中小企業診断士コンプリートマスター2026

【正解】計画、調達、製造、配送、返品
SCOR（Supply Chain Operations Reference、サプライチェーン運営参照）モデルはSupply Chain Council（SCC、現APICS）が1996年に策定したサプライチェーン標準参照モデルです。

【SCORの5大プロセス】
1. Plan（計画）：需要と供給のバランス計画
- 需要予測、供給計画、S&OP
2. Source（調達）：原材料・部品の調達
- サプライヤー選定、購買契約、受入
3. Make（製造）：製品の生産・加工
- BTS、BTO、ETO
4. Deliver（配送）：顧客への配送
- 受注処理、倉庫管理、輸送、請求
5. Return（返品）：返品・リサイクル対応
- 欠陥品返品、保守返品、余剰返品

後に「Enable（支援）」が追加され6プロセスの場合も。

【SCORの階層構造】
・レベル1：プロセス類型（Plan/Source/Make等）
・レベル2：プロセスカテゴリー（BTSのMake vs ETOのMake等）
・レベル3：プロセス要素（具体的な活動）
・レベル4：実装（企業独自）

【SCORのKPI】
5つの属性で評価：
1. Reliability（信頼性）：納期遵守率、完全納品率
2. Responsiveness（応答性）：注文充足サイクル時間
3. Agility（俊敏性）：需要変動対応力
4. Costs（コスト）：SCM総コスト
5. Assets（資産）：キャッシュサイクル、在庫回転

【SCORの活用目的】
・サプライチェーンの現状分析
・ベンチマーキング（業界他社との比較）
・改善機会の特定
・標準化による業界内共通言語
・M&A時のSC統合

【SCOR vs 他のフレームワーク】
・SCOR：運営プロセス中心
・GSCF：関係管理中心（The Global Supply Chain Forum）
・CPFR：予測・補充に特化
・SCM成熟度モデル：発展段階評価

【ASCM（旧APICS）】
・SCORの管理団体
・CSCP、CPIM等の資格認定
・SCOR-DS（デジタル標準）への発展

【SCORの進化】
・SCOR 12（2020年）：デジタル化、サステナビリティ反映
・SCOR-DS（2022年）：デジタルスタンダード
・AI・IoT・ブロックチェーンへの対応

【導入の利点】
・共通言語でSCM議論
・業界標準ベンチマーク
・体系的な改善アプローチ
・M&A等での統合容易

【他選択肢の解説】
・設計/生産/販売/物流/サービス：バリューチェーン類似
・受注/生産/出荷/配送/回収：業務フロー
・企画/開発/製造/検査/出荷：製品開発プロセス
・予測/調達/加工/保管/販売：一部類似だがSCORではない

【試験ポイント】
SCORの5プロセス：Plan, Source, Make, Deliver, Return（PSMDR）。SCM標準フレームワーク。ASCM（旧APICS）管理。

【正解】Extract（抽出）、Transform（変換）、Load（格納）
ETLは業務システムや各種ソースからデータを集めて分析用DB（DWH）に投入する標準的なデータパイプライン処理。3ステップ「Extract（抽出）→Transform（変換）→Load（格納）」の頭文字。

【ETLの3ステップ詳細】
・Extract（抽出）: RDB、CSV、ログ、クラウドサービス等のソースからデータを取り出す。差分抽出（更新分のみ）、全量抽出等の方式。
・Transform（変換）: データクレンジング、フォーマット統一、コード変換、名寄せ、欠損値補完、単位変換、集計、結合、分割など、分析しやすい形に整える。
・Load（格納）: DWH、データマート、データレイク等に投入。新規登録、更新、追記等の方式を選ぶ。

【ETL vs ELT】
従来: ETL（変換してから格納、処理はETLサーバ）
近年: ELT（先に格納してからDWH/データレイクで変換、クラウドDWHの計算力活用）
・ETL: 変換サーバが必要、小規模向け
・ELT: クラウドDWHの計算力活用、大規模ビッグデータ時代向け（Snowflake、BigQuery等で主流）

【代表的ETL／ELTツール】
・Informatica PowerCenter（老舗）
・Talend（OSSベース）
・Fivetran、Stitch（マネージドELT）
・dbt（Data Build Tool、Transformation特化）
・Apache Airflow（ワークフロー管理）
・AWS Glue
・Azure Data Factory
・Google Cloud Dataflow
・国産: HULFT DataOps、DataSpider

【ETL処理の課題】
・データ品質（重複、欠損、誤記）
・大量データ処理性能
・スケジューリング・依存関係管理
・エラー時の再実行・冪等性
・メタデータ・リネージ（系譜）管理

【関連概念】
・データレイクハウス: DWHとデータレイクの統合
・CDC（Change Data Capture）: 更新差分のリアルタイム取得
・データメッシュ: 分散データアーキテクチャ
・データオブザーバビリティ: データ品質・変化の可視化

【他選択肢の解説】
・Edit/Test/Launch: ETLではない造語。
・Encode/Transfer/Link: データ通信を想起させるがETLではない。
・Evaluate/Track/Log: 監視関連用語。
・Export/Translate/List: ETLと似ているが正確な用語ではない。

【試験ポイント】
DWHのデータ投入基盤としてほぼ必出、ELTとの使い分けがクラウド時代の論点。

【正解】需要予測の精度向上と在庫の最適化
SCM（サプライチェーンマネジメント）における小売・卸売間の情報共有は需要予測精度向上と在庫最適化を実現し、SCM全体の効率化に寄与します。

【情報共有のメリット】
・需要予測の精度向上：実販売データの共有
・在庫の最適化：過剰在庫・欠品の削減
・リードタイム短縮：発注～納品の迅速化
・ブルウィップ効果の緩和
・物流コスト削減
・販促効果の把握
・新商品導入の迅速化

【ブルウィップ効果（鞭効果）】
消費者→小売→卸売→メーカー→部材メーカーと上流に行くほど需要変動が増幅される現象。各段階での「念のため」の在庫積増が原因。情報共有で緩和。

【共有される情報】
・POSデータ（売上実績）
・在庫情報
・需要予測
・販促計画
・新商品情報
・物流状況

【情報共有の仕組み】
・EDI（電子データ交換）
・流通BMS（日本の標準）
・VMI（ベンダー管理在庫）：仕入先が在庫管理
・CPFR（協働的計画・予測・補充）
・ECR（Efficient Consumer Response）
・QR（Quick Response）

【代表的な情報共有事例】
・P&Gとウォルマート：VMIの先駆
・日本のCVS：本部→メーカーへのPOS共有
・アパレル：SPA企業のPOS・在庫連動

【情報共有の課題】
・データ形式の標準化
・競合との情報分離
・個人情報保護
・システム投資負担

【成功の条件】
・パートナー間の信頼関係
・Win-Winの関係構築
・データ品質の維持
・継続的改善の体制

【他選択肢の解説】
・個人情報共有：SCMの目的ではなく禁止事項
・従業員交流：人事の話
・設備投資削減：間接効果
・税務処理効率化：会計の話

【試験ポイント】
SCM情報共有＝需要予測精度＋在庫最適化。ブルウィップ効果の緩和が理論的背景。EDIが基盤技術。