Previsioni 3.0 con Quantile Grids
Fornire previsioni migliori è sempre stato il fulcro per Lokad. Oggi sveliamo la terza generazione della nostra tecnologia di previsione basata su quantile grids. In termini semplici, i quantile grids dimostrano un livello di performance senza precedenti, il che significa che la tua azienda può servire più clienti, in maniera più affidabile e con meno inventario. A differenza di tutti i metodi per le previsioni esistenti sul mercato, i quantile grids non forniscono una singola previsione di domanda per prodotto, ma forniscono l’intera distribuzione di probabilità per (quasi) tutti i futuri possibili. I Quantile Grids sono resi possibili dalla combinazione di Machine Learning, Big Data, Cloud Computing e alcune intuizioni guidate dal commercio.
I Quantile Grids sono ora disponibili in produzione per tutti i nostri clienti, accessibili tramite una nuova Quantile Grid per qualsiasi progetto di previsione dell’inventario.
Previsioni 1.0: previsioni classiche
Quando Lokad è stata fondata nel 2008, abbiamo iniziato con quello che ora chiamiamo previsioni classiche, la nostra versione 1.0, cioè, una metodologia di previsione in cui ogni prodotto o SKU è associato a un valore periodico; per esempio, previsioni settimanali fino a 13 settimane in avanti. Implicitamente, queste previsioni sono previsioni mediane: ci si aspetta che previsioni imparziali abbiano il 50% di probabilità di essere superiori o inferiori alla domanda futura. Per il resto del mercato, queste previsioni non sono chiamate previsioni classiche, sono le uniche previsioni perché la maggior parte dei nostri concorrenti non ha mai considerato alternative.
Tuttavia, per quanto riguarda il commercio, non importa quanto siano accurate le previsioni classiche, esse funzionano male nella pratica. Intuitivamente, le previsioni classiche non guardano davvero ciò che conta. La domanda media o mediana è il caso facile e scontato in cui tutto procede secondo i piani. I casi difficili, invece, riguardano una domanda inaspettatamente alta o inaspettatamente bassa, perché rispettivamente creano stock-outs e inventario obsoleto. Questi tipi di situazioni estreme sono quelli che costano veramente denaro. Le previsioni classiche funzionano male, non perché gli algoritmi non siano buoni, ma perché non analizzano il business dal giusto punto di vista. Pertanto, non importa quanto investimento in R&D un’azienda possa mettere nelle previsioni classiche, esse falliscono comunque. Questa è stata una delle lezioni più dure che Lokad ha dovuto imparare nei suoi primi tempi.
Previsioni 2.0: previsioni quantili
Nel 2012, abbiamo ottenuto il nostro primo grande passo con le previsioni quantili. Nonostante un nome che potrebbe suonare decisamente spaventoso, le previsioni quantili sono molto più vicine a ciò che gli executive fanno per le loro aziende: sono previsioni scenarizzate. Invece di guardare al caso medio, le previsioni quantili hanno il seguente obiettivo: esaminiamo il Top 5% delle nostre prospettive di domanda più ottimistiche, subirà uno stock-out? Poi, esaminiamo il peggiore 5% delle nostre prospettive di domanda più pessimistiche, dovremo far fronte a un inventario obsoleto? Le previsioni quantili affrontano direttamente le questioni difficili che contano davvero da un punto di vista aziendale. Come dicono gli ingegneri, è meglio essere approssimativamente corretti che essere esattamente sbagliati, e mentre le previsioni quantili soffrono anch’esse di tutte le imprecisioni associate alle previsioni classiche, esse superano di gran lunga le previsioni classiche dal punto di vista operativo ogni volta che è coinvolto l’inventario.
Tuttavia, le previsioni quantili non rappresentano il culmine della previsione. In apparenza, la nostra tecnologia di previsione quantile soffriva di anomalie numeriche come il crossing dei quantili e l’instabilità dei quantili. Poiché tali anomalie sono ben evidenti, possono essere mitigate efficacemente. A un livello più profondo, ci siamo resi conto che le nostre previsioni quantili non erano ancora perfettamente allineate con i veri punti critici del business. In particolare, le previsioni quantili lasciano il compito di ottimizzare i livelli di servizio al Supply Chain Manager. Questo è un trucco - in un certo senso - perché una parte considerevole della performance dell’inventario viene effettivamente ottenuta attraverso una messa a punto molto precisa dei livelli di servizio più redditizi, che bilanciano adeguatamente i costi di gestione dell’inventario e la qualità del servizio.
Previsioni 3.0: quantile grids
A febbraio 2015, rilasciamo ora il nostro secondo grande salto nella previsione: quantile grids. Nel corso degli anni, abbiamo accettato il fatto che le previsioni possono essere solo imperfette. Previsioni accurate sono una favola, comodamente ripetuta in un mercato inondato da fornitori deludenti. Poiché non possiamo prevedere il futuro esatto, che dire di provare ad assegnare una probabilità a ogni singolo futuro possibile? Cioè, la probabilità di vendere zero unità, una unità, due unità, ecc. Questo è esattamente ciò di cui parlano i quantile grids: fornire non solo una previsione per prodotto, ma fornire l’intera distribuzione di probabilità della domanda per ogni prodotto. Dietro le quinte, i quantile grids sono un po’ come le previsioni quantili, tranne per il fatto che una previsione della domanda viene calcolata simultaneamente a tutti i livelli di servizio.
L’ottimizzazione dell’inventario o la gestione della supply chain riguarda l’equilibrio tra rischi e opportunità: livelli di inventario vs livelli di servizio, prezzo d’acquisto vs lead time del fornitore, acquisti in grandi quantità vs produzione su ordinazione, e così via. Mentre le previsioni quantili possono individuare uno o due scenari problematici, alla fine si tratta di un solo valore di previsione per prodotto, e per quanto questo valore possa essere buono, non può catturare tutta la diversità dei possibili risultati aziendali. Al contrario, i quantile grids affrontano il problema in modo diretto: tutti gli esiti vengono calcolati e associati alle rispettive probabilità. Per ogni scenario, ad esempio, se la domanda futura è di 3 unità e ne abbiamo acquistate solo 2, diventa possibile e semplice calcolare il risultato netto per l’azienda – come 2 unità vendute e 1 unità mancata. Di conseguenza, ogni decisione d’acquisto può essere valutata semplicemente srotolando tutti gli scenari e applicando la probabilità calcolata a ciascuno scenario.
Un progresso proveniente dal settore aerospaziale
Mentre Lokad si rivolge principalmente ai rivenditori, operiamo anche in altri settori, come ad esempio aerospaziale. Un anno fa, abbiamo iniziato a lavorare per una grande joint venture tra AirFrance Industries e Lufthansa Technik, e ci siamo resi conto che la nostra tecnologia di previsione quantile non era completamente all’altezza della sfida. Ogni previsione quantile è come un singolo scenario aziendale. Sebbene sia possibile combinare 3, 4 o 5 diversi scenari aziendali, richiede un grande sforzo implementare le regole che li uniscono per produrre decisioni di approvvigionamento ottimizzate.
Una soluzione molto più elegante, e che garantisce anche performance d’inventario notevolmente migliori, consiste nel prevedere e valutare tutti i futuri scenari aziendali. Niente più scenari ad hoc che cerchiamo disperatamente di unire, ma un elenco di (quasi) tutti gli scenari possibili (certo, è un elenco piuttosto lungo), tutti trattati in modo semplice e uniforme. Questo approccio ha lo svantaggio di essere brutalmente più esigente in termini di risorse computazionali. Tuttavia, grazie alla nostra piattaforma di cloud computing preferita - Microsoft Azure - le risorse computazionali non sono mai state così economiche, e i prezzi sono ancora in caduta libera.
I risultati ottenuti tramite i quantile grids per il settore aerospaziale hanno dimostrato di oscurare le performance della nostra tecnologia di previsione quantile di punta. Era il momento di riproporre la scienza dei razzi (beh, non dei razzi, in realtà aerei a reazione) ai commercianti, e i molteplici esperimenti che avevamo condotto negli ultimi mesi hanno confermato la superiorità dei quantile grids rispetto alle nostre previsioni quantili originali.
Il futuro dell’ottimizzazione predittiva del commercio
Quando abbiamo lanciato per la prima volta le previsioni quantili tre anni fa, ho predetto che entro 10 anni esse sarebbero diventate lo strumento predefinito per ogni professionista della supply chain seriamente intenzionato a migliorare le performance del proprio inventario. Ebbene, si è scoperto che gli sforzi di tutto il team di Lokad, incluso il mio, mi hanno smentito. Poiché abbiamo sviluppato un approccio superiore alle nostre previsioni quantili iniziali, siamo giunti alla conclusione che il futuro a lungo termine delle previsioni quantili è fragile. Tuttavia, il futuro del discendente delle previsioni quantili è più luminoso che mai, poiché i quantile grids risolvono le sfide che ci erano sfuggite per anni, come l’ottimizzazione dei livelli di servizio, le spedizioni in container o le strategie di multi-sourcing.
Inoltre, per anni la previsione dell’inventario e l’ottimizzazione dei prezzi sono state trattate in rigoroso isolamento, come se fossero parti di due puzzle separati: il motore di previsione della domanda ignorava ciò che accadeva dal lato dei prezzi, e il motore dei prezzi, d’altra parte, non si preoccupava dei vincoli della supply chain. Tuttavia, scorte e prezzi sono due facce della stessa medaglia; e ora ci rendiamo conto che qualsiasi tentativo di ottimizzazione che ignora acriticamente l’altra faccia della medaglia è un tentativo al massimo ingenuo.
Pertanto, pur evitando di commettere lo stesso errore e predire che i quantile grids rappresenteranno il futuro a lungo termine delle previsioni, per poi essere smentito successivamente dal team di Lokad, scommetto ora con maggiore sicurezza che qualunque tecnologia predittiva emerga dai nostri sforzi, l’analisi dei prezzi probabilmente si fonderà con l’analisi delle scorte lungo il percorso. Non ci siamo ancora del tutto, ma stiamo facendo progressi costanti in questa direzione.
Nuova metodologia: priorizzazione degli acquisti
Tutti i sistemi di ottimizzazione dell’inventario (incluso Lokad 2.0) calcolano i punti di riordino. Confrontando i punti di riapprovvigionamento con le quantità disponibili e ordinate, questi sistemi calcolano anche le quantità di riordino suggerite. Nel corso degli anni, abbiamo scoperto due limitazioni principali di questo approccio. In primo luogo, tali sistemi non dicono nulla riguardo ai livelli di servizio target e alla loro ottimizzazione. In secondo luogo, i punti di riordino si dimostrano alquanto inflessibili quando sono coinvolti vincoli di acquisto.
I sistemi di ottimizzazione dell’inventario tradizionalmente producono un insieme statico di punti di riordino (uno per SKU), guidati principalmente dai rispettivi livelli di servizio definiti dall’utente. Tuttavia, questo è imbroglio perché l’onere di determinare il livello di servizio “ottimale” ricade sul supply chain planner; e non solo determinare i livelli di servizio corretti si rivela un esercizio molto dispendioso in termini di tempo, ma è anche fonte di notevoli inefficienze se i livelli di servizio non sono scelti adeguatamente.
Con i quantile grids, il quadro è molto diverso: viene calcolata una lista maestra di priorità degli acquisti. Tecnicamente, è una lista in cui ogni SKU appare su numerose righe, ciascuna associata a una quantità d’ordine suggerita – tipicamente 1 unità se non sono presenti vincoli di fornitura. La lista è ordinata per priorità, e questo criterio di prioritizzazione è di primaria importanza.
Per la maggior parte delle aziende, questa prioritizzazione risponde alla domanda: per ogni $1 di inventario aggiuntivo, qual è la prossima unità che offre il massimo rendimento all’azienda? Questo può essere formulato anche come il margine lordo atteso meno i costi di mantenimento dell’inventario attesi. Naturalmente, scendendo nella lista, il margine lordo atteso diminuisce bruscamente, perché la probabilità di avere una domanda sufficientemente elevata da assorbire lo stock diventa molto esile. Analogamente, scendendo nella lista, i costi di mantenimento dell’inventario aumentano bruscamente, dato che ogni unità aggiuntiva dovrebbe rimanere nel magazzino per un periodo più lungo. In teoria, la lista non ha fine, in quanto si estende all’infinito. In pratica, tuttavia, ci fermiamo semplicemente a un punto ben oltre ciò che costituirebbe livelli di inventario “ragionevoli”. Quando viene effettuato un acquisto, l’obiettivo non è scendere lungo la lista, ma acquistare gli articoli in base alle rispettive priorità, e interrompere gli acquisti una volta raggiunto il budget di spesa.
Di conseguenza, ciò elimina completamente la necessità di specificare i livelli di servizio. Una volta definito un budget di spesa, un’azienda acquista i propri beni in base alle priorità stabilite dalla lista maestra di priorità degli acquisti. Acquistare in quest’ordine garantisce che i ricavi o i profitti dell’azienda siano massimizzati, seguendo i criteri di prioritizzazione specificati.
I quantile grids sono anche molto più versatili nella capacità di affrontare scenari che coinvolgono vincoli di fornitura. Mentre le previsioni quantili sono indubbiamente potenti, non appena si hanno quantità d’ordine minime, sia per SKU che per fornitore, e possibilmente anche dei vincoli di capacità del volume dei container, le quantità suggerite non corrispondono ai vincoli di fornitura. E spetta poi al supply chain planner occuparsi di tutti gli aggiustamenti, vale a dire rimuovere alcuni SKU o aumentare le unità per altri SKU, per comporre un lotto d’ordine complesso che soddisfi tutti i vincoli.
Con i quantile grids, abbiamo un’esperienza utente molto più convincente e diretta da proporre. La lista maestra semplifica l’adattamento ai vincoli d’ordine. Se sono presenti quantità minime d’ordine per SKU, allora le righe non idonee possono essere rimosse dalla lista. Analogamente, se esiste un vincolo di capacità target per le spedizioni in container, le voci d’acquisto possono essere elaborate seguendo l’ordine della lista fino al raggiungimento della capacità target.
Cosa segue?
Mentre i quantile grids sono già live e accessibili a tutte le aziende che dispongono di un account Lokad aperto, manca ancora documentazione che illustri sia gli aspetti tecnici sia le best practices della supply chain relative a questa nuova tecnologia. Questo materiale arriverà. Restate sintonizzati.
