課題：蓄積されるだけのデータ、活用できない在庫情報

A社様は、Kintoneを活用して800種類を超える商品の在庫管理を行っていました。日々の入出荷データは正確に記録されており、「在庫数」の把握という点では問題なく運用できていました。

しかし、経営層からは以下のような悩みが聞かれました。

顕在化していた課題

適正な在庫数が分からない - 何個持っていれば安心なのか、明確な基準がない
発注タイミングが曖昧 - 経験と勘に頼った発注判断
発注量の決定が難しい - どれだけ仕入れるべきか根拠がない
動きの遅い在庫が見えない - 倉庫に眠っている「死に筋」商品を特定できない
発注作業が月1回に限定 - データ分析に時間がかかり、頻繁な見直しができない

「Kintoneにはデータがたくさんあるんです。でも、それを見ても『だから何をすればいいのか』が分からない。データは溜まる一方で、活用できていませんでした」

解決策：Google Cloudを活用したデータ分析基盤の構築

弊社では、A社様の課題を解決するため、以下の3つのステップでデータ分析基盤を構築しました。

Step 1：KintoneからBigQueryへのデータ連携

Kintone APIを活用し、在庫データ・出荷データ・商品マスタなどを自動的にGoogle Cloud BigQueryへ転送する仕組みを構築しました。

ポイント：

手作業でのデータ抽出・加工が不要に
日次で最新データが自動更新
過去データの蓄積により、時系列分析が可能に

Step 2：ABC分析・XYZ分析による商品の多角的評価

BigQuery上で、在庫管理の定番手法であるABC分析とXYZ分析を組み合わせた分析を実装しました。

ABC分析（パレートの法則に基づく重要度分類）

ランク	基準	内容
A	売上/利益の上位80%を構成	売れ筋商品。欠品厳禁
B	売上/利益の次の15%を構成	中程度の重要度
C	売上/利益の残り5%を構成	死に筋候補。在庫削減対象

XYZ分析（需要変動に基づくリスク分類）

ランク	基準	内容
X	変動係数が低い	需要が安定。予測しやすい
Y	変動係数が中程度	季節性やトレンドあり
Z	変動係数が高い	需要が不規則。予測困難

Step 3：ROI（GMROI）とデュポン分析による投資効率の可視化

「たくさん売れる」と「儲かる」は違います。本プロジェクトでは、小売・流通業における最重要指標であるGMROI（商品投下資本粗利益率） を算出し、商品ごとの投資効率を明らかにしました。

GMROI（商品投下資本粗利益率）とは：

GMROI = 年間粗利額 ÷ 年間平均在庫金額（原価）

GMROI	評価	意味
200%以上	優秀	在庫投資額の2倍以上の利益を回収
100%〜200%	健全	投資額以上の利益を回収
100%未満	警告	在庫投資額を回収できていない

さらに、デュポン分析の手法を用いてGMROIを要因分解し、「なぜ儲かっているのか／儲かっていないのか」を明確にしました。

ROI ＝ 売上総利益率（稼ぐ力） × 交差比率（回す力）

売上総利益率：商品1個あたりの利益の厚み
交差比率：在庫が売上に変わるスピード

この分解により、「値上げすべきか」「在庫を減らすべきか」といった具体的なアクションに繋げることが可能になりました。

Step 4：Looker Studioによるダッシュボード構築

分析結果をLooker Studio（旧：Google Data Studio）で可視化し、経営判断に直結するダッシュボードを構築しました。

主な可視化内容：

ABC×XYZマトリクスによる商品分布
ROI別の商品リスト
問題在庫（低回転・低利益）の一覧
月次での自動レポート配信（PDF）

導入効果：データが「判断」に変わる

発見された「要注意パターン」

分析の結果、以下のような「相関からの乖離」を発見できました。

パターン	状態	発見された問題	対策
Aランク × 低ROI	忙しい貧乏	売れているが利益率が低いか、過剰在庫	値上げまたは在庫圧縮
Zランク × 低ROI	構造的な問題児	需要不安定で安全在庫が膨らみROI悪化	受発注への切り替え検討
Cランク × 高ROI	ニッチな優良株	売上は少ないが効率的に利益を生む	安易な廃番を避ける

具体的なアクション指針の確立

カテゴリ	状態	推奨アクション
スター商品	ROI 200%超、Aランク	在庫切れ厳禁。販促強化
薄利多売	利益率低、回転高	滞留防止。物流コスト削減
厚利少売	回転悪、粗利大	過剰発注抑制。ニッチ継続
問題在庫	ROI 100%未満	即時処分。棚と資金を解放

技術構成

┌─────────────┐    API     ┌─────────────┐    SQL     ┌─────────────┐
│   Kintone   │ ────────→ │  BigQuery   │ ────────→ │Looker Studio│
│ (在庫管理)   │  自動連携   │  (分析基盤)  │   可視化    │(ダッシュボード)│
└─────────────┘           └─────────────┘           └─────────────┘

使用技術・サービス：

Kintone（データソース）
Kintone REST API（データ連携）
Google Cloud BigQuery（データ分析基盤）
Google Cloud Scheduler（定期実行）
Looker Studio（可視化）

お客様の声

「これまでは『売れている商品』は分かっていましたが、『会社のお金を増やしている商品』と『資金を寝かせているだけの商品』の区別がつきませんでした。今回の分析で、800種類以上ある商品それぞれについて、どのような在庫管理をすべきか明確になりました」

プロジェクト概要

項目	内容
期間	約4ヶ月（フェーズ1〜2）
内容	データ分析基盤構築、ABC/XYZ分析、ROI分析、ダッシュボード構築
運用	月次レポート自動配信、日次データ更新

まとめ

kintone bigquery

本プロジェクトでは、「データはあるが活用できていない」という多くの中小企業が抱える課題に対し、以下のアプローチで解決を図りました。

Kintone APIによる自動データ連携 - 手作業からの解放
BigQueryでの高度な分析 - ABC/XYZ分析とROI計算の実装
Looker Studioでの可視化 - 誰でも理解できるダッシュボード

眠っていたデータを「稼ぐ力」に変え、データドリブンな在庫管理を実現しました。

本事例に関するお問い合わせは、お気軽にご連絡ください。

事例：玩具製造業A社様 - 眠っていたデータを「稼ぐ力」に変える在庫分析基盤の構築