Effetto del lampione e previsioni
Un poliziotto vede un ubriaco cercare qualcosa sotto un lampione e gli chiede cosa abbia perso. L’ubriaco dice di aver perso le chiavi e insieme cercano sotto il lampione. Dopo qualche minuto il poliziotto chiede se è sicuro di averle perse qui, e l’ubriaco risponde di no, affermando di averle perse al parco. Il poliziotto chiede perché stia cercando qui, e l’ubriaco replica, “qui è dove c’è la luce.” David H. Freedman (2010). Sbagliato: Perché gli esperti continuano a deluderci.
Una delle cose più paradossali delle previsioni “classiche” è che esse cercano il valore medio – a volte mediano – della domanda futura, mentre questo caso medio, come vedremo più avanti, è per lo più irrilevante. Ogni volta che si utilizzano previsioni giornaliere, settimanali o mensili, esse possono essere considerate previsioni medie. Perché? Perché altri tipi di previsioni, come le previsioni quantili, non sono additive, il che le rende abbastanza controintuitive. In effetti, la maggior parte dei professionisti della supply chain non è nemmeno a conoscenza del fatto che alternative alle previsioni “classiche” esistano in primo luogo.
Tuttavia, dal punto di vista aziendale, per quanto riguarda l’inventario, non è il punto medio a far spendere soldi, ma gli estremi. Da un lato, vi è una domanda inaspettatamente elevata che causa un stock-out. Dall’altro, vi è una domanda inaspettatamente bassa che provoca un inventario fermo. Quando il livello della domanda si trova approssimativamente dove ci si aspettava, i livelli di inventario fluttuano dolcemente e l’inventario si rigira in modo davvero soddisfacente.
Di conseguenza, non ha senso ottimizzare il caso medio, ovvero quando l’inventario si rigira in maniera molto soddisfacente, perché c’è poco o nulla da migliorare in primo luogo. È negli estremi che occorre intervenire. In realtà, la maggior parte dei professionisti è ben consapevole di questo problema, dato che i loro primi due problemi sono migliorare la qualità del servizio da un lato (ovvero mitigare la domanda inaspettatamente elevata) e tenere sotto controllo i livelli di stock dall’altro (ovvero mitigare la domanda inaspettatamente bassa).
Eppure, poiché abbiamo concordato che le sfide della supply chain sono principalmente legate agli “estremi”, perché molte aziende continuano a cercare risposte attraverso previsioni “medie”? Credo che il supply chain management come industria stia soffrendo di un grave caso di ricerca dell’ubriaco, un problema chiamato streetlight effect. Gli strumenti e i processi classici fanno luce su situazioni “medie” che quasi non necessitano di ulteriori chiarimenti, lasciando completamente al buio ciò che si trova agli estremi.
Un equivoco frequente consiste nel pensare che migliorare il caso “medio” dovrebbe anche marginalmente migliorare gli estremi. Ahimè, le previsioni statistiche sono controintuitive e una semplice analisi numerica dimostra che non è così. Le previsioni statistiche sono come un microscopio: se da un lato sono incredibilmente precise, dall’altro hanno un campo di osservazione estremamente limitato.
Cercare di risolvere i problemi della supply chain attraverso previsioni “medie” classiche è come cercare di diagnosticare cosa non va alla tua auto, che non vuole avviarsi, esaminando ogni singolo componente con un microscopio, a cominciare dal motore. A questo ritmo, probabilmente non riuscirai mai a capire che la tua auto non si muove perché non c’è più benzina, un problema che, col senno di poi, era piuttosto ovvio.
Tuttavia, questo non è la fine della follia. Ora immagina che il meccanico, dopo non essere riuscito a diagnosticare il motivo per cui la tua auto non si muove, inizi a sostenere che la sua diagnosi è fallita perché il suo microscopio non aveva una risoluzione sufficiente. E ora il meccanico ti chiede altri soldi affinché possa acquistare un microscopio migliore.
Beh, uno scenario simile sta accadendo attualmente in molte aziende: l’iniziativa di previsione precedente non è riuscita a fornire le prestazioni di inventario desiderate, e le aziende raddoppiano l’impegno con un’altra iniziativa di previsione seguendo esattamente le stesse linee che hanno fatto fallire la prima iniziativa.
Da Lokad, ci sono voluti 5 anni per renderci conto che l’approccio classico alle previsioni non funzionava, e ancor peggio, che non avrebbe mai funzionato, non importava quanta tecnologia avessimo aggiunto al caso, proprio come passare a un microscopio ad altissima risoluzione da 27 milioni di dollari non avrebbe mai aiutato il meccanico a diagnosticare il serbatoio vuoto. Nel 2012, abbiamo scoperto le previsioni quantili che abbiamo costantemente migliorato; e improvvisamente, le cose hanno cominciato a funzionare.
Quei cinque anni di continui fallimenti sono sembrati lunghi, davvero lunghi. A nostra difesa, quando un’intera industria lavora su false promesse che risalgono ai manuali universitari, non è facile cominciare a pensare fuori dagli schemi quando lo schema stesso è così enorme da permetterti di trascorrere la vita a girare in cerchio al suo interno senza mai toccare i bordi.
Commenti dei lettori (1)
Bellissima analogia, grazie Joannes Vermorel.
Victor (un anno fa)
