Quantiles = Optimización de Inventario 2.0
Obtener forecast precisos, que se convierten en beneficios, es la prioridad número 1 para Lokad. Sin embargo, el forecast de demanda ha sido investigado extensamente durante más de medio siglo, y cada 0.1% de precisión extra es, típicamente, nada menos que una batalla cuesta arriba.
A veces, sin embargo, logramos un avance. Hoy, estamos anunciando la mejora tecnológica más significativa de Lokad desde su lanzamiento hace 6 años: la disponibilidad inmediata de forecast cuantílicos.
Los cuantiles son disruptivos en el sentido de que, en muchas situaciones, hacen que los forecast clásicos sean completamente obsoletos en lo que respecta a la optimización de inventario - para negocios de retail, mayoristas y manufactureros.
Hemos identificado 3 situaciones donde los cuantiles realmente destacan:
- Altos niveles de servicio al 90% o más.
- Demanda intermitente (productos de lento movimiento).
- Pedidos en bloque (demanda con picos).
En esas situaciones, los benchmarks contra nuestra propia tecnología de forecast clásica indican que los forecast cuantílicos típicamente traen 20% menos inventario o 20% menos faltante de stock.
Las afirmaciones extraordinarias requieren pruebas extraordinarias. Carl Sagan
Sin embargo, los numerosos benchmarks que hemos realizado hasta ahora con nuestros prospectos y clientes indican que nuestra tecnología de forecast clásica ya está por delante de la competencia; pero con los forecast cuantílicos, se puede lograr un nivel completamente nuevo de optimización de inventario.
No dudes en poner los cuantiles a prueba.
La historia detrás de la mejora cuantil
El forecasting cuantil (también llamado regresión cuantil) se ha utilizado durante décadas en círculos académicos. Luego, en finanzas, los analistas han estado usando cuantiles de manera extensiva para el análisis de Value at Risk (VaR) desde finales de los años 80.
En Lokad, los cuantiles también han existido desde hace mucho tiempo. Por ejemplo, en 2009, Sequential Quantile Prediction of Time Series. IEEE Transactions on Information Theory, marzo 2011, vol. 57, n°3 fue publicado por uno de nosotros. Sin embargo, hasta muy recientemente, los cuantiles fueron muy equivocadamente considerados una distracción matemática (en términos de negocio) en lugar de un concepto crucial para la misión.
Lo que nos frenó no fue la falta de conocimientos en estadística, sino la falta de entendimiento de la profunda relación entre cuantiles y la optimización de inventario. Esta revelación fue provocada, en gran medida por puro azar, cuando una clienta nos pidió que encontráramos una fórmula para calcular niveles de servicio óptimos para su inventario.
Un avance, sí, pero tardío
Este avance en los cuantiles es solo muy relativo en el sentido de que los cuantiles ya se han aplicado con éxito durante décadas en otros sectores. Sin embargo, hay un aspecto que explica en parte esta llegada tardía: los modelos cuantil típicamente requieren alrededor de 10x más potencia de procesamiento en comparación con los modelos de forecast clásicos. Sin computación en la nube, no habríamos podido poner los cuantiles en producción, mientras se preserva una agresiva estrategia de precios.
