「売れると思って仕入れたのに余った」「欠品して機会損失」——食品・日配品を扱う小売業や飲食業では、需要予測の精度が直接利益に影響します。しかし専門システムを入れるほどの予算はない。
実は、手元のExcelデータとChatGPTを組み合わせるだけで、ある程度の需要予測が始められます。廃棄ロスを年間180万円削減した食品小売の事例から手順を解説します。
なぜ中小企業でも需要予測にAIが使えるのか
- POSデータや売上Excelが使える：高度なデータウェアハウスがなくてもOK
- パターン認識が得意：曜日・天気・イベントの傾向をAIが読み取る
- ChatGPTのデータ分析機能で即実行：CSVをアップロードするだけで分析できる
Step 1：過去の売上データをExcelに整理する
まず「商品名・日付・販売数量」の3列が揃ったExcelを用意します。最低でも3ヶ月分、理想は1年分のデータがあると予測精度が上がります。データが整ったら、ChatGPT（Plus/Teamプラン）のデータ分析機能にアップロードします。
Step 2：売上パターンをAIに分析させる
添付のCSVは過去6ヶ月の商品別日別販売数です。
以下の分析をしてください。
1. 曜日別の販売傾向（曜日ごとの平均販売数）
2. 月の週次推移（第1〜4週の傾向差）
3. 販売数が多い日・少ない日のパターン
4. 廃棄ロスが特に多いと思われる商品TOP3の推定
Step 3：翌週の発注数をAIに提案させる
上記の分析結果と、来週の情報をもとに、
以下の商品の来週月〜日の推奨発注数を提案してください。
【来週の情報】
天気：月〜水は晴れ、木〜金は雨予報
近隣イベント：土曜に地域の祭り開催
【商品リスト】
・〇〇（通常週の平均販売数〇個）
・〇〇（同〇個）
実際の効果（神奈川・食品スーパーD社の事例）
3店舗を展開する食品スーパーが3ヶ月でAI需要予測を導入した結果です。
- 廃棄ロス金額：年間約270万円 → 約90万円（年間180万円削減）
- 欠品率：月平均8% → 3%（品揃えも改善）
- 発注担当者の作業時間：週6時間 → 2時間
- 導入コスト：ChatGPT Plus 月3,000円のみ
注意点
予測はあくまで参考値
AIの予測はあくまで過去データに基づく傾向値です。特売・新商品投入・競合の動きなど外部要因は反映されません。最終的な発注判断は現場担当者が行うことが前提です。
データ品質が命
Excelのデータに抜けや入力ミスが多いと、予測精度も下がります。まず過去データのクリーニング（欠損値の確認・異常値の除外）を先に行いましょう。
まとめ：まず過去3ヶ月の売上Excelを用意することから
「AI需要予測」と聞くと大掛かりなシステムを想像するかもしれませんが、ChatGPTのデータ分析機能を使えば今すぐ始められます。まず「過去3ヶ月の商品別日別販売数」をExcelで整理してアップロードしてみてください。
曜日ごとの傾向を見るだけで、廃棄が多い曜日・商品が見えてきます。そこから発注を1個減らすだけで、月単位の廃棄削減が始まります。
