Lo Stato delle Previsioni “Probabilistiche” in Supply Chain (2025)

Joannes Vermorel

Nel 2012, in Lokad, abbiamo abbandonato le serie temporali a numero singolo per adottare una visione probabilistica del mondo—prima attraverso la previsione per quantili, poi con distribuzioni predittive complete per la domanda e per il tempo di consegna, ed infine con l’ottimizzazione decisionale stocastica. Più di un decennio dopo, molto poco è effettivamente cambiato nel mercato del software aziendale—eccetto che in Lokad. La maggior parte dei fornitori ora pronuncia la parola probabilistic; quasi nessuno ha ricostruito il proprio stack in modo che l’incertezza venga modellata, combinata e portata fino alle decisioni automatizzate.

Una mappa compatta del mercato

Questa tabella codifica le affermazioni pubbliche e la documentazione a novembre 2025; laddove i fornitori pubblichino pochi dettagli tecnici, adotto un approccio prudente.

Una serie più rigorosa di test fondamentali

Negli anni ho perfezionato alcuni test che separano la matematica dal marketing.

Innanzitutto, l’incertezza deve essere modellata dove fa realmente la differenza. Una supply chain non affronta soltanto la volatilità della domanda; anche il timing della fornitura è una variabile casuale. Se un fornitore non stima le distribuzioni complete per la domanda e per il tempo di consegna—e poi le combina in modo coerente—le affermazioni probabilistiche non hanno senso. Semplicemente gonfiare le previsioni puntuali con dei margini non equivale a fare previsioni probabilistiche.

In secondo luogo, l’output deve essere decisioni, non semplici manopole di regolazione. Un sistema genuino integra le distribuzioni in un livello di ottimizzazione che bilancia i ritorni attesi contro costi e vincoli, generando quantità da ordinare, allocazioni e prezzi. Se l’“obiettivo finale” è un percentile di scorta di sicurezza o un livello di servizio target, non si tratta di un sistema decisionale probabilistico; è una politica deterministica tarata sulla base delle stime di varianza.

In terzo luogo, la probabilità deve mantenersi integra nel passaggio al processo. Se ci si aspetta che i pianificatori “modifichino” le previsioni in una griglia, allora abbiamo già abbandonato l’ambito probabilistico. Le sovrascritture umane possono modificare vincoli o priorità; esse non rimodellano manualmente distribuzioni ben calibrate.

In quarto luogo, le code grasse contano. Il retail e i pezzi di ricambio sono intermittenti; i tempi di consegna presentano code pesanti. Un fornitore che silenziosamente assume distribuzioni gaussiane ovunque non sta facendo previsioni probabilistiche; sta facendo algebra basata su momenti idealistici. La prassi richiede un trattamento non gaussiano.

In quinto luogo, la misurazione deve essere probabilistica. Se gli indicatori principali sono MAPE e l’accuratezza classica, gli incentivi favoriranno previsioni puntuali e cosmetici di livello di servizio. Ciò che conta sono regole di scoring adeguate per le distribuzioni e, ancor meglio, obiettivi fondati su profitti e perdite.

Infine, la trasparenza non è negoziabile. I fornitori dovrebbero pubblicare una metodologia sufficientemente dettagliata affinché i professionisti possano comprendere come le probabilità si trasformano in decisioni, inclusa la composizione e propagazione delle molteplici incertezze.

Su questo metro di valutazione, ecco dove si trova il mercato.

Valutazione fornitore per fornitore

Lokad — l’eccezione che conferma la regola

Lo stack di Lokad è probabilistico per costruzione: la domanda e il tempo di consegna vengono appresi come distribuzioni predittive complete, che vengono combinate in modelli decisionali programmati capaci di generare azioni concrete—ordini, allocazioni, prezzi—sotto vincoli aziendali. Abbiamo deliberatamente abbandonato i costrutti di scorta di sicurezza/livello di servizio, privilegiando un’ottimizzazione orientata alle decisioni e un trattamento delle code pesanti; l’obiettivo è economico, non l’accuratezza fine a se stessa. Questo percorso è iniziato nel 2012 (previsioni per quantili), si è evoluto in modelli distribuzionali completi e in un’ottimizzazione stocastica, e rimane il nostro paradigma dominante.

ToolsGroup — domanda probabilistica, interfaccia front-end di livello di servizio

ToolsGroup comunica chiaramente riguardo alle distribuzioni complete della domanda e al trattamento delle code lunghe. Tuttavia, tali distribuzioni alimentano un MEIO guidato dal servizio: le curve scorte-servizio, le scorte di sicurezza dinamiche e i livelli di servizio target rimangono la lingua franca. In pratica, si tratta di uno strato di modellazione probabilistica riconnesso ai parametri di una politica deterministica e ai flussi di lavoro dei pianificatori.

Smart Software — distribuzioni credibili, politiche classiche

Il punto di forza di lunga data di Smart sono le distribuzioni della domanda in rapporto al tempo di consegna per articoli intermittenti, spesso integrate tramite Epicor IP&O. La matematica è concreta; l’operazionalizzazione è classica: scegliere i livelli di servizio, impostare le scorte di sicurezza, simulare le politiche. Questo equivale a un input probabilistico e a un output deterministico.

Epicor IP&O (Smart) — Smart all’interno, servizio all’esterno

L’IP&O di Epicor pubblicizza la modellazione probabilistica della domanda e del tempo di consegna e sottolinea il test di resistenza delle politiche. Tuttavia, gli strumenti messi a disposizione degli utenti sono i livelli di servizio, le scorte di sicurezza e la logica di riordino; l’ottimizzazione viene inquadrata come rapporto servizio-versus-costo.

SAP IBP (SmartOps) — MEIO stocastico come modulo

IBP for Inventory discende da SmartOps: un’ottimizzazione a più fasi che tiene conto dell’errore di previsione e della variabilità del tempo di consegna per mantenere i livelli di servizio al cliente al costo minimo. Calcola le scorte di sicurezza e gli obiettivi di livello di servizio; esistono elementi probabilistici, ma come componente aggiuntiva in un processo altrimenti guidato dai pianificatori.

GAINS — ottimizzazione per obiettivi di servizio

GAINS commercializza un MEIO che “considera l’incertezza” nella domanda, nella fornitura e nel tempo di consegna. L’interfaccia operativa, tuttavia, è un’ottimizzazione esplicita dei livelli di servizio e le impostazioni delle scorte di sicurezza. Sofisticato, sì; decisioni probabilistiche end-to-end, no.

Blue Yonder — probabilistico nel nome, ma basato sul servizio in pratica

Le pagine di Blue Yonder parlano di previsioni “autonome” e “probabilistiche”, tuttavia il cuore della pianificazione dell’inventario è la segmentazione a livello di servizio granulare e la scorta di sicurezza dinamica. Studi di caso e materiale partner rafforzano un modello operativo guidato dagli scenari e dal servizio, anziché una decisione nativa basata sulle distribuzioni.

RELEX — focus sul retail, nucleo sulla scorta di sicurezza

RELEX si concentra sull’esecuzione nel retail e ora promuove la modellazione probabilistica attorno al True Inventory. Ma quando si tratta di riapprovvigionamento e di proteggersi dall’incertezza, i suoi materiali continuano a concentrarsi sulla gestione delle scorte di sicurezza e sul raggiungimento dei livelli di servizio target—un mondo di politiche deterministiche calibrato tramite ML.

o9 Solutions — scenari con matematica dei livelli di servizio

Il “Digital Brain” di o9 è una piattaforma di scenari performante. Le sue pagine MEIO descrivono raccomandazioni di livello di servizio ottimali e un riequilibrio continuo delle politiche; la probabilità appare come la probabilità di eventi e scenari ipotetici, e non come distribuzioni che guidano direttamente l’ottimizzazione degli esiti economici attesi.

Kinaxis — quantili e un’estensione MEIO, ancora orientato al servizio

Kinaxis si è orientata verso elementi probabilistici: i blog discutono di previsioni per quantili, e l’estensione Wahupa introduce un MEIO probabilistico in Maestro. Tuttavia, anche quell’estensione pubblicizza livelli di servizio differenziati e impostazioni di scorta di sicurezza; il processo complessivo rimane ricco di scenari e incentrato sui pianificatori.

E2open — vocabolario MEIO classico

E2open spiega il MEIO in termini di ottimizzazione dell’inventario attraverso i nodi per soddisfare le aspettative di servizio, con la domanda, il tempo di consegna e il servizio che si propagano nella rete. È la storia canonica del MEIO a livello di servizio.

Coupa/LLamasoft — design a livello di servizio

La suite di design di Coupa (ex‑LLamasoft) è esplicita: sviluppare politiche per SKU, calcolare le scorte di sicurezza ottimali e ottimizzare in base agli obiettivi di livello di servizio. Si tratta della parametrizzazione stocastica di politiche deterministiche.

Infor — formulazioni probabilistiche, leve deterministiche

I materiali di Infor menzionano “previsioni intelligenti e probabilistiche”, ma il contenuto circostante enfatizza l’accuratezza delle previsioni, i livelli di servizio e il riapprovvigionamento delle scorte di sicurezza. Gli strumenti messi a disposizione dei pianificatori non sono decisioni native basate sulle distribuzioni.

Anaplan — app per scorte di sicurezza con scenari

I contenuti dei partner e le demo mostrano app per l’inventario costruite attorno a scorte di sicurezza dinamiche, all’equilibrio dei livelli di servizio e alla modellazione rapida degli scenari. Utili, sì; previsioni probabilistiche nel vero senso della parola, no.

Ciò che significa veramente “genuino”

Un vero sistema probabilistico per la supply chain deve superare standard elevati. Al minimo, stima le distribuzioni complete per la domanda e per il tempo di consegna; compone queste incertezze—spesso con code pesanti—in una visione stocastica unica per ogni decisione; ottimizza un obiettivo economico sotto vincoli, restituendo decisioni anziché semplici parametri; si valuta con punteggi probabilistici adeguati o con dati finanziari diretti; e automatizza l’esecuzione in modo che sia l’uomo a gestire priorità e vincoli, e non la forma delle distribuzioni. In Lokad abbiamo costruito esattamente questo. Non si tratta di un abbellimento posto sopra la scorta di sicurezza; è un’architettura diversa.

Considerazione finale

Accolgo con favore il nuovo interesse dell’industria per la parola probabilistic. Ma le parole non sono la sostanza. Dieci anni dopo, la maggior parte dei fornitori continua a rivestire politiche deterministiche con cosmetici stocastici. Finché l’incertezza non verrà combinata e ottimizzata nelle decisioni—senza l’ausilio delle stampelle della scorta di sicurezza e del livello di servizio—l’affermazione rimarrà solo marketing. Lokad si distingue perché abbiamo eliminato quelle stampelle molto tempo fa e abbiamo imparato a fare affidamento sulla probabilità stessa.

Nota metodologica. Questa valutazione si basa sulla documentazione pubblica dei fornitori e su analisi indipendenti. ToolsGroup discute apertamente delle distribuzioni, indirizzandole verso un MEIO a livello di servizio; Smart/Epicor enfatizzano le distribuzioni della domanda in rapporto al tempo di consegna che alimentano le scelte politiche; SAP IBP/SmartOps documenta l’ottimizzazione multi-fase guidata dal livello di servizio; GAINS mostra schermate di ottimizzazione a livello di servizio; Blue Yonder pubblicizza “probabilistic” pur concentrandosi sulla segmentazione del servizio e sulle scorte di sicurezza dinamiche; RELEX mette in evidenza la padronanza delle scorte di sicurezza e l’accuratezza probabilistica dell’inventario; o9 evidenzia un MEIO ottimizzato per il livello di servizio e scenari; Kinaxis aggiunge un’estensione Wahupa MEIO che continua a parlare il dialetto del livello di servizio; E2open e Coupa/LLamasoft descrivono il MEIO classico; Infor e Anaplan inquadrano i risultati in termini di accuratezza e di scorte di sicurezza.

Se un fornitore desidera contestare la propria collocazione, è invitato a pubblicare i dettagli: come compongono le distribuzioni per la domanda e per il tempo di consegna; come queste distribuzioni vengono ottimizzate in decisioni; come viene misurata la calibrazione; come vengono gestite le code pesanti; e come il processo resiste alla tentazione di modificare manualmente la forma delle probabilità. Sarebbe una novità.