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 più di mezzo secolo, e ogni 0,1% di accuratezza in più è tipicamente nient’altro che una battaglia in salita.
Tuttavia, a volte facciamo una scoperta importante. Oggi annunciamo l’aggiornamento tecnologico più significativo di Lokad dal suo lancio 6 anni fa: la disponibilità immediata delle previsioni quantili.
I quantili sono rivoluzionari nel senso che in molte situazioni rendono le previsioni classiche del tutto obsolete per quanto riguarda l’ottimizzazione dell’inventario - per le aziende di vendita al dettaglio, all’ingrosso e di produzione.
Abbiamo identificato 3 situazioni in cui i quantili brillano davvero:
- Elevati livelli di servizio al 90% e oltre.
- Domanda intermittente (prodotti a lenta rotazione).
- Ordini in blocco (domanda irregolare).
In queste situazioni, i confronti con la nostra tecnologia di previsione classica indicano che le previsioni quantili portano tipicamente a una riduzione del 20% dell’inventario o del 20% delle scorte esaurite.
Affermazioni straordinarie richiedono prove straordinarie. Carl Sagan
Tuttavia, i numerosi confronti che abbiamo effettuato finora con i nostri potenziali clienti indicano che la nostra tecnologia di previsione classica è già avanti rispetto alla concorrenza; ma con le previsioni quantili, si raggiunge un nuovo livello di ottimizzazione dell’inventario.
Non esitare a mettere alla prova i quantili.
La storia dietro l’aggiornamento quantile
La previsione quantile (chiamata anche regressione quantile) è stata utilizzata da decenni negli ambienti accademici. Successivamente, nel settore finanziario, gli analisti hanno utilizzato ampiamente i quantili per l’analisi del Value at Risk (VaR) dagli anni ‘80.
Anche a Lokad, i quantili sono stati utilizzati per molto tempo. Ad esempio, 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 sono stati considerati un errore molto grave dal punto di vista aziendale, piuttosto che un concetto critico per la missione.
Ciò che ci ha trattenuto non è stata la mancanza di conoscenze statistiche, ma la mancanza di conoscenze sulla profonda relazione tra quantili e ottimizzazione dell’inventario. Questa intuizione è stata scatenata, per lo più per pura fortuna, quando un cliente ci ha chiesto di trovare una formula per calcolare i livelli di servizio ottimali per il suo inventario.
Una scoperta sì, ma tardiva
Questa scoperta quantile è solo molto relativa nel senso che i quantili sono già stati applicati con successo da decenni in altri settori. Tuttavia, c’è un aspetto che spiega in parte questo arrivo tardivo: i modelli quantili richiedono tipicamente circa 10 volte più potenza di calcolo rispetto ai modelli di previsione classici. Senza il cloud computing, non avremmo potuto mettere in produzione i quantili, mantenendo al contempo una politica di prezzi aggressiva.