Quantili = Ottimizzazione dell'inventario 2.0

Ottenere previsioni più accurate, che si traducono in profitti, è la priorità numero 1 per Lokad. Tuttavia, la previsione della domanda è stata ampiamente studiata per oltre mezzo secolo, e ogni 0,1% di accuratezza in più è tipicamente tutt’altro che una battaglia in salita.
A volte, però, facciamo una svolta. Oggi, annunciamo l’aggiornamento tecnologico più significativo di Lokad dal suo lancio 6 anni fa: la disponibilità immediata di previsioni quantiliche.
I quantili sono dirompenti nel senso che in molte situazioni rendono le previsioni classiche completamente obsolete per quanto riguarda l’ottimizzazione dell’inventario - per i settori della vendita al dettaglio, all’ingrosso e manifatturiero.
Abbiamo identificato 3 situazioni in cui i quantili brillano davvero:
- Alti livelli di servizio al 90% e oltre.
- Domanda intermittente (beni a bassa rotazione).
- Ordini all’ingrosso (domanda a picchi).
In tali situazioni, i confronti con la nostra tecnologia di previsione classica indicano che le previsioni quantiliche tipicamente consentono di ottenere o 20% in meno di inventario oppure 20% in meno di esaurimenti di scorte.
Affermazioni straordinarie richiedono prove straordinarie. Carl Sagan
Tuttavia, i numerosi confronti che abbiamo effettuato finora con i nostri potenziali clienti e con i clienti attuali indicano che la nostra tecnologia di previsione classica è già avanti rispetto alla concorrenza; ma con le previsioni quantiliche si può raggiungere un livello completamente nuovo di ottimizzazione dell’inventario.
Non esitare a mettere alla prova i quantili.
La storia dietro l’aggiornamento quantile
La previsione quantilica (chiamata anche regressione quantile) è in uso da decenni nei circoli accademici. Inoltre, in finanza, gli analisti utilizzano ampiamente i quantili per l’analisi del Value at Risk (VaR) sin dalla fine degli anni ‘80.
Anche da Lokad, i quantili sono in uso da tempo. Ad esempio, già nel 2009, è stato pubblicato da uno di noi Sequential Quantile Prediction of Time Series. IEEE Transactions on Information Theory, marzo 2011, vol. 57, n°3. Tuttavia, fino a molto recentemente, i quantili erano molto erroneamente considerati una distrazione matematica (sotto il profilo aziendale) piuttosto che un concetto di importanza fondamentale.
Ciò che ci ha trattenuti non è stato la mancanza di conoscenze statistiche, ma quella di comprensione del profondo legame tra quantili e ottimizzazione dell’inventario. Questa intuizione è nata, per la maggior parte per pura fortuna, quando una cliente ci ha chiesto di elaborare una formula per calcolare i livelli di servizio ottimali per il suo inventario.
Una svolta, sì, ma tardiva
Questa svolta quantilica è solo molto relativa nel senso che i quantili sono già stati applicati con successo per decenni in altri settori. Tuttavia, c’è un aspetto che spiega in parte questo arrivo tardivo: i modelli quantilici richiedono tipicamente circa 10x più potenza di calcolo rispetto ai modelli di previsione classici. Senza cloud computing, non saremmo stati in grado di mettere in produzione i quantili, pur mantenendo una politica dei prezzi aggressiva.