当初、同社は鮮度管理を主目的にICタグを導入。常に「新鮮でおいしいすし」を提供できるよう、すし皿の裏に張り付けたICタグで「今、どのすし皿が、どれほどレーンを流れているのか」といったデータを取得し、鮮度管理や仕入れコストの最適化などに役立ててきた。本社だけではなく、各店舗でも仕入れを行う営業部門がMicrosoft Excelを使って販売実績や仕入れコストなどの数値管理を行い、徹底したコスト管理に努めてきたという。だが近年は来店客のニーズも多様化。市場変化の波に、より俊敏・柔軟に対応するために、新たな情報ポータルを求めていたという。

　そこで2012年度に、集計・検索、レポーティングなどの機能を持つウイングアークのデータ分析基盤製品「Dr.Sum EA」と、データを任意の視点で可視化できるダッシュボード製品「MotionBoard」を導入。あきんどスシローがもともと使っていたMicrosoft SQL Serverをデータウェアハウスとして活用した他、システム環境をAmazon EC2上に構築することで、より効率的な導入・運用を狙った。田中氏はデータ活用の取り組みを次のように解説する。

図1　あきんどスシローが導入したシステム構成図（資料提供：ガートナー／2013年5月）

　「もともと鮮度管理を目的に導入したICタグだったが、これによって、いつ、どのすしが、どのくらい売れたのかが分かるようになった。取得できるデータはそれだけではない。注文用のタッチパネルを各席に設置しているため、『どこのテーブルで、いつ、何を、どういう順番で頼んだか』というデータも取得できる。また、来店客に順番待ち時間を案内するために、大人と子どもの人数を聞く受付システムも導入している。これにより『何人の、どの年齢層の来店客が、いつ、どの席に座ったのか』といった情報もつかめる。これらのデータとウイングアークのシステムを使うことで、本社や各店舗の営業スタッフがさまざまな観点から需要予測を行える」

　具体的には、直近の販売トレンドが分かる「過去○週間のすしネタ別販売実績」、「着席した来店客が一定時間で何皿食べるか」の統計値、さらに「現在の来店客数」などのデータを掛け合わせる。これにより「1分後、15分後にはどのすしネタを、どのくらいレーンに流せば、鮮度のよいすしを無駄なく販売でき、お客さまに喜んでいただけるのか」をシステムで予測し、それに基づいてレーンに流すすし皿の供給指示を行っているのだという。

　「弊社では元来『おいしいすしを提供できれば売れる』という考え方を重視している。店長がお客さまの表情を見て『これを流せば売れるのでは』と予測してすし皿を流す、いわば店長の“勘と経験”を生かして発展してきた経緯がある。だが店舗数も300を超え、営業時間も1日12時間となると、全店舗の運営を勘と経験だけで均一に支えることは難しい。そこでデータとツールを有効なオペレーションの後ろ盾として使っている格好だ」

経験豊富な店長の“勘と経験”を全店舗に展開

　田中氏は「一般に、経営において“勘や経験”という言葉を持ち出すとばかにする風潮もあるが、弊社では決してばかにせず、重視している点が特徴だ」と強調する。

　「各種データを分析することで、各すしネタの『平日／週末の販売傾向』や『平日の時間帯別の販売傾向』などを把握できる。例えば『平日の午前はシニア層が多いため、ツブ貝などシニア層に好まれるネタがよく売れる』『夜になると家族連れの来店客が増えるため、卵やイクラなど子どもに好かれるネタの売り上げが伸びる』など、時間帯や客層などと販売実績の関係や傾向が分かる。これを基に需要予測を行い、従業員に供給指示を出しているわけだが、この供給指示のアルゴリズムに、経験豊富な店長やネタの仕入れを行う営業部スタッフの“勘と経験”を反映している」

図2　来店客の数や属性などを管理する受付システムのデータや過去の販売実績などを基にシステムで需要を予測。管理画面上で紫、青といった色を使って供給量を店舗スタッフに直感的に指示する（資料提供：ガートナー／2013年5月）

　供給指示の精度にもこだわる。「システムが出す供給指示に従って、実際にレーンにすし皿を流したときに、店長が来店客の状況と併せて店内を眺めても、その肌感覚に合うものになっているかどうかを重視してシステムをチューニングした」

　というのも、同社では鮮度を重視する上で、売れ残ったすしがレーン上に残ってしまうことを避けるため、短いものでは30分、遅くとも45分で売れ残ったすしネタを廃棄している。しかしその分、仕入れコストは無駄になるため、「いつ、どのすしネタを、どのくらい流せばよいか」という需要予測が鮮度とコストを両立するための重要な鍵を握っている。

　その点、経験豊富な店長は、勘と経験によって、正午を過ぎた時点で1日の売り上げの着地点をほぼ予測できるのだという。各店舗では1日に2、3回、ネタの仕込みをしているが、こうした予測能力が午後や夜に向けて、鮮度を維持しながら仕込みの無駄をなくすことに役立っている。今回のシステムでは、まさにこの“店長の予測能力と肌感覚”を標準化し、全店舗に均一に展開することを狙ったというわけだ。

“店長の勘”にデータ分析というアンテナを融合

　この他、MortionBoardのアラート機能も活用しているという。各店舗のレーンの販売状況や廃棄率を常にモニタリングし、廃棄率がしきい値を超えると店長にアラートを発信、即座に供給量を是正できる仕組みとしている。

　また、システムは来店客数の増減予測などに基づき、「鮮度の高い状態で売り切れる量」を予測して「1分後の供給量」「15分後の供給量」を提示している。これに対し、経験を積んだスタッフが多くオペレーションがスムーズな店舗なら、システムの供給指示に俊敏に対応できるが、新設店などオペレーションがこなれていない店舗の場合、供給指示に対応しきれず「売れるべきものが売れなくなる」こともある。そうした場合も、時間帯別販売実績データなどをMortionBoardのリポート画面を通じてドリルダウンすることで、「なぜ売れなかったのか」「なぜ廃棄が増えたのか」の原因をつかみ、改善につなげることができるという。

　データの活用対象は店舗運営だけではなく、販売促進策にも及ぶ。例えば、全国のすしネタ人気ランキングではマグロ、サーモン、ハマチ、中トロの順に販売実績が高いが、地域別で見ると「マグロ、サーモン、ハマチは全国的に人気があるが、中トロは関東で人気があり、関西ではさほどでもない」と分かったとする。これを基に「最初は全国一律にキャンペーンを展開し、時期を見て九州、中国エリアなど関西地方から順番にキャンペーンを終了させる」「人気のある関東に中トロの在庫を優先的に供給する」など、コスト最適化と顧客満足を両立する合理的な意思決定に役立っているという。

　「現在のシステム環境では全国規模、地域別、エリア内の他店との比較など、さまざまなスケールでデータを可視化することができる。弊社も以前はExcelを使ってデータを分析していたが、個店単位でデータを分析して改善策を考えるスタイルでは、施策も部分最適なものになりやすい。その点、さまざまなスコープ、スケールで客観的にデータを検証することで、より有効な施策を立案、展開できるようになった。ビッグデータ活用というと『大量のデータがなければできない』といったイメージもあるが、重要なのは量より、あらゆる観点で柔軟にデータを分析できることなのではないだろうか」

　なお、システムは現状で完成とは考えず、今後もブラッシュアップを継続。予測精度をさらに高めていく構えだという。

　田中氏は同社の取り組みについて、「弊社は創業以来、『いただいたお金の半分はお客さまに返す』ことを理念の1つとして鮮度とコストを厳しく管理してきた。その点、データを使えばあらゆる問題や事象を客観的に素早く察知することができる。いわば、従来から大切にしてきたアナログなオペレーションに、データ分析というアンテナを融合させたのがスシローのビッグデータ活用法だ」と解説。今後も勘と経験による店舗運営を、ITによるPDCAサイクルで継続的に強化していきたいとしている。