物流データ収集は設計で決まる
─「取れるから取る」が失敗する理由
・データ収集の設計で決めるべき3つの要素（項目・粒度・頻度）
・「目的→KPI→データ項目」で設計する具体的な手順
・出荷遅延率を例にした設計の流れ
第1回で紹介したように、「取れるから取る」は改善につながりません。目的なく集めたデータは、コスト・現場負荷・分析不能という3つの問題を招きます。
では、どう設計すればよいのか。本記事では、データ収集設計で決めるべきポイントを整理します。
1. データ収集設計で決める3つの要素
データ収集を設計する際に決めるべき要素は、大きく3つあります。本記事では理解しやすいよう、以下の順番で説明しますが、実際には目的やKPIの特性によって検討の順序が変わることもあります。
（収集項目）
（粒度）
（頻度）
この3要素を「改善目的」から順に決めていくことで、「取りすぎ」も「取り足りない」も防ぐことができます。
STEP 1：何を取るか（収集項目）
第1回で紹介したとおり、収集項目はKPIの算出式から逆算して決めます。たとえば人時生産性であれば、最低限、作業開始/終了時刻・投入人数・処理数量の4項目が必要です。
ここで重要なのは、「あると便利そうなデータ」ではなく「ないと計算できないデータ」に絞ることです。最初は必要最小限の項目から始め、分析を回すなかで不足を感じたら追加する――このアプローチの方が、現場への負荷も小さく、持続しやすいです。
STEP 2：どの細かさで取るか（粒度）
同じ「人時生産性」でも、粒度によって分析から得られる示唆が変わります。
| 粒度 | 把握できること | 活用場面 |
|---|---|---|
| 倉庫全体×日次 | 1日あたりの全体生産性の推移 | 経営報告、月次レビュー |
| 工程別×日次 | どの工程がボトルネックか | 工程改善、人員再配置 |
| 工程別×時間帯別 | 時間帯による生産性の変動 | シフト設計、休憩時間の調整 |
| 作業者別×工程別 | 個人の習熟度やスキル差 | 教育計画、適材配置 |
粒度を上げるほど詳細な分析が可能になりますが、その分データ取得の仕組みも複雑になります。最初は「工程別×日次」程度の粒度から始め、改善サイクルが回り始めてから段階的に細かくしていく方が現実的です。
STEP 3：どのくらいの間隔で取るか（頻度）
データの取得頻度は、「そのKPIをどのタイミングで確認・判断に使うか」から逆算します。
| 判断のタイミング | 必要な取得頻度の目安 | 例 |
|---|---|---|
| 当日中にアクションしたい | 1時間ごと〜リアルタイム | 出荷進捗の監視、遅延アラート |
| 翌日の計画に反映したい | 日次（終業時点の集計） | 翌日のシフト調整、工程別振り返り |
| 週次・月次で傾向を見たい | 日次データの蓄積で十分 | KPI推移レポート、改善効果の検証 |
「リアルタイムで取る」ことが必ずしも良いわけではありません。日次の振り返りに使うKPIであれば、終業時点のデータが翌朝までに整理されていれば十分です。頻度を上げるとデータ量・通信コスト・処理負荷が増えるため、「どの頻度なら判断に間に合うか」という視点で決めることが重要です。
2. 設計の流れを具体例で見る
ここまでの3つの要素を、「出荷遅延を減らしたい」という目的で具体的に当てはめてみます。
STEP 1（収集項目）：
出荷予定時刻、作業完了時刻、残作業数——出荷遅延率の算出と、遅延リスクの事前把握に必要な項目を選定
STEP 2（粒度）：
出荷先グループ別×日次——どの出荷先・配送便で遅延が発生しやすいかを把握できる粒度
STEP 3（頻度）：
当日中に対処したいため、1時間ごとの進捗更新——午前中に遅延リスクを検知し、午後の人員配置を調整できるタイミング
このように、「目的→KPI→収集項目→粒度→頻度」の順に設計すれば、取得するデータは自然と必要最小限に絞られます。そして、そのデータが分析でどう使われるかも明確になります。
3. 「設計してから集める」を定着させるために
データ収集設計は、一度決めたら終わりではありません。実際に分析を始めると「この項目が足りない」「この粒度では粗すぎる」という発見が必ず出てきます。
重要なのは、最初から完璧な設計を目指すのではなく、小さく始めて実際の分析結果をもとに設計を見直すサイクルを回すことです。
- 最初はKPI1つ、項目は最小限：第1回で紹介した「まず1つのKPIから」のアプローチ
- 一定期間データを蓄積して分析を試行：集めたデータで実際にKPIを算出してみる
- 不足があれば項目・粒度・頻度を調整：追加すべきデータが具体的に見える
- 次のKPIへ横展開：同じ設計手順を他のKPIに適用する
このサイクルが回れば、データは「溜まっているだけのコスト」から「改善を生む資産」に変わります。
まとめ：収集設計は「目的」から始める
データ収集で失敗する最大の原因は、技術や機器の選定ではなく、「何のために集めるか」という設計の欠如にあります。
収集項目・粒度・頻度の3要素を、改善目的から逆算して決める。これだけで、「取りすぎてコストが膨らむ」「取ったけれど分析に使えない」という問題の大半は防ぐことができます。
現場改善に必要なデータだけを、分析できる形で残すことです。
Nexa Warehouse-Optimizerは、WMSや設備から収集したデータをもとにKPIを可視化する分析基盤です。「どのデータを、どの粒度で集めればよいか」という設計段階からサポートしています。
お問い合わせはこちら