日本經濟產業省利用天氣預報資料，協助食品業者減少食物浪費及商品碳足跡，並提升食品需求量預估模型之精準度，2015年擴大施行到全國後已有具體成果。
近年來食物浪費在世界各國都是非常受到注目的議題，國際上除了有許多由民眾自發性建立的食物銀行之外，聯合國糧農組織（FAO）也針對此議題建立資訊平台，並獲得七大工業國（G7）響應；法國甚至立法禁止超商丟棄食品。
日本政府在這股國際趨勢下也實施了「提升需求預估精準度以削減食品浪費並節省物流能源消耗計畫」，針對豆腐、中華涼麵沾醬、鍋底等易受天氣影響需求量或需求集中在特定季節的商品，活用天氣預報，成功減少退貨或作廢棄物處理的狀況，降低了20-30%的食品浪費、將運送途中所產生的二氧化碳減半，並成功利用人工智慧(AI)技術分析、預測消費者的購買行為。
日本經濟產業省在2016年4月25日公布了這項與氣象協會合作的成果，該計畫自2014年開始在關東地區試點實施，利用天氣預測為基礎來提升生產食品的效率，避免生產過剩導致的浪費。
有具體成果後，在2015年將數據分析的區域擴大至日本全國，調查商品除了豆腐、中華涼麵沾醬、鍋底之外也增加了素麵沾醬、蕎麥麵沾醬、碳酸飲料、麥茶、寶特瓶裝咖啡；參與計劃的食品製造商、通路商和學術團體也從原有的9個擴增到26個；此外還分析了合作零售商所有商品的需求量與天氣之間的關聯性，希望能讓需求量預估更精確。
2015年利用前一年的成果來調整生產量，結果在豆腐這項商品上減少了30%的食物浪費、而在中華涼麵沾醬這項商品上也減少了20%的浪費。同時，廠商也利用日本氣象協會的氣溫預測資訊來決定商品的輸送方法，2015年的計畫中將寶特瓶裝咖啡由陸地運輸改為海路運輸，因此每公噸貨品的碳足跡減少了約48%，半年來省下了98公噸的二氧化碳排放量。
另一方面，該計畫也利用人工智慧（AI）分析銷售點（POS）、社群網站（SNS）和氣象數據，建立商品需求量的預估模型，完成了以下結果：
1. 分析零售商販售的所有商品之銷售額及天氣之關連性，確立出與銷售量與天氣高度相關的商品之優先順序，包含飲料、鍋物等。
2. 利用人工智慧（AI）建立商品需求量預估模型，比起以往的分析方法，對來店客數的預測精準度提高了約20%
3. 分析社群網站（Twitter）上有發文位置資訊的貼文，分析人們在不同天氣狀況下的冷熱感受，得到體感溫度之數據；比起絕對溫度，體感溫度與商品需求更有直接相關。
日本經濟產業省希望將此計畫作為永續發展政策的一環、並將其變成例行業務，希望能強化產業鏈間的合作關係並提升合作夥伴間的信賴感。未來將推動零售商與食品製造商提前分享販賣計畫，並將季節性商品之終止販賣流程最適化，進一步削減退貨及食品浪費的情況。也希望能利用人工智慧（AI）開發出的來店客數預測模型，來預估容易受到天氣影響之日常食品需求量，協助零售商的採購業務，以期能更有效地減少剩食浪費。
作者/黃齡誼
本文/圖授權轉載自食力foodNEXT（原標題：看天吃飯 日本利用天氣預測有效減少食物浪費）
