Pronóstico de la demanda en moda
El forecast es difícil. Forecast del futuro de la moda es increíblemente difícil. Como resultado, en su mayor parte, la industria de la moda todavía confía en crudos métodos como Open-To-Buy, que no son más que promedios móviles top-down glorificados. Sin embargo, la mayoría de los profesionales de supply chain argumentarían que, mientras no exista algo que realmente pueda superar a Open-To-Buy en el mundo real, entonces Open-To-Buy no está obsoleto, sin importar lo crudo que pueda ser el método. De hecho, hasta hace poco, nuestras propias observaciones estaban alineadas con lo que las empresas de moda nos decían: nada realmente funciona para la moda, y la conjetura sigue siendo la mejor opción entre todas las otras alternativas, incluso las menos satisfactorias.
Nuestra forecast probabilístico engine, lanzada el año pasado, se convirtió en un parteaguas para la moda. Después de años luchando con los patrones de demanda en la moda, finalmente contamos con un forecasting engine que está diseñado de manera nativa para los desafíos específicos del sector de la moda. Durante los últimos meses, hemos estado impulsando las supply chains de múltiples empresas de moda, y bueno, ¡realmente funciona! Considerando el historial de los proveedores de forecast en la industria de la moda, las probabilidades no estaban realmente a nuestro favor.
La demanda en la moda generalmente se impulsa por la novedad, y los new products se agrupan a través de collections. Las collections son esenciales desde la perspectiva de la moda; sin embargo, al mismo tiempo, representan un enorme desafío de forecast.
La demanda debe ser forecast para productos que aún no se han vendido.
La moda no se trata de productos que no se han vendido durante mucho tiempo, se trata de productos que no se han vendido en absoluto. Esta perspectiva es un desajuste fundamental con el enfoque de forecast de time-series que representa la base de casi todos los sistemas de forecast - aunque no en Lokad. De hecho, desde una perspectiva de time-series, en el caso de la moda, las time-series carecen de profundidad histórica, por lo que no hay nada en qué apoyarse para el propósito de forecast.
El forecast probabilístico engine de Lokad adopta una postura completamente diferente: aprovecha activamente los diferentes atributos del producto: brand, style, color, fabric, size, price point, category, etc, para construir un forecast de demanda basado en el desempeño de productos similares en las collections anteriores.
Una de las cosas que el forecast probabilístico engine de Lokad no hace es requerir que los productos sean emparejados manualmente entre collections. Primero, establecer esos pares es muy complicado y extremadamente laborioso. Los profesionales de supply chain no deberían ser los esclavos de sus propios sistemas; si los sistemas requieren que miles de productos sean emparejados manualmente, lo más probable es que ese tiempo se invierta mejor en producir un forecast manual que se beneficie directamente de los insights humanos. Segundo, en la moda, la asignación 1 a 1 entre las collections antiguas y las new collections, la mayor parte de las veces, no tiene sentido. Es probable que las new collections redefinan los códigos de formas sutiles pero importantes: un producto puede convertirse en muchos, y viceversa. Una metodología que se base exclusivamente en emparejamientos 1 a 1 garantiza entregar resultados bastante ingenuos sobre las collections futuras.
El forecast probabilístico engine de Lokad se centra en calcular todas esas similitudes de manera totalmente automatizada mediante algoritmos de machine learning. Artificial Intelligence es ahora la gran tendencia en los medios, pero en el fondo se reduce a algoritmos de machine learning que han experimentado un progreso constante y gradual durante las últimas 3 décadas. Lokad aprovecha varias clases de algoritmos de machine learning, hechos a la medida para propósitos de supply chain.
Además, Lokad entrega probabilistic forecasts. En lugar de entregar un forecast de demanda – la mediana o la media – que está (casi) garantizado que sea incorrecto, Lokad entrega las probabilidades para (casi) todos los escenarios de demanda. Este aspecto es de vital importancia para la industria de la moda porque la incertidumbre es irreducible; y un buen orden de suministro frecuentemente se reduce a un análisis de riesgo.
En la moda, los dos riesgos principales son las oportunidades perdidas si no hay suficiente stock, y las depreciaciones de stock si los productos tienen que ser vendidos con un descuento muy agresivo durante el periodo de ventas – para liquidar los stocks restantes de una collection. Lokad tiene capacidades nativas para abordar este análisis de riesgo específico que es tan importante en la moda.
¿Intrigado por las capacidades de Lokad para la moda? No dudes en reservar una demo call con nosotros.
