Previsione 4.0 con Previsioni Probabilistiche
Poco più di un anno fa, abbiamo presentato le griglie quantili come la nostra tecnologia di previsione 3.0. Più che mai, Lokad rimane impegnata a fornire le migliori previsioni che la tecnologia possa produrre e oggi, la nostra quarta generazione di tecnologia di previsione, ovvero il nostro motore di previsione probabilistica, è attivo e disponibile in produzione per tutti i clienti. Questo nuovo motore consiste in una riscrittura completa del nostro stack tecnologico di previsione e affronta molte sfide di lunga data che stavamo affrontando.
Probabilità reali
Il futuro è incerto, indipendentemente dalla qualità della tecnologia di previsione. Nel 2012, quando Lokad si è avventurata per la prima volta nella previsione quantile, ci siamo rapidamente resi conto che l’incertezza non dovrebbe essere trascurata come avviene con l’approccio classico di previsione, ma dovrebbe essere abbracciata. In poche parole, i costi della supply chain sono concentrati agli estremi statistici: è la domanda sorprendentemente alta che causa le rotture di stock e la domanda sorprendentemente bassa che causa l’inventario morto. Nel mezzo, la supply chain tende a funzionare abbastanza regolarmente.
Con le griglie quantili, Lokad forniva una visione molto più dettagliata dei possibili risultati futuri. Tuttavia, come suggerisce il nome, le nostre griglie quantili erano costruite sulla base delle nostre previsioni quantili, in realtà più livelli di quantili. Queste griglie quantili si sono rivelate estremamente utili nell’ultimo anno, ma mentre il nostro motore di previsione produceva probabilità, internamente, quasi tutta la sua logica non stava lavorando direttamente con le probabilità. Le probabilità che calcolavamo erano un sottoprodotto di un sistema di previsione quantile.
A causa di queste radici quantili, il nostro motore di previsione 3.0 aveva molte sottili limitazioni. E sebbene la maggior parte di queste limitazioni fosse troppo sottile per essere notata dai clienti, non sono passate inosservate al team di R&S di Lokad. Pertanto, abbiamo deciso di riavviare l’intera tecnologia di previsione con una vera prospettiva di previsione probabilistica nativa; e questo è stato l’inizio del motore di previsione 4.0.
Previsione del tempo di consegna
I tempi di consegna sono spesso considerati un dato di fatto. Tuttavia, mentre i tempi di consegna passati sono noti, i tempi di consegna futuri possono solo essere stimati. Per anni, Lokad ha sottovalutato la sfida di approssimare accuratamente i tempi di consegna futuri. I tempi di consegna sono sottili: la maggior parte dei modelli statistici, come la stagionalità (e in particolare il Capodanno cinese), che influenzano la domanda, influenzano anche il tempo di consegna.
Nel nostro motore di previsione 4.0, i tempi di consegna sono diventati cittadini di prima classe con il loro stesso modo di previsione dei tempi di consegna. I tempi di consegna ora beneficiano di modelli di previsione dedicati integrati. Naturalmente, con il nostro motore che è un motore di previsione probabilistico, le previsioni dei tempi di consegna sono una distribuzione di probabilità associate a un periodo di tempo incerto.
Previsione integrata della domanda
I tempi di consegna variano eppure, il nostro motore di previsione 3.0 era bloccato con tempi di consegna fissi. Da una prospettiva tradizionale, l’analisi classica delle scorte di sicurezza assume che il tempo di consegna segua una distribuzione normale, mentre quasi tutte le misurazioni che abbiamo effettuato indicano che i tempi di consegna variabili non sono chiaramente normalmente distribuiti. Mentre i nostri esperimenti mostravano regolarmente che avere un tempo di consegna fisso era meglio che avere un modello difettoso, essere bloccati con tempi di consegna statici non era comunque la soluzione perfettamente soddisfacente che stavamo cercando.
Il motore di previsione 4.0 introduce il concetto di previsione integrata della domanda, con integrata che significa integrata nel tempo di consegna. Il motore prende una distribuzione completa di probabilità dei tempi di consegna e produce la corrispondente previsione probabilistica della domanda. In pratica, la distribuzione dei tempi di consegna viene anche calcolata dal motore di previsione come visto in precedenza. La previsione integrata della domanda finalmente offre una risposta soddisfacente alla sfida di gestire tempi di consegna variabili.
Previsione delle nuove tendenze
Prevedere la domanda per un nuovo prodotto è estremamente difficile. Poiché, in questo caso, la previsione ovviamente non può basarsi sulla cronologia delle vendite, il motore di previsione deve fare affidamento su altri dati noti sul prodotto prima del suo lancio. Il nostro motore di previsione 3.0 aveva già un framework di tags, appositamente progettato per questo caso d’uso specifico. Tuttavia, le tags purtroppo non trasmettevano tante informazioni quanto avremmo voluto e alcune precisioni sono state lasciate in sospeso.
Con la versione 4.0, questa sfida specifica viene rivista con l’introduzione di categorie e gerarchie. Le categorie e le gerarchie sono più espressive e strutturate delle tags e trasmettono molte più informazioni. Il motore di previsione 4.0 sfrutta appieno questo framework di dati più ricco per fornire previsioni più accurate, con la previsione dei nuovi prodotti come caso d’uso più acuto.
Scorte esaurite e promozioni
L’obiettivo del motore di previsione è prevedere la futura domanda. Tuttavia, la nostra conoscenza della domanda passata è tipicamente imperfetta, con solo le vendite passate che sono realmente note. Le vendite tendono tipicamente ad essere una ragionevole approssimazione della domanda, ma le vendite presentano molteplici distorsioni, i casi più comuni sono le scorte esaurite e le promozioni. Il nostro motore 3.0 aveva già alcune euristiche per gestire questo bias, inoltre le previsioni dei quantili sono intrinsecamente più robuste rispetto alle previsioni medie (classic). Tuttavia, ancora una volta, la situazione non era del tutto soddisfacente per noi.
Il motore 4.0 introduce il concetto di domanda bias, che può essere sia censurata che inflazionata. Quando la domanda per un determinato prodotto in un determinato giorno viene contrassegnata come censurata, stiamo dicendo al motore di previsione che la domanda dovrebbe essere stata più alta e che la vera domanda per quel giorno rimane sconosciuta. Il motore sfrutta queste informazioni per affinare le previsioni, anche quando la cronologia è piena di eventi che hanno distorto il segnale di domanda.
Domanda ultra-sparse
Mentre le previsioni dei quantili sono nettamente superiori alle previsioni medie o mediane classiche quando si tratta di stimare le probabilità di eventi rari, i quantili iniziano a mostrare i loro limiti quando si tratta di stimare eventi super-rari. Ad esempio, i nostri modelli di quantili avevano difficoltà a gestire correttamente gli articoli venduti solo una o due volte all’anno, così come a gestire livelli di servizio superiori al 98%.
I modelli probabilistici nativi, come implementati nel nostro motore 4.0, si comportano molto meglio quando si tratta di domanda ultra-sparse e eventi “rari” in generale. Questi modelli potrebbero essere stati implementati all’interno di un framework di previsione dei quantili (una previsione probabilistica può essere facilmente trasformata in una previsione dei quantili); ma il nostro motore 3.0 non aveva l’infrastruttura per supportarli. Quindi sono stati implementati nel motore 4.0 al suo posto.
Integrato in Envision
Le versioni 2.0 e 3.0 del nostro motore di previsione erano dotate di un’interfaccia utente web. A prima vista, sembrava facile. Tuttavia, l’interfaccia utente stava effettivamente trascurando il fattore che rappresenta la vera sfida nell’utilizzo di (qualsiasi) motore di previsione, ovvero fornire un controllo completo dei dati trasferiti nel motore di previsione. Infatti, “spazzatura dentro, spazzatura fuori” rimane un problema troppo frequente.
Il motore 4.0 è interfacciato da Envision, il nostro linguaggio di dominio specifico orientato all’ottimizzazione quantitativa per il commercio. Chiamare il motore di previsione richiede una serie di argomenti dati forniti da uno script Envision. Questo approccio richiede un po’ più di sforzo iniziale, tuttavia i benefici in termini di produttività si manifestano rapidamente; non appena vengono apportate modifiche ai dati di input.
Il rilascio del nostro motore di previsione 4.0 è solo la prima parte di una serie di importanti miglioramenti che sono stati apportati a Lokad nelle ultime settimane. Restate sintonizzati per ulteriori novità.