Pronósticos Probabilísticos (2016)

El pronóstico probabilístico es el paradigma actualmente utilizado en Lokad. Sin embargo, desde que se implementó en 2016, la tecnología que respalda este paradigma ha estado evolucionando. Consulte también nuestra introducción al pronóstico probabilístico.
probabilistic-forecasting-graph
Los pronósticos probabilísticos representan una mejora significativa sobre la generación anterior de tecnología de pronóstico de Lokad basada en cuadrículas de cuantiles. En comparación con los métodos de pronóstico clásicos, los pronósticos probabilísticos representan un avance que proporciona una precisión mucho mayor, y se traduce, a su vez, en ganancias operativas en lo que respecta a la cadena de suministro, inventario o producción. Muchas empresas están frustradas con pronósticos que siguen fallando. A Lokad le llevó años comprender completamente la raíz del problema: se espera que los enfoques de pronóstico tradicionales produzcan cifras correctas. Naturalmente, el futuro es incierto, y cuando una herramienta o solución determinada no logra proporcionar las cifras correctas esperadas, los beneficios tampoco se materializan. En lugar de tener en cuenta un futuro posible, los pronósticos probabilísticos asignan una probabilidad a cada uno de varios resultados diferentes.
probabilistic-forecasting-graph
En este episodio de LokadTV, entendemos cómo los pronósticos probabilísticos pueden utilizarse para mejorar el funcionamiento de las cadenas de suministro. Discutimos la precisión y las limitaciones, y debatimos por qué la industria sigue tan comprometida con técnicas más tradicionales y cómo es probable que sea el futuro de los pronósticos.

Abrazando la incertidumbre

En nuestra experiencia, ninguna cantidad de ajuste fino de los modelos de pronóstico existentes, y ninguna cantidad de I+D para desarrollar mejores modelos, en el sentido tradicional, puede solucionar este problema. Métodos como el análisis de stock de seguridad se supone que manejan la incertidumbre, pero en la práctica, el análisis de stock de seguridad es simplemente una idea tardía. En la gestión de la cadena de suministro, los costos son impulsados por eventos extremos: es la demanda sorprendentemente alta la que genera faltantes de stock y frustración del cliente, y la demanda sorprendentemente baja la que genera inventario muerto y, consecuentemente, costosas cancelaciones de inventario. Como todos los ejecutivos saben, las empresas deberían esperar lo mejor, pero prepararse para lo peor. Cuando la demanda está exactamente donde se esperaba, todo va sobre ruedas. Sin embargo, el desafío principal del negocio de pronóstico no es hacerlo bien en los casos fáciles, donde todo saldrá bien incluso considerando un simple promedio móvil. El desafío principal es manejar los casos difíciles; aquellos que perturban su cadena de suministro y vuelven locos a todos.

power-clouds Lokad ha desarrollado una forma radicalmente nueva de abordar los pronósticos, es decir, pronósticos probabilísticos. En pocas palabras, un pronóstico probabilístico de la demanda no solo da una estimación de la demanda, sino que evalúa las probabilidades de cada futuro posible. Se estima la probabilidad de 0 (cero) unidades de demanda, la probabilidad de 1 unidad de demanda, de 2 unidades de demanda, y así sucesivamente... Cada nivel de demanda recibe su probabilidad estimada hasta que las probabilidades se vuelven tan pequeñas que pueden ser ignoradas de manera segura.

Estos pronósticos probabilísticos proporcionan una forma completamente nueva de mirar hacia el futuro. En lugar de quedarse atrapado en una perspectiva de pensamiento ilusorio, donde se espera que las cifras del pronóstico se materialicen, los pronósticos probabilísticos le recuerdan que todo siempre es posible, simplemente no igualmente probable. Por lo tanto, cuando se trata de prepararse para lo peor, los pronósticos probabilísticos ofrecen una forma poderosa de equilibrar cuantitativamente los riesgos (mientras que los pronósticos tradicionales permanecen ciegos ante estos últimos).

Mientras que el análisis de riesgos tiende a ser una idea tardía en los enfoques tradicionales de pronóstico, Lokad está llevando el caso al frente y al centro con pronósticos probabilísticos.

Desde la perspectiva de un practicante

Los pronósticos probabilísticos pueden sonar muy intimidantes y técnicos. Sin embargo, lo más probable es que, si eres un practicante de la cadena de suministro, ya has estado haciendo pronósticos probabilísticos “intuitivos” durante años: piensa en todas las situaciones en las que tus pronósticos básicos tuvieron que ser revisados al alza o a la baja, porque los riesgos eran simplemente demasiado grandes… Esto es exactamente de lo que se tratan los pronósticos probabilísticos: equilibrar adecuadamente las decisiones del mundo real cuando se enfrenta a un futuro incierto. Mientras que el análisis de riesgos tiende a ser una idea tardía en los enfoques tradicionales de pronóstico, Lokad está llevando el caso al frente y al centro con pronósticos probabilísticos.

La salida de datos del motor de pronóstico probabilístico son distribuciones de probabilidades. Desde una perspectiva práctica, si bien esta información es extremadamente rica (¡es, después de todo, un vistazo a muchos futuros posibles!), también es bastante impráctica de usar en su forma cruda. Como resultado, Lokad proporciona una plataforma completa, todas las herramientas necesarias y el apoyo del equipo, para permitir que su empresa convierta estas probabilidades en decisiones comerciales, como cantidades de reorden.

reorder_quantities

La aplicación web de Lokad cuenta con capacidades de procesamiento de Big Data, y le permite crear la lógica comercial necesaria que convierte estos pronósticos en decisiones, que están específicamente adaptadas a su negocio. Estas decisiones pueden ajustarse para adaptarse a las restricciones particulares de su cadena de suministro, como las cantidades mínimas de pedido, por ejemplo, sus impulsores económicos, como los riesgos asociados con la expiración de la vida útil, y sus procesos, como los pedidos de compra diarios que deben realizarse antes de las 8 a.m. todos los días.

Robotización a través del aprendizaje automático

La gestión de la cadena de suministro a menudo implica muchos productos movidos a través de muchas ubicaciones. Las soluciones de pronóstico tradicionales tienden a depender en gran medida de ajustes bastante manuales cada vez que se involucran patrones estadísticos avanzados, como nuevos productos o efectos del ciclo de vida del producto. Sin embargo, en Lokad, nuestra experiencia indica que si una solución de pronóstico requiere ajustes finos, simplemente no hay fin: no importa cuántas semanas o meses de trabajo se dediquen a hacer que la solución funcione, siempre hay una necesidad constante de más ajustes finos, simplemente porque hay demasiados productos, demasiadas ubicaciones y el negocio sigue cambiando.

Por lo tanto, en Lokad, hemos decidido optar por una completa robotización del proceso de pronóstico. Esto significa que

  • no se requiere conocimiento estadístico para obtener pronósticos
  • no se espera ningún ajuste fino para ajustar los pronósticos
  • no se requiere mantenimiento para mantener los pronósticos alineados con su negocio
Robotization-through-machine-learning
Esta robotización se logra a través del aprendizaje automático. De manera intuitiva, al mirar los productos uno por uno, la cantidad de información disponible por producto suele ser demasiado insignificante para llevar a cabo un análisis estadístico preciso. Sin embargo, al observar las correlaciones entre todos los productos vendidos, se vuelve posible ajustar automáticamente los modelos de pronóstico y calcular pronósticos mucho mejores que aprovechan no solo los datos de un producto específico en sí mismo, sino también los datos de todos los productos vistos como similares desde una perspectiva de pronóstico. Los algoritmos capaces de abordar este tipo de problema estadístico de alta dimensionalidad se conocen comúnmente como algoritmos de aprendizaje automático o algoritmos de aprendizaje estadístico. Lokad aprovecha precisamente estos algoritmos, muchos de ellos de hecho, para ofrecer sus pronósticos.

Como inconveniente menor, estos algoritmos tienden a consumir mucha más potencia de procesamiento que sus contrapartes tradicionales. Sin embargo, este desafío se aborda a través de la computación en la nube que mantiene el motor de pronóstico funcionando sin problemas, sin importar la cantidad de datos involucrados.

El origen de nuestros pronósticos probabilísticos

Lokad no inventó el pronóstico probabilístico, otros matemáticos lo hicieron, principalmente utilizando el concepto para abordar un conjunto muy diferente de problemas como el pronóstico de precios de acciones de productos básicos o el pronóstico del tiempo. Además, Lokad no utilizó el pronóstico probabilístico desde el principio; pasamos por el pronóstico clásico (2008), el pronóstico de cuantiles (2012) y las cuadrículas de cuantiles (2015)

graph-work-in-progress

antes de esto. Como resultado, los pronósticos probabilísticos son en realidad la 4ª generación de nuestra tecnología de pronóstico. A partir de la experiencia adquirida en las iteraciones anteriores de esta tecnología, hemos obtenido una cantidad considerable de conocimientos sobre cómo diseñar un motor de pronóstico adecuado para cubrir una amplia gama de situaciones comerciales.

La idea misma de estimar probabilidades en lugar de un promedio provino de nuestros primeros años cuando todavía estábamos tratando de hacer funcionar el enfoque clásico. Nos llevó varios fracasos darse cuenta de que el enfoque clásico era intrínsecamente defectuoso, y que ninguna cantidad de I+D podría arreglar un marco estadístico roto. El marco estadístico en sí mismo tenía que ser arreglado en primer lugar para que el modelo de pronóstico funcionara.

Además, cada iteración de nuestro motor de pronóstico ha sido una generalización - desde una perspectiva matemática - de la versión anterior, con cada nueva generación de nuestro motor de pronóstico siendo capaz de manejar más situaciones que la anterior. De hecho, es mejor estar aproximadamente correcto que exactamente equivocado. Las situaciones más difíciles se presentan cuando el motor de pronóstico no puede generar pronósticos que serían los más apropiados para adaptarse a una situación comercial dada porque el motor no es lo suficientemente expresivo. O cuando el motor de pronóstico no puede procesar los datos de entrada que serían realmente relevantes para obtener información estadística sobre cualquier situación dada porque, una vez más, el motor carece de expresividad. En Lokad, el pronóstico es un trabajo en progreso. Si bien estamos orgullosos de lo que hemos construido con nuestro motor de pronóstico probabilístico, esto no es el fin de nuestros esfuerzos. A diferencia de las soluciones locales, donde la actualización a una nueva herramienta es un desafío en sí mismo, los clientes de Lokad se benefician de nuestro motor de pronóstico de próxima generación tan pronto como esté disponible.

Nuestras preguntas frecuentes sobre pronósticos

¿Qué modelos de pronóstico están utilizando?

Estamos utilizando muchos modelos de pronóstico. La mayoría de los modelos que estamos utilizando hoy en día se considerarían algoritmos de aprendizaje automático. Estos modelos han sido desarrollados por Lokad, y típicamente no tienen contrapartes nombradas en la literatura científica. Cuando comenzamos en 2008, habíamos vuelto a implementar todos los clásicos (Box-Jenkins, ARIMA, Holt-Winters, suavizado exponencial, etc.); pero estos modelos cayeron en desuso ya que simplemente no pueden competir con nuestros modelos más recientes.

¿Cómo elige el modelo o la combinación convexa de modelos a utilizar?

Seleccionar el modelo correcto o la combinación convexa correcta de modelos es la mitad de la batalla cuando se trata de construir un buen pronóstico en primer lugar. Desde una perspectiva estadística, un sistema capaz de elegir siempre el modelo “mejor” sería estrictamente equivalente a un sistema que siempre elige los pronósticos “perfectos”. En la práctica, nuestro motor de pronóstico se basa en gran medida en backtesting para seleccionar el mejor conjunto de modelos.

¿Maneja su motor de pronóstico la estacionalidad, las tendencias, los días de la semana?

Sí, el motor de pronóstico maneja todas las ciclicidades comunes. Nuestros modelos también utilizan intensivamente un enfoque de series temporales múltiples para aprovechar las ciclicidades observadas en otros productos con el fin de mejorar la precisión del pronóstico de cualquier producto dado. Naturalmente, dos productos pueden compartir la misma estacionalidad, pero no el mismo patrón de días de la semana. También tenemos modelos para manejar esto.

¿Qué datos necesitan?

Para pronosticar la demanda, el motor de pronóstico necesita que se le proporcione, al menos, la demanda histórica diaria, y proporcionar un historial de pedidos desagregado es aún mejor. En cuanto a la longitud del historial, cuanto más largo sea, mejor. Si bien no se puede detectar estacionalidad con menos de 2 años de historial, consideramos que 3 años de historial son buenos y 5 años excelentes. Para pronosticar los tiempos de entrega, el motor generalmente requiere que los pedidos de compra contengan tanto las fechas de pedido como las fechas de entrega. Especificar los atributos de su producto o SKU también ayuda a refinar considerablemente los pronósticos. Además, proporcionar sus niveles de stock también es muy útil para nosotros para realizar un primer análisis de stock significativo.

¿Pueden pronosticar mi hoja de Excel?

Como regla general, si todos sus datos caben en una hoja de Excel, entonces generalmente no podemos hacer mucho por usted; y siendo honestos, nadie más puede hacerlo tampoco. Es probable que los datos de la hoja de cálculo estén agregados por semana o por mes, y la mayor parte de la información histórica se pierde a través de dicha agregación. Además, en este caso, su hoja de cálculo tampoco contendrá mucha información sobre las categorías y jerarquías que se aplican a sus productos. Nuestro motor de pronóstico aprovecha todos los datos que tiene, y hacer una prueba en una muestra pequeña no dará resultados satisfactorios.

¿Qué pasa con los faltantes de stock y las promociones?

Tanto los faltantes de stock como las promociones representan sesgos en las ventas históricas. Dado que el objetivo es pronosticar la demanda, y no las ventas, este sesgo debe tenerse en cuenta. Una forma frecuente, pero incorrecta, de lidiar con estos eventos consiste en reescribir la historia, para llenar los vacíos y truncar los picos. Sin embargo, no nos gusta este enfoque, porque consiste en alimentar pronósticos al motor de pronóstico, lo que puede resultar en importantes problemas de sobreajuste. En cambio, nuestro motor admite nativamente “indicadores” que indican dónde la demanda ha sido censurada o inflada.

¿Pueden pronosticar nuevos productos?

Sí, podemos. Sin embargo, para pronosticar nuevos productos, el motor requiere las fechas de lanzamiento de los otros productos “más antiguos”, así como su demanda histórica en el momento del lanzamiento. Además, se recomienda especificar algunas de sus categorías de productos y/o una jerarquía de productos. El motor efectivamente pronostica nuevos productos detectando automáticamente los productos “más antiguos”, que pueden considerarse comparables a los nuevos. Sin embargo, como aún no se ha observado demanda para los nuevos artículos, los pronósticos dependen completamente de los atributos asociados con ellos.

¿Es posible ajustar los pronósticos?

Casi una década de experiencia en pronósticos estadísticos nos ha enseñado muchas veces que ajustar los pronósticos nunca es una buena idea. Si los pronósticos necesitan ser ajustados, entonces probablemente haya un error en el motor de pronóstico que debe corregirse. Si no hay ningún error que corregir, y los pronósticos se realizan tal como se espera desde una perspectiva estadística, entonces ajustarlos probablemente sea la respuesta incorrecta al problema. Por lo general, la necesidad de ajustar los pronósticos refleja la necesidad de tener en cuenta un impulsor económico de algún tipo; que impacta en el análisis de riesgos “sobre” el pronóstico, pero no en el pronóstico en sí.

¿Tienen experiencia en mi sector?

Tenemos experiencia en muchos sectores: moda, alimentos frescos, bienes de consumo, electrónica, repuestos, aeroespacial, fabricación ligera, fabricación pesada, etc. También trabajamos con diversos tipos de actores de la industria: negocios de comercio electrónico, mayoristas, importadores, fabricantes, distribuidores, cadenas minoristas, etc. La forma más fácil de asegurarse de que tenemos experiencia en su sector es ponerse en contacto con nosotros directamente.

¿Utilizan datos externos para refinar los pronósticos?

No. Si bien sus pronósticos se benefician de todo el know-how y la sintonización general del sistema que hemos adquirido al trabajar con otros clientes, sus pronósticos no contienen datos obtenidos de fuentes externas, ya sea de otros clientes de Lokad o de conjuntos de datos públicos. Del mismo modo, sus datos solo se utilizan para fines explícitamente asociados con su cuenta de empresa, y nada más.