Larghezza vs Profondità, Ruota le tue previsioni di vendita di 90 gradi
Abbiamo già discusso del motivo per cui a Lokad non importa molto prevedere cibo cinese invece di bevande da Sport Bar. Un altro modo di pensare alla nostra tecnologia consiste nel ruotare le tue previsioni di vendita di 90 gradi.
Stiamo osservando che un prodotto per consumatori ha, in media, 3 anni di ciclo di vita. Ciò significa che in media la quantità di dati disponibili per ogni singolo prodotto è di circa 18 mesi. Quando guardiamo la cronologia delle vendite con una aggregazione mensile, 18 mesi di dati significano 18 punti.
Con 18 punti dati, non importa quanto intelligente o avanzata sia la tua teoria di previsione, non puoi fare molto semplicemente perché ci troviamo di fronte a una totale mancanza di dati per effettuare qualsiasi analisi statistica robusta. Con 18 punti, anche un pattern che ha chiaramente una stagionalità diventa una sfida da osservare perché non abbiamo nemmeno 2 osservazioni stagionali complete.
I risultati possono variare da un settore all’altro, ma a meno che i tuoi prodotti rimangano sul mercato per decenni, è molto probabile che tu incontri questo problema.
Come conseguenza diretta, i toolkit di previsione classici richiedono agli statistici di aggiustare i modelli di previsione per ogni singolo prodotto perché nessun modello statistico non banale può essere adattato in modo robusto con solo 18 punti come dati di input.
Tuttavia, Lokad non richiede alcun statistico, e la magia sta nella rotazione di 90 gradi: i nostri modelli non iterano sui dati di una singola serie temporale alla volta, ma su tutte le serie temporali contemporaneamente. Pertanto, abbiamo molti più dati di input disponibili e di conseguenza possiamo avere successo con modelli piuttosto avanzati.
Questo approccio è solo buon senso: se vuoi prevedere la stagionalità della tua nuova barretta di cioccolato, la stagionalità delle altre barrette di cioccolato sembra una buona candidata. Perché dovresti trattare ogni barretta di cioccolato in stretto isolamento dalle altre?
Tuttavia, dal punto di vista computazionale, il problema è appena diventato molto più difficile: se hai 10.000 SKU, il numero di associazioni tra due SKU è approssimativamente di 100 milioni (e 10.000 SKU non è affatto un numero grande). È proprio qui che il cloud entra in gioco: anche se i tuoi algoritmi sono ben progettati per non soffrire di una complessità quadratica rigorosa, avrai comunque bisogno di molta potenza di elaborazione. Il cloud rende semplicemente questa potenza di elaborazione disponibile su richiesta a un prezzo molto basso.
Senza il cloud, non è semplicemente possibile fornire questa tipologia di tecnologia.