Forecast Probabilístico (2016)

Los forecasts probabilísticos representan una mejora significativa sobre la generación anterior de tecnología de forecasting de Lokad basada en cuadrículas de cuantiles. En comparación con los métodos de forecasting clásicos, los forecasts 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 supply chain, el inventario o la producción. Muchas empresas están frustradas con los forecasts que les siguen fallando. A Lokad le llevó años comprender completamente la raíz del problema: se espera que los enfoques de forecasting 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 posible futuro, los forecasts probabilísticos asignan una probabilidad a cada uno de varios resultados diferentes.

LokadTV - Episodio 11 - Forecast Probabilístico

En este episodio de LokadTV, entendemos cómo se pueden utilizar los forecasts probabilísticos para mejorar el funcionamiento de las supply chains. 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 del forecasting.

Ir a Lokad TV

Abrazando la incertidumbre

En nuestra experiencia, ninguna cantidad de ajuste fino de los modelos de forecasting 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, en consecuencia, 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 que estuviera, todo va bien. Sin embargo, el desafío empresarial central del forecasting no es hacerlo bien en los casos fáciles, donde todo irá bien incluso considerando un promedio móvil crudo. El desafío central es manejar los casos difíciles; aquellos que interrumpen su cadena de suministro y vuelven locos a todos.

Lokad ha desarrollado una forma radicalmente nueva de abordar las previsiones, a saber, las previsiones probabilísticas. En pocas palabras, una previsión probabilística 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, se estima la probabilidad de 1 unidad de demanda, de 2 unidades de demanda, y así sucesivamente... Cada nivel de demanda tiene su probabilidad estimada hasta que las probabilidades se vuelven tan pequeñas que se pueden ignorar con seguridad.

Estas previsiones probabilísticas proporcionan una forma completamente nueva de mirar hacia el futuro. En lugar de estar atrapado en una perspectiva de pensamiento ilusorio, donde se espera que las cifras de la previsión se materialicen, las previsiones probabilísticas le recuerdan que todo siempre es posible, pero no igualmente probable. Por lo tanto, cuando se trata de prepararse para lo peor, las previsiones probabilísticas proporcionan una forma poderosa de equilibrar cuantitativamente los riesgos (mientras que las previsiones tradicionales siguen siendo ciegas a estos últimos).

Mientras que el análisis de riesgos tiende a ser una idea tardía en los enfoques de previsión tradicionales, Lokad está llevando el caso al frente y al centro con las previsiones probabilísticas.

Desde la perspectiva de un profesional

Las previsiones probabilísticas pueden sonar muy intimidantes y técnicas. Sin embargo, lo más probable es que, si eres un profesional de la cadena de suministro, ya hayas estado haciendo previsiones probabilísticas “intuitivas” durante años: piensa en todas las situaciones en las que tus previsiones básicas tuvieron que ser revisadas al alza o a la baja, porque los riesgos eran demasiado grandes… Esto es exactamente de lo que se tratan las previsiones probabilísticas: equilibrar adecuadamente las decisiones del mundo real cuando se enfrentan a un futuro incierto. Mientras que el análisis de riesgos tiende a ser una idea tardía en los enfoques de previsión tradicionales, Lokad está llevando el caso al frente y al centro con las previsiones probabilísticas.

La salida de datos del motor de previsión probabilística son distribuciones de probabilidades. Desde una perspectiva práctica, aunque 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 soporte del equipo, para permitir que su empresa convierta estas probabilidades en decisiones comerciales, como cantidades de reorden.

La aplicación web de Lokad cuenta con capacidades de procesamiento de Big Data, y le permite crear la lógica empresarial necesaria que convierte estas previsiones en decisiones, que están específicamente adaptadas a su negocio. Estas decisiones se pueden ajustar para adaptarse a sus restricciones particulares de la cadena de suministro, como los MOQ (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 se deben hacer 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 previsión 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 previsión requiere ajuste fino no hay fin a ello: no importa cuántas semanas o meses de mano de obra se dediquen a hacer que la solución funcione, hay una necesidad constante de más ajuste fino, simplemente porque hay demasiados productos, demasiadas ubicaciones y el negocio sigue cambiando.

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

• no se requiere conocimiento estadístico para obtener previsiones
• no se espera que se proporcione ajuste fino para ajustar las previsiones
• no se requiere mantenimiento para mantener las previsiones alineadas con su negocio

Esta robotización se logra a través del aprendizaje automático. Intuitivamente, al mirar los productos uno por uno, la cantidad de información disponible por producto es típicamente demasiado insignificante para llevar a cabo un análisis estadístico preciso. Sin embargo, al mirar correlaciones entre todos los productos vendidos, se vuelve posible ajustar automáticamente los modelos de previsión y calcular previsiones 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 a él desde una perspectiva de previsión. Los algoritmos capaces de abordar este tipo de problema estadístico de alta dimensión se denominan comúnmente algoritmos de aprendizaje automático o algoritmos de aprendizaje estadístico. Lokad aprovecha precisamente estos algoritmos, muchos de ellos de hecho, para entregar sus previsiones.

Como pequeña desventaja, estos algoritmos consumen mucho más energía 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 previsión funcionando sin problemas, sin importar la cantidad de datos involucrados.

El origen de nuestras previsiones probabilísticas

Lokad no inventó la previsión probabilística, otros matemáticos lo hicieron, principalmente usando el concepto para abordar un conjunto muy diferente de problemas como la previsión de precios de las existencias de materias primas o la previsión del tiempo. Además, Lokad no utilizó la previsión probabilística desde el principio; pasamos por la previsión clásica (2008), la previsión de cuantiles (2012) y las cuadrículas de cuantiles (2015)

antes de esto. Como resultado, las previsiones probabilísticas son en realidad la cuarta generación de nuestra tecnología de previsión. A partir de la experiencia adquirida en las iteraciones anteriores de esta tecnología, hemos adquirido una cantidad considerable de conocimientos sobre cómo diseñar un motor de previsión adecuado para cubrir una amplia gama de situaciones empresariales.

La idea misma de estimar probabilidades en lugar de un promedio provino de nuestros primeros años cuando todavía estábamos tratando de hacer que el enfoque clásico funcionara. Nos llevó bastante 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 previsión funcionara.

Además, cada iteración de nuestro motor de previsión ha sido una generalización - desde una perspectiva matemática - de la versión anterior, con cada nueva generación de nuestro motor de previsión siendo capaz de manejar más situaciones que la anterior. De hecho, es mejor estar aproximadamente correcto que exactamente equivocado. Las situaciones más difíciles se encuentran cuando el motor de previsión no puede generar previsiones que serían las más apropiadas para adaptarse a una determinada situación empresarial porque el motor no es lo suficientemente expresivo. O cuando el motor de previsión 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, la previsión es un trabajo en progreso. Si bien estamos orgullosos de lo que hemos construido con nuestro motor de previsión probabilístico, esto no es el final 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 previsión de próxima generación tan pronto como esté disponible.

Nuestras preguntas frecuentes de previsión