第一部：AIコンサルを支えるデータ基盤

SKU編集アプリ開発：商品コード統一でデータの信頼性を飛躍的に向上

株式会社QUEST

データ基盤の次なる課題：SKU管理の混乱

tameFTPシステムでデータ収集を自動化した後、次に直面したのがSKU（Stock Keeping Unit：商品管理コード）の混乱という問題でした。

SKUとは何か

SKUは、商品を一意に識別するための管理コードです。

例：

  • 商品：Tシャツ
  • SKU-001：Tシャツ（赤、Sサイズ）
  • SKU-002：Tシャツ（赤、Mサイズ）
  • SKU-003：Tシャツ（青、Sサイズ）

同じ商品でも、色やサイズが違えば別のSKUになります。

なぜSKU管理が重要なのか

在庫管理の根幹だから

  • 在庫数の追跡
  • 売上分析
  • 発注管理
  • 価格設定

すべてSKUを基準に行われます。SKUが混乱していると、すべてのデータが信頼できない状態になります。

私たちが抱えていたSKU問題

1. モールごとに異なるSKU

同じ商品なのに、楽天・Amazon・auPAYで別のコード

例：同じTシャツ（赤、M）

  • 楽天：TSHIRT-RED-M
  • Amazon：B08XXXX-RM
  • auPAY：TS001-RM

これでは、モール横断での在庫管理が不可能です。

2. 手動入力によるミス

人間が手で入力すると、必ずミスが発生

  • タイポ：TSHIRT-RED-M → TSHRIT-RED-M
  • 大文字小文字の混在：TS001-rm vs TS001-RM
  • 全角半角の混在：TS001-RM vs TS００１-RM
  • スペースの有無：TS001-RM vs TS001- RM

結果：同じ商品なのに、別の商品として認識される

3. バリエーション管理の複雑さ

色、サイズ、セット数など、組み合わせが膨大

  • Tシャツ：5色 × 5サイズ = 25 SKU
  • セット販売：3セット × 25 SKU = 75 SKU
  • 合計：100 SKU以上

手動管理では、組み合わせの整合性を保つことが困難でした。

4. 過去データとの不整合

時間とともにSKUルールが変更され、混乱が蓄積

  • 2020年：TS-001-RM
  • 2021年：TSHIRT-RED-M
  • 2022年：TS001-RM

過去の販売データと現在の在庫が紐付かないという致命的な問題が発生していました。

この混乱がもたらす実害

在庫管理の破綻

例：実際にあったトラブル

  • 楽天で「在庫30個」と表示
  • Amazon で「在庫0個（欠品）」と表示
  • 実際の在庫：20個

結果：

  • 楽天で過剰販売 → クレーム発生
  • Amazonで販売機会損失 → 売上減少

データ分析の不可能

AIに学習させるデータが信頼できない

  • 「この商品の売上トレンドは？」→ SKUが複数あり、集計不可
  • 「在庫最適化の提言は？」→ 在庫データが不正確で分析不可
  • 「価格最適化は？」→ SKU不一致で比較不可

業務効率の低下

毎日のSKU確認作業に2〜3時間

  • モールごとにSKUをExcelで突合
  • 不一致を手動で修正
  • 発注時にSKUを再確認

本来の戦略業務に時間を使えない状態でした。

SKU編集アプリ開発の決断

「SKU管理を完全に統一し、自動化する専用アプリを作る」

開発目標

  1. マスターSKUの一元管理

    • すべての商品に唯一のマスターSKUを付与
    • モールごとのSKUとマスターSKUを紐付け

  2. バリエーション管理の自動化

    • 色、サイズ等の組み合わせを自動生成
    • SKU命名規則を統一

  3. データ検証機能

    • SKU重複の自動検出
    • 異常なSKUの警告
    • 過去データとの整合性チェック

  4. モール連携

    • 楽天、Amazon、auPAYへのSKU自動同期
    • 在庫データのリアルタイム連携

アプリの設計思想

1. シンプルで直感的なUI

誰でも使えるインターフェース

  • Excel感覚で編集できる表形式
  • ドラッグ&ドロップで操作
  • ショートカットキーで高速入力

2. 強力なバリデーション

間違いを絶対に通さない

  • SKU命名規則の自動チェック
  • 重複検出（即座にエラー表示）
  • 必須フィールドの入力チェック
  • 数値の範囲検証（在庫数が負数不可など）

3. 履歴管理とロールバック

すべての変更を記録、いつでも戻せる

  • 誰が、いつ、何を変更したか記録
  • 変更前後の差分表示
  • ワンクリックで過去状態に復元

4. 一括編集機能

大量のSKUを効率的に処理

  • CSVインポート/エクスポート
  • 条件による一括更新（例：すべてのTシャツの価格を10%値上げ）
  • 正規表現による一括置換

開発の実際

技術スタック

フロントエンド

  • React 18：モダンなUIライブラリ
  • AG-Grid：高機能なテーブルコンポーネント
  • Redux Toolkit：状態管理
  • Material-UI：デザインシステム

バックエンド

  • Node.js + TypeScript：型安全な開発
  • Express.js：軽量なWebフレームワーク
  • Prisma：型安全なORM
  • PostgreSQL：データベース

インフラ

  • Docker：開発環境の統一
  • GitHub Actions：CI/CD
  • AWS ECS：本番環境

開発期間と工数

フェーズ1：プロトタイプ（1.5ヶ月）

  • UIデザインとモックアップ
  • 基本的なCRUD機能実装
  • データベース設計

フェーズ2：本格実装（3ヶ月）

  • バリエーション管理機能
  • バリデーションロジック
  • モール連携API実装
  • 履歴管理機能

フェーズ3：安定化とチューニング（1.5ヶ月）

  • パフォーマンス最適化
  • ユーザビリティ改善
  • バグ修正とテスト

合計：約6ヶ月の開発期間

直面した課題と解決策

課題1：大量データの表示パフォーマンス

問題：

  • 10,000 SKU以上のデータを表示すると動作が重い
  • スクロールがカクつく

解決策：

  • **仮想スクロール（Virtual Scrolling）**を実装
  • 表示されている行のみレンダリング
  • 10万行でもスムーズに動作

課題2：リアルタイムバリデーション

問題：

  • SKU入力中にリアルタイムでチェックすると、入力が遅延
  • ユーザー体験が悪化

解決策：

  • デバウンス処理を実装（入力停止後500ms後にチェック）
  • バックグラウンドでの非同期検証
  • 入力の快適性を保ちつつ、即座にエラー検出

課題3：複数ユーザー同時編集

問題：

  • 2人が同時に同じSKUを編集すると、片方の変更が消える

解決策：

  • **楽観的ロック（Optimistic Locking）**を実装
  • 変更検知と競合解決機能
  • 複数人での安全な同時作業が可能に

課題4：過去データの移行

問題：

  • 既存の混乱したSKUデータをどう移行するか
  • 数万件の手動修正は不可能

解決策：

  • マッピングテーブルを作成（旧SKU → 新SKU）
  • 自動変換スクリプトで一括移行
  • 例外ケースのみ手動修正（約5%）
  • 95%を自動化、残り5%は2週間で完了

導入後の成果

定量的な成果

SKU管理の効率化

  • SKU確認作業：1日2〜3時間 → 10分以内
  • SKU入力ミス：月10〜15件 → 月0〜1件
  • 作業時間削減：約95%

在庫精度の向上

  • 在庫不一致：月5〜10回 → 月0〜1回
  • 過剰販売トラブル：月2〜3回 → ゼロ
  • 在庫精度：99.9%以上

データ分析の実現

  • AI分析可能なSKU：30% → 100%
  • データ整合性エラー：週1〜2回 → ほぼゼロ
  • AIコンサルへの準備完了

定性的な成果

業務の質的変化

  • ストレスフリーな在庫管理：常に正確なデータを信頼できる
  • 戦略的な意思決定が可能に：データ分析に時間を使える
  • クレーム対応の削減：在庫トラブルが激減

組織の変化

  • 属人化の解消：誰でもSKU管理ができる
  • ノウハウの可視化：システムにルールが実装されている
  • 新人教育の簡略化：アプリの使い方を覚えるだけ

データ基盤フェーズ1の完成

tameFTPシステムとSKU編集アプリの開発により、AIコンサルを支えるデータ基盤の第一段階が完成しました。

達成したこと

  1. ✅ データ収集の完全自動化（tameFTP）
  2. ✅ SKU管理の統一（SKU編集アプリ）
  3. ✅ データ品質の飛躍的向上
  4. ✅ リアルタイムデータ基盤の確立

次のステップ

これで、AIに供給するデータの基盤は整いました。

次は、財務データの統合です。

  • 売上・在庫データだけでなく、資金繰りや請求管理もAIで最適化
  • ECコンサルティングと財務コンサルティングの融合
  • 真の意味でのデータ駆動型経営の実現

次回予告

次回から、「第二部：AIと財務の融合」をスタートします。

「資金繰りアプリ開発：ECと財務を統合し、キャッシュフロー可視化」をお届けします。

データ基盤の上に、どのようにして財務管理システムを構築し、AIによる資金繰り予測を実現したのか。その開発ストーリーをご紹介します。

🎯 AI×ECコンサルティングサービスのご案内

現在、株式会社QUESTではAI×ECコンサルティングサービスを10社限定で募集しています。

このブログシリーズでご紹介している「データ駆動型ECコンサルティング」を、あなたのビジネスにも適用しませんか？

対象となる企業様

  • 楽天、Amazon、auPAYマーケット等での販売を行っている
  • データ分析や在庫管理に課題を感じている
  • AIを活用した業務効率化に関心がある
  • 売上向上のための戦略的なコンサルティングを求めている

まずは無料相談からお気軽にお問い合わせください。

この記事のポイント

  • ✅ モールごとにバラバラなSKU管理が在庫精度とデータ分析を阻害
  • ✅ 手動管理では入力ミス、不整合、効率低下が避けられない
  • ✅ マスターSKU一元管理と強力なバリデーションで信頼性確保
  • ✅ 6ヶ月の開発でSKU管理作業95%削減、在庫精度99.9%達成
  • ✅ AIコンサルに必要なデータ品質を確保、次フェーズへ
  • ✅ データ基盤第一段階完成、財務統合へ進む準備完了