Previsione della domanda per la moda
La previsione è difficile. Prevedere il futuro della moda è incredibilmente difficile. Di conseguenza, per la maggior parte, l’industria della moda si affida ancora a metodi grezzi come l’Open-To-Buy, che non sono altro che medie mobili top-down glorificate. Eppure, la maggior parte dei professionisti della supply chain sostiene che, finché non esiste qualcosa che possa realmente superare l’Open-To-Buy nel mondo reale, l’Open-To-Buy non è superato, per quanto il metodo possa essere grezzo. Infatti, fino a poco tempo fa, le nostre osservazioni erano in linea con quanto ci dicevano le aziende di moda: niente funziona davvero nel settore moda, e l’intuizione resta la migliore opzione tra tutte le alternative, anche quelle meno soddisfacenti.
Il nostro motore di previsione probabilistica, rilasciato lo scorso anno, è diventato un punto di svolta per la moda. Dopo anni passati a lottare contro i modelli di domanda della moda, finalmente disponiamo di un motore di previsione progettato nativamente per le sfide specifiche del settore moda. Negli ultimi mesi, abbiamo guidato le supply chain di diverse aziende di moda, e, beh, funziona davvero! Considerando il curriculum dei fornitori di soluzioni di previsione nell’industria della moda, le probabilità non erano esattamente a nostro favore.
La domanda nella moda è tipicamente guidata dalla novità, e i nuovi prodotti si raggruppano attraverso collezioni. Le collezioni sono essenziali dal punto di vista della moda; tuttavia, allo stesso tempo, rappresentano una sfida enorme per la previsione.
La domanda deve essere prevista per prodotti che non sono ancora stati venduti.
La moda non riguarda prodotti che non sono stati venduti da tempo, la moda riguarda prodotti che non sono stati venduti affatto. Questa prospettiva è in totale disaccordo con l’approccio di previsione basato su serie temporali che rappresenta la base di quasi tutti i sistemi di previsione - non nel caso di Lokad, però. Infatti, da un punto di vista delle serie temporali, nel caso della moda, le serie temporali hanno una profondità storica nulla, perciò non c’è niente su cui basarsi per fare previsioni.
Il motore di previsione probabilistica di Lokad adotta un approccio completamente diverso: sfrutta attivamente i diversi attributi del prodotto: brand, stile, colore, tessuto, taglia, fascia di prezzo, categoria, ecc., per costruire una previsione della domanda basata sulle prestazioni di prodotti simili nelle collezioni precedenti.
Una delle cose che il motore di previsione di Lokad non fa è richiedere che i prodotti vengano abbinati manualmente tra le collezioni. In primo luogo, stabilire tali abbinamenti è molto complicato ed estremamente dispendioso in termini di tempo. I professionisti della supply chain non dovrebbero essere schiavi dei propri sistemi; se i sistemi richiedono che migliaia di prodotti vengano abbinati manualmente, probabilmente quel tempo sarebbe meglio impiegato per produrre una previsione manuale che benefici direttamente degli spunti umani. In secondo luogo, nella moda, il mapping 1-a-1 tra le vecchie e le nuove collezioni non ha in realtà senso nella maggior parte dei casi. Le nuove collezioni tendono a ridefinire i codici in modi sottili ma importanti: un prodotto può trasformarsi in molti, e viceversa. Una metodologia che si basa esclusivamente su abbinamenti 1-a-1 è destinata a fornire risultati piuttosto banali sulle collezioni future.
Il motore di previsione di Lokad si concentra sul calcolare tutte quelle similarità in maniera completamente automatizzata tramite algoritmi di machine learning. L’Intelligenza Artificiale è ora la grande moda nei media, ma in realtà si riduce ad algoritmi di machine learning che hanno subito un progresso costante e graduale negli ultimi 3 decenni. Lokad sfrutta diverse classi di algoritmi di machine learning, adattati agli scopi della supply chain.
Inoltre, Lokad fornisce previsioni probabilistiche. Invece di fornire una singola previsione della domanda - la mediana o la media - che è (quasi) garantita essere scorretta, Lokad fornisce le probabilità per (quasi) tutti gli scenari di domanda. Questo aspetto è di importanza critica per l’industria della moda perché l’incertezza è irriducibile; e un buon ordine di fornitura spesso si riduce a un’analisi del rischio.
Nella moda, i due principali rischi sono le opportunità perse se non c’è abbastanza stock, e le svalutazioni delle scorte se le merci devono essere vendute con uno sconto molto aggressivo durante il periodo di saldi - per liquidare le rimanenti scorte di una collezione. Lokad possiede capacità native per affrontare questa specifica analisi del rischio, così importante nella moda.
Intrigato dalle capacità di Lokad per la moda? Non esitare a prenotare una demo call con noi.