La previsione statistica della domanda è una scienza controintuitiva. Questo punto è stato affrontato un paio di volte in passato, ma diamo un’occhiata a un’altra situazione fuorviante.

Se ogni singolo segmento di prodotto del mio business sta crescendo rapidamente, allora almeno alcuni prodotti dovrebbero avere anche una tendenza ascendente nelle vendite. Giusto? Altrimenti, non cresceremmo affatto.

Questa affermazione sembra semplicemente buon senso comune; eppure è sbagliata, molto sbagliata. Viviamo in un’economia frenetica. Avere un identico prodotto in vendita per più di 3 anni è l’eccezione piuttosto che la norma nella maggior parte delle aziende di beni di consumo. Di conseguenza, i cicli di vita dei prodotti tendono a eclipsare la crescita organica dei rivenditori.

Questa situazione è illustrata dallo schema qui sotto.

Questo è un insieme di vendite di prodotti rappresentato nello stesso grafico. Ogni curva è associata a un prodotto particolare; e i prodotti vengono lanciati nel tempo. Ogni prodotto ha il proprio schema di ciclo di vita. Gli schemi dei cicli di vita qui illustrano un tipico effetto novità: le vendite aumentano rapidamente dopo il lancio del prodotto, per poi entrare in una fase di decrescita, che termina quando il prodotto viene definitivamente ritirato dal mercato.

Tuttavia, in che modo una tendenza al rialzo - da parte del rivenditore stesso - influisce su questo quadro? Diamo un’altra occhiata all’illustrazione qui sotto.

Le vendite sono più elevate con un rivenditore a trend positivo, eppure questa crescita non è sufficientemente forte da compensare l’effetto del ciclo di vita del prodotto. Le vendite del prodotto stanno ancora diminuendo - seppure a un ritmo più lento.

Questa situazione mostra come si possa avere un business retail in rapida crescita con vendite di prodotti che seguono un trend negativo. Il trucco principale risiede nel fatto che vengono lanciati costantemente nuovi prodotti.

Ahimè, questa situazione genera molta confusione. Infatti, quando le previsioni di vendita non corrispondono affatto alle aspettative complessive, diventa molto tentante aggiustare le previsioni.

Poiché la maggior parte degli strumenti di previsione non è affatto adatta a gestire una domanda troppo variabile o troppo intermittente, è allettante aggregare le vendite per famiglia, per categoria per ottenere una previsione aggregata; e poi de-aggregare le previsioni a livello SKU utilizzando dei rapporti. Questo approccio è chiamato top-down forecasting; ed è ampiamente utilizzato in molte industrie (inclusa quella tessile, tra le altre).

Le previsioni top-down producono risultati che appariscono molto più vicini alle aspettative intuitive: si osserva una crescita nelle previsioni di vendita, e questa corrisponde alla crescita osservata nei vari segmenti di business.

Tuttavia, producendo la previsione a livello TOP, il modello di previsione cattura una tendenza al rialzo fittizia che deriva esclusivamente dal contributo dei lanci regolari dei prodotti. Se questa fittizia viene applicata a un livello inferiore - ovvero agli SKU o ai prodotti - allora sovrastimiamo significativamente le vendite per ogni singolo prodotto.

Caso quasi peggiore: un eccesso massiccio di scorte viene generato per i prodotti proprio nel momento in cui vengono ritirati dal mercato.

Da un punto di vista delle previsioni, un buon sistema di previsione dovrebbe essere in grado di catturare gli effetti del ciclo di vita. Ciò significa che le previsioni di vendita possono differire in modo significativo dalla previsione complessiva del business. Il business può andare SU mentre ogni singolo prodotto va GIÙ. In una situazione del genere, cercare di aggiustare le previsioni probabilmente le peggiorerà ulteriormente.

Addendum: Nonostante la data di questo post (1 aprile 2011), questo post non è uno scherzo.