Previsione come profezia che si autoavvera
Ogni settimana, diverse aziende ci contattano chiedendo se Lokad potrebbe occuparsi delle loro previsioni settimanali o mensili a rotazione, per alcuni trimestri in anticipo. Infatti, un decennio fa, Lokad è stata fondata sull’idea di essere un’applicazione di “previsione come servizio”. Purtroppo, questa idea si è rivelata in gran parte disfunzionale e abbiamo adottato approcci migliori. Alcuni dei problemi posti dalle previsioni sono semplici - ingannevolmente tali - ma anche fondamentali. Non importa quanto sia buona la tecnologia, non servirà a nulla se le sue premesse aziendali sono errate.
Sia chiaro: Lokad richiede previsioni della domanda e l’ottimizzazione predittiva rimane la nostra competenza principale, ma c’è un metodo; e il metodo inizia riconoscendo che le previsioni sono in gran parte una profezia che si autoavvera e che sono coinvolti numerosi cicli di feedback.
Illustreremo questo punto di vista in modo più dettagliato. Se si cerca di prevedere le vendite di un marchio di moda, è sufficiente guardare le quantità inizialmente acquistate: le quantità vendute durante la stagione sono invariabilmente uguali alle quantità inizialmente ordinate dai fornitori (meno la riduzione). Tuttavia, spesso, lo stock non viene venduto al prezzo pieno o, al contrario, lo stock si esaurisce a metà stagione. Questa previsione suppostamente “perfetta” è un miraggio e non riflette la realtà delle performance finanziarie dell’azienda.
La domanda futura è intrinsecamente legata alle future decisioni sulla supply chain. Tuttavia, molte aziende agiscono come se fosse possibile prevedere prima (cioè la domanda settimanale) e poi decidere dopo (cioè le quantità degli ordini di acquisto). Questo approccio è imprudente perché quest’ultimo influenza profondamente il primo.
A titolo di prova aneddotica, questo accoppiamento tra domanda futura e decisione futura spiega perché così tanti progetti di previsione “avanzati” falliscono: i benchmark di backtest “dimostravano” che la nuova previsione era migliore della vecchia, eppure, una volta in produzione, le cose hanno cominciato a cadere a pezzi, apparentemente senza motivo. La realtà è che, senza la dovuta attenzione, le previsioni “stupide” tendono a generare meno effetti avversi di secondo ordine, cioè conseguenze non volute causate dalle previsioni stesse.
Nella pratica, il ciclo di feedback retroattivo tra previsioni e decisioni assume molte forme:
- Introdurre un altro riferimento nell’assortimento cannibalizza il resto dell’assortimento. Pertanto, rendere la previsione della domanda più grande per un riferimento dovrebbe diminuire (in qualche modo) la previsione per tutti i prodotti concorrenti.
- L’aumento della domanda derivante da una promozione per un determinato prodotto dipende molto dal contesto più ampio. Se il prodotto è l’unico nel negozio ad essere promosso, l’aumento risultante potrebbe essere elevato. Se ogni singolo prodotto nel negozio viene promosso, l’aumento sarà probabilmente molto più modesto.
- Il tempo di consegna dovrebbe essere previsto, ma l’azienda potrebbe avere un certo grado di controllo sui tempi di consegna se può decidere se spedire la merce via mare o via aerea. Entrambe le modalità richiedono le proprie previsioni dei tempi di consegna; ma la domanda da considerare per lo stock dipende dai tempi di consegna.
- L’acquisto di quantità maggiori offre tipicamente una sorta di economie di scala, materializzate attraverso sconti di prezzo. Un prezzo di acquisto più basso può quindi essere trasformato in un prezzo di vendita più basso, stimolando la domanda in modo che corrisponda alla quantità maggiore inizialmente acquisita o prodotta.
- Offrire uno sconto ai clienti aumenta le vendite, ma modifica anche le aspettative future dei clienti. I clienti si aspetteranno sempre più uno sconto e ritarderanno la decisione di acquisto fino a quando non verrà offerto uno sconto.
Tutti questi cicli di feedback sono una delle principali ragioni per cui, da Lokad, ci sentiamo molto a disagio nel fornire previsioni “nude”. Abbiamo l’intento ferreo di non ripetere mai gli errori dei nostri primi anni e, nello spirito del giuramento di Ippocrate, fornire valore ai nostri clienti significa evitare di creare caos nelle loro catene di approvvigionamento attraverso approcci errati.
Non è un caso se il nostro Manifesto della Catena Logistica Quantitativa si basa pesantemente sulle decisioni. Sono le conseguenze, talvolta di vasta portata, delle decisioni che devono essere previste con precisione, non una sorta di domanda astratta. A questo proposito, il nostro approccio è allineato con le intuizioni scoperte negli anni ‘30 da Jean Baptiste Say che l’offerta crea la propria domanda.
Considerando i progressi attuali nello sviluppo di machine learning e software, non esiste un modo “confezionato” per affrontare i cicli di feedback tramite software. È necessario un supply chain scientist con una profonda comprensione delle sfide aziendali, nonché una sana dose di discussione con professionisti esperti, per individuare euristiche e modelli che siano almeno approssimativamente corretti nella loro capacità di mettere a frutto le capacità predictive di Lokad per il cliente.
