POSデータ分析の始め方｜売上・粗利・在庫を改善する7ステップ

POSデータ分析は、レジに蓄積された販売記録を「昨日はいくら売れたか」の確認で終わらせず、仕入れ、品ぞろえ、売場、シフト、販促の判断へ変える取り組みです。最初から高度なAIや需要予測は必要ありません。商品別の売上と粗利を正しく集計し、比較して、翌週の行動を1つ決めるところから始められます。

重要なのは、分析手法を増やすことではなく、解決したい課題と判断の期限を決めること。この記事では、POSデータの基本から代表的な分析、Excel・BIツールで実行する7ステップ、よくある失敗まで解説します。

POSデータ分析とは

POSはPoint of Saleの略で、商品が販売された時点の情報を記録する仕組みです。一般的には販売日時、店舗、レシート番号、商品コード、数量、販売単価、値引き、担当レジなどが残ります。会員情報と結びつくID-POSでは、匿名化された顧客IDを使い、来店頻度や再購入も分析できます。

POSデータだけで「なぜ売れたか」が自動的に分かるわけではありません。天候、在庫、販促、売場変更、営業時間など、販売へ影響する別データと照合して仮説を確かめます。中小企業基盤整備機構も、データを眺める前に何を実現したいかを明確にし、仮説を検証することの重要性を説明しています。

POSとID-POSの違い

会員IDがなくても、商品別・店舗別・時間帯別の改善は可能です。取得していない顧客属性を推測で補わず、保有データで答えられる問いから始めましょう。

POSデータ分析で分かる6つのこと

分析の目的は、きれいなグラフを作ることではありません。次の判断に結びつく切り口を選びます。

1. 売れ筋と死に筋

商品別売上を降順に並べれば、売上への寄与が大きい商品を把握できます。ただし、売上上位が利益上位とは限りません。値引きや原価を含め、粗利益額も並べて確認してください。

2. 曜日・時間帯ごとの需要

販売日時を曜日と時間帯へ分けると、来店や販売の偏りが見えます。発注量、品出し、レジ配置、スタッフ数を検討する材料になりますが、単週の偶然を避けるため複数週で比較します。

3. 店舗ごとの差

複数店舗では、売上総額だけでなく売場面積、客数、営業日数など条件差を考慮します。店舗別の客単価、1平方メートル当たり売上、前年差を並べると、規模の違いを超えて比較しやすくなります。スーパーでの具体的な活用場面は、スーパーマーケットのデータ分析とTableau活用でも確認できます。

4. 値引きと粗利への影響

値引き率と販売数量を同時に見ると、「値引きで売れたが利益が残らない商品」と「値引きに反応して販売が伸びた商品」を分けられます。通常価格の期間を比較対象として残すことが大切です。

5. 一緒に買われる商品

同じレシートに含まれる商品を集計すると、併売関係を確認できます。近くへ陳列する、セット提案を試すなどの仮説につながります。ただし、同時購入は因果関係を証明するものではありません。施策後の変化まで確認します。

6. 欠品と過剰在庫の兆候

POSは売れた事実だけを記録するため、売場に商品がなかった機会損失はPOS単独では分かりません。在庫残高、入荷、廃棄、発注残を組み合わせ、販売ゼロが「需要なし」か「在庫なし」かを区別します。

最初にそろえるデータ項目

小さく始める場合でも、集計キーと金額定義はそろえてください。商品名だけで結合すると表記変更や同名商品で誤集計が起こります。

個人を識別できるIDを扱う場合は、利用目的、権限、保管期間を決めます。分析画面に氏名や連絡先を表示する必要は通常ありません。

POSデータ分析を進める7ステップ

次の順番なら、集計だけで終わりにくくなります。

ステップ1：判断したいことを1文にする

「売上を分析する」では広すぎます。「来週の発注量を見直す商品を決める」「土日の人員配置を決める」のように、誰がいつ何を決めるかを明文化します。

ステップ2：対象期間と比較条件を決める

前週、前年同週、予算、通常価格期間など、判断に合う比較対象を選びます。季節商品を直前週だけで評価すると誤ります。祝日、天候、臨時休業も記録しておきましょう。

ステップ3：商品マスタと原価を整える

商品IDの重複、廃番、カテゴリ未設定、原価の更新漏れを確認します。原価が不正確なら、売上分析と粗利分析を分け、未確認の利益を確定値として扱いません。

ステップ4：基本KPIを計算する

最初は売上高、販売数量、客数、客単価、粗利益額、粗利率の6つで十分です。客数をレシート数で代替する場合は、その定義を画面へ記載します。継続管理する指標の計算式や画面配置は、小売業のKPI12選と店舗ダッシュボード設計で詳しく整理しています。

ステップ5：店舗・商品・時間へ分解する

全社合計で異常を見つけたら、店舗、カテゴリ、商品、曜日、時間帯の順に掘り下げます。一度にすべてをクロス集計せず、仮説に関係する軸へ絞ります。

ステップ6：アクションを小さく試す

発注量の調整、陳列場所の変更、対象時間だけの販促など、結果を追える施策にします。複数施策を同時に変えると、何が影響したか判断しにくくなります。

ステップ7：同じ指標で振り返る

実施前後を同じ条件で比較し、継続、修正、停止を決めます。結果が出なかった仮説も記録すれば、同じ分析の繰り返しを防げます。

ExcelとBIツールはどう使い分けるか

単店舗でデータ量が少なく、月1回の確認ならExcelから始められます。ピボットテーブルで商品別・曜日別集計を作り、判断に必要な列を確認しましょう。

複数店舗、日次更新、在庫や販促との結合、閲覧者ごとの権限が必要になると、Power BIやTableauなどのBIツールが有力です。Microsoftの小売分析サンプルも、売上、販売数量、粗利、前年差、店舗・地区の比較をダッシュボードで扱っています。ツール選定では、機能数より更新頻度、データ接続、利用者、運用担当者を先に決めます。候補を比較する段階では、Tableau・Power BI・Looker Studioの選び方を参考にしてください。Tableau自体の機能や導入条件は、Tableauとは何かを解説した入門記事で確認できます。

POSデータ分析でよくある失敗

• 売上ランキングだけで発注量を増やし、在庫や粗利を見ない
• 商品名で結合し、同名・名称変更の商品が混ざる
• 値引き、返品、取消、税の扱いが集計ごとに違う
• 欠品日の販売ゼロを需要ゼロと判断する
• 前年比だけを見て、営業日や店舗改装の差を無視する
• 分析担当者だけが画面を見て、店長の会議へ組み込まない

対策は、指標定義、更新時刻、データ責任者、会議で決めることを1枚にまとめることです。

よくある質問

POSデータは何か月分必要ですか？

目的によります。曜日・時間帯なら数週間でも仮説を作れますが、季節性や前年比には1年以上が必要です。短期間では結論を断定せず、検証期間として扱います。

無料で分析できますか？

CSVを出力できれば、Excelや対応する無料ツールで基本集計は可能です。ただし、自動更新、共有、権限、保守には作業が発生します。無料かどうかだけでなく、毎月の更新工数を含めて比較してください。

AIで需要予測から始めるべきですか？

まず商品ID、在庫、欠品、販促、休日などのデータ品質を確認してください。基本集計を再現できない状態では、予測結果の検証も難しくなります。

まとめ

POSデータ分析の第一歩は、高度な手法ではなく「次に何を決めるか」を明確にすることです。売上と粗利を確認し、店舗・商品・時間へ分解し、小さな施策を同じ指標で振り返ります。

まず直近8週間の販売明細と商品マスタを用意し、粗利益額の上位商品と値引き依存商品を分けてみてください。InsightFlowでは、POS・在庫データの整理、KPI定義、Tableauなどを使った可視化、定例会議での運用まで相談できます。