した移動平均から始めるのが現実的な進め方でしょう。予測精度、つまり実績との誤差率が20%を超える品目についてのみ、より詳細な予測モデルを検討します。Excelの分析ツールでも季節調整と移動平均の計算は十分に対応でき、専用ツールの導入は精度の壁にぶつかってから検討しても遅くありません。段階を踏んで導入することが、無駄な投資を避けるコツです。

在庫データ分析の進め方：5つのステップ

手法を理解しても、実際の分析はどの順番で進めるかによって成果が大きく変わります。ここでは、多くの企業で機能している5つのステップに沿って、具体的な進め方を確認します。

STEP1：分析目的とKPIの設定

分析に着手する前に、何を改善したいのかという目的と、それを測るKPI（重要業績評価指標）を先に決めておく必要があります。目的が曖昧なまま分析を始めると、手法だけが増えて意思決定につながらない状態に陥りがちでしょう。目的とKPIを先に固定しておくことが、遠回りに見えて最短ルートになります。着手前のこの一手間が、後の手戻りを防ぐ鍵です。実際に導入がうまくいく企業ほど、この初期整理を丁寧に行っています。

実務での進め方としては、経営層や在庫管理の責任者と1時間程度の打ち合わせを設けます。「在庫金額を減らしたいのか」「欠品を減らしたいのか」「発注業務を効率化したいのか」を明確にしてください。それぞれに対応するKPIとして、在庫回転率、欠品率、発注リードタイムなどを1〜2個ずつ紐づけるとよいでしょう。KPIを増やしすぎると運用が続かなくなるため、最初は3つ程度に絞ることをおすすめします。会議の場でKPIの担当者まで決めておくと、運用が定着しやすくなります。

STEP2：WMS・ERP・POS・Excelからの在庫データ収集と統合

分析対象データの範囲が決まったら、WMSやERP、POSレジ、Excel台帳といった各システムからデータを収集し、1つの分析用データセットに統合します。システムが複数にまたがる企業ほど、この工程に想定以上の工数がかかる点に注意が必要でしょう。統合作業を軽視すると、後工程の分析そのものが宙に浮いてしまいます。地道な統合作業こそ、分析全体の土台です。この土台作りに時間をかけるほど、後の分析がスムーズに進みます。

実務での手順としては、各システムからCSVやExcel形式でデータをエクスポートします。品目コード・拠点コード・日付・数量・金額の5項目を共通フォーマットにそろえたうえで結合してください。目安として、システムが3〜4系統に分かれている中堅企業では、初回の統合作業に3〜5営業日程度を見込んでおくと計画が立てやすくなるでしょう。遅れが見込まれる場合は、早めに関係部署へ共有しておくと安心です。関連する進め方は以下の記事でも詳しく解説しています。

データ統合とは？統合の目的や初心者向けの進め方を解説

STEP3：データ整備：品目コード統一・単位の標準化・欠損値の処理

収集したデータをそのまま分析にかけると、表記ゆれや欠損値の影響で誤った結論を導きかねません。品目コードの体系統一、個数・箱・ケースといった単位の標準化、欠損値の扱い方をあらかじめ決めておくことが、この工程の中心です。ここを丁寧に行うかどうかで、後続する全ての手法の精度が変わってくるでしょう。データ整備は地味な作業ですが、最も投資対効果が高い工程だといえます。地味に見えて、後工程全体を左右する重要な工程です。

現場でよくあるつまずきは、同じ品目でもシステムごとに品目コードの桁数や採番ルールが異なることです。結合したはずのデータが、実は別品目として扱われてしまうケースがあるでしょう。判断基準としては、品目名と規格を突き合わせて手作業で対応表を作る範囲を、品目数の上位20%に絞ります。多くの場合、出庫金額の大部分を占めるA区分に絞ることで、限られた工数でも精度を確保できるはずです。データ整備の具体的な手法は以下でも紹介しています。

データクレンジングとは？意味と代表手法を解説！

STEP4：手法の適用とグラフ化：Zチャート・ヒストグラム・散布図の使い分け

データが整ったら、目的に応じた手法を適用し、結果をグラフ化して関係者と共有できる状態にします。月次売上の傾向を把握したいときはZチャート、品目ごとの分布のばらつきを見たいときはヒストグラムが使いやすい選択肢でしょう。2つの指標の関係を確認したいときは散布図を使うと、傾向がひと目で分かります。目的にあわせてグラフを使い分ける発想が大切です。使い分けを意識するだけで、報告資料の説得力も変わります。慣れないうちは、まず1種類のグラフから試すとよいでしょう。

Zチャートは、月次実績・累計実績・移動年計の3本の折れ線を1つのグラフに重ねて表示するものです。これにより、季節変動と長期トレンドを同時に確認できるのが特徴でしょう。実務ではExcelでも作成できますが、拠点や品目が多い場合はBIツールでダッシュボード化しておくと、毎月の更新作業を大幅に削減できます。初めて作る際は、まず1つの部門で試してみるとよいでしょう。グラフ化の具体的なコツは以下の記事も参考になります。

ダッシュボードとは？意味から導入するプロセス、ツールの比較まで徹底解説

STEP5：発注点・安全在庫への反映と定期的な見直し

分析結果は、最終的に発注点や安全在庫の見直しに反映されて初めて成果につながります。発注点は「在庫がこの水準まで下がったら発注する」という基準値でしょう。安全在庫は需要のばらつきやリードタイムの変動に備える緩衝分にあたります。この2つの数値を更新しないまま分析だけを続けても、現場の運用は何も変わりません。定期的な反映こそが、分析を成果につなげる最後の一歩です。この一歩を怠ると、それまでの分析作業が無駄になってしまいます。

実務での判断基準としては、需要予測の誤差率とリードタイムの変動幅が大きい品目ほど安全在庫を厚めにするのが基本です。逆に需要が安定している品目は薄めに設定し、キャッシュフローを優先してください。目安として、発注点と安全在庫の見直しは四半期に1度、需要変動が大きい業種であれば毎月見直す運用が現実的でしょう。見直しの頻度をカレンダーに組み込んでおくと、対応漏れを防げます。小さな仕組み化こそが、継続的な運用を支える土台です。

分析精度を左右する在庫データの品質と整備のポイント

どれだけ手法を正しく選んでも、元になるデータの質が低ければ分析結果の信頼性は下がります。ここでは、分析精度を左右する4つのデータ品質の論点を確認します。

品目マスタの重複・表記ゆれが分析結果に与える影響

同じ商品が「品目コード違い」や「型番の表記ゆれ」によって複数の品目として登録されていると、在庫回転率やABC分析の結果が実態より分散して見えてしまいます。特に合併や事業統合を経た企業では、旧システムのコード体系がそのまま残っているケースが少なくないでしょう。表記ゆれに気づかないまま分析を進めると、対策の優先順位そのものを誤ってしまいます。気づいた時点ですぐに名寄せに着手する姿勢が重要です。放置する期間が長いほど、修正の手間も増えていきます。

現場でのつまずきとしては、重複に気づかないまま分析を進め、「回転率が低い品目が多い」と誤って判断してしまう点が挙げられるでしょう。判断基準としては、品目名の類似度や規格・単位の一致度をもとに重複候補を抽出します。月次の棚卸のタイミングで名寄せ作業をあわせて実施すると、追加の工数を抑えられるはずです。棚卸と分析のタイミングを合わせておくと運用が滑らかになります。品目マスタの整備については以下でも解説しています。

マスタデータとは？具体例でクイックに解説！

拠点別・ロット別・ステータス別に粒度をそろえる

在庫データは、拠点別・ロット別・良品と不良品などのステータス別といった複数の切り口で管理されていることが多くあります。分析の際にどの粒度でデータを集計するかによって、結果が大きく変わってしまうでしょう。粒度をそろえずに全社合計で見てしまうと、特定拠点の問題が他拠点の在庫で相殺され、見えなくなってしまいます。粒度の設計は、分析の入り口として最も見落とされやすい工程です。この工程を丁寧に行うだけで、分析結果の信頼性が変わります。

実務での手順としては、まず拠点別・ステータス別の内訳を残したまま分析用データセットを作成します。KPIごとに必要な粒度で集計し直せる状態にしておいてください。良品在庫と不良在庫を合算したまま在庫回転率を計算すると、数値が実態より良く見えてしまうでしょう。判断基準としては、少なくとも良品・不良品・保留品の3ステータスは分けて集計することをおすすめします。マスタデータ管理の考え方は以下の記事が参考になります。

マスタデータ管理（MDM）とは？適切に運用する重要性とその手法を解説

棚卸差異とデータ更新タイミングのずれをどう扱うか

システム上の在庫数と実地棚卸の在庫数には、多かれ少なかれ差異が生じるものです。この差異を放置したまま分析を進めると、実態と異なる在庫水準をもとに発注判断をしてしまうリスクがあるでしょう。差異率が高い品目カテゴリーほど、分析結果への影響も大きくなっていきます。棚卸のたびに差異率を記録し、傾向を追うことも有効な対策です。差異率の推移を見るだけでも、異常な兆候に早く気づけます。小さな変化を見逃さない仕組みづくりが大切です。

現場でよくあるつまずきは、出庫伝票の入力タイミングが実際の出庫より数日遅れることです。これにより、月末時点の在庫データが実態とずれてしまうでしょう。判断基準としては、棚卸差異率、つまり差異数量を帳簿在庫数量で割った値が品目カテゴリーごとに一定水準を超える場合に注目します。目安は3%程度で、これを超えるカテゴリーについてはデータ更新のタイミングやルールそのものを見直す対象とします。ルールの見直しは、現場と経理の両方を交えて行うことが望ましいです。

分析環境の選び方：Excel・BIツール・在庫管理システムの使い分け基準

分析環境の選定は、品目数やデータ更新頻度、関係者の人数によって最適解が変わります。Excelは導入コストが低く柔軟性も高い一方、データ量が増えると動作が重くなり、属人化しやすいという弱点があるでしょう。環境を選ぶ際は、現在の規模だけでなく1〜2年後の拡大も見込んで判断することをおすすめします。選定を誤ると、後から移行するコストの方が大きくなりかねません。最初の選定こそ、慎重に検討すべき判断です。迷ったときは、まず小規模に試してみる方法もあります。

BIツールは複数人での共有やダッシュボード化に強みがありますが、導入と運用にはある程度の学習コストとライセンス費用がかかるでしょう。在庫管理システムは発注業務そのものと連携できる点が最大の利点ですが、導入までのリードタイムが長くなりがちです。3つの環境を併用しながら段階的に移行する企業も少なくありません。移行のタイミングは、品目数や体制の変化を目安に決めるとよいでしょう。判断に迷う場合は、以下の比較も参考にしてください。

人気BIツール8つを詳細に比較【2022最新】

在庫データ分析でよくある失敗パターンと回避策

分析の手法や進め方を押さえていても、いくつかの典型的な落とし穴にはまると成果につながりません。ここでは、現場でよく見られる4つの失敗パターンと、その回避策を取り上げます。

数量だけを見て金額・利益率を考慮しない

出庫数量の多さだけを基準に「売れ筋」と判断すると、単価が低く利益への貢献が小さい品目を過大評価してしまうことがあります。逆に、数量は少なくても利益率が高い品目を見落とし、在庫を減らしすぎてしまうケースも見られるでしょう。数量という1つの指標だけで判断を下すことの危うさが、ここに表れています。金額の裏付けを常にセットで確認する習慣が欠かせません。この習慣が定着している企業ほど、判断のブレが少ないものです。

回避策としては、数量ベースの分析と金額・利益ベースの分析を必ずセットで確認する運用にすることです。判断基準としては、数量順位と交差比率順位の両方で上位に入る品目を最優先の管理対象とするとよいでしょう。順位が大きく乖離する品目については、個別に理由を確認するという進め方が実務的です。理由が分かれば、次の発注に確実に活かせます。小さな確認の積み重ねが、判断の精度を底上げする方法です。数字の裏側を見る習慣づけが、最終的な差につながります。

全社合計の在庫回転率で個別品目の問題を見落とす

全社や拠点全体の在庫回転率だけを追いかけていると、一部の品目が極端に滞留していても、他の品目の高い回転率に紛れて見えなくなってしまいます。経営会議向けの資料では全社合計の数値が好まれがちですが、それだけでは改善のヒントが得られないでしょう。数値を1つに集約しすぎることが、問題の発見を遅らせる原因になります。集約と内訳確認は、常にセットで運用することが望ましいといえます。この運用こそが、問題の早期発見につながる基本です。

回避策としては、全社合計の数値とあわせて、品目別またはABC区分別の回転率分布をヒストグラムで確認する運用を組み込むことです。目安として、回転期間が全体平均の2倍を超える品目を毎月抽出しましょう。原因特定のレベルまで掘り下げる運用にすると、全社合計だけでは見えない問題を拾えるようになります。小さな異常のうちに対処できる点が、この運用の利点です。全社の数字だけを見ていては、この利点に気づけません。

Excelの属人的な集計で再現性が失われる

特定の担当者が独自に作り込んだExcelの集計シートに依存していると、その担当者が不在のときに分析が止まってしまいます。関数やマクロが複雑になるほど、他の人が引き継いで修正することも難しくなるでしょう。属人化は担当者本人にとっても大きな負担になっていきます。仕組みが個人に依存する状態は、早めに解消しておくべきです。解消が遅れるほど、引き継ぎのリスクも高まります。早めの仕組み化が、組織にとって安心材料です。

回避策としては、集計ロジックを別シートやドキュメントに明文化することです。少なくとも2人が同じ手順で同じ結果を再現できる状態を維持してください。品目数やデータ量が増えてExcelでの運用に限界を感じ始めたタイミングは、BIツールへの移行を検討する1つの目安になるでしょう。移行を先延ばしにするほど、切り替えの負担も大きくなります。早い段階での判断が、結果的に工数を抑える近道です。関連する課題については以下の記事でも取り上げています。

ExcelからBIへの移管プロジェクトで、数値のズレが起こる13の理由と対応策

分析結果が発注・生産計画に反映されないまま終わる

分析レポートを作成して共有するところまでは進んでも、その結果が実際の発注ルールや生産計画に反映されないまま終わってしまうケースは少なくありません。レポートを見た担当者が「わかりました」と答えるだけで、運用が変わらなければ在庫の状態も変わらないままでしょう。報告だけで終わる会議には、大きな意味がありません。会議の目的は、決定を生み出すことにあるはずです。決定なきレポートは、単なる記録に留まってしまいます。

回避策としては、分析結果を報告する会議の場で、発注点や安全在庫の見直し、取扱終了品目の決定など、具体的なアクションと担当者、期限までその場で決めてしまうことです。判断基準としては、アクションが決まらない議題は次回に持ち越さないようにしましょう。KPIへの影響が大きい順に優先順位をつけ、多くても3件に絞って着手するという運用が実務では機能します。件数を絞ることが、確実な実行につながる工夫です。決めたことは、次回の会議で必ず進捗を確認します。

業種別に見る在庫データ分析の活用事例

在庫データ分析の勘所は業種によって異なります。ここでは、製造業・小売、EC・卸売業の3つの業種を例に、実際にどのような切り口で分析が行われているかを紹介します。

製造業：仕掛品・部材在庫の滞留分析による生産計画の見直し

製造業では、完成品在庫だけでなく仕掛品や部材在庫の滞留も分析対象になります。特定の部材が長期間滞留している場合、設計変更や需要見込みの誤りによって使われなくなった可能性があるでしょう。滞留の背景を突き止めることが、生産計画そのものを見直すきっかけになります。部材レベルの分析まで踏み込めるかどうかが、製造業特有の課題です。この踏み込みが、無駄な部材調達を減らします。調達コストの削減効果は、想像以上に大きいものです。

実務での進め方としては、部材コードごとに最終使用日からの経過日数を集計します。一定期間、例えば90日以上動きのない部材を生産管理部門と共有し、設計変更や代替部材への切り替えの要否を確認してください。滞留部材の分析から生産計画全体を見直した事例では、仕掛品在庫の金額を半年で2割前後圧縮できたケースも見られるでしょう。生産部門と分析担当者の連携が、成果を左右します。関連する取り組みは以下の記事も参考になります。

デジタルツインとは？導入メリットや推進課題、製造業や都市開発の活用事例を紹介

小売・EC：店舗別ABC分析による品揃えと補充頻度の最適化

小売・ECでは、店舗やチャネルごとに売れ筋が異なるため、全社一律のABC分析では品揃えの最適化につながりにくい面があります。店舗別やチャネル別にABC分析を行い、地域特性や客層の違いを反映した品揃えに調整することが重要になるでしょう。一律の基準にこだわりすぎると、店舗ごとの機会損失を見逃してしまいます。店舗の個性を数値で捉える視点が、品揃えの精度を左右します。この視点があるかどうかで、品揃えの満足度も変わるものです。

実務での手順としては、店舗ごとの出庫データをもとにABC区分を算出するとよいでしょう。A区分品目については補充頻度を週次から日次に引き上げ、C区分品目については取扱の見直しを検討するといった対応を行ってください。判断基準としては、店舗間でA区分の構成が大きく異なる場合、立地や客層の違いを踏まえた個別対応が必要なサインとして扱います。個別対応の判断は、現場の声も参考にすることが望ましいです。現場の意見を吸い上げる仕組みも用意しておきます。

卸売業：交差比率分析に基づく取扱品目の整理

卸売業では取扱品目数が非常に多くなりやすく、すべての品目を同じ基準で管理するのは現実的ではありません。交差比率分析を使い、利益貢献度の低い品目を絞り込んで取扱条件を見直すことが、在庫効率の改善に直結するでしょう。品目数が多い業態ほど、この絞り込みの効果は大きくなります。取扱品目の棚卸しを定期的に行う姿勢が、収益性の維持につながります。この姿勢を持つ企業ほど、利益率の改善が早いものです。地道な棚卸しの積み重ねが、収益改善につながります。

実務での判断基準としては、交差比率が一定水準を下回る品目について、仕入条件の見直しや最小発注ロットの引き上げを検討するとよいでしょう。あるいは、取扱終了を段階的に進める判断も選択肢に入ってきます。目安として、取扱品目の下位20%を対象に年に1度、取引先を交えて条件の見直し交渉を行う卸売企業の事例も見られます。交渉の前に社内で優先順位をすり合わせておくことが大切です。この準備が、交渉をスムーズに進める助けになります。

まとめ：在庫データ分析は「データ整備」と「意思決定への接続」で成果が決まる

ここまで、在庫データ分析の基本的な考え方から5つの手法、実務での進め方、よくある失敗パターン、業種別の活用例までを確認してきました。手法そのものは決して目新しいものではありません。成果につながるかどうかは、品目マスタの整備やデータ更新のタイミングといった地味な作業をどれだけ丁寧に行えるかで大きく変わるでしょう。

分析結果を出しただけで終わらせず、発注点や安全在庫の見直し、取扱品目の整理といった具体的なアクションに毎回つなげる運用を作れるかどうかが、もう1つの分かれ目です。まずは自社の課題に近い手法を1つ選び、小さく始めてみることをおすすめします。

「これから在庫データ分析に関する取り組みを実施したいけれど、何から手をつけたらいいかわからない」「データ専門家の知見を取り入れたい」という方は、データ領域の実績豊富な弊社、データビズラボにお気軽にご相談ください。

貴社の課題や状況に合わせて、在庫データの取り組みをご提案させていただきます。

データビズラボの実績無料相談・お見積り