Effetto del lampione e previsioni
Un poliziotto vede un uomo ubriaco che cerca qualcosa sotto un lampione e gli chiede cosa ha perso. Lui dice di aver perso le chiavi e entrambi guardano sotto il lampione insieme. Dopo qualche minuto il poliziotto chiede se è sicuro di averle perse qui e l’ubriaco risponde di no, che le ha perse nel parco. Il poliziotto chiede perché sta cercando qui e l’ubriaco risponde: “qui 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 cercano il valore medio - a volte mediano - della domanda futura, mentre questo caso medio, come vedremo di seguito, è per lo più irrilevante. Ogni volta che vengono utilizzate previsioni giornaliere, settimanali o mensili, queste possono essere considerate come previsioni medie. Perché? Perché, altri tipi di previsioni, come le previsioni quantili, non sono additive, il che le rende piuttosto controintuitive. Infatti, la maggior parte degli operatori della supply chain non è nemmeno consapevole che esistano alternative alle previsioni “classiche” in primo luogo.
Tuttavia, dal punto di vista aziendale, per quanto riguarda l’inventario, non è il punto di mezzo che costa denaro, ma gli estremi. Da un lato, c’è la domanda inaspettatamente alta che provoca una mancanza di scorte. Dall’altro lato, c’è la domanda inaspettatamente bassa che provoca un inventario morto. Quando il livello di domanda è approssimativamente dove ci si aspettava che fosse, i livelli di inventario fluttuano delicatamente e l’inventario ruota in modo molto soddisfacente.
Di conseguenza, non ha senso ottimizzare il caso medio, cioè quando l’inventario ruota in modo molto soddisfacente, perché non c’è poco o niente da migliorare in primo luogo. Sono gli estremi che devono essere curati. In realtà, la maggior parte degli operatori è ben consapevole di questo problema, poiché i loro primi 2 problemi sono migliorare la qualità del servizio da un lato (ovvero mitigare la domanda inaspettatamente alta), mantenendo sotto controllo i livelli di stock dall’altro (ovvero mitigare la domanda inaspettatamente bassa).
Eppure, dato che abbiamo concordato che le sfide della supply chain sono principalmente legate agli “estremi”, perché molte aziende cercano ancora risposte attraverso previsioni “medie”? Credo che la gestione della supply chain, come settore, stia soffrendo di un grave caso di ricerca dell’ubriaco, un problema chiamato effetto del lampione. Gli strumenti e i processi classici stanno illuminando situazioni “medie” che difficilmente hanno bisogno di essere ulteriormente illuminate, lasciando completamente al buio tutto ciò che si trova agli estremi.
Un’idea sbagliata frequente consiste nel pensare che migliorare il caso “medio” dovrebbe migliorare anche marginalmente gli estremi. Purtroppo, la previsione statistica è controintuitiva e l’analisi numerica di base mostra che questo non è semplicemente il caso. La previsione statistica è come un microscopio: sebbene sia incredibilmente nitido, il suo focus è anche incredibilmente stretto.
Cercare di risolvere i problemi della tua supply chain attraverso previsioni “medie” classiche è come cercare di diagnosticare cosa non va nella tua auto che si rifiuta di avviarsi mettendo ogni singola parte dell’auto sotto un microscopio a cominciare dal motore. A questo ritmo, probabilmente non riuscirai mai a diagnosticare che la tua auto non si muove perché non c’è più benzina, che a posteriori, era un problema piuttosto ovvio.
Tuttavia, questo non è la fine della follia. Ora immagina che il meccanico, dopo aver fallito nel diagnosticare perché la tua auto non si muove, inizi a sostenere che la sua diagnosi è fallita perché il suo microscopio non aveva abbastanza risoluzione. E ora il meccanico ti chiede più soldi in modo che possa comprare un microscopio migliore.
Bene, 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 con un’altra iniziativa di previsione lungo le stesse linee che hanno causato il fallimento della prima iniziativa in primo luogo.
Da Lokad, ci sono voluti 5 anni per capire che l’approccio di previsione classico non funzionava e, ancora peggio, che non avrebbe mai funzionato, non importa quanto tecnologia avremmo 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 tuo 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 fallimenti continui e costanti sembravano lunghi, molto lunghi. In nostra difesa, quando un’intera industria si basa su false promesse che possono essere ricondotte ai manuali universitari, non è così facile iniziare a pensare fuori dagli schemi quando la scatola stessa è così enorme che puoi passare la tua vita vagando in cerchi al suo interno senza mai toccare le pareti.
Commenti dei lettori (1)
Bellissima analogia, grazie Joannes Vermorel. Un anno fa | Victor
