Odoo 17で倉庫管理を極める | 第5回: レポートとデータ分析による在庫最適化

記事の概要

Odoo 17のInventoryモジュールは、レポートとデータ分析を通じて倉庫管理の意思決定を強化します。第4回では、在庫戦略や自動補充、ロット追跡などの高度な機能を学びました。第5回では、在庫レポート、カスタムレポート、データ分析を活用して、在庫回転率や評価額を把握し、業務の効率化とコスト削減を実現する方法を解説します。Odoo Studioを使ったレポートのカスタマイズや、データエクスポートの方法も紹介します。

---

在庫レポートの活用

Odoo 17は、在庫レポートを通じて倉庫の状況をリアルタイムで可視化します。これにより、在庫の過剰や不足を防ぎ、迅速な意思決定が可能です。

標準レポートの種類

• 在庫評価: 製品ごとの在庫数量と評価額を表示。
• 在庫移動: 入出庫や内部移動の履歴を追跡。
• 在庫回転率: 製品の売れ行きや滞留期間を分析。
• 予備在庫レポート: 将来の需要予測に基づく在庫状況。

操作手順:

• 「在庫」→「レポート」に移動。
• 例: 「在庫評価」を選択し、倉庫（例: 東京倉庫）や製品カテゴリでフィルタ。
• グラフやピボットビューでデータを視覚化。

実践: 在庫評価レポート

• 「在庫」→「レポート」→「在庫評価」を選択。
• フィルタで「スマートフォン」を選択し、評価額を確認（例: 100台 × 単価10,000円 = 100万円）。
• データをCSV形式でエクスポートし、外部で分析。

コード例（在庫評価データの取得）:

from odoo import models, api

class StockValuation(models.Model):
    _inherit = 'stock.valuation.layer'

    @api.model
    def get_valuation_report(self, product_id, warehouse_id):
        valuations = self.search([
            ('product_id', '=', product_id),
            ('location_id.warehouse_id', '=', warehouse_id)
        ])
        return sum(valuation.value for valuation in valuations)

注意点:

• 在庫評価はリアルタイム更新だが、大量データではパフォーマンスに注意。
• フィルタやグループ化を活用し、必要なデータのみ表示。

---

Odoo Studioでカスタムレポートを作成

Odoo Studioを使用すると、ノーコードでカスタムレポートを作成できます。特定のニーズ（例: カテゴリ別在庫回転率）に合わせたレポートを簡単に構築可能です。

カスタムレポートの作成手順

1. Odoo Studioの有効化:
   • 「設定」→「Odoo Studio」を有効化（Enterprise版推奨）。
   • 「在庫」→「レポート」に移動し、「新規レポート」を選択。
2. レポートの設計:
   • モデル: stock.move（在庫移動）やstock.quant（在庫数量）を選択。
   • フィールド: 製品名、数量、倉庫、移動日などを追加。
   • グラフタイプ: 棒グラフ、折れ線グラフ、ピボットを選択。
3. フィルタとグループ化:
   • 例: 「製品カテゴリ」でグループ化し、在庫回転率を計算。
   • フィルタで特定の日付範囲や倉庫を指定。
4. 保存とダッシュボードへの追加:
   • レポートを保存し、ダッシュボードにピン留め。

実践: カテゴリ別在庫レポート

• Odoo Studioで新しいレポートを作成。
• モデル: stock.quant、フィールド: 製品、数量、倉庫。
• グループ化: 製品カテゴリ（例: 電化製品、アパレル）。
• 結果: カテゴリごとの在庫数量を棒グラフで表示。

コード例（カスタムレポートのデータ取得）:

from odoo import models, fields, api

class StockQuant(models.Model):
    _inherit = 'stock.quant'

    @api.model
    def get_category_report(self, category_id):
        quants = self.search([('product_id.categ_id', '=', category_id)])
        return [{
            'product': quant.product_id.name,
            'quantity': quant.quantity,
            'location': quant.location_id.name
        } for quant in quants]

注意点:

• Odoo StudioはEnterprise版限定。Community版ではPythonでカスタムレポートを構築。
• 複雑なレポートでは、データ量に応じたパフォーマンスチューニングが必要。

---

データ分析による在庫最適化

データ分析を活用すると、在庫の効率的な管理や需要予測が可能になります。Odooのレポートを基に、以下の分析を行います。

在庫回転率の分析

• 在庫回転率 = 年間出庫数量 ÷ 平均在庫数量
• 「在庫」→「レポート」→「在庫移動」で出庫データを取得。
• 例: Tシャツの年間出庫が1,000個、平均在庫が200個の場合、回転率 = 5回/年。

需要予測

• 過去の販売データ（販売モジュール）と在庫移動を分析。
• 「在庫」→「レポート」→「予備在庫レポート」で、需要ピークを予測。
• 例: ホリデーシーズンにTシャツの需要が50%増加する場合、事前に在庫を補充。

実践: 在庫回転率の計算

• 「在庫」→「レポート」→「在庫移動」を選択。
• フィルタで「Tシャツ」「過去12ヶ月」を指定。
• ピボットビューで出庫数量を合計（例: 1,200個）。
• 平均在庫数量（例: 300個）を「在庫評価」から取得。
• 回転率 = 1,200 ÷ 300 = 4回/年。

コード例（在庫回転率の計算）:

from odoo import models, api
from datetime import datetime, timedelta

class StockMove(models.Model):
    _inherit = 'stock.move'

    @api.model
    def calculate_turnover(self, product_id):
        one_year_ago = datetime.now() - timedelta(days=365)
        moves = self.search([
            ('product_id', '=', product_id),
            ('date', '>=', one_year_ago),
            ('state', '=', 'done')
        ])
        total_out = sum(move.product_qty for move in moves if move.location_dest_id.usage == 'customer')
        avg_stock = self.env['stock.quant'].search([('product_id', '=', product_id)]).mapped('quantity').avg()
        return total_out / avg_stock if avg_stock else 0

注意点:

• 需要予測には正確な販売データが必要。販売モジュールの導入を推奨。
• 大量データの分析では、パフォーマンスに注意。

---

データのエクスポートと外部利用

Odooのレポートは、ExcelやPDF形式でエクスポート可能です。これにより、外部ツールでの分析やレポート共有が容易になります。

エクスポート手順

• 「在庫」→「レポート」→対象レポート（例: 在庫評価）を選択。
• 「アクション」→「エクスポート」を選択。
• 形式（CSV、XLSX、PDF）を選択し、ダウンロード。
• 例: 在庫評価レポートをExcelでエクスポートし、表計算ソフトで詳細分析。

実践: レポートのエクスポート

• 在庫評価レポートをフィルタ（例: 電化製品カテゴリ）。
• CSV形式でエクスポートし、Excelで在庫回転率をグラフ化。
• PDF形式で経営陣に共有。

コード例（レポートのエクスポート自動化）:

from odoo import models, api

class StockQuant(models.Model):
    _inherit = 'stock.quant'

    @api.model
    def export_valuation_report(self, warehouse_id):
        quants = self.search([('location_id.warehouse_id', '=', warehouse_id)])
        data = [{'product': q.product_id.name, 'quantity': q.quantity, 'value': q.value} for q in quants]
        # CSVエクスポート用のロジック（例）
        with open('valuation_report.csv', 'w') as f:
            f.write('Product,Quantity,Value\n')
            for row in data:
                f.write(f"{row['product']},{row['quantity']},{row['value']}\n")
        return True

注意点:

• エクスポートデータは機密情報を含む場合があるため、アクセス権限を設定。
• 大量データのエクスポートはサーバー負荷を考慮。

---

実践: データ駆動型の在庫最適化シナリオ

以下のシナリオで、レポートと分析を活用します：

1. 在庫評価レポート:
   • スマートフォンの評価額を計算（例: 100台 × 10,000円 = 100万円）。
   • 「在庫」→「レポート」→「在庫評価」で確認。
2. カスタムレポート:
   • Odoo Studioで、電化製品カテゴリの在庫数量レポートを作成。
   • 棒グラフでカテゴリごとの数量を可視化。
3. 在庫回転率分析:
   • Tシャツの過去12ヶ月の出庫データを分析（例: 1,200個）。
   • 平均在庫（300個）から回転率（4回/年）を計算。
4. データエクスポート:
   • 在庫評価レポートをExcelでエクスポート。
   • 需要予測に基づく補充計画を策定。

結果確認:

• 在庫回転率が低い製品（例: 回転率2回/年）を特定し、補充量を調整。
• カスタムレポートをダッシュボードに追加し、毎週確認。

---

トラブルシューティング

レポートや分析で発生しがちな問題と解決策をまとめます：

• レポートデータが不正確: 在庫移動データやフィルタ条件を確認。データベースの同期をチェック。
• Odoo Studioでエラー: モデルやフィールドの設定ミスを確認。公式ドキュメントを参照。
• エクスポート失敗: ファイル形式やデータ量を確認。サーバーログでエラーを調査。
• パフォーマンス低下: 大量データのレポートでは、インデックス最適化やキャッシュ設定を検討。

Odooの公式ドキュメントやフォーラムで詳細な解決策を確認できます。

---

まとめと次回予告

Odoo 17のレポートとデータ分析を活用することで、在庫回転率や評価額を把握し、データ駆動型の倉庫管理を実現しました。Odoo Studioでのカスタムレポート作成や、Excel/PDFへのエクスポートにより、柔軟な分析が可能です。

次回は、Odoo StudioやPythonコードを使ったInventoryモジュールのカスタマイズを解説します。独自のフィールド追加やプロセス変更を通じて、業務に最適化したWMSを構築する方法を学びます。ぜひお楽しみに！

---

この記事が役に立ったら、いいねやストックをお願いします！Odoo WMSのシリーズを一緒に学びましょう！