FAQ: Ottimizzazione dell'inventario

Lokad affronta le sfide legate all’inventario utilizzando l’analisi predittiva per abbracciare l’incertezza della supply chain e ottimizzare le decisioni con una visione finanziaria. Considera i vincoli unici dei clienti e migliora la trasparenza delle decisioni attraverso report dettagliati e dashboard intuitive.

Pubblico di riferimento: Praticanti, esperti ed esecutivi della supply chain.

Ultima modifica: 30 gennaio 2024

Un uomo che cerca di ottimizzare le rotte di allocazione per grandi quantità di inventario non spedito.

Gli eccessi di magazzino e le mancanze di magazzino sono i due sintomi più evidenti di decisioni inadeguate legate all’inventario, e questi problemi possono essere ricondotti a politiche che ignorano l’incertezza. Questa incertezza assume molte forme, tra cui domanda variabile, tempi di consegna fluttuanti e resi sporadici. Lokad offre prestazioni superiori dell’inventario precisamente perché le sue capacità predittive programmatiche abbracciano l’incertezza della supply chain anziché ignorarla. Ad esempio, Lokad dispone di capacità di modellazione probabilistica per riflettere tutti i driver economici collegati alle decisioni quotidiane e ripetitive della supply chain di un cliente (ad esempio, ordini di acquisto, ordini di produzione, allocazione delle scorte, ecc.). Ciò ci consente di fornire ai clienti una prospettiva finanziaria ad alta risoluzione sul valore in dollari (o euro) di ogni decisione. Lokad dispone anche di capacità di ottimizzazione stocastica per raccomandare infine le decisioni che massimizzano il ritorno in dollari (o euro) per ogni decisione, tenendo conto dei vincoli unici del cliente. Tali vincoli includono preoccupazioni trasversali ai prodotti come la cannibalizzazione e la sostituzione.

Ad ogni passo del processo, le estese capacità di reportistica personalizzata di Lokad forniscono al cliente completa trasparenza. Le dashboard intuitive sono progettate per esprimere chiaramente gli indicatori chiave di prestazione (KPI) desiderati e necessari dai clienti e per scomporre i calcoli di Lokad in modo diretto.

Riassunto esecutivo

Per quanto riguarda l’ottimizzazione dell’inventario, Lokad si è discostata da quello che potrebbe essere considerato l’approccio “mainstream” più di un decennio fa. Questa divergenza è solo aumentata con il miglioramento della nostra tecnologia. Questa tecnologia consente a Lokad di apportare miglioramenti significativi alle supply chain dei clienti, tuttavia la sfida maggiore è spesso spiegare i miglioramenti, un compito reso ancora più difficile data la differenza tra l’approccio di Lokad e quello che i praticanti della supply chain si aspettano.

La favola “mainstream” sull’ottimizzazione dell’inventario va così: il fornitore di software (quadrante magico) fornisce previsioni accurate al 20% in più, e queste previsioni si tradurranno in una riduzione del 20% delle mancanze di magazzino e del 20% delle scorte. Questa favola di solito presenta diversi buzzword di tendenza: intelligenza artificiale, rilevamento della domanda, apprendimento automatico, blockchain, gemelli digitali, sistemi in-memory, ecc. Tuttavia, questa visione mainstream è un vicolo cieco1. A differenza della maggior parte dei nostri concorrenti, Lokad fornisce effettivamente previsioni all’avanguardia2, e sappiamo che questo da solo non è sufficiente per ottenere un ritorno sull’investimento soddisfacente.

Lokad è forse unico nel suo genere perché non fa mistero di come raggiunge prestazioni superiori dell’inventario. Abbiamo una serie di lezioni pubbliche3 (per un totale di oltre 50 ore e in continuo aumento) che forniscono i dettagli delle nostre tecnologie e metodologie. Questa serie serve sia come risorsa che come avvertimento per i clienti: una volta che si capisce come funzionano i “trucchi” di un fornitore, non si può più ignorarli.

Previsione probabilistica

È necessario utilizzare previsioni probabilistiche. Queste previsioni forniscono una valutazione quantitativa diretta dell’incertezza con cui si deve fare i conti nella supply chain, ad esempio l’incertezza legata alla domanda del cliente e ai tempi di consegna del fornitore. Invece di fingere che le previsioni tradizionali a serie temporali (l’“approccio classico”) diventino magicamente accurate, le previsioni probabilistiche affrontano direttamente questi problemi. Le previsioni probabilistiche non sono necessariamente più “accurate” - almeno non per design - ma questo è relativamente irrilevante dato che vengono utilizzate per raccontare una storia completamente diversa sul futuro del cliente, i dettagli dei quali sono trattati nella sezione Prospettiva finanziaria. Inoltre, ogni fonte di incertezza merita la propria previsione, non solo la domanda. Lokad produce previsioni probabilistiche per i tempi di consegna, i resi, i tassi di scarto, ecc.

Al contrario, l’approccio tradizionale alle previsioni a serie temporali ignora l’incertezza descritta in precedenza. Di conseguenza, quando vengono utilizzate previsioni puntuali a serie temporali, la supply chain diventa fragile anche di fronte a rischi del tutto banali, come la natura incerta dei lanci di prodotto. È inutile aspettarsi che i lanci di prodotto diventino mai privi di rischi, perché se un’azienda fosse in grado di valutare in modo più affidabile le prestazioni dei suoi lanci di prodotto, sfrutterebbe senza dubbio questa nuova capacità per lanciare ancora più prodotti, reintroducendo così incertezza nella supply chain in questione.

Processo decisionale automatizzato

L’automazione (e la superiorità) del processo decisionale della supply chain è l’unico obiettivo degno di essere perseguito, poiché sono questi che hanno un impatto tangibile sulla supply chain. Se il software di ottimizzazione dell’inventario restituisce qualcosa diverso dalle decisioni finalizzate, allora il software non sta facendo il suo lavoro (o potresti semplicemente avere il software sbagliato).

Inoltre, queste decisioni automatizzate devono tener conto di tutti i vincoli del cliente, come le quantità minime d’ordine (MOQs). Se il proprio software/sistema continua a generare decisioni difettose che devono essere sovrascritte manualmente, allora il sistema è difettoso e deve essere sostituito. Gli esperti di supply chain veri sono troppo rari e preziosi per essere utilizzati per qualsiasi cosa diversa dal miglioramento continuo della ricetta numerica unica del cliente[^ricetta]. Lokad utilizza questa ricetta numerica per robotizzare il processo decisionale della supply chain, liberando così gli esperti interni per concentrarsi su questioni di ordine superiore e strategia.

Al contrario, la visione dominante enfatizza ogni sorta di artefatti numerici: classi ABC (o il suo parente, ABC XYZ), rotazioni dell’inventario, scorte di sicurezza, quantità economiche d’ordine, ecc. A differenza delle decisioni della supply chain, la relazione tra un artefatto numerico e le prestazioni della supply chain è al massimo sfocata. Inoltre, la maggior parte di questi numeri viene introdotta solo per supportare un processo decisionale semi-manuale, garantendo così lo spreco continuo delle risorse del cliente (ad esempio, denaro, tempo ed energia).

Di conseguenza, nulla viene mai veramente risolto poiché i professionisti della supply chain sono continuamente distratti dal processo di spegnimento degli incendi persistente, e sullo sfondo il sistema sottostante continua a generare decisioni subottimali.

Prospettiva finanziaria

Le decisioni della supply chain devono essere ottimizzate dal punto di vista finanziario, ossia valutate in termini di impatto in euro (o dollari). Questa valutazione deve riflettere tutti i driver economici rilevanti. Lokad ha accesso ai driver economici rilevanti e tangibili (trovati direttamente nei registri del cliente): margine lordo, costo di mantenimento, costo di trasporto, ecc. Tuttavia, Lokad quantifica anche i driver economici intangibili - quelli che devono essere considerati per produrre decisioni di valore per la supply chain: fedeltà del cliente, buona volontà dei fornitori, valore percepito del marchio, ecc. Date le loro caratteristiche astratte, questi driver devono essere approssimati in modo intelligente, anche se è molto meglio essere approssimativamente corretti che esattamente sbagliati. Questo valore monetario viene utilizzato per unificare tutte le diverse forze che influenzano ogni decisione di inventario.4

Al contrario, la visione dominante enfatizza le percentuali, come i livelli di servizio, ignorando completamente tutti i driver economici intangibili. Ciò porta alla miopia delle decisioni consigliate che il pubblico in generale ora associa alla “finanza”. Tali decisioni sono ottimizzate rispetto a criteri numerici inventati che semplicemente non riflettono gli interessi a lungo termine dell’azienda. La soluzione non è rifiutare l’idea di ottimizzazione, ma rivedere ciò che viene ottimizzato in primo luogo.

Domande frequenti (FAQ)

1. Principi

1.1 Aiutate a razionalizzare la gestione delle scorte? Quali sono le vostre capacità di gestione delle scorte?

Lokad ottimizza (e razionalizza) le scorte anziché gestirle. L’ottimizzazione delle scorte comporta, tra le altre cose, prendere le migliori decisioni possibili, come ad esempio quanto stock acquistare, quando acquistarlo e dove (ri)allocarlo. La gestione delle scorte, d’altra parte, si concentra sulla gestione dei registri elettronici che riflettono lo stato fisico delle scorte e sul mantenimento di questi registri allineati alla realtà delle scorte. L’ottimizzazione delle scorte e la gestione delle scorte sono i due principali aspetti del controllo generale delle scorte e Lokad è interamente dedicata al primo.

In termini di progettazione del software, i requisiti di un sistema di gestione delle scorte sono molto diversi da quelli di un sistema di ottimizzazione delle scorte. In effetti, spesso sono in completa opposizione. Ad esempio, la gestione delle scorte richiede risposte in tempo reale, altrimenti operazioni banali come la prelievo delle scorte vengono ritardate fino a quando il sistema finalmente riconosce l’operazione.

Tuttavia, l’ottimizzazione delle scorte si basa sulla presa di buone decisioni, non necessariamente in tempo reale. Un ritardo di 5 minuti per calcolare un ordine di acquisto ottimizzato - che riflette una vasta gamma di fattori e vincoli - è irrilevante se l’ordine di acquisto finisce per risparmiare al cliente migliaia di dollari (o euro). Dal punto di vista del cliente, questo è preferibile a uno scenario in cui ordini di acquisto mediocri -possono essere prodotti in meno di 10 millisecondi (cioè in tempo reale) - una decisione che potrebbe comportare la perdita di migliaia di dollari (o euro) in stock invenduto. Se il cliente non ha un sistema di gestione delle scorte in atto, Lokad raccomanda vivamente di installarne uno prima di tentare di ottimizzare le scorte.

Nota: La maggior parte dei software aziendali progettati per la gestione delle scorte afferma anche di fornire funzionalità di ottimizzazione delle scorte. Questa è una pretesa ingannevole. Queste diverse funzioni di gestione delle scorte richiedono interventi software diversi.

Per un confronto diretto tra ottimizzazione delle scorte e gestione delle scorte, nonché il software necessario, consulta Controllo delle scorte.

1.2 Come prevedete le future esigenze di scorte?

Lokad utilizza una tecnologia di modellazione predittiva estesa per prevedere tutti i fattori incerti che influenzano le future esigenze di scorte. Questi fattori includono, tra le altre cose, la domanda futura e i tempi di consegna futuri che influenzano direttamente le esigenze di scorte. Tuttavia, a seconda del settore specifico, ci sono spesso altre fonti di incertezza. Ad esempio, potrebbero esserci resi dei clienti (ecommerce), resa di produzione, tassi di scarto, ecc. Per stabilire le esigenze di scorte, combiniamo tipicamente una breve serie di previsioni che riflettono molteplici fonti di incertezza. Questo approccio va ben oltre le capacità delle tradizionali previsioni di serie temporali.

Inoltre, Lokad adotta una prospettiva di previsione probabilistica. Ciò significa che Lokad considera tutti i futuri possibili e valuta quantitativamente le rispettive probabilità. Inoltre, la nostra piattaforma include gli strumenti necessari per comporre o combinare queste previsioni probabilistiche, come un’algebra di variabili casuali (vedi sotto). Ad esempio, combinando una previsione probabilistica della domanda e una previsione probabilistica dei tempi di consegna, otteniamo una previsione probabilistica della “domanda di consegna”, che rappresenta la domanda integrata nel tempo di consegna. La “domanda di consegna” è tipicamente una linea di base di partenza per valutare le future esigenze di scorte.

Vedi Previsione Probabilistica per ulteriori informazioni su questa prospettiva. Per saperne di più sulla nostra strumentazione di algebra delle variabili casuali, consulta Ranvars e Zedfuncs nella nostra documentazione pubblica di Envision.

1.3 Calcolate i livelli di scorte passati e futuri basandovi sui dati storici delle vendite e sui dati delle previsioni?

Sì, la piattaforma di Lokad è in grado di calcolare sia i livelli di scorte passati che futuri sfruttando i dati storici transazionali del cliente, inclusi sia il flusso in uscita (ad esempio, le vendite) che il flusso in entrata (ad esempio, gli acquisti). Abbiamo ampie capacità di previsione probabilistica, non solo per la domanda futura, ma anche per i tempi di consegna futuri, i resi futuri e tutte le altre fonti pertinenti di incertezza.

Per quanto riguarda i livelli di scorte passati, poiché la soluzione di Lokad - fornita attraverso la nostra piattaforma - è scalabile ed economica, di solito consigliamo di registrare i dati nel tempo, tipicamente attraverso snapshot prodotti all’interno della piattaforma Lokad se questi dati non sono già storicizzati nei sistemi aziendali, anziché ricalcolare questi dati. Infatti, anche un modello di flusso attentamente elaborato potrebbe ancora riflettere in modo errato i livelli di scorte passati. Gli snapshot storici dei livelli di scorte non soffrono di questa classe di problemi.

Per quanto riguarda i livelli di scorte futuri, ci sono due elementi importanti da considerare. Primo, l’incertezza del futuro è irriducibile. Secondo, i livelli di scorte futuri dipendono da decisioni che non sono ancora state prese. Poiché l’incertezza del futuro è irriducibile, è poco saggio - e piuttosto non redditizio - presumere che una singola proiezione dello stato futuro delle scorte possa essere considerata “abbastanza corretta”. Invece, dovremmo considerare tutti i futuri possibili e le rispettive probabilità. Questa è una visione molto più ricca del futuro e ci consente di produrre decisioni di supply chain adattate al rischio che siano resilienti alle deviazioni dalla previsione (classica). Lokad realizza ciò sfruttando la previsione probabilistica.

Poiché le scorte future dipendono dalle decisioni della supply chain che non sono state prese (ad esempio, gli ordini di acquisto futuri), abbiamo bisogno di un sistema sensato per implementare le decisioni al fine di valutare lo stato o gli stati futuri possibili delle scorte. Ciò richiede che le decisioni siano automatizzate, in modo da consentire una simulazione efficace. Se il processo decisionale è semimanuale (ossia, coinvolge un intervento soggettivo umano), diventa impraticabile “simulare”. Pertanto, per scopi di simulazione, è necessario utilizzare un sistema automatizzato di presa di decisioni.

1.4 Calcolate la scorta di sicurezza, i livelli Min/Max, il livello di riordino e la EOQ (quantità economica di ordine) tenendo conto della politica di acquisto?

Sì, la piattaforma di Lokad rende semplice implementare un approccio di supply chain tradizionale/classico, compresi le scorte di sicurezza, i livelli Min/Max, i punti di riordino e le EOQ. Inoltre, è anche semplice aggiornare tutti questi elementi in modo completamente automatizzato. Tuttavia, questo approccio di supply chain è obsoleto in quanto produce risultati scadenti nella pratica. Inoltre, richiede correzioni manuali estese e continue per correggere gli output subottimali che il “sistema” continua a generare.

Al contrario, Lokad consiglia un approccio nettamente superiore che consiste nel valutare i rendimenti economici unitari per l’acquisto di ogni unità aggiuntiva di stock. Questo calcolo si basa sia sulle previsioni probabilistiche generate dalla piattaforma di Lokad, sia su una modellazione economica esplicita delle conseguenze delle decisioni di acquisto. Questo approccio abbraccia i driver economici che sottendono alle decisioni di acquisto.

Di conseguenza, mitigare gli oneri di acquisto è un dato di fatto: gli ordini sono ottimizzati dal punto di vista economico, eliminando la necessità di introdurre formule obsolete come la formula di Wilson (tradizionalmente utilizzata per i calcoli EOQ). Inoltre, attivare l’ordine di acquisto diventa una questione di equilibrio tra il costo della mancanza di stock e il costo dell’eccesso di stock, eliminando la necessità di scorte di sicurezza, livelli Min/Max e punti di riordino.

Inoltre, l’approccio di Lokad si presta bene alle preoccupazioni relative alle SKU (unità di stoccaggio). Queste preoccupazioni includono cannibalizzazione, sostituzione, quantità minime d’ordine a livello di fornitore, capacità di magazzino o negozio e molteplici livelli. L’approccio di supply chain tradizionale/classico è rigidamente legato a una prospettiva mono-SKU rigorosa. Di conseguenza, tali preoccupazioni vengono disattese per design. Non importa quanto sofisticato possa essere un calcolo delle scorte di sicurezza (per fare un esempio), non può affrontare nessuna di queste preoccupazioni cross-SKU, poiché la formula (o piuttosto la classe di formule) implica l’elaborazione delle SKU in isolamento.

1.5 Come differenziate il vostro approccio per gli articoli di alto valore?

L’approccio quantitativo di supply chain di Lokad raccomanda vivamente di ottimizzare ogni decisione di supply chain in base ai suoi driver economici (individuali e interdipendenti), quindi gli articoli di alto e basso valore vengono ottimizzati allo stesso modo, anche se naturalmente i dettagli dei calcoli variano.

I driver economici rilevanti includono naturalmente - tra le altre cose - i costi e il margine lordo degli articoli di inventario che vengono ottimizzati. Gli articoli di alto valore sono naturalmente associati a costi elevati e margini elevati, almeno in termini assoluti. L’ottimizzazione effettuata da Lokad massimizza i rendimenti dollaro su dollaro per gli investimenti in inventario: in termini semplici, per ogni 1 USD che può essere investito, Lokad sceglie l’articolo che offre il più alto tasso di rendimento (pensate al ROI).*

Oltre alla valutazione economica pura, ci sono altre restrizioni che influenzano la generazione delle decisioni di inventario, come le quantità minime d’ordine. Tuttavia, la piattaforma di Lokad include tutte le capacità numeriche necessarie per considerare entrambe le classi di preoccupazioni nella sua ottimizzazione. Tutti i driver economici - e i fattori finanziari conseguenti - sono proposti da Lokad e alla fine convalidati dal cliente.

Questa prospettiva unificata e basata sulle finanze dell’ottimizzazione significa che i professionisti non devono più affrontare una vasta gamma di casi limite governati da politiche e preoccupazioni diverse. Ogni articolo - ad alto valore, a basso valore, erratico, ecc. - viene ottimizzato in termini di impatto finanziario che ogni unità aggiuntiva avrà per il cliente.

*Su larga scala, Lokad prepara un elenco classificato di decisioni di acquisto, non solo una singola raccomandazione. L’elenco è classificato in ordine decrescente, a partire dall’articolo che offre il maggior rendimento finanziario sull’investimento. Consultate il nostro tutorial dell’account demo pubblico per una spiegazione dettagliata di come viene fatto ciò.

1.6 Tenete conto dei costi di gestione degli ordini di acquisto (ad esempio, ordinazione, fatturazione)?

Sì, Lokad consiglia una prospettiva finanziaria in cui ogni singola decisione della supply chain (compresi gli ordini di acquisto) viene ottimizzata rispetto a tutti i suoi driver economici rilevanti. In particolare, tutti i costi associati all’esecuzione delle decisioni, come i costi di gestione, sono integrati in questo elenco di driver economici. Gli scienziati della supply chain di Lokad sono responsabili di garantire che il modello economico, implementato nella ricetta numerica, rifletta tutte le opportunità e i costi del cliente.

La piattaforma di Lokad è notevolmente espressiva e programmabile, il che ci consente di progettare il supporto per praticamente ogni tipo di costo e/o sconto che può sorgere nell’esercizio di ordinazione, ad esempio sconti quantitativi. Inoltre, l’ottimizzazione stocastica di Lokad ci consente di ottimizzare le decisioni nonostante le non linearità che quei costi (o opportunità) rappresentano tipicamente. Ad esempio, i costi di gestione possono variare poco a seconda della quantità ordinata, il che, tutto considerato, dovrebbe spingere il processo di ordinazione ottimizzato verso ordini (leggermente) più grandi e (leggermente) meno frequenti man mano che i costi di gestione aumentano. Gli sconti quantitativi tendono anche a spingere l’ottimizzazione verso ordini più grandi e meno frequenti.

1.7 Il team di approvvigionamento può simulare l’effetto delle strategie di rifornimento sui requisiti di capitale? Possono proiettare i livelli di inventario?

Sì, la piattaforma di Lokad è stata progettata per supportare la proiezione, in senso molto ampio, delle future condizioni della supply chain in base a politiche variabili. Le condizioni future includono i livelli futuri di inventario, ma anche tutte le altre condizioni future critiche della supply chain, come la saturazione delle capacità (come il trasporto, la movimentazione manuale, lo stoccaggio, ecc.). Le politiche variabili includono strategie alternative di rifornimento, ma anche tutti gli altri tipi di decisioni che governano l’esecuzione della supply chain (allocazioni di stock, ordini di produzione, resi, variazioni di prezzo, ecc.).

Inoltre, Lokad ritiene che sia fondamentale installare un processo che si basi fortemente su decisioni completamente automatizzate (per le decisioni di supply chain ripetitive e noiose). Non è ragionevole aspettarsi che una “simulazione” possa produrre cifre sensate se, nella pratica, l’esecuzione effettiva della supply chain dipende da sovrascritture soggettive (e manuali) regolari da parte dei professionisti della supply chain. Per design, la simulazione è completamente ignara di queste sovrascritture.

Le previsioni probabilistiche generali - non solo le previsioni di domanda - sono un altro ingrediente fondamentale per realizzare una tale simulazione. Le future lead time, i futuri resi e molti altri fattori che contribuiscono all’incertezza futura devono essere previsti. In caso contrario, la simulazione opererà sulla base di numeri errati e non affidabili (cioè dati che non tengono conto di altre fonti cruciali di incertezza). L’integrazione della previsione probabilistica generalizzata ci consente di costruire simulazioni significative che forniscono la necessaria granularità e comprensione della supply chain del cliente.

Consultate Previsione Probabilistica per ulteriori informazioni sulla prospettiva di previsione di Lokad.

1.8 Puoi descrivere gli indicatori economici che utilizzi per supportare le raccomandazioni di acquisto?

Sommario esecutivo: La piattaforma programmabile di Lokad consente l’incorporazione di una vasta gamma di driver economici nelle raccomandazioni di acquisto, inclusi sia quelli diretti (di primo ordine) come il margine lordo e i costi di spedizione, sia quelli indiretti (di secondo ordine) come le penali per la mancanza di stock e la fiducia del cliente. Questa programmabilità supera il software aziendale tradizionale, che spesso limita gli utenti a un insieme predefinito di indicatori economici di primo ordine e manca della flessibilità per affrontare le complessità delle supply chain del mondo reale.

Raccomandiamo di tenere in considerazione tutti i driver economici rilevanti, che tendono a variare (in parte) da cliente a cliente. In generale, i driver pertinenti rientrano in due categorie ampie chiamate driver di primo e secondo ordine. I driver di primo ordine includono tutti i benefici e i costi che possono essere letti più o meno direttamente dai registri del cliente: margine lordo, costo di spedizione, costo di mantenimento, costo di ordinazione, ecc. I driver di secondo ordine sono più sfumati, meno diretti e del tutto assenti nel software aziendale tradizionale. Questi includono il costo di non avere qualcosa sugli scaffali quando un cliente lo desidera (penalità per la mancanza di stock), la buona volontà o la fedeltà della base clienti, l’importanza relativa dei segmenti di clienti o delle geografie, ecc.

La piattaforma di Lokad è stata progettata per rendere possibile considerare praticamente qualsiasi driver economico; se un driver del genere può essere espresso in un foglio di calcolo, allora può essere espresso attraverso la tecnologia di Lokad. Nella pratica, gli scienziati della supply chain di Lokad sono responsabili di proporre un elenco esaustivo dei driver economici rilevanti del cliente. Questo elenco viene successivamente convalidato e/o modificato dal cliente.

Questa programmabilità estesa supera di gran lunga le funzionalità che si trovano nel software aziendale, in cui al cliente viene presentato un elenco predefinito di indicatori economici di primo ordine codificati per supportare le raccomandazioni di acquisto. Tali strumenti, nella pratica, non sono in grado di gestire le sfumature e la varietà di situazioni che si presentano nelle supply chain del mondo reale. Di conseguenza, quando il software aziendale si basa su tali metodi, gli operatori della supply chain ricorrono inevitabilmente a metodi precedenti (tipicamente fogli di calcolo) nel tentativo di considerare un driver che era assente nell’elenco predefinito dell’ERP.

Sul tema degli indicatori economici, non esiste un modo alternativo per ottenere capacità programmatiche complete. Sebbene i fogli di calcolo siano effettivamente programmatici, mancano della correttezza progettata e della scalabilità della piattaforma di Lokad.

Consultate La Supply Chain Quantitativa in breve per ulteriori informazioni sulla filosofia della supply chain di Lokad, nonché questo riassunto per ulteriori informazioni sui driver di primo e secondo ordine.

1.9 Fornite rapporti di inventario con cause principali?

Sì, la piattaforma di Lokad ha ampie capacità per identificare le cause principali dello stato attuale dell’inventario del cliente.

Vale la pena sottolineare che identificare le “cause principali” è un compito non banale. Richiede inevitabilmente un lavoro approfondito da parte degli scienziati della supply chain di Lokad per identificare correttamente qualcosa che si qualifica genuinamente come causa principale. Ad esempio, gli eccessi di stock possono essere ricondotti a quantità minime d’ordine eccessive (MOQ). Questo può, a sua volta, essere spiegato da termini negoziati male dal team di approvvigionamento. Tuttavia, i termini subottimali potrebbero essere il risultato di aspettative di domanda gonfiate basate su un’evoluzione prevista dell’offerta del cliente, ma l’evoluzione è stata posticipata a causa di ritardi del team di marketing. Pertanto, può essere molto difficile separare correlazione e causazione, soprattutto nella supply chain.

Fortunatamente, la piattaforma di Lokad è programmabile. Questo è un requisito fondamentale quando si affrontano sfide aperte come l’identificazione delle cause principali. Errori nel sistema che producono dati errati, operatori che ignorano o modificano manualmente le raccomandazioni, prodotti miscategorizzati che vengono assegnati al profilo stagionale sbagliato e errori umani di base (per citarne solo alcuni) possono tutti qualificarsi come cause principali. Senza capacità programmatiche, non c’è speranza di poter perseguire tali indagini.

Molti software aziendali vantano capacità o rapporti di analisi delle cause principali (RCA), ma in realtà identificano tipicamente sintomi evidenti e non le cause principali effettive. Ad esempio, se il software identifica un ordine di acquisto eccessivo come causa principale di un eccesso di stock, questo non è particolarmente utile se il software ha raccomandato l’ordine di acquisto in primo luogo. Questo è particolarmente dannoso se l’aspettativa implicita è che gli operatori sovrascrivano manualmente gli ordini di acquisto errati generati dal software.

Al contrario, qualsiasi causa principale risalente alla ricetta numerica generata da Lokad per il suo cliente scatenerebbe immediatamente l’intervento dello scienziato della supply chain che gestisce l’account, di solito una riscrittura correttiva. Questa funzionalità di riscrittura è possibile solo perché la piattaforma di Lokad è programmabile.

1.10 Quali capacità di analisi e reporting avete per monitorare le prestazioni e le tendenze dell’inventario?

La piattaforma di Lokad ha ampie capacità di analisi e reporting programmatici. Ciò significa che qualsiasi analisi - e in particolare l’analisi delle prestazioni dell’inventario - che può essere fatta in un foglio di calcolo o in un tool di business intelligence può essere fatta anche nella piattaforma di Lokad.

Inoltre, la piattaforma di Lokad è scalabile e conveniente in termini di costi durante la scalabilità. Ciò significa che è possibile storicizzare tutto, compresi i dati che non vengono sempre storicizzati nei sistemi aziendali (ad esempio, livelli di stock storici e prezzi storici). La piattaforma adotta anche un approccio predittivo per le prestazioni dell’inventario. Infatti, decidere se c’è troppo o troppo poco inventario dipende dalle aspettative della domanda futura. Queste capacità predittive sono anche programmatiche, il che significa che possono essere adattate secondo necessità.

Oltre a queste capacità di base della piattaforma, l’approccio consigliato da Lokad per quanto riguarda le prestazioni dell’inventario è duplice. Primo, le prestazioni devono essere ricondotte alle decisioni originali della supply chain che hanno generato lo stock (o la mancanza di stock). Piuttosto che una causa principale, i livelli di stock sono un sintomo dell’azione intrapresa dal cliente (e dal suo fornitore di software di supporto), indipendentemente dal fatto che l’azione sia corretta o errata. Secondo, le prestazioni devono essere valutate in termini di impatto finanziario (ad esempio, in euro o dollari), anziché in percentuali determinate arbitrariamente connesse ai KPI (ad esempio, livello di servizio).

Le valutazioni basate sugli aspetti finanziari sono fondamentali per bilanciare efficacemente i numerosi fattori che contribuiscono a ogni singola decisione della supply chain. La piattaforma di Lokad semplifica queste pratiche, facilitando agli analisti del cliente la comprensione delle prestazioni dell’inventario, sfruttando un numero qualsiasi di dashboard personalizzabili disponibili attraverso il loro account Lokad.

1.11 Fornite elenchi dei principali numeri di parte (P/N) per categoria per evidenziare dove si trova il maggior potenziale di miglioramento?

Sommario esecutivo: Sì, la piattaforma di Lokad può generare elenchi dei principali numeri di parte (P/N) per categoria, regione e periodo di tempo, e valutare il potenziale di miglioramento in termini monetari, enfatizzando chiamate all’azione concrete rispetto alla semplice prioritizzazione degli SKU. Tuttavia, Lokad sconsiglia di concentrarsi esclusivamente sul miglioramento delle prestazioni a livello di SKU, preferendo il potenziamento sistematico delle ricette numeriche che governano le decisioni della supply chain, con i report a livello di SKU come strumento di supporto.

Con la piattaforma di Lokad, è molto semplice generare elenchi dei principali numeri di parte (o SKU - stock keeping units) per categoria, regione, periodo di tempo, ecc. Poiché la soluzione di Lokad è programmabile, qualsiasi elenco che può essere creato in un foglio di calcolo o in un tool di business intelligence può essere fatto anche nella piattaforma di Lokad. Inoltre, combinando le nostre capacità predittive con la nostra prospettiva finanziaria, il potenziale di miglioramento può essere valutato in termini monetari (ad esempio, euro o dollari) anziché in percentuali determinate arbitrariamente connesse ai KPI (ad esempio, livello di servizio).

L’approccio preferito di Lokad consiste nel calcolare chiamate all’azione prioritizzate, con priorità espresse in Dollari o Euro guadagnati se l’elemento proposto viene attuato. Queste chiamate all’azione sono diverse e possono includere l’accelerazione o il posticipo di un ordine di acquisto, l’individuazione di un fornitore alternativo, l’aumento dell’assortimento con più varianti, la progressiva eliminazione di prodotti dall’assortimento, ecc. A differenza di una semplice prioritizzazione dei P/N, una prioritizzazione delle chiamate all’azione è, per design, completamente attuabile. La chiamata all’azione non è necessariamente espressa a livello di P/N. Lokad è in grado di esprimere chiamate all’azione molto diverse a qualsiasi granularità, non solo a livello di P/N.

Tuttavia, dietro a questa domanda, c’è una prospettiva che Lokad non raccomanda per la supply chain. L’intento di cercare un miglioramento delle prestazioni a livello di SKU è quello di dare priorità all’attenzione dei professionisti della supply chain in un contesto in cui si prevede che gli SKU vengano esaminati manualmente. Questo approccio è obsoleto e non fa un uso corretto del tempo dei professionisti della supply chain. I problemi di inventario riscontrati con un determinato SKU sono quasi sempre non specifici di questo SKU. Invece, c’è qualcosa di sbagliato con la ricetta numerica in generale e a meno che non si affronti questo problema più generale, la prossima volta, il problema si manifesterà attraverso un altro SKU.

Pertanto, il tempo degli esperti dovrebbe essere investito nel miglioramento sistematico delle ricette numeriche che governano le decisioni della supply chain. Sebbene le capacità di reportistica a livello di SKU siano importanti, sono principalmente importanti come strumenti di supporto per il miglioramento continuo delle ricette numeriche, non come strumenti di prioritizzazione dell’attenzione.

2. Livelli di stock e livelli di servizio

2.1 Fornite report sugli stock disponibili?

Sì, la piattaforma di Lokad rende semplice ottenere un report che copre i livelli di stock disponibili. Lokad è in grado di elaborare dati relazionali dal sistema aziendale del cliente per generare tali report. Inoltre, la piattaforma di Lokad può anche gestire le sottigliezze associate ai livelli di stock disponibili, come lo stock riservato o lo stock in attesa di ordine. Tutti questi dati possono essere storicizzati da Lokad, anche se questi dati non sono storicizzati nei sistemi aziendali originali. Infine, queste informazioni possono essere presentate sia in unità singole che in unità finanziarie, in linea con le regole di valutazione preferite dal cliente. I report sugli stock disponibili si basano sull’ultima sincronizzazione incrementale con i sistemi aziendali.

Tuttavia, questa funzionalità non è l’applicazione principale di Lokad. Sebbene Lokad possa controllare i livelli di stock disponibili in tempo reale per qualsiasi SKU, la nostra tecnologia è destinata a essere uno strato analitico sopra i sistemi aziendali transazionali. Tali sistemi rimangono responsabili della “gestione” dello stock per tutte le operazioni di transazione banali, mentre Lokad è progettato per ottimizzare l’intelligenza decisionale dell’inventario.

2.2 Come calcolate e ottimizzate il livello di servizio dell’inventario?

Sommario esecutivo: Lokad fornisce livelli di servizio dell’inventario ottimizzati integrando previsioni probabilistiche con ottimizzazione stocastica. Questo approccio consente di adattare le decisioni della supply chain a criteri quantitativi specifici, come il bilanciamento di alti livelli di servizio con un minimo di stock e un ROI massimizzato.

Lokad ottimizza il livello di servizio dell’inventario combinando previsioni probabilistiche e capacità di ottimizzazione stocastica. Ciò ci consente di ottimizzare le decisioni della supply chain per riflettere qualsiasi criterio quantitativo che potrebbe essere espresso in Excel, solo meglio. In particolare, l’ottimizzazione delle decisioni di riapprovvigionamento in linea con determinati livelli di servizio, minimizzando al contempo la quantità di stock e massimizzando il ROI, è molto semplice.

Le previsioni probabilistiche sono estremamente potenti per garantire che le decisioni della supply chain riflettano veramente il livello di servizio desiderato, anche quando i livelli di servizio sono molto elevati (ad esempio, 98% e superiori). Le previsioni classiche a serie temporali (cioè non probabilistiche) e i loro metodi classici di gestione dell’inventario (ad esempio, scorte di sicurezza) falliscono sistematicamente in queste condizioni, poiché le ipotesi del modello sottostante (cioè distribuzioni normali per la domanda e i tempi di consegna) sono sistematicamente violate dalle condizioni reali della supply chain. Lokad può, e occasionalmente lo fa, ottimizzare i livelli di servizio. Per fare ciò, introduciamo i driver economici rilevanti: costi di gestione, costi di capitale, penali per mancanza di stock, margine lordo, ecc. Quindi, calcoliamo i livelli di servizio che massimizzano i dollari di ritorno per dollaro speso dal cliente.

Una volta fatto ciò, i nostri clienti si rendono generalmente conto che i livelli di servizio possono, in realtà, essere completamente evitati. Lokad ha la capacità di sfruttare i driver economici sopra citati per ottimizzare direttamente le decisioni della supply chain stessa (piuttosto che KPI della supply chain in qualche modo arbitrari). Di conseguenza, l’inventario finisce per avere livelli di servizio che riflettono la strategia più redditizia per l’azienda. Questo è vero nonostante il fatto che Lokad ottimizzi direttamente i dollari di ritorno per dollaro speso anziché le percentuali connesse a KPI arbitrari.

“KPI arbitrari” non è un’esagerazione. Innanzitutto, il livello di servizio si basa tipicamente sul soddisfacimento delle richieste dei clienti in modo isolato, piuttosto che sul soddisfacimento delle richieste dei clienti nel modo più redditizio possibile. Quest’ultimo è una prospettiva molto più sfumata che tiene conto dei costi associati nel tentativo di soddisfare alti livelli di servizio per gli SKU che potrebbero non essere particolarmente redditizi di per sé. Ignorare questa prospettiva assicura la continuazione dei costi di inventario non necessari (e delle cancellazioni di inventario). Questo perché livelli di servizio arbitrariamente elevati generano, per design, un flusso continuo di inventario morto.

In secondo luogo, il livello di servizio, una percentuale arbitraria e burocratica, non corrisponde a “qualità del servizio” per i clienti. I livelli di servizio ignorano, per design, tutte le cannibalizzazioni e le sostituzioni che esistono nell’offerta. Allo stesso modo, i livelli di servizio ignorano, per design, tutte le dipendenze che esistono all’interno dell’offerta, dove avere il prodotto A ha senso solo se il prodotto B è disponibile contemporaneamente.

In terzo luogo, anche da una prospettiva di singolo SKU, i livelli di servizio non affrontano gli ordini in blocco, situazioni in cui un cliente si aspetta che una certa quantità sia disponibile per l’acquisto. In questo caso, sia gli scaffali vuoti che quelli insufficientemente riforniti rappresentano una minaccia per la qualità del servizio.

In breve, il livello di servizio è uno strumento obsoleto della supply chain, da non confondere con la “qualità del servizio”, che rimane importante come sempre. Lokad riconosce che una tempestiva gestione del cambiamento può richiedere un periodo di transizione con tali KPI, tuttavia, a lungo termine, raccomandiamo vivamente la prospettiva economica superiore che ottimizza i dollari di ritorno per dollaro speso.

Per ulteriori informazioni sulla prospettiva finanziaria di Lokad, consultare La Supply Chain Quantitativa in Breve.

2.3 Come ottimizzate i livelli di stock e riducete i costi di gestione?

Sommario esecutivo: Lokad segue un processo a due fasi. Innanzitutto, stabiliamo un modello predittivo probabilistico. Il modello predittivo è una versione generalizzata dei vecchi modelli di previsione a serie temporali (ora obsoleti), in quanto copre tutte le fonti di incertezza, non solo la domanda. In secondo luogo, applichiamo un’ottimizzazione stocastica. L’ottimizzazione stocastica è il processo che produce le decisioni della supply chain di interesse, ad esempio le quantità di riapprovvigionamento. L’ottimizzazione è definita ‘stocastica’ poiché il criterio di ottimizzazione è rumoroso/randomizzato, il che riflette le incerte condizioni future della supply chain.

Il criterio di ottimizzazione preferito da Lokad riflette le esigenze economiche del cliente. Pertanto, quando ottimizziamo l’inventario di un cliente, Lokad quantifica esplicitamente i vari costi (ad esempio, i costi di gestione, i costi del capitale circolante, i costi di svalutazione, ecc.) così come i vantaggi (ad esempio, il margine lordo, le penali per la mancanza di stock, ecc.) per massimizzare la redditività. Di conseguenza, regoliamo i livelli di stock per ridurre al minimo i costi di gestione, ma solo nella misura in cui questi guadagni non siano compensati dalle perdite derivanti da una degradazione della qualità del servizio.

Sebbene il criterio di ottimizzazione preferito da Lokad sia basato sulla meticolosa quantificazione delle esigenze economiche del cliente, possiamo adattare il nostro criterio per tener conto di qualsiasi numero di fattori alternativi. La piattaforma di Lokad è programmabile, il che significa che può essere adattata per soddisfare qualsiasi criterio desiderato dal cliente, incluso quello che potrebbe essere espresso in un tradizionale foglio di calcolo Excel.

Per ulteriori informazioni sulla prospettiva finanziaria di Lokad, consultare Driver Economici nella Logistica e La Supply Chain Quantitativa in Breve.

2.4 Come ottimizzate le scorte di sicurezza per ridurre al minimo le mancanze di stock e controllare i costi di mantenimento?

Sommario esecutivo: Le decisioni di Lokad, regolate in base al rischio, riducono attentamente il rischio finanziario effettivo di mancanze di stock aumentando il livello (o i livelli) di stock fino al punto in cui i costi marginali di mantenimento sono superiori al costo di una mancanza di stock. Dato che l’ottimizzazione deve affrontare un’incertezza ambientale costante - il futuro è sconosciuto - è necessaria un’ottimizzazione stocastica. I metodi di previsione e ottimizzazione tradizionali (cioè, modelli deterministici) non possono gestire le variabili future rumorose/randomizzate - le previsioni probabilistiche con l’ottimizzazione stocastica possono farlo.

Lokad ottimizza tutte le scorte, comprese le scorte di sicurezza, sfruttando previsioni probabilistiche combinate con un’ottimizzazione stocastica. Le previsioni probabilistiche includono la domanda futura, i tempi di consegna futuri e qualsiasi altra fonte di incertezza rilevante. L’ottimizzazione stocastica può essere adattata per soddisfare qualsiasi criterio numerico, incluso la riduzione delle mancanze di stock in base a un vincolo di costi di mantenimento massimi.

Le previsioni probabilistiche sono particolarmente adatte ad affrontare le condizioni insolite che generano le mancanze di stock in primo luogo. Se si verifica una mancanza di stock, è tipicamente perché la domanda o il tempo di consegna sono aumentati in modo imprevisto, forse entrambi. I modelli di previsione a serie temporali classici (cioè, non probabilistici) identificano solo un singolo valore futuro (ad esempio, X), ignorando completamente ciò che considerano i valori alternativi meno probabili, sebbene tutt’altro che improbabili (ad esempio, X+1, X-1, ecc.).

Di conseguenza, i modelli di previsione a serie temporali classici sono in gran parte ciechi quando si tratta di valutare quantitativamente eventi improbabili, come quello che causerebbe una mancanza di stock. Quando un’azienda mira a una frequenza di mancanze di stock inferiore all'1% del tempo (ad esempio, per trimestre), le mancanze di stock che si verificano sono, per definizione, parte dell'1% delle situazioni più estreme.

Il processo di ottimizzazione stocastica è essenziale per trasformare le previsioni probabilistiche originali in decisioni della supply chain, come i riapprovvigionamenti di inventario. La preferenza di Lokad è un approccio economico puro in cui il costo delle mancanze di stock è espresso in dollari (o euro), insieme agli altri costi, come i costi di mantenimento (gestione).

Secondo Lokad, il modello di stock di sicurezza è un concetto obsoleto, anche se può essere incluso nella nostra piattaforma su richiesta del cliente. Raccomandiamo vivamente di abbracciare completamente la prospettiva quantitativa della supply chain, anziché fare affidamento su metodi non adatti allo scopo. Ad esempio, il difetto più grande dei modelli di stock di sicurezza è che (per definizione) non possono dare priorità, nel caso di due SKU sull’orlo di una mancanza di stock, a quale sia il più importante. Questa prospettiva tratta gli SKU in modo strettamente isolato, vanificando così il tentativo di ottimizzare l’intera supply chain.

Vedi Perché lo Stock di Sicurezza non è Sicuro e Allocare le Scorte al Dettaglio con Previsioni Probabilistiche per saperne di più su questi punti.

2.5 Calcolate e regolate dinamicamente i livelli di stock di sicurezza a livello di negozio/magazzino?

Sommario esecutivo: Sì, la piattaforma di Lokad consente di aggiornare l’intero processo di ottimizzazione dell’inventario ogni volta che vengono forniti nuovi dati di input, di solito su base giornaliera. Come regola generale, manteniamo tutti i calcoli entro i 60 minuti, inclusi il ricalcolo di tutte le previsioni e le decisioni per ogni singolo SKU in ogni posizione, inclusi negozi e magazzini. Questo approccio flessibile e scalabile è possibile solo grazie alle specifiche decisioni di ingegneria di Lokad.

La piattaforma di Lokad enfatizza un design “stateless” per l’ottimizzazione della supply chain. Non ricicliamo i calcoli precedenti, ma ricalcoliamo tutto ogni volta che riceviamo dati di input grezzi. Sebbene ciò possa aumentare le risorse di calcolo, è l’unico metodo efficace (attualmente disponibile) per garantire l’integrità dell’elaborazione dei dati, cosa che viene compromessa senza il design “stateless” di Lokad. L’alternativa è permettere all’ambiente di produzione del cliente di diventare il campo di prova per dati semi-verificati, cosa che Lokad non raccomanda.

Questi aggiornamenti coprono tutte le impostazioni che governano l’ottimizzazione della supply chain offerta da Lokad. Se desiderato dal cliente, gli aggiornamenti possono includere previsioni a serie temporali, stock di sicurezza e livelli di servizio ottimizzati. Tuttavia, Lokad raccomanda vivamente ai clienti di non fare affidamento su questi metodi obsoleti e di abbracciare completamente la potenza di ottimizzazione superiore delle previsioni probabilistiche e dell’ottimizzazione stocastica.

Consulta Ricapitolando Tutto Ogni Giorno per saperne di più su questo punto.

Vedi anche Livelli di Stock e Livelli di Servizio 2.4 in questa FAQ.

2.6 Valutate l’impatto dei livelli/formule di stock di sicurezza nel mantenimento dei livelli di servizio desiderati?

Sì, attraverso la piattaforma di Lokad un professionista della supply chain può valutare l’impatto di un determinato stock di sicurezza sul livello di servizio. In altre parole, è possibile scegliere un livello di stock di sicurezza e vedere il livello di servizio corrispondente. La piattaforma consente anche al professionista della supply chain di valutare altri fattori, come i costi di mantenimento previsti (o almeno le durate di conservazione se le caratteristiche economiche delle scorte non sono state fornite) e/o il rischio di stock morto.

Tuttavia, gli stock di sicurezza e i livelli di servizio sono concetti in gran parte obsoleti. Nonostante sia possibile includerli nella nostra piattaforma, Lokad non li raccomanda. Le previsioni probabilistiche e l’ottimizzazione stocastica, fondamenta dell’ottimizzazione di Lokad, rappresentano un’alternativa superiore in ogni dimensione.

Si prega di consultare Allocare scorte al dettaglio con previsioni probabilistiche per maggiori informazioni su questo punto.

Vedi anche Livelli di Stock e Livelli di Servizio 2.4 in questa FAQ.

2.7 Lokad consente l’implementazione di diverse strategie di inventario, ognuna con livelli di servizio e intervalli di confidenza specifici, differenziati su diverse dimensioni organizzative (ad esempio, per SKU, categoria di prodotto e/o regione)?

Sommario esecutivo: Sì, la piattaforma di Lokad supporta la differenziazione delle strategie di inventario o delle politiche a livello di SKU. Tali strategie possono riflettere impostazioni differenziate - a livello di SKU - considerando obiettivi di livello di servizio variabili, intervalli di confidenza variabili (per gli stock di sicurezza), ecc. Queste strategie possono anche essere differenziate a qualsiasi livello intermedio (non solo a livello di SKU). Ad esempio, è possibile applicare selettivamente impostazioni per regione, categorie di prodotti, attributo dell’articolo (ad esempio, soglia sul peso dell’articolo), ecc.

La piattaforma di Lokad è programmabile, quindi possiamo implementare qualsiasi strategia di inventario che potrebbe essere espressa in un foglio di calcolo, indipendentemente da quanto arbitraria o insolita possa essere questa strategia. Gli scienziati della supply chain di Lokad svolgono queste attività e si assicurano che l’esito rifletta fedelmente l’intento originale dell’azienda cliente.

Sebbene la piattaforma di Lokad possa essere utilizzata per perseguire livelli di servizio, sconsigliamo vivamente di farlo. La piattaforma di Lokad è meglio dedicata all’ottimizzazione dei dollari di ritorno per dollaro speso, non a percentuali collegate a KPI arbitrari. In effetti, ci sono due obiezioni generali alla stessa nozione di ’livello di servizio’.

Innanzitutto, nonostante un nome simile, il collegamento tra livello di servizio e qualità del servizio - come percepito dal consumatore - è debole. Molti manuali di supply chain e di conseguenza molti software di supply chain confondono erroneamente le due nozioni. I livelli di servizio ignorano completamente la gamma di tutte le possibili sostituzioni, così come tutte le possibili dipendenze tra i prodotti. I livelli di servizio sono, quindi, un povero surrogato di una comprensione effettiva della qualità del servizio.

In secondo luogo, i livelli di servizio, per loro stessa natura, contribuiscono alla generazione continua di svalutazioni delle scorte. Questo è a causa del loro focus esclusivo sul lato positivo (cioè soddisfare la domanda), il che significa che sono ciechi al lato negativo (cioè rimanere con unità di stock che non vengono mai vendute/richieste/consumate).

2.8 È possibile imporre il livello di servizio e i giri di inventario per SKU o per P/N (Numero di Parte)?

Sì, la piattaforma di Lokad ci consente di regolare il processo di ottimizzazione dell’inventario verso un determinato livello di servizio/giri di inventario, fino al livello di SKU o a qualsiasi livello di granularità intermedio (P/N, marca, posizione, categoria, punto di prezzo, ecc.). A tal proposito, la piattaforma di Lokad può indirizzare le decisioni sull’inventario per riflettere qualsiasi obiettivo quantitativo desiderato dal cliente.

Tuttavia, nessun fornitore può promettere che le loro impostazioni saranno ‘imposte’, almeno non su un determinato SKU. Fondamentalmente, sia i livelli di servizio che i giri di inventario dipendono dal comportamento dei clienti. Se c’è un aumento di interesse per un determinato prodotto, la domanda risultante può superare di gran lunga i livelli di stock e l’obiettivo di livello di servizio non sarà raggiunto. Allo stesso modo, se c’è una diminuzione di interesse, gli obiettivi di giri di inventario non saranno raggiunti nemmeno.

La tecnologia di previsione probabilistica di Lokad garantisce che, in media, su molti SKU (cioè, migliaia) e su un periodo di tempo considerevole (cioè, settimane), i livelli di servizio e i giri di inventario osservati riflettano le impostazioni desiderate dal cliente. Questo è, praticamente parlando, il risultato più vicino che si possa ragionevolmente ottenere per “imporre” impostazioni che sono determinate in ultima analisi dal cliente(i).

Vedi anche Livelli di stock e livelli di servizio 2.7 in questa sezione delle domande frequenti.

3. Eccessi di magazzino

3.1 Come si integra il rischio di cancellazione dell’inventario?

Le previsioni probabilistiche utilizzate da Lokad sono un elemento critico della valutazione della cancellazione dell’inventario. Attraverso le previsioni probabilistiche, Lokad valuta tutti i futuri possibili, compresi quelli meno probabili, invece di basare l’intera analisi su un singolo valore futuro ritenuto valido (cioè, previsioni classiche a punto/serie temporale). In realtà, è l’aspettativa (improbabile ma non impossibile) di una brusca diminuzione della domanda che causa la cancellazione dell’inventario, qualcosa che le previsioni probabilistiche sono progettate per quantificare esplicitamente in anticipo.

Una volta stabilite le previsioni probabilistiche, Lokad produce decisioni sulla catena di approvvigionamento regolate in base al rischio. Queste decisioni sulla catena di approvvigionamento sono ottimizzate rispetto ai driver economici rilevanti, tra cui la possibilità di cancellazione dell’inventario. La decisione (ad esempio, un rifornimento di inventario) è regolata in base al rischio in quanto bilancia il vantaggio di servire meglio i clienti con il rischio di trovarsi successivamente con scorte invendute. Inoltre, Lokad può riflettere l’opzione intermedia che potrebbe essere disponibile per l’azienda cliente, come canali di vendita secondari che possono assorbire l’extra stock, sebbene a prezzi fortemente scontati.

Vedi anche Livelli di stock e livelli di servizio 2.3 in questa sezione delle domande frequenti.

3.2 Come si gestisce e ottimizza l’inventario invenduto e/o dormiente?

Lokad affronta attivamente l’inventario invenduto eliminando, o almeno riducendo notevolmente, le decisioni sulla catena di approvvigionamento che generano l’inventario invenduto in primo luogo. Questo meccanismo proattivo si basa ampiamente sulle previsioni probabilistiche generate da Lokad.

A differenza delle previsioni classiche a serie temporale che identificano un singolo valore futuro, ignorando tutti i valori alternativi, Lokad valuta quantitativamente tutti i futuri possibili attraverso le rispettive probabilità. Attraverso questa valutazione, quantifichiamo il rischio di generare scorte invendute per ogni decisione sulla catena di approvvigionamento (ad esempio, ordinare 5 unità invece di 4). Se una decisione sulla catena di approvvigionamento (ad esempio, ordinare altre 5 unità) viene considerata troppo rischiosa in termini di inventario invenduto, allora questa decisione viene regolata per ridurre il rischio. Naturalmente, il rischio di cancellazione dell’inventario non può essere completamente eliminato, ma una volta adeguatamente valutato, la frequenza delle cancellazioni dell’inventario può essere drasticamente ridotta.

Per quanto riguarda l’inventario dormiente, a meno che questo inventario non serva a uno scopo molto specifico (come potrebbe essere il caso in ambienti industriali in cui i pezzi di ricambio affrontano guasti rari ma critici), Lokad di solito consiglia di abbassare il prezzo per stimolare la domanda. Questo alla fine liquiderà ciò che rimane dell’inventario. La piattaforma di Lokad è in grado di produrre un processo congiunto di ottimizzazione dell’inventario e dei prezzi per questo scopo specifico.

Vedi anche Eccessi di magazzino 3.1 in questa sezione delle domande frequenti.

3.3 Identificate l’inventario non performante, ad esempio E&O (eccesso e obsolescenza) e scorte invendute?

Sommario esecutivo: Sì. Utilizzando previsioni probabilistiche, Lokad identifica e quantifica i cicli di vita delle unità in magazzino per ogni SKU. Per ogni unità in magazzino, stimiamo la probabilità che questa unità venga richiesta (o servita o consumata) entro un determinato orizzonte temporale. Ad esempio, considerando uno SKU con eccesso di magazzino, possiamo valutare quale frazione del magazzino è a rischio di diventare scorte invendute e quale frazione è a rischio di diventare scorte deprecate (richiedendo riduzioni per stimolare le vendite). Questo è lo stesso approccio che adottiamo per le scorte in eccesso e obsolete ed è un elemento fondamentale nella produzione delle nostre raccomandazioni per le decisioni sulla supply chain.

La prospettiva delle previsioni probabilistiche consente a Lokad di considerare tutti i possibili valori futuri (ad esempio, della domanda), anziché basarsi su un solo valore (come avviene in una previsione tradizionale basata su serie storiche). Questa prospettiva è fondamentale per affrontare tutte le variazioni sfumate che si verificano nel tentativo di mitigare i rischi legati all’inventario. Considerare le scorte invendute è qualcosa che può essere solo prevenuto (piuttosto che gestito dopo il fatto), la sfida consiste nell’installare un processo che riduca efficacemente la probabilità di accumulare scorte invendute in primo luogo. Un tale processo richiede di quantificare precisamente la probabilità che una decisione sulla supply chain generi scorte in eccesso/obsolete/invendute/deprecate.

I modelli di previsione basati su serie storiche non sono in grado, per loro stessa natura, di effettuare questa classe di valutazione del rischio. Un motivo principale è che le previsioni basate su serie storiche considerano solo un singolo valore futuro (ad esempio, la domanda). Questo livello di semplicità consente di suddividere gli SKU in categorie ordinate (come le classi A/B/C in un’analisi ABC). Tuttavia, questa semplicità implica che non sia possibile effettuare una valutazione dettagliata del rischio, poiché una lista classificata di decisioni sulla supply chain corrette in base al rischio per un determinato SKU richiede dati per più scenari futuri (ad esempio, vendere 1/2/3/4/5 ecc. unità dello stesso SKU).

In breve, adottare un approccio probabilistico alle previsioni (in questo caso, della domanda) consente di adottare una strategia efficace e proattiva che mitiga la generazione di inventario non performante, anziché cercare di gestirlo dopo il fatto, momento in cui non si ha altra scelta se non smaltirlo.

3.4 Hai KPI per monitorare l’inventario attivo rispetto all’inventario dormiente rispetto al nuovo inventario?

Sommario esecutivo: Sì. La piattaforma di Lokad è programmabile, il che significa che possiamo progettare qualsiasi tipo di KPI desideriamo, e i nostri Supply Chain Scientist realizzano la costruzione e l’implementazione dei KPI del cliente (in collaborazione con il cliente). Lokad fornisce KPI personalizzati che riflettono realmente le sfumature dell’inventario del cliente. Lokad può anche riprodurre eventuali KPI che il cliente ha utilizzato in precedenza e desidera mantenere, anche se di solito questi saranno meno utili rispetto a quelli personalizzati progettati da Lokad per il progetto.

Non solo Lokad può tenere traccia dell’età esatta di ogni singola unità in magazzino, ma grazie alle nostre previsioni probabilistiche valutiamo la probabilità che l’unità rimanga in magazzino per una determinata durata (1 settimana, 1 mese, 1 anno, ecc.). Qualificare l’inventario come attivo o dormiente non è solo una questione di visualizzazione dei dati storici, ma implica una proiezione della domanda futura. Pertanto, i ‘KPI’ sono predittivi. Di conseguenza, dipendono implicitamente dalla validità del modello predittivo sottostante per svolgere tale compito. In questo caso, le previsioni probabilistiche della domanda sono ben adatte per valutare i rischi associati a una brusca diminuzione della domanda.

Al contrario, alcuni fornitori di software aziendale trattano i KPI dell’inventario come se fossero un riflesso diretto di questi dati storici. Tuttavia, l’aspetto ‘predittivo’ non può essere evitato. Molto spesso, quei fornitori non si rendono conto che si basano implicitamente su una previsione della domanda basata su una ‘media mobile’, dando quindi l’illusione che non venga mai effettuata alcuna previsione. A loro volta, questi KPI impropri si rivelano dannosi per l’azienda, in quanto distraggono semplicemente i professionisti della supply chain.

Vedi anche Overstocks 3.3 in questa sezione FAQ.

3.5 Come integri, monitori e ottimizzi le svalutazioni mensili dell’inventario? Come gestisci la variabilità nel processo di svalutazione stesso?

Sommario esecutivo: Lokad affronta la svalutazione dell’inventario attraverso un approccio completo che coinvolge il monitoraggio della composizione dell’inventario, la modellazione dei meccanismi di svalutazione e la generazione di decisioni di supply chain adattate al rischio. Mantenendo registri dettagliati dei livelli e delle età delle scorte, utilizzando modelli predittivi per anticipare la futura composizione delle scorte e utilizzando capacità programmatiche per riflettere vari meccanismi di svalutazione, Lokad gestisce efficacemente sia i fattori di svalutazione interni che esterni. La piattaforma di Lokad sfrutta l’ottimizzazione stocastica per prendere decisioni di supply chain che tengono conto di tutti i driver economici, inclusi i costi di svalutazione, mitigando così proattivamente i rischi di svalutazione dell’inventario e bilanciandoli con altre considerazioni operative.

Affrontare le svalutazioni dell’inventario comporta affrontare una serie di sottoproblemi. Il primo problema consiste nel tenere traccia dell’esatta composizione dell’inventario, non solo dei totali espressi in unità di stock. Ad esempio, l’età di ogni unità è importante. Il secondo problema consiste nella modellazione del meccanismo di svalutazione stesso. Può essere un fenomeno puramente endogeno, in cui le merci si degradano nel tempo, o un fenomeno esogeno, in cui le condizioni di mercato cambiano e svalutano le merci nel processo. Il terzo problema è generare decisioni di supply chain che siano adattate al rischio rispetto alla potenziale svalutazione.

Innanzitutto, attraverso la piattaforma di Lokad, teniamo traccia non solo dei livelli di stock, ma anche dell’età delle unità in magazzino (sia passate che future). Questo processo è un modello predittivo a sé stante. Anche quando si guarda ai dati storici (ottenuti dai sistemi aziendali), la composizione per età delle unità in magazzino di solito non viene registrata, può solo essere dedotta. C’è una notevole eccezione per l’inventario seriale, in cui ogni unità in magazzino viene tracciata dal suo numero di serie; in questo caso, non c’è bisogno di un modello predittivo per il passato, ma ne abbiamo comunque bisogno per il futuro. Il modello predittivo per la composizione dell’inventario può basarsi su un’assunzione FIFO (first-in, first-out) per il consumo dell’inventario e su alcuni modelli più sfumati.

Ad esempio, in un negozio al dettaglio, i clienti a volte possono adottare un comportamento avversario, come scegliere le merci più belle (o scegliere in base alle date di scadenza, se disponibili), trasformando il consumo dell’inventario in un LIFO (last-in, first-out) fino a un certo punto. Lokad può gestire FIFO e LIFO, così come tutto lo spettro intermedio.

In secondo luogo, attraverso le capacità programmatiche della piattaforma di Lokad, possiamo riflettere qualsiasi meccanismo di svalutazione. Ad esempio, Lokad può riflettere una svalutazione esponenziale in cui le merci perdono una piccola frazione del loro valore ad ogni periodo; o Lokad può riflettere una svalutazione a gradini in cui le merci perdono una considerevole frazione del loro valore a determinate soglie di età. Inoltre, il meccanismo di svalutazione può coinvolgere dipendenze tra prodotti. Ad esempio, ci si può aspettare che le merci perdano una considerevole parte del loro valore quando vengono introdotte merci rivali superiori, come spesso accade in determinati settori (ad esempio l’elettronica di consumo).

La variabilità del processo di svalutazione, che tende ad essere pronunciata quando si considerano svalutazioni esogene, beneficia dei modelli predittivi (probabilistici) all’interno della piattaforma di Lokad. Non abbiamo bisogno di sapere esattamente quando verrà introdotto un prodotto concorrente; osservando i dati storici, possiamo modellare il tasso di sostituzione del prodotto e riflettere la probabilità che un determinato prodotto diventi obsoleto entro un determinato orizzonte temporale (ad esempio, una settimana, un mese, un anno, ecc.). Questi modelli probabilistici vengono appresi sfruttando i dati storici resi disponibili a Lokad.

In terzo luogo, le decisioni sulla catena di approvvigionamento regolate dal rischio vengono calcolate da Lokad, considerando tutti i fattori economici rilevanti. Il processo è un’ottimizzazione stocastica, poiché la funzione di perdita (cioè costi e benefici) è rumorosa/variabile. I costi di svalutazione sono inclusi insieme a tutti gli altri fattori rilevanti. Poiché la piattaforma di Lokad presenta sia paradigmi di apprendimento che di ottimizzazione programmabili, possiamo produrre decisioni regolate dal rischio considerando (e mescolando) tipi molto diversi di costi.

In conclusione, producendo decisioni sulla catena di approvvigionamento regolate dal rischio (ad esempio, ordine di acquisto, ordine di produzione, ecc.) che tengono conto della svalutazione dell’inventario, Lokad mitiga in modo proattivo la quantità di inventario che alla fine subirà una svalutazione. Ogni decisione viene guidata delicatamente lontano dal rischio di svalutazione, ma non così tanto da peggiorare un altro problema, come degradare la qualità del servizio oltre ciò che si ottiene attraverso la riduzione della svalutazione.

3.6 Fornite un rapporto di inventario in eccesso/surplus/stock?

Sommario esecutivo: Sì. La piattaforma di Lokad presenta una tecnologia di previsione della domanda all’avanguardia. Sfruttiamo questa tecnologia per valutare quanto tempo ci vorrà per ciclare tutto l’inventario impegnato, sia disponibile che in ordine. Inoltre, la nostra tecnologia supporta previsioni probabilistiche, che forniscono una valutazione quantitativa diretta dei rischi di sovrastock. Combinando previsioni probabilistiche con un modello economico dell’inventario che riflette tutti i fattori economici pertinenti, Lokad fornisce una valutazione quantitativa dei rischi di inventario espressi in termini di impatto monetario (ad esempio, euro o dollari).

L’inventario viene sempre considerato “eccessivo” rispetto a un modello predittivo della domanda. Non esiste una cosa come “inventario eccessivo” senza fare una dichiarazione sulla domanda futura (anche se questa dichiarazione può essere implicita). Qualsiasi soluzione software che genera un rapporto di sovrastock basato su regole come “più di X mesi di scorte” si basa implicitamente sulla previsione della domanda media mobile, che si rivela deludente per la maggior parte dei settori.

Inoltre, senza un robusto modello economico per riflettere l’equazione costo/ricompensa dell’inventario, l’azienda cliente si espone a gravi errori di inventario. Una decisione basata su considerazioni finanziarie riguardo all’inventario potrebbe sembrare strana a prima vista, ma potrebbe essere perfettamente sensata. Ad esempio, se un articolo è molto economico, molto piccolo, venduto con un margine lordo confortevole, assolutamente richiesto dal cliente (in piccole quantità) e può essere acquisito solo raggiungendo quantità minime d’ordine molto elevate, potrebbe essere ragionevole mantenere in magazzino più di un anno di scorte di questo articolo. Anche se più di un anno di scorte potrebbe sembrare un errore, il rendimento dell’investimento potrebbe raccontare una storia completamente diversa.

Vedi No1 al livello SKU nella competizione di previsione M5 per ulteriori informazioni sull’approccio di Lokad alla previsione nella pratica.

4. Stockouts

4.1 Assegni l’inventario per gli SKU a rischio di esaurimento scorte?

Sì, in generale, una delle conseguenze dell’ottimizzazione dell’inventario di Lokad è che l’inventario finisce per essere assegnato agli SKU man mano che aumenta il rischio di esaurimento delle scorte. Tutto considerato, gli SKU sull’orlo di un evento di esaurimento delle scorte ricevono attenzione prioritaria.

Detto questo, raccomandiamo di adottare una prospettiva economica end-to-end per l’ottimizzazione quando si tratta di esaurimenti delle scorte. Ciò significa considerare l’impatto finanziario totale di una decisione sulla supply chain (ad esempio, assegnare scorte per evitare un evento di esaurimento delle scorte). Occasionalmente, evitare gli esaurimenti delle scorte non sempre ha senso dal punto di vista economico.

Ad esempio, per i negozi di moda è naturale alla fine della stagione permettere progressivamente agli articoli di una collezione datata di raggiungere lo stato di esaurimento delle scorte. Questo viene fatto intenzionalmente per fare spazio alla prossima collezione più recente. Allo stesso modo, se un prodotto viene sostituito da un’alternativa superiore, ha senso permettere al prodotto obsoleto di raggiungere lo stato di esaurimento delle scorte e poi eliminare gradualmente il prodotto dall’assortimento. Pertanto, in generale, un’ottimizzazione economica progettata in modo ragionevole cercherebbe di evitare eventi di esaurimento delle scorte.

Tuttavia, tale ottimizzazione fornirebbe anche una risposta molto più dettagliata e sofisticata quando si tratta di dimensionare correttamente gli investimenti (ad esempio, quante unità vengono assegnate a un determinato SKU) in primo luogo, al fine di mitigare il rischio finanziario.

4.2 Come si prioritizzano gli ordini di acquisto (PO)?

Sommario esecutivo: Lokad prioritizza gli ordini di acquisto (PO) valutando i rendimenti economici di ogni unità di stock da ordinare, al fine di massimizzare il rendimento per dollaro speso. Questa valutazione dettagliata, integrata con vincoli tra SKU come le quantità minime d’ordine, è guidata dalla previsione probabilistica e dall’ottimizzazione stocastica. Queste tecnologie valutano i rischi e i rendimenti per ogni unità, considerando fattori come la domanda, i tempi di consegna e i rendimenti, per creare PO finanziariamente ottimizzati che bilanciano i vincoli e la fattibilità economica.

L’approccio di Lokad all’ottimizzazione consiste nella valutazione dei rendimenti economici per ogni singola unità di stock da ordinare. Ciò viene fatto per mitigare il rischio massimizzando i dollari di rendimento per dollaro speso. Questa valutazione molto dettagliata viene quindi sfruttata da un processo di ottimizzazione che genera gli ordini di acquisto che riflettono correttamente tutti i vincoli tra SKU (ad esempio, le quantità minime d’ordine a livello di fornitore). Questi vincoli vengono sovrapposti ai rendimenti economici per unità che guidano la prioritizzazione complessiva. Di conseguenza, gli ordini di acquisto di Lokad sono prioritizzati correttamente internamente e ognuno di essi viene fornito con una valutazione economica propria (cioè i dollari di rendimento). Questa valutazione economica viene ottenuta attraverso l’aggregazione dei rendimenti economici per tutte le unità che sono raggruppate nell’ordine di acquisto.

Questa prioritizzazione finanziaria degli ordini di acquisto si basa su due ingredienti tecnologici chiave: la previsione probabilistica e l’ottimizzazione stocastica. Entrambi gli ingredienti tecnologici fanno parte della piattaforma Lokad.

La previsione probabilistica, che include la previsione non solo della domanda futura ma di tutte le altre fonti di incertezza come i tempi di consegna o i rendimenti, è fondamentale per valutare i rischi associati a un ordine di acquisto. Questi rischi includono il lato positivo (ad esempio, ridurre il rischio di un evento di esaurimento delle scorte) e il lato negativo (ad esempio, aumentare il rischio di stock morto). Attraverso la previsione probabilistica e sfruttando i driver economici rilevanti (ad esempio, il margine lordo, i costi di gestione, ecc.), Lokad genera il rendimento atteso corretto per il rischio dell’investimento per ogni unità di stock in procinto di essere ordinata, inclusi i rendimenti decrescenti all’aumentare delle unità ordinate.

Il processo di ottimizzazione stocastica consente la composizione degli stessi ordini di acquisto. In assenza di vincoli, si tratta di una semplice prioritizzazione delle unità da acquistare, classificate in base al loro rispettivo tasso di rendimento dollaro su dollaro. Tuttavia, quando sono presenti vincoli tra SKU, è necessario un processo di ottimizzazione stocastica per comporre con successo e automaticamente gli ordini di acquisto che impongono tutti questi vincoli, preservando al contempo la valutazione finanziaria unitaria sottostante.

4.3 Passate/inviati ordini ai fornitori per quanto riguarda SKU strategiche/critiche?

Sì, gli ordini di acquisto generati dalla piattaforma Lokad integrano tutte le preoccupazioni rilevanti, compresa l’importanza strategica/critica che alcune SKU possono avere. Queste preoccupazioni possono includere informazioni esplicite dal cliente nonché valutazioni quantitative implicite/individuate attraverso l’analisi di Lokad.

Ad esempio, una SKU potrebbe essere “critica” perché viene venduta o servita principalmente a clienti importanti o di grandi dimensioni. In alternativa, una SKU potrebbe essere critica in quanto fa parte di un kit o di un BOM (bill of materials), rendendo questa SKU un collo di bottiglia. Per queste situazioni, è preferibile sfruttare la piattaforma Lokad per inferire l’importanza della SKU attraverso l’analisi diretta dei dati.

In generale, la prospettiva finanziaria consigliata da Lokad è ben progettata per accogliere preoccupazioni diverse e mescolarle con le decisioni consigliate sulla supply chain. Questa prospettiva finanziaria enfatizza l’integrazione di tutti i driver economici, compresi quelli meno evidenti come il costo di un evento di esaurimento delle scorte, nel processo decisionale della supply chain.

4.4 Come consolidate gli ordini di acquisto critici in una lista ristretta per i fornitori chiave?

Sommario esecutivo: L’approccio di Lokad consiste nel quantificare l’impatto economico di ogni decisione sulla supply chain. Nella pratica, ciò comporta la valutazione dell’impatto finanziario (misurato dal rendimento dollaro su dollaro) per l’acquisto di ogni singola unità di stock aggiuntiva. Generando una lista che classifica gli elementi in base al loro rendimento dollaro su dollaro, Lokad genera automaticamente liste che riflettono lo stato finanziario migliore possibile per il cliente rispetto ai suoi driver economici e KPI (incluso il livello di servizio). Ciò elimina la necessità di metodi tradizionali, come min/max, scorte di sicurezza, ecc., che alla fine mancano di una dimensione finanziaria robusta.

L’approccio di previsione probabilistica di Lokad ci consente di generare ordini di acquisto corretti per il rischio che consolidano tutte le unità che possono essere ordinate in modo redditizio (classificate su base unitaria). Ciò rende semplice affinare l’ordine di acquisto isolando, all’interno dell’ordine, le unità che superano un determinato livello di rendimento economico. Queste unità ad alto rendimento sono l’essenza della lista ristretta da comunicare ai fornitori chiave. Il rendimento economico riflette la penalità per la mancanza di scorte (un driver economico meno comune ma critico che misura l’impatto finanziario di un evento di esaurimento delle scorte) in una forma o nell’altra. Tutto ciò viene fatto per valutare correttamente l’importanza di ogni singola unità per quanto riguarda la qualità del servizio prevista.

Alcuni vecchi metodi (ora obsoleti) (ancora presenti in alcuni software aziendali) consistono nella valutazione degli ordini di acquisto in relazione agli obiettivi di livello di stock (ad esempio, min/max, scorte di sicurezza, obiettivi di copertura, obiettivi di buffer, ecc.). Tuttavia, questi metodi mancano tutti di meccanismi per quantificare l’importanza di ogni singola unità in stretta isolamento dalle altre unità.

In realtà, tali metodi non riflettono l’influenza dei rendimenti decrescenti che si riscontrano nella supply chain. Tipicamente, la prima unità ordinata vale di più (sia per l’azienda cliente che per i suoi clienti) rispetto alla seconda unità. Poiché i metodi tradizionali non quantificano i rendimenti dell’inventario su base unitaria, non sono in grado di estrarre un sottoinsieme genuinamente critico di unità da passare ai fornitori chiave.

Comporre un elenco ristretto veramente critico richiede, per sua natura, una tecnologia in grado di quantificare i rendimenti economici su base unitaria durante l’ordinazione, una tecnologia che Lokad possiede.

4.5 Come comunichi un elenco ristretto critico, tra gli ordini di acquisto in sospeso, ai fornitori?

Lokad preferisce comunicare gli ordini di acquisto, compresi gli elenchi ristretti critici, tramite sistemi aziendali transazionali (ad esempio, un ERP o un software aziendale simile). Gli ordini di acquisto di solito assumono la forma di esportazioni di file piatti. Lokad potrebbe utilizzare l’email, ma la nostra preferenza è mantenere tutte le comunicazioni transazionali all’interno del sistema aziendale del cliente (ad esempio, ERP).

Vedi anche Controllo delle scorte per maggiori informazioni sulla distinzione tra sistemi analitici (che Lokad è fondamentalmente) e sistemi transazionali come gli ERP.

Vedi anche Stockouts 4.4 in questa FAQ.

4.6 Fornite un rapporto di stockout?

Sommario esecutivo: Sì, la piattaforma di Lokad è in grado di presentare un rapporto di stockout che copre non solo lo stato attuale dell’inventario, ma anche una visione storica degli stockout precedenti. Ciò ci consente di identificare modelli passati e tenerli in considerazione nella ricetta numerica che genera gli ordini di acquisto ottimizzati finanziariamente per il cliente, riducendo così la probabilità di futuri eventi di stockout.

Sebbene sia facile contare il numero di SKU (stock keeping units) che hanno zero stock, ciò non dice molto sull’impatto per l’azienda cliente - la perdita netta di domanda deve essere quantificata. Per questo motivo, Lokad consiglia di affrontare il problema attraverso una valutazione finanziaria diretta del costo della (mancanza di) qualità del servizio. Occasionalmente, ad esempio, è ragionevole accettare una bassa qualità del servizio per prodotti non strategici che vengono gradualmente eliminati dall’offerta. Fare il contrario garantirebbe una generazione continua di stock morto. La piattaforma di Lokad consente di valutare la perdita, espressa in termini monetari, anziché semplicemente contare le SKU con zero stock disponibile.

La perdita quantificata deve essere “netta” di cannibalizzazione, sostituzione e consumo ritardato da parte dei clienti. Nella maggior parte dei settori verticali ci sono diverse opzioni per soddisfare ciò che il cliente desidera o ha bisogno. Pertanto, fintanto che una di queste opzioni è disponibile, il cliente potrebbe comunque essere molto soddisfatto del servizio. Non considerare questi fattori tra SKU porta a un eccesso di stock di SKU che servono fondamentalmente la stessa domanda a discapito di altre SKU che servono segmenti completamente diversi. Al contrario, a volte una SKU fuori stock impedisce il consumo di un’altra SKU dipendente. I clienti si aspettano che entrambe le SKU siano disponibili e non ne consumano nessuna se non è il caso. La piattaforma di Lokad può essere utilizzata per modellare queste considerazioni tra SKU incrociate e il loro impatto (finanziario) sulla qualità del servizio percepita dai clienti.

A seconda del settore, potrebbero esserci sottigliezze più importanti da considerare. Ad esempio, in un negozio di fai-da-te, un cliente che cerca 4 interruttori della luce identici è improbabile che ne acquisti se ce ne sono solo 3 disponibili sullo scaffale. Pertanto, sebbene gli interruttori della luce non siano fuori stock, dal punto di vista di alcuni clienti, lo sono effettivamente.

Un altro esempio potrebbe essere un negozio di alimentari che vende frutta. Certi frutti, ad esempio le fragole, sono altamente deperibili, quindi il negozio di solito cerca deliberatamente di raggiungere lo stockout prima della chiusura. Tuttavia, se lo stockout viene raggiunto troppo presto durante la giornata (ad esempio, alcune persone ne acquistano più del normale), la maggior parte dei clienti non viene servita adeguatamente.

Questi esempi mettono in evidenza la sfumatura dietro la natura e le conseguenze degli eventi di stockout. I sintomi costosi degli eventi di stockout (ad esempio, la perdita di vendite potenziali) possono manifestarsi anche in assenza della condizione sottostante (ad esempio, uno stockout effettivo). La piattaforma di Lokad può essere utilizzata per modellare tutte le sottigliezze critiche in cui la qualità del servizio non può essere dedotta attraverso un’ispezione ingenua del livello di stock.

4.7 Identifichi i prodotti in previsione di stockout e avvisa gli utenti?

Sommario esecutivo: Sì, la piattaforma di Lokad utilizza avanzate previsioni della domanda per identificare potenziali situazioni di stockout e suggerisce azioni correttive anziché semplicemente emettere avvisi. Queste azioni includono accelerare gli ordini, utilizzare fornitori alternativi, regolare le promozioni, i punti di prezzo, promuovere sostituti e organizzare trasferimenti di inventario (ecc.).

La piattaforma di Lokad offre una tecnologia di previsione della domanda all’avanguardia che può essere utilizzata per identificare prossimi eventi di stockout. È anche semplice utilizzare la piattaforma di Lokad per produrre avvisi di stock per i professionisti della supply chain. Tuttavia, non consigliamo di utilizzare gli avvisi, poiché questo approccio non fa un buon uso del tempo, soprattutto considerando che le risposte tempestive sono spesso cruciali. Invece, consigliamo di utilizzare la piattaforma di Lokad per identificare prossimi eventi di stockout e proporre azioni correttive proattive.

A seconda del settore, le azioni correttive possono includere (a) contattare nuovamente i fornitori per accelerare gli ordini di acquisto in sospeso; (b) effettuare ordini di acquisto complementari da fornitori alternativi (più vicini); (c) annullare le promozioni imminenti su articoli che stanno per esaurirsi; (d) aumentare il prezzo degli articoli che stanno per esaurirsi; (e) promuovere prodotti alternativi, considerati sostituti rilevanti, in anticipo per sfruttare un effetto di cannibalizzazione; (f) organizzare trasferimenti di inventario per riallocare l’inventario dormiente. Queste sono solo alcune delle azioni correttive che la piattaforma di Lokad può raccomandare tempestivamente.

I software aziendali tipici (come gli ERP) presentano ancora avvisi, un pattern di design che inevitabilmente porta a una bassa produttività dei dipendenti. Se c’è qualcosa da fare riguardo allo stockout imminente, allora il software dovrebbe raccomandare direttamente l’azione come parte del suo normale insieme di raccomandazioni. Se non c’è nulla da fare riguardo allo stockout imminente, allora l’avviso è una distrazione inutile. Storicamente, i software aziendali hanno utilizzato gli avvisi come potenti meccanismi per deviare la colpa per i risultati scadenti sugli utenti finali. Questo approccio è, di fatto, un tentativo di isolare il fornitore del software aziendale dalle critiche; se la decisione di inventario raccomandata era buona, allora il software ha svolto un ottimo lavoro; se la decisione di inventario raccomandata era cattiva, allora il software è innocente grazie all’avviso emesso. Questo, per definizione, sposta la “colpa” all’utente finale. Lokad, al contrario, si assume piena responsabilità per la qualità delle nostre raccomandazioni di inventario e delle azioni correttive suggerite.

Vedi No1 al livello SKU nella competizione di previsione M5 per ulteriori informazioni su come Lokad affronta la previsione nella pratica.

5. Complicazioni

5.1 Proponi parametri di stock per nuovi prodotti?

Sommario esecutivo: Sì, la piattaforma di Lokad automatizza le decisioni di inventario per i nuovi prodotti utilizzando previsioni di domanda probabilistiche basate su attributi, analizzando i dati dei prodotti precedentemente lanciati. Questo approccio si concentra sulle decisioni dirette come le quantità degli ordini e le allocazioni, piuttosto che sui tradizionali parametri di stock. Lokad considera anche l’impatto dei nuovi prodotti sull’inventario esistente, contribuendo a evitare potenziali eventi di stock morto. Lokad supporta sia la previsione della domanda che l’ottimizzazione stocastica per gli ordini di inventario iniziali, tenendo conto dei vincoli tra SKU e delle capacità logistiche.

La piattaforma di Lokad automatizza l’intero processo decisionale dell’inventario per i nuovi prodotti. Questo comprende i “parametri di stock”, anche se di solito non affrontiamo la sfida da questo punto di vista. I nuovi prodotti beneficiano di previsioni di domanda probabilistiche basate su attributi. Qui Lokad analizza tutti i prodotti precedentemente lanciati e come si sono comportati in base alle loro impostazioni di lancio (ad esempio, promozioni e assortimenti), oltre alle qualità intrinseche del prodotto stesso (ad esempio, dimensione, colore e prezzo). Pertanto, la previsione per i nuovi prodotti è automatizzata, proprio come la previsione dei prodotti più vecchi.

Inoltre, quando si considerano i nuovi prodotti, consideriamo lo stock immediatamente disponibile per iniziare a servire i nuovi prodotti e lo stock che deve ancora arrivare. Consideriamo anche l’impatto sugli stock esistenti e le potenziali conseguenze negative dell’introduzione (troppo precoce) di una nuova alternativa, possibilmente più attraente, che potrebbe causare immediatamente una situazione di stock morto per un altro prodotto.

Invece dei tipici “parametri di stock”, Lokad consiglia vivamente di affrontare la sfida attraverso decisioni dirette e finanziariamente ottimizzate. Queste decisioni includono le quantità da ordinare in primo luogo e quindi le quantità da allocare (SKU per SKU) per tutte le posizioni. Le preoccupazioni tra SKU o tra prodotti devono essere affrontate in questa fase per sfruttare al meglio la capacità logistica finita del cliente.

Queste capacità sono spesso insufficienti per far fronte agli effetti potenziali e spesso sorprendenti della novità. Tuttavia, distribuendo il carico di lavoro nel tempo, di solito anticipando efficacemente il lancio di nuovi prodotti, il problema viene affrontato senza allungare inutilmente la capacità logistica del cliente.

La piattaforma di Lokad fornisce tutti gli strumenti numerici necessari per supportare questo processo, comprese le previsioni di domanda probabilistiche per i nuovi prodotti e l’ottimizzazione stocastica per gli ordini e le allocazioni iniziali di inventario. Questo supporto copre tutti i vincoli rilevanti tra SKU.

5.2 Puoi gestire l’allocazione dell’inventario durante le fasi promozionali (supportando l’attività promozionale)?

Sommario esecutivo: Sì, la piattaforma di Lokad è progettata per gestire l’allocazione dell’inventario durante le fasi promozionali allineando lo stock con le previste impennate future della domanda. Questo processo prevede l’anticipazione della domanda promozionale, l’integrazione dei dati da diverse fonti come i sistemi ERP e i fogli di calcolo di marketing e il perfezionamento dei modelli predittivi per tener conto di diverse strategie promozionali. Gli Scienziati della Supply Chain di Lokad implementano questi modelli, considerando non solo gli effetti immediati della promozione, ma anche il rischio di eccesso di stock e i vincoli logistici. La piattaforma utilizza l’ottimizzazione stocastica per prendere decisioni di inventario corrette dal punto di vista del rischio, bilanciando la necessità di un sufficiente stock promozionale con il rischio di eccesso di inventario dopo la promozione.

Il principio guida generale di Lokad per l’allocazione dello stock è quello di allineare tali allocazioni con la prevista domanda futura. In particolare, un’impennata prevista della domanda futura, come nel caso di una promozione imminente, richiede generalmente un’allocazione corrispondente dello stock. Inoltre, l’allocazione deve avvenire tipicamente molto prima dell’evento promozionale, poiché è necessario considerare i vincoli logistici. Ad esempio, la rete potrebbe non essere in grado di far fronte all’impennata dei movimenti di stock se tutto lo stock viene spostato all’ultimo momento. La piattaforma di Lokad è stata progettata per supportare questa intera classe di problemi e tutte le sue varianti.

Gli Scienziati della Supply Chain di Lokad (SCS) sono responsabili dell’implementazione delle ricette numeriche che garantiscono che le allocazioni dello stock riflettano adeguatamente le attività promozionali pianificate.

In primo luogo, questa responsabilità include la raccolta/organizzazione dei dati che descrivono i piani promozionali. Questi dati raramente si trovano in forma strutturata all’interno dei sistemi aziendali (ERP) - spesso si trovano solo in fogli di calcolo mantenuti dal dipartimento marketing. La piattaforma di Lokad è progettata per integrare diverse fonti di informazione, inclusi questi tipi di fogli di calcolo ad hoc.

In secondo luogo, la responsabilità di uno SCS riguarda il perfezionamento del modello predittivo per la domanda futura al fine di riflettere la diversità dei meccanismi promozionali. Fondamentalmente, le promozioni non riguardano solo la riduzione dei prezzi. Solitamente prevedono anche la messa in evidenza dei prodotti attraverso display promozionali (ad esempio, gondole) o altri mezzi di comunicazione (ad esempio, newsletter). Inoltre, alcuni meccanismi riflettono meccanismi tra prodotti (ad esempio, acquista un prodotto e ottieni il 50% di sconto su un altro prodotto) che devono essere affrontati. La piattaforma di Lokad offre ampie capacità di modellazione predittiva per supportare tutto quanto sopra.

In terzo luogo, gli SCS sono anche responsabili di generare decisioni corrette dal punto di vista del rischio che allocano una quantità sufficiente di stock per soddisfare la domanda promozionale, riducendo al contempo il rischio di eccesso di stock dopo la fine della promozione. Quando i vincoli logistici non sono troppo rigidi, consideriamo anche l’opportunità di sfruttare i rifornimenti durante la promozione per mitigare l’esposizione del cliente ai rischi di sovra-allocazione iniziale (se la promozione è meno di successo di quanto previsto). Ancora una volta, la piattaforma di Lokad offre ampie capacità di ottimizzazione stocastica per calcolare queste complesse decisioni corrette dal punto di vista del rischio.

5.3 Come gestite, visualizzate e distinguete i diversi tipi di promozioni/premi per i titolari di carte fedeltà, inclusi brochure, sconti percentuali, sconti monetari e promozioni esclusive?

La piattaforma di Lokad offre un ampio supporto di modellazione per tutti i meccanismi di prezzo e promozione presenti nel settore del retail. La nostra piattaforma è programmabile, il che significa che può essere adattata per riflettere qualsiasi numero di meccanismi promozionali - finora ne abbiamo identificati più di 50 esempi diversi. Poiché la nostra piattaforma è in grado di elaborare dati relazionali arbitrari, possiamo importare queste informazioni esattamente come appaiono originariamente nei sistemi aziendali transazionali sottostanti.

Ciò ci consente di preservare la semantica dei dati originali, anziché riformattare forzatamente i dati secondo un modello definito dal fornitore. Inoltre, la nostra piattaforma offre anche capacità programmatiche per le sue funzionalità di previsione/apprendimento automatico. Attraverso queste capacità, i nostri Scienziati della Supply Chain possono creare modelli predittivi della domanda che riflettono i meccanismi presenti nell’offerta promozionale/premi del cliente.

Nota: Lokad si occupa solo della parte analitica di questo problema; identificare tutti i modelli che influenzano la domanda associata ai meccanismi promozionali di un cliente. Lokad non è destinato a gestire le promozioni, ad esempio in collaborazione con il dipartimento marketing del cliente. Sebbene teoricamente possibile, è meglio mantenere una separazione tra i livelli di software transazionale e analitico. Questo è Vedi anche #promotions

Vedi anche Differentiable Programming per ulteriori dettagli matematici sulla nostra tecnologia.

Vedi anche Complicazioni 5.2 in questa FAQ.

5.4 Gestite la conversione delle unità di misura (UoM)?

Sì, la piattaforma di Lokad supporta completamente tutte le conversioni delle UoM. Supportiamo anche l’operatività con UoM (multiple) non coerenti, come accade talvolta quando Lokad elabora dati provenienti da diversi sistemi aziendali. Risolviamo tipicamente eventuali incompatibilità delle UoM durante la fase di preparazione dei dati. Possiamo anche ottimizzare lo stock quando i vincoli sono espressi attraverso UoM distinte. Ad esempio, un carico completo di camion (FTL) ha capacità sia di volume che di peso.

Nota: Per il caso speciale della conversione tra valute, Lokad ha anche funzionalità integrate, come la funzione forex che comprende decine di valute ampiamente utilizzate. Questa funzione forex offre la possibilità di applicare conversioni di valuta passate al fine di riflettere gli impatti economici come erano nel passato. Ciò consente a Lokad di ottimizzare ulteriormente il processo decisionale analizzando l’impatto economico effettivo delle fluttuazioni storiche delle valute e quindi perfezionare ulteriormente la ricetta numerica del cliente.

5.5 Gestite la conversione dei kit?

Sommario esecutivo: Sì, Lokad supporta le conversioni dei kit e l’ottimizzazione dello stock, inclusa l’assemblaggio proattivo dei kit e la prenotazione dello stock. Le nostre previsioni della domanda tengono conto degli elementi del kit venduti separatamente o in kit multipli, considerando i diversi cicli di vita dei kit. L’ottimizzazione finanziaria di Lokad riflette il vero costo delle mancanze di stock, riconoscendo il valore e l’impatto sul margine lordo degli elementi del kit critici per i kit ad alto valore.

La piattaforma di Lokad supporta le conversioni dei kit e supporta anche l’ottimizzazione dello stock in presenza di kit. I kit sono di solito una versione semplificata del BOM (bill of materials) e sono frequentemente incontrati nel settore del commercio al dettaglio (sia online che offline). L’ottimizzazione dello stock effettuata da Lokad in presenza di kit include la capacità di decidere quando riservare unità di stock per i kit e quando assemblare proattivamente i kit, se il processo di assemblaggio dei kit ha un proprio limite di capacità.

Inoltre, le previsioni della domanda generate da Lokad tengono adeguatamente conto del fatto che gli elementi del kit potrebbero essere venduti/serviti anche separatamente, non solo come parte di un kit. Queste previsioni supportano anche il caso in cui gli stessi elementi del kit sono condivisi tra diversi kit - naturalmente, supportiamo anche scenari in cui i kit non condividono lo stesso ciclo di vita, con kit che entrano e escono dall’offerta del cliente con tempi variabili. Tutti questi fattori sono adeguatamente riflessi nella nostra valutazione quantitativa del futuro bisogno di elementi del kit.

Infine, per quanto riguarda l’ottimizzazione delle decisioni di stock in presenza di kit, la prospettiva finanziaria consigliata da Lokad riflette adeguatamente le dipendenze che esistono tra gli elementi del kit e i kit stessi. Ad esempio, un elemento potrebbe essere economico e venduto con un margine lordo molto basso, ma se questo elemento è necessario per diversi kit che hanno un valore e un margine lordo molto più elevati, una eventuale mancanza di stock di questo elemento del kit risulterebbe molto più costosa di quanto suggerirebbe il suo valore. Questo perché il valore indiretto dell’elemento potrebbe essere significativamente più alto del suo valore diretto immediatamente ovvio.

Pertanto, Lokad riflette attraverso la sua ottimizzazione il vero costo (considerando le dipendenze dei kit) di non essere in grado di servire i kit a causa della mancanza di stock di uno dei loro elementi.

5.6 Considerate il ciclo di vita del codice (o shelf life) nella decisione di ordinazione e nel rimanente ciclo di vita del prodotto già nella supply chain?

Sommario esecutivo: Sì, la piattaforma di Lokad raggiunge questo obiettivo tenendo traccia del ciclo di vita di ogni unità di stock, comprese quelle in procinto di essere ordinate. Il suo design di base include scalabilità, efficienza nel trattamento dei dati a livello di unità, gestione dei dati relazionali per tener conto delle sfumature specifiche del ciclo di vita del prodotto e previsioni probabilistiche per affrontare le incertezze nei cicli di vita del prodotto e nei comportamenti dei clienti. Questo approccio ottimizza gli ordini di acquisto, le allocazioni di stock e le strategie di pricing.

La piattaforma di Lokad è stata progettata per essere in grado di tenere traccia di ogni singola unità di stock nel tempo, riflettendo il suo specifico ciclo di vita. Allo stesso modo, lo stesso modello viene applicato anche alle unità di stock potenziali, come quelle in procinto di essere ordinate. Adottando questa analisi altamente granulare, gli ordini di acquisto, le allocazioni di stock e gli sconti di prezzo ottimizzati da Lokad riflettono il ciclo di vita specifico di ogni singola unità che fluisce attraverso la rete.

L6 La piattaforma di Lokad rende ciò possibile attraverso diversi aspetti chiave del suo design di base:

Primo, la nostra piattaforma non è solo altamente scalabile, ma anche altamente efficiente. Modellare il flusso, unità per unità, è più intensivo rispetto a modellarlo a livello di SKU (stock keeping unit); tuttavia, se la sfida viene affrontata semplicemente aumentando le risorse di calcolo, la soluzione si rivelerà molto costosa per l’azienda cliente.

Secondo, la piattaforma di Lokad ha capacità programmatiche orientate al trattamento dei dati relazionali. I dettagli del ciclo di vita dei prodotti variano molto da un prodotto all’altro. Prodotti e prodotti chimici hanno entrambi una durata di conservazione, ma i loro rispettivi dettagli sono molto diversi. Lokad abbraccia queste specificità al fine di creare un modello che rifletta realmente ciò che sta accadendo all’interno della supply chain del cliente.

Terzo, la piattaforma di Lokad ha capacità generali di previsione probabilistica. I cicli di vita dei prodotti possono comportare una serie di incertezze. Ad esempio, nei negozi al dettaglio, i clienti possono dare priorità alla scelta di articoli con la data di scadenza più lontana. Presumere che il flusso segua un comportamento FIFO (first-in, first-out) sarebbe gravemente fuorviante. Le capacità predictive della piattaforma di Lokad vengono utilizzate per prevedere correttamente questi comportamenti sottili ma estremamente importanti.

5.7 Identificate le scadenze previste dell’inventario? Fornite un rapporto di avviso di scadenza?

Sommario esecutivo: Sì, la piattaforma di Lokad tiene traccia dell’intero ciclo di vita dell’inventario, anche senza il tracciamento dei numeri di serie, e può anche utilizzare la modellazione probabilistica per situazioni ambigue come il retail B2C. Può identificare scadenze e svalutazioni potenziali, emettendo avvisi se desiderato. Tuttavia, Lokad preferisce decisioni proattive sulla supply chain per evitare questi problemi, raccomandando azioni come lo sconto o la riallocazione delle scorte per gestire gli articoli a rischio di scadenza.

La piattaforma di Lokad è in grado di tenere traccia del ciclo di vita specifico di ogni singola unità che fluisce attraverso la rete di supply chain del cliente. La nostra piattaforma è in grado di farlo anche se le unità non vengono tracciate a livello di S/N (numero di serie). Quando c’è ambiguità riguardo al servizio o all’ordine di consumo delle unità, come può accadere nei negozi al dettaglio B2C (business to consumer), Lokad utilizza la modellazione probabilistica per riflettere gli stati probabili dell’inventario. Queste informazioni dettagliate sullo stato dell’inventario possono essere utilizzate per identificare scadenze e/o svalutazioni probabili e reagire di conseguenza, eventualmente emettendo avvisi rivolti ai team pertinenti (se desiderato).

Tuttavia, anziché gli avvisi, Lokad consiglia di sfruttare le informazioni dettagliate che abbiamo sullo stato probabile dell’inventario, fino alla data di scadenza prevista di ogni unità in stock, per adattare in modo proattivo qualsiasi decisione sulla supply chain raccomandata (calcolata da Lokad). Ad esempio, possiamo consigliare di scontare o promuovere un prodotto che è a rischio di scadenza. In alternativa, possiamo consigliare di avviare una liquidazione dei prodotti attraverso un canale di vendita secondario (anche a un prezzo scontato). Un’altra opzione è allocare più stock, poiché riconosciamo che l’attuale stock sarà presto esaurito, non a causa della domanda dei clienti, ma a causa della scadenza.

Fondamentalmente, se c’è qualcosa che può essere fatto riguardo alla potenziale scadenza identificata, Lokad si assume la responsabilità di presentare questa chiamata all’azione. Al contrario, se non c’è nulla da fare (ad esempio, lo stock scadrà purtroppo e non è più disponibile alcuna misura correttiva), allora quegli avvisi saranno solo una distrazione per i team che non saranno in grado di fare nulla al riguardo.

Non c’è niente di più facile per un fornitore di software aziendale che produrre decine (o addirittura migliaia) di avvisi, e per molti fornitori incompetenti, è l’unica cosa che sanno fare. La vera sfida è produrre chiamate all’azione, cosa che richiede ai fornitori (come Lokad, in questo caso) di distinguere ciò che è attuabile da ciò che non lo è.

Vedi anche Complicazioni 5.6 in questa sezione delle domande frequenti.

5.8 È possibile ottimizzare l’EOQ (Quantità Economica di Ordine) considerando i costi degli ordini, i costi di trasporto, i costi di stoccaggio dell’inventario e i costi di vincolo del capitale?

Sommario esecutivo: Sì, la piattaforma di Lokad può ottimizzare l’EOQ considerando vari costi come i costi degli ordini, di spedizione, di stoccaggio, di capitale di lavoro e i costi opportunità, oltre ad altri meno ovvi. Utilizziamo un approccio più avanzato della superata formula di Wilson, che è inefficace a causa delle sue ipotesi troppo semplificate e dell’incapacità di affrontare i rischi di svalutazione dell’inventario. Lokad consiglia di integrare i driver economici in ogni decisione di acquisto anziché concentrarsi esclusivamente sulla quantità dell’ordine.

La piattaforma di Lokad è stata progettata per l’ottimizzazione economica delle decisioni sulla supply chain. In particolare, è semplice riflettere tutti gli oneri associati a un ordine di acquisto, inclusi i costi degli ordini, i costi di spedizione, i costi di stoccaggio, il costo del denaro (capitale di lavoro) e i costi opportunità. Inoltre, le capacità programmatiche di Lokad rendono semplice affrontare tutti i costi specializzati che possono essere rilevanti per l’attività del cliente al di là dell’elenco ridotto sopra indicato. Tuttavia, consigliamo di internalizzare i driver economici in ogni singola decisione di acquisto, anziché individuare una quantità da ordinare, come avviene nell’EOQ.

La teoria classica della supply chain propone di utilizzare la formula di Wilson per l’EOQ (quantità economica di ordine). Questo approccio ha un grave difetto immediato: impone un arrotondamento grezzo che si rivela inefficace nella maggior parte dei casi. Per sua natura, l’EOQ non può affrontare il rischio di svalutazione dell’inventario. Pertanto, sebbene possa essere in qualche modo inefficiente ordinare una quantità inferiore all’EOQ teorico, è spesso una soluzione molto migliore rispetto a ordinare di più e generare immediatamente una svalutazione considerevole.

Vedi anche Costi dell’Inventario per ulteriori informazioni sulla visione di Lokad riguardo alla valutazione, categorizzazione e ottimizzazione dei costi dell’inventario.

5.9 Hai KPI per l’inventario in stato di “Non Conformità”?

Sì, la piattaforma di Lokad può facilmente fornire un cruscotto e/o KPI per la “Non Conformità”. Poiché la nostra piattaforma è programmabile, è possibile visualizzare qualsiasi dato che può essere estratto dal sistema aziendale transazionale. Ciò significa anche che non ci sono limiti nel calcolo/presentazione dei KPI, possono essere completamente personalizzati in base alle specifiche/regole del cliente. Una piattaforma programmabile è necessaria qui perché non esiste una definizione standard per la mancanza di conformità tra le aziende.

La piattaforma di Lokad è in grado di produrre anche un modello predittivo di questi eventi di non conformità sfruttando i dati storici. Ad esempio, alcuni fornitori potrebbero avere problemi di qualità e una parte delle loro spedizioni potrebbe non superare sempre l’ispezione. Di conseguenza, le quantità effettivamente disponibili per soddisfare i clienti del cliente potrebbero essere frequentemente inferiori a quelle originariamente ordinate. Modellando queste occorrenze con un modello di previsione probabilistico, Lokad può produrre decisioni di ordinazione corrette in base al rischio che tengono conto anche di questa incertezza.

5.10 Fornite un report sui materiali critici?

Sì, la piattaforma di Lokad può facilmente generare un report su tutti i materiali considerati “critici” dal cliente.

Per Lokad, questo è un concetto sfumato poiché non esiste una definizione fissa di cosa costituisca un “report sui materiali critici”. Dalla nostra esperienza, questo varia da settore a settore. Per i beni di consumo veloci (FMCG), i “materiali critici” sono tipicamente quelli che ruotano di più, con i volumi più elevati sia in pezzi che in unità monetarie. Per l’aviazione, la “criticità” si riferisce alle parti che potrebbero causare un incidente AOG (aeromobile a terra) se non sono disponibili. Per i negozi di articoli vari, la “criticità” si riferisce spesso ai prodotti che i clienti si aspettano di trovare nel negozio.

Le capacità programmatiche di Lokad sono essenziali per affrontare questa classe di requisiti. Attraverso queste capacità, qualsiasi regola che potrebbe essere implementata in un foglio di calcolo o in un tool di business intelligence può essere implementata anche attraverso la nostra piattaforma. Non avere tali capacità programmatiche costringerebbe gli operatori della supply chain a tornare ai fogli di calcolo poiché non possono permettersi una vaga approssimazione di ciò che la loro azienda considera “critico”. Lo strato analitico (Lokad in questo caso) deve essere in grado di aderire completamente alle complessità del business, da qui la necessità di una completa funzionalità e libertà programmatica.

6. Reporting

6.1 Avete KPI per l’ammontare totale dell’inventario? In particolare, coprono i tassi di rotazione e di copertura? Inoltre, questi KPI possono essere suddivisi per numero di parte (P/N), piattaforma del prodotto e qualità del prodotto, nonché fornire un rapporto mensile di progresso su diverse attività e settori in base alla qualità dei prodotti?

Sommario esecutivo: Sì, Lokad offre ampie capacità di reporting, inclusi KPI personalizzabili per la gestione dell’inventario, adattabili alle specifiche esigenze del cliente come numero di parte, piattaforma del prodotto e qualità del prodotto. Il nostro linguaggio specifico del dominio (Envision) semplifica la visualizzazione dei dati e la creazione di cruscotti, affrontando le strutture dati uniche di ciascuna azienda senza la necessità di formati dati standard, evitando così i lunghi progetti di integrazione comuni nei software aziendali tradizionali. Questo approccio garantisce un’elevata produttività, affidabilità e scalabilità nella generazione di report personalizzati e nella gestione dell’ottimizzazione della supply chain.

La piattaforma di Lokad offre ampie capacità di reporting integrate. Come regola generale, qualsiasi report che può essere prodotto con un foglio di calcolo o con un tool di business intelligence può essere prodotto anche da Lokad. Lokad ha sviluppato un DSL (linguaggio di programmazione specifico del dominio) dedicato all’ottimizzazione predittiva della supply chain (chiamato ‘Envision’). Come suggerisce il nome Envision, questo DSL mette un’enfasi particolare sulla facilitazione della visualizzazione dei dati. I Supply Chain Scientist di Lokad sono tipicamente responsabili della configurazione di tutti i cruscotti e KPI pertinenti. Inoltre, la piattaforma di Lokad è stata progettata per supportare il rendering in tempo costante di cruscotti complessi. Ciò ci consente di creare cruscotti che raccolgono tutti gli elementi pertinenti in un unico luogo, evitando agli operatori della supply chain di navigare in un labirinto di schermate/displays disconnessi mentre cercano le informazioni necessarie per la loro routine quotidiana.

Tutti i report prodotti da Lokad sono “personalizzati” per l’azienda cliente, a differenza di quanto si trova di solito in software simili. La realtà è che la produzione di tali report è possibile solo utilizzando una piattaforma flessibile e programmabile, dato che i report, anche quelli “di base”, dipendono interamente dai dettagli specifici dell’azienda cliente in questione (compreso il loro panorama applicativo). Dalla nostra esperienza, nessuna due aziende sono uguali, anche se utilizzano lo stesso software per organizzare i loro dati aziendali nello stesso modo esatto.

In un contesto di produzione, la “plumbing dei dati” banale rappresenta oltre il 90% del lavoro investito nella generazione di tali report. Pertanto, attraverso Envision, Lokad affronta frontalmente la sfida di produttività associata a questa plumbing dei dati. Inoltre, questo approccio ci dà la possibilità di preservare tutte le codifiche, gerarchie e convenzioni preesistenti negli altri sistemi aziendali del cliente. Di conseguenza, Lokad finisce per “parlare la stessa identica lingua” del personale del cliente, anziché introdurre un altro insieme di convenzioni che i dipendenti devono capire.

L’approccio principale nel software aziendale consiste nell’istituire un insieme di requisiti dati. Una volta che i dati di input corrispondono a tali requisiti, tutte le funzionalità di reporting e analisi vengono sbloccate. Purtroppo, questo approccio funziona male per qualsiasi azienda tranne che per le più piccole. Non c’è mai una corrispondenza uno a uno tra i sistemi aziendali originali (la fonte dei dati) e i sistemi analitici confezionati. Di conseguenza, la traduzione dei dati è sia incredibilmente impegnativa che frustrante, poiché semplicemente non è possibile far combaciare tutto. Quello che sembrava essere una semplice questione di “configurazione” per importare i dati aziendali nel sistema analitico confezionato si trasforma inevitabilmente in un progetto di integrazione di un anno. Questa è la conseguenza inevitabile del tentativo di conciliare due prospettive complesse e distinte sulla supply chain. Le scelte di progettazione della piattaforma di Lokad eliminano completamente questo problema.

6.2 Hai report sulla salute e copertura dell’inventario?

Sommario esecutivo: Sì, Lokad fornisce report sulla salute e copertura dell’inventario attraverso previsioni probabilistiche avanzate e strumenti sulla sua piattaforma, consentendo una valutazione precisa dei rischi, tipicamente espressi in termini monetari. Queste valutazioni dei rischi finanziari sono i “rischi per la salute” fondamentali per l’inventario del cliente. A differenza delle previsioni tradizionali a serie temporali che considerano solo un futuro, l’approccio di Lokad tiene conto di molteplici possibili valori futuri (ad esempio, la domanda), offrendo una visione più accurata e completa dei rischi dell’inventario, aiutando così ad evitare, o almeno ridurre, problemi di salute dell’inventario.

La pratica predefinita di Lokad è quella di fornire strumenti di supervisione dell’inventario, come report sulla salute e copertura dell’inventario. I Supply Chain Scientist di Lokad sono responsabili della generazione di questi report. La piattaforma di Lokad è dotata di ampie capacità di reporting programmabili. Questo include tutti gli strumenti necessari per convertire le previsioni probabilistiche, riguardanti la domanda, il tempo di consegna e tutte le fonti di incertezza pertinenti, in proiezioni di alto livello, che idealmente riflettono i costi dell’inventario in dollari, anziché in percentuali.

La “salute” dell’inventario è sempre relativa alle condizioni future previste del mercato. Il numero di unità in stock è considerato eccessivo solo se è ben al di là della domanda futura prevista, non se è ben al di là della domanda passata osservata. Ad esempio, la domanda passata potrebbe essere zero per un nuovo prodotto o per un prodotto che ha subito una carenza duratura. Pertanto, il nocciolo della sfida è trasformare le proiezioni/previsioni in report.

Qui, le previsioni probabilistiche (preferite da Lokad), che considerano tutti i futuri possibili e li assegnano probabilità, sono ideali. Questo perché ci consentono di valutare con precisione i rischi dell’inventario assegnando probabilità alla probabilità di un rischio e successivamente valutando l’impatto finanziario potenziale associato a quel rischio. Sono questi rischi, espressi in termini monetari (ad esempio, dollari o euro), che sono riflessi nei report forniti da Lokad.

Al contrario, le previsioni classiche delle serie temporali - per loro natura - considerano solo un possibile valore futuro (ad esempio, la domanda). Come tali, queste previsioni non sono in grado di trasmettere adeguatamente la vasta gamma di rischi finanziari che il cliente può incontrare in base alle proprie decisioni di inventario. La sofisticazione delle previsioni delle serie temporali è irrilevante: la forma/struttura della previsione non trasmette le informazioni richieste. Alcuni tentativi di evitare questo problema hanno coinvolto euristiche approssimative per valutare i rischi dell’inventario attraverso un’ispezione diretta del passato recente. Un esempio includeva il conteggio degli SKU che hanno più di X settimane di inventario a disposizione (ad esempio, 2 o 3). Tuttavia, questi metodi producono inevitabilmente indicatori di bassa qualità che ingannano i professionisti della supply chain anziché illuminarli.

6.3 Puoi avvisare il team di approvvigionamento quando un ordine di acquisto (PO) deve essere posticipato o accelerato?

Sommario esecutivo: Sì, Lokad può emettere queste “avvisi”, anche se preferiamo il termine “decisioni”. La piattaforma di Lokad genera un elenco automatizzato di raccomandazioni decisionali, compresa la revisione reattiva degli ordini di acquisto (PO) in base ai vantaggi economici e alla cooperazione del fornitore. Preferiamo “decisioni” rispetto a “avvisi”, poiché le nostre raccomandazioni sono chiamate dirette all’azione (con costi e benefici modellizzati), piuttosto che semplicemente informare il cliente di un potenziale problema.

Lokad automatizza la generazione di decisioni con una prospettiva che include il posticipare o accelerare gli ordini di acquisto, se necessario. Queste decisioni sono prioritarie in termini di ricompensa economica (come le tipiche decisioni di Lokad) e i driver includono i vantaggi economici associati a un ordine di acquisto rivisto. Questi driver possono includere un goodwill negativo per riflettere gli oneri generati per il fornitore e la probabilità che la revisione venga accettata e attuata dal fornitore. Allo stesso modo, Lokad può suggerire di aumentare o diminuire la quantità dell’ordine di acquisto, a condizione che il fornitore sia disponibile a questa opzione. Gli scienziati della supply chain di Lokad stabiliscono i dettagli delle opzioni disponibili per quanto riguarda gli ordini di acquisto e quindi automatizzano la logica che genera le corrispondenti “decisioni” - qualcosa che Lokad preferirebbe chiamare “decisioni”.

Lokad si riferisce agli “avvisi” come “decisioni” perché ciascuna delle raccomandazioni ha costi e benefici potenziali, che portano a conseguenze tangibili per la supply chain. In questo senso, le raccomandazioni non sono fondamentalmente diverse dal raccomandare di effettuare un ordine di acquisto in primo luogo. La differenza principale è la volontà incerta (o la capacità) del fornitore di adattarsi alla correzione richiesta per l’ordine di acquisto, ma nel caso in cui il fornitore si conformi alla richiesta, questa raccomandazione è tanto un “ordine” quanto l’ordine originale.

Molti software aziendali offrono una prospettiva obsoleta sulle decisioni della supply chain, limitando tali decisioni a situazioni di testo ristrette come l’acquisto o il riequilibrio delle scorte. Questo tipo di software ignora, per sua natura, tutte le opzioni sfumate che possono essere prese in considerazione con i fornitori. Ad esempio, il fornitore potrebbe avere la possibilità di accelerare, posticipare, aumentare o diminuire il proprio ordine e persino sostituire alcuni prodotti con altri. A volte, il fornitore ha la possibilità di inviare una frazione dell’ordine in anticipo, se l’azienda cliente è disposta a sostenere gli oneri per le spedizioni multiple. A volte, i beni intatti possono essere restituiti al fornitore per un periodo di tempo specifico. Le capacità programmatiche della piattaforma di Lokad sono un ingrediente tecnologico necessario per affrontare queste opzioni sfumate.

6.4 Puoi avvisare il team di approvvigionamento quando viene raggiunta/è scaduta una data di consegna prevista?

Sì, la piattaforma di Lokad può generare e inviare facilmente avvisi quando una data di consegna prevista diventa scaduta. Il nostro approccio di previsione probabilistica ci consente di perfezionare questi avvisi in presenza di tempi di consegna variabili.

Una previsione probabilistica del tempo di consegna può essere utilizzata per valutare se un determinato ritardo è effettivamente anomalo o semplicemente parte delle variazioni insignificanti osservate nella supply chain. Inoltre, gli avvisi possono essere prioritizzati per riflettere l’impatto economico previsto del ritardo. Ad esempio, se la domanda è diminuita inaspettatamente, il tempo di consegna extra potrebbe rivelarsi insignificante e quindi non richiedere l’attenzione immediata del team di approvvigionamento. Fondamentalmente, ogni componente in movimento della supply chain compete per l’attenzione del team di approvvigionamento. Questa attenzione è una risorsa scarsa e, in definitiva, è quella che Lokad mira a massimizzare con gli avvisi che genera.

Fondamentalmente, la nostra opinione è che emettere “avvisi” (come comunemente inteso) sia un approccio obsoleto, indicativo di software aziendali mal progettati. Gli “avvisi” di solito richiamano l’attenzione del cliente su un problema, anziché fornire una raccomandazione/decisione attuabile basata su una chiara valutazione finanziaria della situazione. Lokad ritiene che sia essenzialmente nostra responsabilità generare decisioni corrette in base al rischio per i clienti, anziché distoglierli con semplici avvisi. Per questo motivo, sebbene li emettiamo, il nostro utilizzo di “avvisi” dovrebbe essere inteso come “azioni/correzioni redditizie in risposta a un problema”.

Vedi anche Reporting 6.3 in questa sezione delle domande frequenti.

7. Produttività

7.1 Gli utenti possono definire manualmente le soglie di riassortimento e/o sovrascrivere manualmente i parametri delle scorte?

Sommario esecutivo: Sì, la piattaforma di Lokad consente agli utenti di impostare manualmente le soglie di riassortimento e sovrascrivere i parametri delle scorte, inclusi gli aggiustamenti temporanei. Tuttavia, sconsigliamo vivamente frequenti sovrascritture manuali. Invece, se ci sono problemi con le decisioni generate da Lokad, preferiamo aggiornare/perfezionare la ricetta numerica sottostante (algoritmo) che le genera. Lokad - filosoficamente, tecnologicamente e metodologicamente - mira a superare approcci datati e non affidabili che si basano su interventi manuali, preferendo l’automazione affidabile e scalabile.

La piattaforma di Lokad è altamente configurabile, quindi il flusso di lavoro per il riassortimento delle scorte può includere facilmente inserimenti/sovrascritture manuali dei dati per le soglie di riassortimento o altri parametri delle scorte simili (ad esempio, min/max, scorta di sicurezza, ecc.). Inoltre, è anche possibile considerare varianti come l’assegnazione dei dati manuali con ‘date di scadenza’ se gli operatori della supply chain si aspettano che la situazione torni alla normalità in poche settimane o mesi. Ciò consentirebbe alla ricetta numerica regolare di riprendere il controllo del processo di riassortimento. Sebbene una soglia rigida possa essere vantaggiosa nel breve termine, è quasi sempre un problema nel medio termine, poiché la soglia perde la sua rilevanza originale.

Più in generale, Lokad sconsiglia vivamente di fare affidamento su sovrascritture manuali per governare i riassortimenti di magazzino banali. Se la ricetta numerica che governa i riassortimenti di magazzino ha problemi, allora questa ricetta deve essere urgentemente corretta. Gli scienziati della supply chain di Lokad sono formati per fornire le correzioni necessarie in modo tempestivo. Scegliere invece di fare affidamento su sovrascritture manuali equivale a far sì che il personale del cliente applichi soluzioni provvisorie a breve termine. Questo è chiaramente inefficiente e contrario a una delle conseguenze centrali della teoria della Supply Chain Quantitativa di Lokad, ovvero ridirigere tempo, risorse e banda a compiti di maggior valore.

L’approccio di Lokad si contrappone direttamente a molti fornitori di software aziendali che forniscono tecnologie obsolete che vincolano il consumatore a effettuare sovrascritture regolari ed inefficienti. Questa dinamica si basa su una comprensione tacita secondo cui il cliente è responsabile di correggere i dati errati prodotti dal software. Spesso la responsabilità viene deviata dal fornitore di software emettendo “avvisi” che attirano l’attenzione del cliente su una situazione subottimale (senza fornire azioni correttive utili). Di conseguenza, quando il riassortimento è errato, la colpa viene deviata al professionista che avrebbe dovuto sovrascrivere manualmente il sistema. Lokad ritiene che questa sia una pratica oltraggiosa, proprio per questo motivo non la adotta.

7.2 È possibile automatizzare i parametri di stock in base a variabili predefinite o definite dall’utente (ad esempio, prestazioni del fornitore, livello(i) di servizio target, variabilità della domanda, classe SKU, shelf life, ecc.)?

Sommario esecutivo: Sì, Lokad automatizza le decisioni di inventario, inclusi i parametri di stock, attraverso un processo giornaliero completamente automatizzato con minima intervento manuale. Questa automazione si adatta a grandi interruzioni se necessario. Il processo si basa su previsioni probabilistiche per affrontare incertezze come la domanda variabile e i tempi di consegna variabili, e su un approccio finanziario robusto (implementato attraverso l’ottimizzazione stocastica) che tiene conto di tutti i costi e vincoli. Ciò consente a Lokad di massimizzare il servizio e minimizzare gli errori finanziari in presenza di condizioni incerte della supply chain.

L’approccio predefinito di Lokad è automatizzare l’intero processo che governa il calcolo delle decisioni di inventario, come le quantità di riassortimento. Per Lokad, la norma è avere un processo giornaliero completamente automatizzato che non richiede alcun intervento manuale. La grande maggioranza dei nostri clienti opera per settimane senza alcun intervento manuale. Naturalmente, quando si verificano grandi interruzioni senza precedenti (ad esempio, shock sistemici come i lockdown), gli scienziati della supply chain di Lokad sono pronti a intervenire e adattare le ricette numeriche per mitigare la situazione. Tuttavia, riteniamo che le decisioni banali e di routine debbano essere completamente automatizzate, al fine di ridirigere tempo e sforzo mentale verso compiti di ordine superiore (come la strategia aziendale).

L’automazione dell’aggiornamento di tutti i parametri di stock avviene a due livelli: il modello predittivo e l’ottimizzazione stocastica.

Lokad utilizza previsioni probabilistiche per tutte le fonti di incertezza rilevanti, come i tempi di consegna, i resi, ecc. Ad esempio, nello scenario di lockdown menzionato in precedenza, il caso delle prestazioni del fornitore è implicitamente un problema di variabilità dei tempi di consegna che deve essere affrontato attraverso previsioni di tempi di consegna probabilistiche. La piattaforma di Lokad non solo è in grado di produrre tutte queste previsioni probabilistiche, ma anche di combinare le previsioni in una visione probabilistica unificata del futuro dell’azienda. All’interno della piattaforma di Lokad, solitamente sfruttiamo la programmazione differenziabile e la nostra algebra delle variabili casuali a questo scopo.

Per quanto riguarda l’ottimizzazione stessa, dobbiamo considerare tutti i costi e vincoli rilevanti. Ad esempio, nello stesso scenario di lockdown, la shelf life si riferirebbe implicitamente a un tipo specifico di costo di conservazione non lineare. Uno dei motivi per cui Lokad promuove un approccio finanziario all’ottimizzazione dell’inventario è che facilita la combinazione di molte preoccupazioni apparentemente disparate in una prospettiva numerica unificata. Questa prospettiva numerica aiuta Lokad a minimizzare i dollari (o euro) di errore di inventario, mentre massimizza i dollari di ritorno ottenuti attraverso un corretto servizio ai clienti. Con la piattaforma di Lokad, solitamente sfruttiamo le nostre capacità generali di ottimizzazione stocastica a questo scopo. La parte “stocastica” si riferisce alla capacità di Lokad di eseguire un’ottimizzazione in condizioni rumorose/incerte/random.

7.3 Automatizzate l’emissione degli ordini di acquisto (PO - Purchase Order)?

Sommario esecutivo: Sì, Lokad automatizza la generazione degli ordini di acquisto (PO), affidandosi a un flusso di dati automatizzato per l’input (e l’output) dai sistemi aziendali, garantendo ordini aggiornati e sincronizzati. Funziona come uno strato analitico sopra i sistemi transazionali, calcolando le quantità ottimizzate ma non eseguendo passaggi transazionali come la creazione di PDF. Lokad offre anche un’opzione semi-automatica con flussi di lavoro di convalida parziale, consentendo una supervisione manuale per gli ordini critici mentre si automatizzano quelli di routine.

Lokad automatizza la generazione degli ordini di acquisto ottimizzati. Questa automazione richiede un flusso di estrazione dati automatizzato tra il cliente e la piattaforma Lokad. Questo flusso di dati idealmente gestisce aggiornamenti giornalieri, garantendo che Lokad operi con dati aggiornati. Ciò mantiene gli ordini di acquisto generati sincronizzati con lo stato dell’azienda. Questa automazione richiede anche un flusso di esportazione dati automatizzato da Lokad verso i sistemi aziendali originali, dove possono essere completati i passaggi banali e puramente transazionali del processo di ordinazione.

Lokad non sostituisce un sistema aziendale transazionale, come un ERP. Lokad è uno strato analitico che opera sopra il sistema aziendale transazionale. Lokad calcolerà le quantità ottimizzate (cioè quanto dovrebbe essere ordinato e quando) per ogni ordine di acquisto. Tuttavia, Lokad non genererà un file di ordine PDF da inviare per email al fornitore (ad esempio). Questi passaggi appartengono al campo dei sistemi aziendali transazionali. Per questo motivo, Lokad genera file tabulari piatti che contengono tutte le informazioni necessarie. Questi dati vengono successivamente esportati nel sistema aziendale del cliente per l’esecuzione.

È possibile stabilire un processo semi-automatico con un flusso di lavoro di convalida parziale all’interno della piattaforma di Lokad. Ad esempio, l’azienda cliente potrebbe decidere che gli ordini di acquisto “banali” vengano convalidati automaticamente (tipicamente quelli di piccole dimensioni), mentre richiedono a un esperto di supply chain di intervenire e convalidare manualmente le quantità di ordine consigliate da Lokad sopra una determinata soglia/parametro desiderato. Queste regole possono essere aggiornate nel tempo. Man mano che il progetto continua e i clienti vedono il valore generato, la soglia per la convalida manuale tende ad aumentare. Alla fine, questo alleggerisce il carico sulle squadre di supply chain del cliente.

7.4 Avete una finestra pianificatore/acquirente che visualizza l’insieme di attività per il giorno, organizzate per priorità?

Sommario esecutivo: Sì, la piattaforma di Lokad fornisce un’apposita dashboard unificata, appositamente progettata ogni giorno per le funzioni aziendali di alto livello. Questa finestra unica organizza e visualizza le attività, inclusi i call-to-action come la gestione degli ordini di acquisto e le ispezioni delle anomalie dei dati, e le priorizza in termini di impatto monetario.

Quando si utilizza la piattaforma di Lokad, consigliamo di raccogliere in una singola dashboard web (cioè una singola finestra) tutte le chiamate all’azione ordinate per priorità per ogni funzione aziendale. La priorità dovrebbe essere espressa in termini monetari (dollari o euro di impatto) che riflettono realmente ciò che è in gioco se la chiamata all’azione non viene elaborata. Per un pianificatore della domanda e dell’offerta, questa dashboard includerebbe tipicamente i nuovi PO (ordini di acquisto) consigliati, così come eventuali vecchi PO che richiedono ulteriore attenzione (ad esempio, accelerare, posticipare, aumentare, ridurre). I Supply Chain Scientist di Lokad sono tipicamente responsabili di organizzare le dashboard in modo da allinearsi alla struttura aziendale unica di ciascun cliente. Questo è fondamentale per una tale dashboard dato che i confini tra le squadre di approvvigionamento/pianificazione/gestione dell’inventario/acquisti/finanza tendono a variare da un’azienda all’altra.

Queste chiamate all’azione possono includere anche l’ispezione delle anomalie dei dati che si rivelano rilevanti per il cliente, come prezzi al dettaglio errati, quantità minime d’ordine (MOQ) errate, livelli di stock errati, ecc. Queste chiamate all’azione sono anche prioritarie rispetto al loro potenziale impatto economico. Più in generale, Lokad evita due trappole che sono troppo comuni nel software aziendale. In primo luogo, non distribuiamo il carico di lavoro di un determinato utente su schermi dispersi (o finestre/pagine web).

Al contrario, la piattaforma di Lokad è stata appositamente progettata per fornire dashboard complesse in tempo costante. Questo dettaglio tecnico si rivela fondamentale quando si tratta di raccogliere numerosi elementi disparati in una singola dashboard a beneficio dell’utente finale. In secondo luogo, la piattaforma di Lokad è stata anche appositamente progettata per supportare l’analisi economica end-to-end, unificando quindi tutte le chiamate all’azione sotto una logica di prioritizzazione comune espressa in termini monetari.

Note


  1. Previsioni isolate (Antipattern della supply chain) ↩︎

  2. No1 al livello SKU nella competizione di previsione M5 ↩︎

  3. Lezioni sulla supply chain di Joannes Vermorel ↩︎

  4. Le decisioni consigliate da Lokad sono tipicamente whiteboxed attraverso i loro driver economici. La decomposizione dei fattori (espressi in euro o dollari di impatto) spiega ‘perché’ viene consigliata una determinata decisione. Queste informazioni vengono trasmesse attraverso più dashboard personalizzabili. Consulta Tecnologia di Lokad per ulteriori informazioni su come i clienti interagiscono con le loro decisioni sulla supply chain. ↩︎