Previsione della domanda attraverso Envision - Workshop #4
L’ultima aggiunta alla nostra serie di workshop Envision1 (Workshop #4: Demand Forecasting) è ora disponibile per accademici, educatori, studenti universitari e professionisti della supply chain. Questo workshop offre spunti pratici su come i nostri Supply Chain Scientists (SCSs) utilizzino la prospettiva Quantitative Supply Chain di Lokad (e i relativi strumenti) per affrontare la previsione della domanda per le supply chain, risultando particolarmente importante dato il ruolo cruciale della previsione della domanda nel produrre decisioni di inventario ottimizzate e risk-adjusted.

Questo workshop, come i suoi predecessori, prosegue con la forma di uno studio di caso fittizio2 nel settore retail. Esso fornisce agli studenti tutte le informazioni, le indicazioni e i dati necessari per produrre previsioni della domanda atte ad anticipare domanda futura e a guidare tempestive decisioni di inventario che riducono i rischi finanziari per l’azienda retail.
Per gli educatori, il workshop mette a disposizione tutte le risorse necessarie per una lezione coinvolgente e istruttiva sulla pianificazione moderna della supply chain, includendo un dataset con uno schema dati relazionale, un ambiente di lavoro interattivo e uno studio di caso con link incorporati per aiutare gli studenti a individuare e utilizzare il codice/funzionamento Envision rilevante3.

L’obiettivo principale di questi workshop è fornire agli studenti una guida strutturata per analizzare le modern supply chains. Questo processo rispecchia le situazioni aziendali reali per le quali i Supply Chain Scientists di Lokad elaborano quotidianamente raccomandazioni, oltre a imitare l’evoluzione delle iniziative della supply chain che Lokad implementa con i suoi clienti. Ogni workshop è autonomo, ma c’è valore nello studiarli nell’ordine proposto, poiché tutti impiegano dati relativi alla medesima azienda fittizia, ciascuno concentrandosi su aspetti differenti della supply chain dell’azienda.
Il workshop inizia con una panoramica dell’azienda fittizia, un’introduzione ai termini chiave e alle definizioni, e una descrizione dettagliata dei dati. Questa descrizione completa richiama il Manuale di Procedura Congiunta (JMP), documento fondamentale per ogni iniziativa di supply chain con Lokad.
Questo nuovo workshop dovrebbe risultare particolarmente interessante per i previsionisti e i demand planners della supply chain, poiché offre l’opportunità di approfondire la previsione probabilistica, il metodo più esaustivo per affrontare l’incertezza futura4. Mostra inoltre i tipi di strumenti che Lokad utilizza per automatizzare completamente, su base giornaliera, la generazione delle previsioni. Questa automazione richiede un’attenta progettazione delle numerical recipes da parte del Supply Chain Scientist – una competenza che riteniamo indispensabile per ogni futuro professionista della supply chain.
A mio parere (condiviso dai professori che attualmente utilizzano i nostri materiali), il curriculum tradizionale della supply chain non forma professionisti capaci di gestire efficacemente nemmeno le supply chain odierne – per non parlare di quelle, più complesse e dinamiche, del futuro. Sostengo che il campo di studi della supply chain meriti materiali educativi adeguati che affrontino direttamente queste sfide, e spero che il nostro contributo continuo aiuti a formare un maggior numero di aspiranti Supply Chain Scientists.
In conclusione, desidero esprimere nuovamente la mia enorme gratitudine a Paul Jan5 per i suoi significativi contributi passati e continui a questo progetto. Senza il suo impegno, questa serie di workshop non avrebbe raggiunto il successo, né la qualità, che credo possieda.
-
Tutti i workshop pubblicati, così come altri esercizi pratici, possono essere trovati nella sezione Envision Gallery della documentazione pubblica di Lokad. ↩︎
-
Supply Chain Personae è un approccio alternativo sviluppato da Lokad per studiare le supply chain reali e per affrontare le criticità degli studi di caso tradizionali. ↩︎
-
Un foglio di risposte è disponibile su richiesta. ↩︎
-
Come mostrato nell’immagine, le previsioni probabilistiche non appaiono solitamente sofisticate come le distribuzioni gaussiane. Per progettazione, ottimizzare la previsione per efficienza computazionale e accuratezza elimina la simmetria evidente di una distribuzione normale (gaussiana). Inoltre, i dati (e i problemi) della supply chain non sono distribuiti normalmente. Consulta i workshop materials per scoprire il motivo. ↩︎
-
Paul Jan è, tra le altre cose, Professore Associato presso la Rotman School of Management dell’Università di Toronto, dove insegna Operations and Supply Chain Management. Ha più di 19 anni di esperienza nei settori dell’educazione, della produzione e della supply chain. ↩︎