Supply Chain Scienza
Torna al blog ›
Big data nel retail, una verifica della realtà
A causa delle limitazioni di personale, i rivenditori fanno pochissimo uso dei dati del market basket. Scopri cosa può fare il Big Data.
Out-of-shelf può spiegare 1/4 dell’errore di previsione del negozio
L'OOS può fare molto peggio che semplicemente degradare l'accuratezza delle previsioni, l'OOS può anche migliorarla...
Stagionalità illustrata
Le serie temporali lunghe sono più visive e accattivanti. Lokad, invece, si oppone alle serie temporali corte - scopri perché!
Due KPI per il tuo rilevatore OOS
Scopri perché la sensibilità e la precisione sono le due metriche fondamentali per valutare un sistema OOS.
Il business è IN CRESCITA ma le previsioni sono IN CALO
Scopri come ribaltare il tuo modo di pensare e andare contro ciò che sembra logico per previsioni della domanda più accurate.
Nuovo FAQ di tecnologia di previsione
Scopri i nostri nuovi FAQ che coprono gli argomenti di stagionalità, trend, ciclo di vita del prodotto, promozioni e altro ancora.
Fallacie nella pulizia dei dati per le previsioni di vendita (a breve termine)
Scopri perché Lokad non offre alcuna funzionalità esplicita a supporto della pulizia dei dati.
L’insidia della reverse supply chain per la previsione della domanda
Comprendere perché ci impegniamo a fornire previsioni sulla domanda piuttosto che previsioni sulle vendite.
Scarsità vs. Stock, l’accuratezza delle previsioni conta
La relazione tra livello di servizio, scorte di sicurezza e accuratezza delle previsioni è talvolta poco chiara. Facciamo chiarezza.
Modellare tempi di consegna variabili
Alti livelli di servizio non vengono gratis. Scopri l'impatto dei tempi di consegna variabili su questo.