井村屋グループ株式会社では、Excel と担当者の経験に依存していた需給調整業務を刷新するため、クラウド型需給計画システムを導入。
そのデータ連携基盤として『CData Arc』を採用し、Oracle(物流システム)・PostgreSQL(生産システム)・kintone に分散する出荷実績・在庫・マスターデータの連携を1製品で実現しました。外部ベンダーへの開発委託ではなく内製で構築したことで、業務側の要望に応じて自分たちのスピードで仕様を変更できる体制を確立。直近のプロジェクトではAI 需要予測へのデータ連携までを同じ仕組みで実現しています。

明治29年(1896年)に三重県津市で羊羹づくりからスタートした井村屋グループ株式会社は、2025年度に年間3億3000万本を販売した「あずきバーシリーズ」を代表商品に、肉まん・あんまん、洋菓子、ミネラルウォーター、日本酒まで、食を軸とした多角化経営を進める食品メーカーです。2026年6月にはあずきバー専用ラインを備えた新しいアイス工場が竣工し、生産能力を大幅に強化しました。
一方で、同社の需給調整業務は長くExcel と担当者の経験値に支えられてきました。全国の営業から上がる販売予測、Oracle の物流システムが持つ出荷実績や外部倉庫の在庫、kintone に蓄積された定番特売の商談情報を、担当者が手作業で巨大な Excel に集約する運用です。そこで同社はクラウド型需給計画システムの導入を決定。
そのデータ連携を担う仕組みとして『CData Arc』を採用し、Oracle・PostgreSQL・kintone という異なるシステムからのデータ抽出・結合・CSV 整形・転送までを、システム開発の実務を担う5名ほどのデジタル戦略室メンバーが自らの手で構築しました。この内製化により、需給計画システムへの日次データ連携に加え、AI 需要予測へのデータパイプラインまでを短期間で立ち上げています。
Challenges:
全国の営業が持つ販売予測、Oracle の出荷実績や外部倉庫の在庫、kintone の定番特売情報を担当者が手作業で Excel に集約しており、需給調整が属人化
クラウド型需給計画システムは規定フォーマットの CSV を FTP で受け渡す仕様で、Oracle・PostgreSQLなど異種システムからデータを抽出・結合する仕組みが必要
過去に会計システムの連携開発を外部ベンダーへ委託した際に作り直しが発生。ノウハウが社内に残らず、コストもスピードも外部に左右される状態からの脱却が急務
Solutions:
CData Arc で基幹システムの出荷実績・在庫と kintone の商談情報を日次で需給計画システムへ供給し、手作業で Excel に集約していた需給調整業務を自動化
Oracle・PostgreSQL・kintone への接続を CData Arc 1製品でカバー。異種システムを跨いだ抽出・結合から CSV 整形、転送までをノーコードで実現
ノーコードのフローデザイナーにより、SQL 実務未経験のメンバーでも連携フローを内製で構築。業務側の要望に応じて自分たちで仕様を変更できる体制を確立
本プロジェクトをリードされた、井村屋グループ デジタル戦略室 課長 山崎光一氏、課長 辻 雅隆氏、課長 代理 中川 卓也氏、副主任 赤塚 昌平氏にお話を伺いました。
Q:今回のプロジェクトに取り組まれた背景を教えてください。
山崎氏:当社の需給管理は、長らく「毎日が Excel を駆使した格闘の連続」とも言える状態でした。全国の営業から上がってくる販売予測、Oracle の物流システムが管理する出荷実績や外部倉庫の在庫、kintone に集まる定番特売の商談情報を、SCM 部門の担当者が毎日ひたすら手作業で巨大な Excel に集約し、需要と供給のバランスを調整していたのです。
食品メーカーならではの制約も重くのしかかっていました。アイスクリームは賞味期限がない代わりに製造日ベースでの管理が必要ですが、チルド商品は極めて厳しい賞味期限があり、そこから生産を組み立て、配送を手配しなければなりません。こうした計算を Excel で属人的に処理していたため、担当者には極度のプレッシャーがかかっていました。在庫を多く持ちすぎれば外部倉庫の保管料が大きく膨らみ、逆に欠品を出せばお取引先やお客様に深刻なご迷惑をかけてしまいます。
この状況を変えるため、クラウド型の需給計画システムの導入を決定しました。ただ、このシステムは規定の CSV フォーマットに整形したデータを指定の FTP サーバー経由で受け渡す仕様です。つまり、kintone の営業販売計画や、社内の Oracle(物流システム)、PostgreSQL(生産システム)から必要なデータを抽出し、自動で CSV に整形してアップロードする仕組みを、私たち自身で用意する必要がありました。
Q:CData Arc をお選びいただけたポイントをお聞かせください。
山崎氏:今回の需給計画システム連携にあたっては、他社の実績豊富な連携ツールも比較検討しました。ただ、基幹システムのベンダーから「構築費込み」のパッケージとして提案を受けた際、開発コストがあまりにも高額だったのです。
コスト以上に大きかったのが、内製化への思いでした。数年前、会計システムをクラウド化する際に基幹システムとの連携部分をすべてベンダーにスクラッチ開発で依頼したところ、要件定義の漏れや細かな仕様のすれ違いが多発し、2回も最初から作り直すことになりました。開発コストは当初よりも大幅に膨れ上がり、何より現場のメンバーが疲弊しきってしまった。あのとき、依頼する形ではノウハウが自分たちに残らず、スピードもコストも外部の状況に左右される、ビジネスに合わせて自分たちでデータ仕様をコントロールできなければIT が市場の変化に追いつけない、と骨身に沁みてわかりました。
その点 CData Arc は、Oracle・PostgreSQL・IBM i・kintone・Box と、社内に散在する多様なシステムへの接続が1製品でカバーできます。コスト面のメリットもあり、自分たちの手でデータ連携を構築していくための現実的な選択肢だと判断しました。
Q:製品の使い勝手や導入効果はいかがでしたでしょうか?
赤塚氏:私は前職が製造業のプログラマーでしたが、データベースの SQL については資格試験で少し勉強した程度で、実務でゴリゴリ書いた経験はほぼありませんでした。そんな私が、物流の Oracle と生産の PostgreSQL という異なるデータベースに同時接続し、それらを結合・抽出して需給計画システム向けの複雑な CSV を出力する処理を担当することになったのです。
エラーが発生するたびに、それが自分の書いた SQL 文のミスなのか、データベース側の制約なのか、CData Arc の設定なのかが分からず、最初は本当に泥臭く試行錯誤しました。
そこで支えになったのが CData のサポートです。エラーログを添付して質問すると、原則としてその日のうちに的確なアドバイスが返ってきます。時には「エラーの原因は製品側ではなく、SQL 文のこの結合条件の記述にある可能性があります」と、明らかに製品のサポート範囲を超えたクエリのデバッグまで一緒にやっていただきました。この並走があったからこそ、SQL 実務未経験の私でも自動連携フローを本番稼働まで持っていけたと思っています。
使い勝手の面ですと、直近で最も驚いたのが、アップデートで追加された AI マッピングアシスト機能です。IBM i から抽出した商品マスターを kintone アプリへ同期する連携フローを新たに作った際、項目数が非常に多く、通常なら数十項目を1つずつドラッグ&ドロップで紐付け、テストしていく必要がありました。しかもアジャイルで進めていたため、この作業を何度もやり直すことになります。画面を見た瞬間「これだけで数日は開発期間が潰れるな」と覚悟したのですが、半分ダメ元でマッピングアシストのボタンを押してみたところ、数秒で数十項目がきれいに自動でつながったのです。結局、数日かかると覚悟していたこのフローの開発が、実質数時間で終わってしまいました。
Q:よろしければ今後の展望をお聞かせいただけますか?
山崎氏:まずは稼働を開始した需給計画システムを残りのカテゴリーへ展開しきることが当面の最優先課題です。並行して、基幹システムのクラウド移行も2027年3月のカットオーバーを目標に最終局面を迎えています。
AI 活用も次のフェーズに入っています。賞味期間の短いチルド商品は、前日の16時に受注が確定してから翌日出荷までのわずかな時間で生産と手配を完了させる必要があります。作りすぎれば廃棄ロス、足りなければ欠品となるため、当日の最適な出荷数量を見極めて翌日の追加生産で調整していますが、この見極めは完全に職人技に依存していました。そこで AWS 上に機械学習の予測モデルを構築し、過去2年分の出荷実績、定番特売の商談情報、気象データをインプットして、作りすぎない当日の最適な出荷依頼数を予測算出する取り組みを進めています。ここでも基幹データベースから実績データを毎日自動抽出し Box へ連携する部分を CData Arc が担っており、単なる社内システムの連携ツールを越えて、ビジネスを AI で変革するためのインフラになっていると感じています。
将来的には、データウェアハウスとダッシュボードによる分析基盤の整備や、CData Connect AI を組み合わせて AI から社内データを自然言語で扱う活用にも取り組んでいきたいと考えています。
