FAQ: Ottimizzazione inventario

Lokad affronta le sfide dell’inventario utilizzando l’analisi predittiva per abbracciare l’incertezza della supply chain e ottimizzare le decisioni con approfondimenti finanziari. Considera le specifiche restrizioni del cliente e migliora la trasparenza decisionale attraverso report dettagliati e dashboard intuitive.

Destinatari: professionisti della supply chain, esperti e dirigenti.

Ultima modifica: 30 gennaio 2024

Gli eccessi di scorte e le rotture di stock sono i due sintomi più evidenti di decisioni legate all’inventario inadeguate, e tali problemi possono essere ricondotti a politiche che ignorano l’incertezza. Questa incertezza assume molte forme, inclusa la domanda variabile, i tempi di consegna instabili e i resi sporadici. Lokad offre prestazioni superiori nell’ottimizzazione dell’inventario proprio perché le sue capacità predittive programmatiche abbracciano l’incertezza della supply chain anziché ignorarla. Ad esempio, Lokad dispone di capacità di modellazione probabilistica per riflettere tutti i fattori economici legati alle decisioni quotidiane e ripetitive della supply chain di un cliente (ad es., ordini di acquisto, ordini di produzione, allocazione delle scorte, ecc.). Questo ci permette di fornire ai clienti una prospettiva finanziaria ad alta risoluzione sul valore in dollari (o euro) di ogni decisione. Lokad possiede inoltre capacità di ottimizzazione stocastica per raccomandare in ultima analisi le decisioni che massimizzano il ritorno in dollari (o euro) per ogni scelta, tenendo conto delle restrizioni uniche del cliente. Tali restrizioni includono preoccupazioni relative a prodotti incrociati come la cannibalizzazione e la sostituzione.

Ad ogni fase del processo, le ampie capacità di reporting personalizzato di Lokad garantiscono al cliente totale trasparenza. Dashboard intuitive sono concepite per esprimere chiaramente gli indicatori chiave di performance (KPI) di cui i clienti hanno bisogno e per scomporre i calcoli di Lokad in modo diretto.

Sommario esecutivo

Per quanto riguarda l’ottimizzazione dell’inventario, Lokad si è discostata da ciò che potrebbe essere considerato l’approccio “mainstream” più di un decennio fa. Questa divergenza è cresciuta con il miglioramento della nostra tecnologia. Tale tecnologia consente a Lokad di apportare significativi miglioramenti alla supply chain dei clienti, tuttavia la sfida maggiore è spesso spiegare tali miglioramenti – un compito reso ancor più arduo dal fatto che l’approccio di Lokad differisce notevolmente da quello a cui gli operatori della supply chain sono abituati.

Il racconto fiabesco mainstream sull’ottimizzazione dell’inventario va così: il fornitore di software (quello del “quadrante magico”) fornisce previsioni più accurate del 20%, e tali previsioni si tradurranno in una riduzione del 20% delle rotture di stock e in un abbattimento del 20% delle scorte. Questa fiaba solitamente presenta diversi termini di moda: intelligenza artificiale, demand sensing, machine learning, blockchain, digital twins, sistemi in-memory, ecc. Tuttavia, questa visione mainstream è un vicolo cieco¹. A differenza di molti dei nostri concorrenti, Lokad offre effettivamente previsioni all’avanguardia², e sappiamo che ciò, di per sé, è ben lontano dall’essere sufficiente per garantire un ritorno sull’investimento soddisfacente.

Lokad è forse unica nel fatto che non nasconde nulla su come si ottengono prestazioni superiori nell’ottimizzazione dell’inventario. Abbiamo una serie di conferenze pubbliche³ (che superano le 50 ore e continuano ad aumentare) che forniscono tutti i dettagli delle nostre tecnologie e metodologie. Questa serie funge sia da risorsa sia da avvertimento per i clienti: una volta che si comprendono i “trucchetti” di un fornitore, non si può più tornare indietro.

Previsione probabilistica

Le previsioni probabilistiche devono essere utilizzate. Esse forniscono una valutazione quantitativa diretta dell’incertezza con cui si confronta la supply chain – ad es., l’incertezza riguardante la domanda dei clienti e i tempi di consegna. Invece di fingere che le tradizionali previsioni basate su serie temporali (l’“approccio classico”) diventino spontaneamente accurate, le previsioni probabilistiche affrontano direttamente questi problemi. Le previsioni probabilistiche non sono necessariamente più “accurate” – almeno non per progetto – ma questo è in qualche modo irrilevante, dato che vengono impiegate per raccontare una storia completamente diversa sul futuro del cliente – come descritto in Prospettiva finanziaria. Inoltre, ogni fonte di incertezza merita una propria previsione, non solo la domanda. Lokad produce previsioni probabilistiche per tempi di consegna, resi, tassi di scarto, ecc.

Al contrario, l’approccio mainstream delle previsioni basate su serie temporali ignora l’incertezza sopra descritta. Di conseguenza, quando si usano previsioni puntuali per serie temporali, la supply chain risulta fragile anche di fronte a rischi del tutto ordinari, come la natura incerta dei lanci di prodotto. È inutile aspettarsi che i lanci dei prodotti possano mai essere completamente privi di rischi, poiché se un’azienda fosse in grado di valutare in modo più affidabile le prestazioni dei propri lanci, probabilmente sfrutterebbe questa capacità per lanciare ancor più prodotti, introducendo così nuovamente incertezza nella supply chain in questione.

Decisioni automatizzate

La decisione automatizzata (e superiore) per la supply chain è l’unico obiettivo finale degno di essere perseguito, poiché queste decisioni incidono concretamente sulla supply chain. Se il software di ottimizzazione dell’inventario restituisce qualcosa diverso dalle decisioni finali, allora il software non sta svolgendo il proprio compito (oppure si sta utilizzando il software sbagliato).

Inoltre, queste decisioni automatizzate devono tenere conto di tutte le restrizioni del cliente, come le quantità minime d’ordine (MOQ). Se il software o il sistema continua a generare decisioni difettose che devono essere sovrascritte manualmente, allora il sistema è difettoso e deve essere sostituito. I veri esperti della supply chain sono troppo rari e preziosi per essere impiegati per altro se non per il miglioramento continuo della specifica ricetta numerica del cliente⁴. Lokad utilizza questa ricetta numerica per robotizzare il processo decisionale nella supply chain, liberando così gli esperti interni per concentrarsi su questioni di ordine superiore e strategie.

Al contrario, la visione mainstream enfatizza ogni sorta di artefatto numerico: classi ABC (o il suo equivalente, ABC XYZ), turnover dell’inventario, scorte di sicurezza, quantità economica d’ordine, ecc. A differenza delle decisioni sulla supply chain, il rapporto tra un artefatto numerico e le prestazioni della supply chain è vago, nella migliore delle ipotesi. Inoltre, la maggior parte di questi numeri viene introdotta solo per supportare un processo decisionale semi-manuale, garantendo così il continuo spreco di risorse del cliente (ad es., denaro, tempo e impegno).

Di conseguenza, nulla viene mai veramente risolto poiché i professionisti della supply chain sono continuamente distratti da operazioni di gestione delle crisi, mentre in background il sistema sottostante continua a generare decisioni subottimali.

Prospettiva finanziaria

Le decisioni sulla supply chain devono essere ottimizzate dal punto di vista finanziario, cioè valutate in termini di impatto in euro (o dollari). Tale valutazione deve riflettere tutti i driver economici rilevanti. Lokad ha accesso ai driver economici tangibili (trovati direttamente nei registri contabili del cliente): margine lordo, costo di mantenimento, costo del trasporto, ecc. Tuttavia, Lokad quantifica anche i driver economici intangibili – quelli che devono essere considerati per produrre decisioni sulla supply chain di valore, come la fidelizzazione del cliente, il goodwill dei fornitori, il valore percepito del marchio, ecc. Data la loro natura astratta, questi driver vanno approssimati in maniera intelligente, sebbene sia preferibile essere approssimativamente corretti piuttosto che esattamente sbagliati. Questo valore monetario viene infine impiegato per unificare tutte le diverse forze che influenzano ogni decisione sull’inventario.⁵

Al contrario, la visione mainstream enfatizza le percentuali, come i livelli di servizio, ignorando completamente tutti i driver economici intangibili. Ciò porta a decisioni a breve termine che il grande pubblico ora associa alla “finanza”. Tali decisioni sono ottimizzate sulla base di criteri numerici inventati che semplicemente non rispecchiano gli interessi a lungo termine dell’azienda. La soluzione non consiste nel rifiutare l’idea di ottimizzazione, bensì nel rivedere ciò che viene ottimizzato in primo luogo.

Domande Frequenti (FAQ)

1. Principi

1.1 Aiutate a semplificare la gestione dell’inventario? Quali sono le vostre capacità di gestione dell’inventario?

Lokad ottimizza (e semplifica) l’inventario invece di gestirlo. L’ottimizzazione dell’inventario implica, tra le altre cose, prendere le migliori decisioni possibili, come quanto scorte acquistare, quando acquistarlo e dove (ri)allocarlo. La gestione dell’inventario, invece, si concentra sulla gestione dei registri elettronici che riflettono lo stato fisico dell’inventario, mantenendo tali registri allineati con la realtà. L’ottimizzazione e la gestione dell’inventario sono i due aspetti principali del controllo complessivo delle scorte, e Lokad è interamente dedita alla prima.

Per quanto riguarda la progettazione del software, i requisiti di un sistema di gestione dell’inventario sono molto differenti rispetto a quelli di uno di ottimizzazione dell’inventario. In effetti, spesso risultano in completa opposizione. Ad esempio, la gestione dell’inventario richiede risposte in tempo reale, altrimenti operazioni di routine come il picking delle scorte vengono posticipate fino a quando il sistema non riconosce l’operazione.

Tuttavia, l’ottimizzazione dell’inventario si basa sul prendere decisioni efficaci, non necessariamente in tempo reale. Un ritardo di 5 minuti nel calcolare un ordine d’acquisto ottimizzato – che tiene conto di una vasta gamma di fattori e restrizioni – è irrilevante se l’ordine d’acquisto finisce per far risparmiare al cliente migliaia di dollari (o euro). Dal punto di vista del cliente, ciò è preferibile a uno scenario in cui ordini d’acquisto mediocri possono essere prodotti in meno di 10 millisecondi (cioè, in tempo reale) — una decisione che potrebbe comportare la perdita di migliaia di dollari (o euro) in scorte inutilizzate. Se il cliente non dispone di un sistema di gestione dell’inventario, Lokad raccomanda vivamente di installarne uno prima di tentare di ottimizzare l’inventario.

Nota: La maggior parte dei software enterprise progettati per la gestione dell’inventario afferma anche di fornire funzionalità di ottimizzazione dell’inventario. Tale affermazione è fuorviante. Queste funzioni distinte richiedono interventi software differenti.

Per un confronto diretto tra l’ottimizzazione dell’inventario e la gestione dell’inventario, così come del software necessario, vedere Controllo dell’inventario.

1.2 Come prevedete le future necessità d’inventario?

Lokad utilizza una tecnologia di modellazione predittiva avanzata per prevedere tutti i fattori incerti che influenzano le future necessità d’inventario. Questi fattori includono, tra gli altri, la domanda futura e i tempi di consegna futuri che impattano direttamente sulle necessità d’inventario. Tuttavia, a seconda del settore specifico, spesso esistono altre fonti di incertezza. Ad esempio, possono verificarsi resi da parte dei clienti (ecommerce), resa della produzione, tassi di scarto, ecc. Per determinare le necessità d’inventario, solitamente combiniamo una breve serie di previsioni che riflettono più fonti di incertezza. Questo approccio va ben oltre le capacità della tradizionale previsione basata su serie temporali.

Inoltre, Lokad adotta una prospettiva di previsione probabilistica. Ciò significa che Lokad considera tutti i possibili scenari futuri e ne valuta quantitativamente le rispettive probabilità. Inoltre, la nostra piattaforma include gli strumenti necessari per comporre o combinare queste previsioni probabilistiche, come ad esempio un’algebra delle variabili casuali (vedi sotto). Ad esempio, combinando una previsione probabilistica della domanda e una dei tempi di consegna, si ottiene una previsione probabilistica di lead demand, che rappresenta la domanda integrata nel tempo di consegna. Il lead demand è tipicamente il punto di partenza per valutare le future necessità d’inventario.

Vedi Previsione probabilistica per ulteriori informazioni su questa prospettiva. Per saperne di più sull’instrumentation della nostra algebra delle variabili casuali, consulta Ranvars and Zedfuncs nella nostra documentazione pubblica Envision.

1.3 Calcolate i livelli d’inventario passati e futuri basandovi sui dati storici di vendita e sulle previsioni?

Sì, la piattaforma di Lokad è in grado di calcolare sia i livelli d’inventario passati che quelli futuri sfruttando i dati transazionali storici del cliente, inclusi sia i flussi in uscita (ad es., vendite) che quelli in entrata (ad es., acquisti). Disponiamo di ampie capacità di previsione probabilistica, non solo per la domanda futura, ma anche per i tempi di consegna futuri, i resi futuri e tutte le altre fonti di incertezza pertinenti.

Per quanto riguarda i livelli d’inventario passati, poiché la soluzione di Lokad—erogata attraverso la nostra piattaforma—è sia scalabile che conveniente, solitamente raccomandiamo di registrare i dati nel tempo, tipicamente tramite snapshot prodotti all’interno della piattaforma di Lokad, se tali dati non sono già storicizzati nei sistemi aziendali, invece di ricalcolarli. In effetti, anche un modello di flusso accuratamente progettato potrebbe ancora riflettere in maniera errata i livelli d’inventario passati. Gli snapshot storici dei livelli d’inventario non soffrono di questo tipo di problemi.

Per quanto riguarda i livelli di inventario futuri, ci sono due elementi importanti da considerare. Primo, l’incertezza del futuro è irriducibile. Secondo, i livelli di inventario futuri dipendono da decisioni che non sono ancora state prese. Poiché l’incertezza del futuro è irriducibile, è imprudente—e piuttosto poco redditizio—presumere che una singola proiezione dello stato futuro dell’inventario possa essere considerata “abbastanza corretta”. Invece, dovremmo considerare tutti i futuri possibili e le loro rispettive probabilità. Questa è una visione molto più ricca del futuro e ci permette di produrre decisioni della supply chain adeguate al rischio, resilienti alle deviazioni dalla previsione (classica). Lokad realizza ciò sfruttando le previsioni probabilistiche.

In quanto l’inventario futuro dipende da decisioni della supply chain che non sono state ancora prese (ad es. futuri ordini di acquisto), è necessario un sistema sensato per attuare decisioni al fine di valutare il possibile stato futuro dell’inventario. Ciò richiede che le decisioni siano automatizzate, per consentire simulazioni efficaci. Se il processo decisionale è semi-manuale (cioè, prevede delle sostituzioni soggettive da parte dell’uomo), diventa impraticabile “simulare”. Pertanto, è indispensabile utilizzare un sistema automatizzato per la presa di decisioni ai fini di simulazione.

1.4 Calcolate la scorta di sicurezza, i livelli Min/Max, il punto di riordino e l’EOQ (quantità economica d’ordine) tenendo in considerazione la politica di acquisto?

Sì, la piattaforma di Lokad rende semplice implementare un approccio tradizionale/classico della supply chain, che include le scorte di sicurezza, i livelli min/max, i punti di riordino e gli EOQ. Inoltre, è altrettanto semplice far sì che tutti questi elementi vengano aggiornati in maniera completamente automatica. Tuttavia, questo approccio della supply chain è obsoleto, poiché produce risultati scarsi in pratica. Inoltre, richiede correzioni manuali estese e continue per sistemare output subottimali che il “sistema” continua a generare.

Al contrario, Lokad raccomanda un approccio notevolmente superiore, che consiste nel valutare, unità per unità, i rendimenti economici derivanti dall’acquisto di ogni unità aggiuntiva di stock. Questo calcolo si basa sia sulle previsioni probabilistiche generate dalla piattaforma di Lokad, sia su una modellizzazione economica esplicita delle conseguenze delle decisioni di acquisto. Questo approccio abbraccia i driver economici sottesi alle decisioni di acquisto.

Di conseguenza, la mitigazione dei costi generali d’acquisto è scontata: gli ordini vengono ottimizzati economicamente, eliminando la necessità di ricorrere a formule obsolete come la formula di Wilson (tradizionalmente usata per i calcoli dell’EOQ). Inoltre, l’attivazione dell’ordine di acquisto diventa una questione di bilanciare il costo dell’esaurimento delle scorte contro il costo dell’eccesso di inventario, eliminando la necessità di scorte di sicurezza, livelli min/max e punti di riordino.

Inoltre, l’approccio di Lokad si presta facilmente a problematiche cross-SKU. Queste comprendono la cannibalizzazione, la sostituzione, i MOQ (quantità minima d’ordine) a livello del fornitore, le capacità di magazzino o di negozio e la presenza di più livelli. L’approccio tradizionale/classico della supply chain è rigidamente ancorato a una prospettiva mono-SKU. Di conseguenza, tali problematiche vengono escluse per progettazione. Per quanto sofisticato possa essere un calcolo della scorta di sicurezza (per fare un esempio), esso non è in grado di affrontare nessuna di queste problematiche cross-SKU, poiché la formula (o meglio, la classe di formule) implica l’elaborazione degli SKU in isolamento.

1.5 Come differenziate il vostro approccio per gli articoli ad alto valore?

L’approccio quantitativo della supply chain di Lokad raccomanda fortemente di ottimizzare ogni decisione della supply chain in relazione ai suoi driver economici (sia individuali che interdipendenti), in modo tale che gli articoli ad alto e basso valore vengano ottimizzati allo stesso modo—sebbene, naturalmente, i dettagli dei calcoli varino.

I driver economici rilevanti includono naturalmente—tra l’altro—i costi e il margine lordo degli articoli di inventario in fase di ottimizzazione. Gli articoli ad alto valore sono naturalmente associati a costi elevati e margini alti—almeno in termini assoluti. L’ottimizzazione effettuata da Lokad massimizza il rendimento dollaro su dollaro per gli investimenti in inventario: in termini semplici, per ogni 1 USD investito, Lokad seleziona l’articolo che garantisce il più alto tasso di rendimento (pensate al ROI).*

Oltre alla pura valutazione economica, esistono altri vincoli che influenzano la generazione delle decisioni di inventario, come i MOQ (quantità minima d’ordine). Tuttavia, la piattaforma di Lokad dispone di tutte le capacità numeriche necessarie per integrare entrambe le categorie di problematiche nella sua ottimizzazione. Tutti i driver economici—e i conseguenti fattori finanziari—vengono proposti da Lokad e, infine, validati dal cliente.

Questa prospettiva unificata, guidata dai fattori finanziari, consente ai professionisti di non doversi più orientare tra una vasta serie di casi limite governati da politiche e problematiche differenti. Ogni articolo—ad alto valore, a basso valore, erratico, ecc.—viene ottimizzato in base all’impatto finanziario che ogni unità aggiuntiva avrà per il cliente.

*Su larga scala, Lokad prepara una lista classificata di decisioni di acquisto, e non una singola raccomandazione. La lista è ordinata in ordine decrescente, a partire dall’articolo che offre il più alto ritorno economico sugli investimenti. Per una spiegazione dettagliata di come ciò venga realizzato, vedi il nostro tutorial sul conto demo pubblico.

1.6 Considerate i costi di gestione degli ordini di acquisto (ad es. ordinazione, fatturazione)?

Sì, Lokad raccomanda una prospettiva finanziaria in cui ogni decisione della supply chain (compresi gli ordini di acquisto) sia ottimizzata in funzione di tutti i relativi driver economici. In particolare, tutte le spese generali associate all’esecuzione delle decisioni, come i costi di gestione, vengono integrate in tale elenco di driver economici. I Supply Chain Scientists di Lokad sono responsabili di garantire che il modello economico, così come implementato nella ricetta numerica, rifletta tutte le opportunità e le spese generali del cliente.

La piattaforma di Lokad è notevolmente espressiva e programmabile, permettendoci di sviluppare il supporto per praticamente qualsiasi tipo di costo e/o sconto che possa sorgere nell’ambito degli ordini, ad es. sconti sul prezzo. Inoltre, l’ottimizzazione stocastica di Lokad ci consente di ottimizzare le decisioni nonostante le non linearità che tali costi (o opportunità) tipicamente rappresentano. Ad esempio, i costi di gestione possono variare poco in funzione della quantità ordinata, il che, a parità di condizioni, dovrebbe spingere il processo di ottimizzazione degli ordini verso ordini (leggermente) più grandi e (leggermente) meno frequenti man mano che i costi di gestione aumentano. Anche gli sconti sul prezzo tendono a orientare l’ottimizzazione verso ordini più grandi e meno frequenti.

1.7 Il team di procurement può simulare l’effetto delle strategie di rifornimento sui requisiti di capitale? Possono proiettare i livelli di inventario?

Sì, la piattaforma di Lokad è stata progettata per supportare la proiezione, in senso molto ampio, delle condizioni future della supply chain in presenza di politiche variabili. Le condizioni future includono i livelli di inventario futuri, ma anche tutte le altre condizioni critiche della supply chain, come la saturazione delle capacità (ad es. trasporto, movimentazione, stoccaggio, ecc.). Le politiche variabili comprendono strategie alternative di rifornimento, oltre a tutte le altre tipologie di decisioni che regolano l’esecuzione della supply chain (allocazioni di stock, ordini di produzione, resi, variazioni di prezzo, ecc.).

Inoltre, Lokad ritiene fondamentale implementare un processo fortemente orientato verso una presa di decisioni completamente automatizzata (per le decisioni ripetitive e routinarie della supply chain). È irragionevole aspettarsi che una “simulazione” possa produrre cifre sensate se, in pratica, l’esecuzione concreta della supply chain dipende da frequenti sostituzioni soggettive (e manuali) da parte dei professionisti. Per progettazione, la simulazione è completamente ignara di tali interventi.

Le previsioni probabilistiche generali—non solo quelle della domanda—sono un altro ingrediente critico per realizzare una simualzione di questo tipo. I tempi di consegna futuri, i resi futuri e molti altri fattori che contribuiscono all’incertezza futura devono essere previsti. In caso contrario, la simulazione opererà sulla base di numeri errati e inaffidabili (cioè, dati che sono ciechi rispetto ad altre fonti cruciali di incertezza). L’integrazione delle previsioni probabilistiche generalizzate ci consente di costruire simulazioni significative che garantiscono la granularità e l’approfondimento necessari per la supply chain del cliente.

Vedi Previsione Probabilistica per maggiori informazioni sulla prospettiva di previsione di Lokad.

1.8 Potete descrivere gli indicatori economici che utilizzate per supportare le raccomandazioni di acquisto?

Sommario esecutivo: La piattaforma programmabile di Lokad consente l’integrazione di una vasta gamma di driver economici nelle raccomandazioni di acquisto, inclusi quelli diretti (di primo ordine) come il margine lordo e i costi di spedizione, e quelli indiretti (di secondo ordine) quali le penalità per stock-out e il goodwill del cliente. Questa programmabilità supera il software aziendale tradizionale, che spesso limita gli utenti a un insieme predefinito di indicatori economici di primo ordine e non offre la flessibilità necessaria per affrontare le complessità delle supply chain reali.

Raccomandiamo di considerare tutti i driver economici rilevanti, che tendono a variare (in una certa misura) da cliente a cliente. In generale, i driver pertinenti rientrano in due ampie categorie, denominate driver di primo e secondo ordine. I driver di primo ordine includono tutti i benefici e i costi che possono essere letti più o meno direttamente dai registri contabili del cliente: margine lordo, costi di spedizione, costi di mantenimento, costi di ordinazione, ecc. I driver di secondo ordine sono più sfumati, meno diretti e completamente assenti dal software aziendale tradizionale. Questi comprendono il costo di non avere un prodotto sugli scaffali quando un cliente lo richiede (penalità per stock-out), il goodwill o la fedeltà della clientela, l’importanza relativa dei segmenti di clientela o delle aree geografiche, ecc.

La piattaforma di Lokad è stata progettata per consentire di considerare praticamente qualsiasi driver economico; se un driver può essere espresso in un foglio di calcolo, allora può essere espresso attraverso la tecnologia di Lokad. In pratica, i Supply Chain Scientists di Lokad sono responsabili della proposta di un elenco esaustivo dei driver economici rilevanti per il cliente. Tale elenco viene successivamente validato e/o modificato dal cliente.

Questa ampia programmabilità supera di gran lunga le funzionalità offerte dal software aziendale, in cui al cliente viene proposta una lista predefinita e hard-coded di indicatori economici di primo ordine a supporto delle raccomandazioni di acquisto. Tali strumenti, in pratica, non riescono a far fronte alle sfumature e alla varietà di situazioni che sorgono nelle supply chain reali. Di conseguenza, qualora il software aziendale si affidi a tali metodi, i professionisti della supply chain ricorrono invariabilmente a metodi precedenti (tipicamente i fogli di calcolo) nel tentativo di includere un driver assente nella lista ERP.

Per quanto riguarda gli indicatori economici, non esiste una scorciatoia per ottenere capacità completamente programmatiche. Sebbene i fogli di calcolo siano effettivamente programmabili, essi mancano della correttezza per progettazione e della scalabilità della piattaforma di Lokad.

Vedi La Supply Chain Quantitativa in breve per maggiori informazioni sulla filosofia della supply chain di Lokad, nonché questo riassunto per ulteriori dettagli sui driver di primo e secondo ordine.

1.9 Fornite report di inventario con le cause radice?

Yes, la piattaforma di Lokad dispone di ampie capacità per identificare le cause radice dello stato attuale dell’inventario del cliente.

Vale la pena sottolineare che identificare le ‘cause radice’ non è un compito banale. Richiede invariabilmente un ampio lavoro da parte dei Supply Chain Scientists di Lokad per identificare correttamente ciò che veramente possa qualificarsi come causa radice. Ad esempio, gli eccessi di stock possono essere ricondotti a MOQ eccessivi (quantità minima d’ordine). Questo, a sua volta, può essere spiegato da condizioni contrattuali mal negoziate dal team di procurement. Tuttavia, le condizioni subottimali potrebbero derivare da aspettative gonfiate della domanda, basate su un’evoluzione attesa dell’offerta del cliente, la quale però è stata rinviata a causa di ritardi da parte del team marketing. Di conseguenza, è molto difficile separare correlazione e causalità, in particolare nella supply chain.

Fortunatamente, la piattaforma di Lokad è programmatica. Questo è un requisito fondamentale quando ci si trova ad affrontare sfide aperte, come l’identificazione delle cause radice. Bug nel sistema che producono dati errati, operatori che ignorano o modificano manualmente le raccomandazioni, prodotti categorizzati erroneamente assegnati al profilo stagionale sbagliato e errori umani basilari (solo per citarne alcuni) possono tutti qualificarsi come cause radice. Senza capacità programmatiche, non c’è speranza di poter approfondire tali inchieste.

Molti software aziendali vantano capacità o report di RCA (analisi delle cause radice), ma in realtà identificano tipicamente sintomi ovvi e non le vere cause radice. Ad esempio, se il software indica un ordine di acquisto eccessivo come causa radice di un eccesso di stock, ciò non risulta particolarmente utile se lo stesso software ha raccomandato quell’ordine in primo luogo. Ciò è particolarmente dannoso se l’aspettativa implicita è che i professionisti sovrascrivano manualmente gli ordini di acquisto errati generati dal software.

Al contrario, qualsiasi causa radice riconducibile alla ricetta numerica generata da Lokad per il suo cliente innescherebbe immediatamente l’intervento del Supply Chain Scientist che gestisce il conto—tipicamente con una riscrittura correttiva. Questa funzionalità di riscrittura è possibile solo perché la piattaforma di Lokad è programmatica.

1.10 Quali capacità di analisi e reportistica avete per monitorare le prestazioni e le tendenze dell’inventario?

La piattaforma di Lokad dispone di ampie capacità analitiche e di reportistica programmatica. Ciò significa che qualsiasi tipo di analisi—e in particolare l’analisi delle prestazioni dell’inventario—che può essere realizzata in un foglio di calcolo o con uno strumento di business intelligence, può essere altrettanto eseguita nella piattaforma di Lokad.

Inoltre, la piattaforma di Lokad è sia scalabile che efficiente in termini di costi anche in fase di ampliamento. Ciò significa che è possibile storicizzare tutto, inclusi i dati che non sempre vengono memorizzati storicamente nei sistemi aziendali (ad es. i livelli di stock storici e i prezzi storici). La piattaforma adotta anche un approccio predittivo per quanto riguarda le prestazioni dell’inventario. Infatti, decidere se vi sia troppo o troppo poco inventario dipende dalle aspettative sulla domanda futura. Queste capacità predittive sono anch’esse programmatiche, il che significa che possono essere adattate secondo necessità.

Oltre a queste capacità grezze della piattaforma, l’approccio raccomandato da Lokad per la performance dell’inventario è duplice. Primo, la performance deve essere ricondotta alle decisioni originali della supply chain che hanno generato lo stock (o la mancanza di stock). Piuttosto che una causa radice, i livelli di stock sono un sintomo dell’azione intrapresa dal cliente (e dal suo fornitore di software di supporto), indipendentemente dal fatto che l’azione sia giusta o sbagliata. Secondo, la performance deve essere valutata in termini di impatto finanziario (ad es., in euro o dollari), anziché in percentuali determinate arbitrariamente collegate agli KPI (ad es., livello di servizio).

Le valutazioni basate su parametri finanziari sono fondamentali per bilanciare in modo efficace i numerosi fattori che contribuiscono a ogni singola decisione della supply chain. La piattaforma di Lokad semplifica queste pratiche, rendendo più semplice per gli analisti del cliente comprendere la performance dell’inventario—sfruttando un numero qualsiasi di dashboard personalizzabili disponibili tramite il loro account Lokad.

1.11 Fornite elenchi TOP P/N (Part Numbers) per categoria per evidenziare dove risiede il maggior potenziale di miglioramento?

Executive summary: Sì, la piattaforma di Lokad può generare elenchi Top P/N per categoria, regione e periodo, e valutare il potenziale di miglioramento in termini monetari, enfatizzando call-to-action attuabili rispetto a una semplice prioritizzazione degli SKU. Tuttavia, Lokad sconsiglia di concentrarsi esclusivamente sul miglioramento delle performance a livello di SKU, preferendo il miglioramento sistematico delle ricette numeriche che governano le decisioni della supply chain, utilizzando i report a livello SKU come strumento di supporto.

Con la piattaforma di Lokad è molto semplice generare elenchi Top P/N di part numbers (o SKU—stock keeping units) per categoria, regione, periodo, ecc. Poiché la soluzione di Lokad è programmabile, qualsiasi elenco che può essere creato in un foglio di calcolo o in uno strumento di business intelligence può essere realizzato anche sulla piattaforma di Lokad. Inoltre, combinando le nostre capacità predittive con la nostra prospettiva finanziaria, il potenziale di miglioramento può essere valutato in termini monetari (ad es., in euro o dollari) anziché in percentuali determinate arbitrariamente collegate agli KPI (ad es., livello di servizio).

L’approccio preferito da Lokad consiste nel calcolare call-to-action prioritarie, con priorità espresse in dollari o euro guadagnati se l’azione proposta viene intrapresa. Queste call-to-action sono diverse e possono includere l’accelerazione o il rinvio di un ordine d’acquisto, l’identificazione di un fornitore alternativo, l’ampliamento dell’assortimento con ulteriori varianti, l’eliminazione graduale dei prodotti dall’assortimento, ecc. Contrariamente a una semplice prioritizzazione dei P/N, una prioritizzazione delle call-to-action è, per design, completamente attuabile. La call-to-action non è necessariamente espressa a livello di P/N. Lokad è in grado di esprimere call-to-action molto diverse a qualsiasi livello di granularità, non solo a livello di P/N.

Tuttavia, dietro a questa domanda si cela una prospettiva che Lokad non raccomanda per la supply chain. L’intento di cercare un miglioramento della performance a livello di SKU è di concentrare l’attenzione degli operatori della supply chain in un contesto in cui ci si aspetta che gli SKU siano esaminati manualmente. Questo approccio è obsoleto e non utilizza in modo adeguato il tempo degli operatori della supply chain. I problemi di inventario riscontrati con un determinato SKU quasi invariabilmente non sono specifici di quello SKU. Invece, c’è qualcosa che non va nella ricetta numerica in generale e, se questo problema più generale non viene affrontato, la prossima volta il problema si manifesterà attraverso un altro SKU.

Pertanto, il tempo degli esperti dovrebbe essere investito nei miglioramenti sistematici delle ricette numeriche che governano le decisioni della supply chain. Sebbene le capacità di reporting a livello di SKU siano importanti, esse contano principalmente come strumenti di supporto per il continuo miglioramento delle ricette numeriche, e non come strumenti per la prioritizzazione dell’attenzione.

2. Livelli di stock e livelli di servizio

2.1 Fornite report sull’inventario disponibile?

Sì, la piattaforma di Lokad rende semplice ottenere un report che copra i livelli di stock disponibile. Lokad è in grado di elaborare dati relazionali provenienti dal sistema gestionale del cliente per generare tali report. Inoltre, la piattaforma di Lokad riesce a gestire le sottigliezze associate ai livelli di stock disponibile, come lo stock riservato o lo stock in arretrato. Tutti questi dati possono essere storicizzati da Lokad, anche se non vengono storicizzati all’interno dei sistemi gestionali originali. Infine, queste informazioni possono essere presentate sia in unità di pezzi sia in unità finanziarie, in linea con le regole di valutazione preferite dal cliente. I report sull’inventario disponibile si basano sull’ultima sincronizzazione incrementale con i sistemi gestionali.

Tale funzionalità, tuttavia, non è l’applicazione principale di Lokad. Sebbene Lokad possa verificare in tempo reale i livelli di stock disponibile per qualsiasi SKU, la nostra tecnologia è concepita come un livello analitico sopra i sistemi gestionali transazionali. Questi sistemi rimangono responsabili della gestione dello stock per tutte le operazioni transazionali quotidiane, mentre Lokad è progettato per ottimizzare l’intelligenza decisionale in materia di inventario.

2.2 Come calcolate e ottimizzate il livello di servizio dell’inventario?

Executive summary: Lokad fornisce livelli di servizio dell’inventario ottimizzati integrando previsioni probabilistiche con ottimizzazione stocastica. Questo approccio consente alle decisioni della supply chain di essere adattate a criteri quantitativi specifici, come il bilanciamento tra alti livelli di servizio, stock minimo e ROI massimizzato.

Lokad ottimizza il livello di servizio dell’inventario combinando le capacità di previsioni probabilistiche e ottimizzazione stocastica. Ciò ci permette di ottimizzare le decisioni della supply chain per riflettere qualsiasi criterio quantitativo che potrebbe essere espresso in Excel, ma in modo migliore. In particolare, ottimizzare le decisioni di rifornimento in linea con determinati livelli di servizio—minimizzando l’ammontare di stock e massimizzando il ROI—è molto semplice.

Le previsioni probabilistiche sono estremamente efficaci per assicurarsi che le decisioni della supply chain riflettano davvero il livello di servizio inteso, anche quando questi livelli sono molto elevati (ad es., 98% e oltre). Le previsioni classiche delle serie temporali (cioè, non probabilistiche) e i loro metodi classici di inventario (ad es., le scorte di sicurezza) falliscono sistematicamente in queste condizioni, poiché le ipotesi di base del modello (cioè, distribuzioni normali per la domanda e i tempi di consegna) vengono sistematicamente violate dalle condizioni reali della supply chain.

Lokad può, e talvolta ottimizza, i livelli di servizio. Per fare ciò, introduciamo i driver economici rilevanti: costi di mantenimento, costi del capitale circolante, costi di write-off, margine lordo, ecc. Successivamente, calcoliamo i livelli di servizio che massimizzano il ritorno in dollari per ogni dollaro speso dal cliente.

Una volta fatto ciò, i nostri clienti di solito si rendono conto che i livelli di servizio possono, in realtà, essere completamente aggirati. Lokad ha la capacità di sfruttare i driver economici sopra menzionati per ottimizzare direttamente le decisioni della supply chain (piuttosto che KPI arbitrari della supply chain). Così, l’inventario finisce per avere livelli di servizio che riflettono la strategia più redditizia per l’azienda. Ciò è vero nonostante Lokad ottimizzi direttamente il ritorno in dollari per ogni dollaro speso, anziché percentuali collegate a KPI arbitrari. “KPI arbitrari” non è iperbole. Primo, il livello di servizio è tipicamente basato sul soddisfare le richieste dei clienti in isolamento, anziché nel farlo nel modo più redditizio possibile. Quest’ultimo è un punto di vista molto più sfumato, che tiene conto dei costi associati al tentativo di raggiungere elevati livelli di servizio per SKU che potrebbero non essere, di per sé, particolarmente redditizi. Ignorare questa prospettiva garantisce il protrarsi di costi di inventario non necessari (e svalutazioni di inventario). Ciò perché livelli di servizio arbitrariamente elevati generano, per design, un flusso continuo di inventario morto.

Secondo, il livello di servizio—una percentuale arbitraria e burocratica—non equivale alla “qualità del servizio” per i clienti. I livelli di servizio ignorano, per design, tutte le cannibalizzazioni e sostituzioni presenti nell’offerta. Al contrario, ignorano anche, per design, tutte le dipendenze interne all’offerta, laddove ottenere il prodotto A ha senso solo se il prodotto B è disponibile congiuntamente.

Terzo, anche da una prospettiva relativa a un singolo SKU, i livelli di servizio non tengono conto degli ordini in blocco—situazioni in cui un cliente si aspetta che una determinata quantità sia disponibile per l’acquisto. In tal caso, sia gli scaffali vuoti che quelli con scorte insufficienti rappresentano una minaccia alla qualità del servizio.

In breve, il livello di servizio è uno strumento obsoleto della supply chain, da non confondere con la “qualità del servizio”, che rimane importante come sempre. Lokad riconosce che un tempestivo change management potrebbe richiedere un periodo di transizione caratterizzato da tali KPI; tuttavia, a lungo termine, raccomandiamo fortemente la prospettiva economica superiore che ottimizza il ritorno in dollari per ogni dollaro speso.

Per saperne di più sulla prospettiva finanziaria di Lokad, vedere The Quantitative Supply Chain in a Nutshell.

2.3 Come ottimizzate i livelli di stock e riducete i costi di mantenimento?

Executive summary: Lokad segue un processo a due fasi. Primo, stabiliamo un modello predittivo probabilistico. Il modello predittivo è una versione generalizzata dei vecchi modelli di previsione delle serie temporali (ora obsoleti), in quanto copre tutte le fonti di incertezza, non solo la domanda. Secondo, applichiamo un’ottimizzazione stocastica. L’ottimizzazione stocastica è il processo che fornisce le decisioni della supply chain d’interesse, ad es., le quantità di rifornimento. L’ottimizzazione è definita “stocastica” poiché il criterio ottimizzativo è rumoroso/randomizzato, riflettendo le incertezze delle condizioni future della supply chain.

Il criterio di ottimizzazione preferito da Lokad riflette i driver economici del cliente. Pertanto, nell’ottimizzare l’inventario di un cliente, Lokad quantifica esplicitamente i vari costi (ad es., costi di mantenimento, costi del capitale circolante, costi di write-off, ecc.) così come il potenziale di guadagno (ad es., margine lordo, penalità per stock-out, ecc.) per massimizzare la redditività. In tal modo, regola i livelli di stock per minimizzare i costi di mantenimento, ma solo nella misura in cui tali guadagni non siano compensati da perdite derivanti da una qualità del servizio degradata.

Sebbene il criterio di ottimizzazione preferito da Lokad sia radicato nell’attenta quantificazione dei driver economici del cliente, possiamo adattare i nostri criteri per riflettere una serie di fattori alternativi. La piattaforma di Lokad è programmabile, il che significa che può essere adattata per soddisfare qualsiasi criterio desiderato dal cliente, inclusi quelli che potrebbero essere espressi in un tradizionale foglio Excel.

Per saperne di più sulla prospettiva finanziaria di Lokad, vedere Economic Drivers in Supply Chain e The Quantitative Supply Chain in a Nutshell.

2.4 Come ottimizzate le scorte di sicurezza per minimizzare gli stockout controllando i costi di mantenimento?

Executive summary: Le decisioni aggiustate per il rischio di Lokad minimizzano attentamente il rischio finanziario reale degli stockout aumentando il livello di stock fino al punto in cui i costi marginali di mantenimento superano il costo di un evento di stockout. Poiché l’ottimizzazione deve far fronte a un’incertezza ambientale costante—il futuro è imprevedibile—è necessaria un’ottimizzazione stocastica. I metodi tradizionali di previsione e ottimizzazione (cioè, modelli deterministici) non riescono a gestire le variabili future rumorose/randomizzate—mentre le previsioni probabilistiche combinate con l’ottimizzazione stocastica sì.

Lokad ottimizza tutti gli stock — comprese le scorte di sicurezza — sfruttando previsioni probabilistiche combinate con un’ottimizzazione stocastica. Le previsioni probabilistiche includono la domanda futura e i tempi di consegna futuri, oltre a qualsiasi altra fonte rilevante di incertezza. L’ottimizzazione stocastica può essere adattata per soddisfare qualsiasi criterio numerico, inclusa la minimizzazione degli stockout sotto un vincolo massimo sui costi di mantenimento.

Le previsioni probabilistiche sono particolarmente adatte ad affrontare le condizioni insolite che generano gli stockout in primo luogo. Se si verifica uno stockout, solitamente è perché la domanda o il tempo di consegna sono aumentati in modo inaspettato—possibilmente entrambi. I modelli classici di previsione delle serie temporali (cioè, non probabilistici) individuano un unico valore futuro (ad es., X), escludendo completamente quei valori alternativi meno probabili—sebbene ben lontani dall’improbabile—(ad es., X+1, X-1, ecc.).

Di conseguenza, le previsioni classiche delle serie temporali sono in gran parte cieche quando si tratta della valutazione quantitativa di eventi improbabili, come quello che causerebbe uno stockout. Quando un’azienda mira a una frequenza di stockout inferiore all'1% del tempo (ad es., per trimestre), gli stockout che si verificano comunque fanno, per design, parte dell'1% delle situazioni più estreme.

Il processo di ottimizzazione stocastica è essenziale per trasformare le previsioni probabilistiche originali in decisioni della supply chain, come i rifornimenti di inventario. La preferenza di Lokad è un approccio puramente economico in cui il costo degli stockout è espresso in dollari (o euro), accanto agli altri costi, come i costi di mantenimento.

Secondo la stima di Lokad, il modello di scorte di sicurezza è un concetto obsoleto, anche se può essere incluso nella nostra piattaforma su richiesta del cliente. Raccomandiamo con forza di abbracciare pienamente la prospettiva quantitativa della supply chain, invece di affidarsi a metodi non idonei allo scopo. Ad esempio, probabilmente il più grande difetto dei modelli di scorte di sicurezza è che (per design) non sono in grado di dare la giusta priorità, in caso di due SKU sull’orlo di uno stockout, a quello che sia il più importante. Questa prospettiva tratta gli SKU in isolato, vanificando così il tentativo di ottimizzare la supply chain nel suo insieme.

Per approfondire questi argomenti, vedere Why Safety Stock is Unsafe e Retail stock Allocation with Probabilistic Forecasts.

2.5 Calcolate e regolate dinamicamente i livelli di scorte di sicurezza a livello di negozio/magazzino?

Executive summary: Sì, la piattaforma di Lokad permette che l’intero processo di ottimizzazione dell’inventario venga aggiornato ogni volta che vengono forniti nuovi dati di input—tipicamente su base giornaliera. In linea di massima, manteniamo tutti i calcoli entro 60 minuti, inclusi l’aggiornamento di tutte le previsioni e decisioni per ogni singolo SKU in ogni sede—inclusi negozi e magazzini. Questo approccio flessibile e scalabile è possibile solo grazie alle specifiche decisioni ingegneristiche.

La piattaforma di Lokad enfatizza un design “senza stato” per l’ottimizzazione della supply chain. Non riutilizziamo calcoli precedenti, bensì ricalcoliamo tutto ogni volta che riceviamo dati grezzi in input. Sebbene ciò possa aumentare le risorse computazionali, è l’unico metodo efficace (attualmente disponibile) per garantire l’integrità del processamento dei dati—qualcosa che verrebbe compromesso senza il design senza stato di Lokad. L’alternativa sarebbe permettere che l’ambiente di produzione del cliente diventi il campo di prova per dati semi-verificati—cosa che Lokad non raccomanda.

Questi aggiornamenti coprono tutte le impostazioni che governano l’ottimizzazione della supply chain fornita da Lokad. Se il cliente lo desidera, gli aggiornamenti possono includere previsioni di serie temporali, scorte di sicurezza e livelli di servizio ottimizzati. Tuttavia, Lokad raccomanda fermamente ai clienti di non fare affidamento su questi metodi obsoleti, bensì di abbracciare pienamente il potere superiore di ottimizzazione offerto dalle previsioni probabilistiche e dall’ottimizzazione stocastica.

Si prega di consultare Aggiorna tutto ogni giorno per ulteriori informazioni su questo punto.

Vedi anche Livelli di scorte e livelli di servizio 2.4 in queste FAQ.

2.6 Valuti l’impatto dei livelli/formule di scorta di sicurezza sul mantenimento dei livelli di servizio desiderati?

Sì, attraverso la piattaforma di Lokad un operatore della supply chain può valutare l’impatto di una determinata scorta di sicurezza sul livello di servizio. In altre parole, è possibile scegliere un livello di scorta di sicurezza e osservare il relativo livello di servizio. La piattaforma consente inoltre all’operatore della supply chain di valutare altri fattori, come i costi di mantenimento previsti (o almeno la durata di detenzione se le caratteristiche economiche delle scorte non sono state fornite) e/o il rischio di scorte morte.

Tuttavia, le scorte di sicurezza e i livelli di servizio sono concetti in gran parte obsoleti. Pur potendoli includere nella nostra piattaforma, Lokad non li raccomanda. Le previsioni probabilistiche e l’ottimizzazione stocastica—la base dell’ottimizzazione di Lokad—rappresentano un’alternativa superiore in ogni dimensione.

Consulta Allocazione delle scorte al dettaglio con previsioni probabilistiche per ulteriori informazioni su questo punto.

Vedi anche Livelli di scorte e livelli di servizio 2.4 in queste FAQ.

2.7 Lokad consente l’implementazione di strategie d’inventario variegate, ciascuna con specifici livelli di servizio e intervalli di confidenza, differenziate su più dimensioni organizzative (ad es., per SKU, categoria di prodotto e/o regione)?

Executive summary: Sì, la piattaforma di Lokad supporta la differenziazione delle strategie o politiche d’inventario a livello di SKU. Tali strategie possono riflettere impostazioni differenziate—a livello di SKU—considerando diversi obiettivi di livello di servizio, differenti intervalli di confidenza (per le scorte di sicurezza), ecc. Queste strategie possono essere differenziate anche a qualsiasi livello intermedio di granularità (non solo a livello di SKU). Ad esempio, è possibile applicare impostazioni in maniera selettiva per regione, per categorie di prodotto, per attributi dell’articolo (ad es., soglia sul peso dell’articolo), ecc.

La piattaforma di Lokad è programmatica, per cui possiamo implementare qualsiasi strategia d’inventario che possa essere espressa in un foglio di calcolo—indipendentemente da quanto arbitraria o insolita possa essere. I Supply Chain Scientists di Lokad svolgono questi compiti e garantiscono che il risultato rifletta fedelmente l’intento originale dell’azienda cliente.

Anche se la piattaforma di Lokad può essere utilizzata per perseguire i livelli di servizio, raccomandiamo fortemente di non farlo. La piattaforma di Lokad è meglio dedicata all’ottimizzazione del ritorno in dollari per dollaro speso, e non a percentuali collegate a KPI arbitrari. Infatti, esistono due ampie obiezioni alla stessa nozione di “livello di servizio”.

Prima, nonostante il nome simile, la connessione tra livello di servizio e qualità del servizio—come percepito dal consumatore—è labile. Molti manuali di supply chain, e di conseguenza molti software per la supply chain, confondono erroneamente le due nozioni. I livelli di servizio ignorano completamente l’intera gamma di tutte le sostituzioni possibili, così come tutte le dipendenze possibili tra prodotti. In quanto tali, i livelli di servizio sono un pessimo indicatore per una reale comprensione della qualità del servizio.

Seconda, i livelli di servizio, per loro natura, contribuiscono alla continua generazione di svalutazioni d’inventario. Ciò è dovuto al loro focus esclusivo sull’aspetto positivo (cioè, servire la domanda), il che in ultima analisi significa che risultano ciechi all’aspetto negativo (cioè, ritrovarsi con unità di stock che non vengono mai vendute, richieste o consumate).

2.8 È possibile imporre livelli di servizio e rotazioni d’inventario per SKU o per P/N (Part Number)?

Sì, la piattaforma di Lokad ci permette di regolare il processo di ottimizzazione dell’inventario in funzione di un determinato livello di servizio/rotazione d’inventario, fino al livello di SKU o a qualsiasi livello intermedio di granularità (P/N, marca, località, categoria, fascia di prezzo, ecc.). In questo senso, la piattaforma di Lokad può indirizzare le decisioni d’inventario per riflettere qualsiasi obiettivo quantitativo desiderato dal cliente.

Tuttavia, nessun fornitore può promettere che le proprie impostazioni vengano “imposte”, almeno non su un determinato SKU. Fondamentalmente, sia i livelli di servizio che le rotazioni d’inventario dipendono dal comportamento dei clienti. Se vi è un’impennata di interesse per un determinato prodotto, la domanda risultante potrebbe superare di gran lunga i livelli di stock, e l’obiettivo di livello di servizio non verrà raggiunto. Analogamente, se vi è una diminuzione dell’interesse, anche gli obiettivi di rotazione d’inventario non verranno rispettati.

La tecnologia di previsione probabilistica di Lokad garantisce che, in media, attraverso molti SKU (cioè, migliaia) e su un periodo considerevole (cioè, settimane) i livelli di servizio e le rotazioni d’inventario osservati riflettano le impostazioni desiderate dal cliente. Questo è, praticamente parlando, il più vicino che si possa ragionevolmente arrivare a “imporre” impostazioni che sono in ultima analisi determinate dal cliente/i.

Vedi anche Livelli di scorte e livelli di servizio 2.7 in queste FAQ.

3. Eccessi di scorte

3.1 Come integrate il rischio di svalutazione dell’inventario?

Le previsioni probabilistiche utilizzate da Lokad sono un ingrediente fondamentale per la valutazione della svalutazione dell’inventario. Attraverso le previsioni probabilistiche, Lokad valuta tutti i possibili futuri, compresi quelli meno probabili, anziché basare l’intera analisi su un unico valore futuro presunto (cioè, previsioni classiche puntuali/di serie temporali). In realtà, è il previsto (improbabile ma non impossibile) brusco calo della domanda che causa la svalutazione dell’inventario, qualcosa che le previsioni probabilistiche sono progettate per quantificare esplicitamente in anticipo.

Una volta stabilite le previsioni probabilistiche, Lokad produce decisioni per la supply chain adeguate al rischio. Queste decisioni sono ottimizzate rispetto ai fattori economici rilevanti, tra cui la possibilità di svalutazione dell’inventario. La decisione (ad es., un rifornimento d’inventario) viene aggiustata in base al rischio in quanto bilancia il potenziale vantaggio di servire meglio i clienti con lo svantaggio di potersi ritrovare, successivamente, con scorte morte. Inoltre, Lokad può riflettere l’opzione intermedia che potrebbe essere disponibile per l’azienda cliente, come canali di vendita secondari in grado di assorbire lo stock extra, sebbene a prezzi fortemente scontati.

Vedi anche Livelli di scorte e livelli di servizio 2.3 in queste FAQ.

3.2 Come gestite e ottimizzate lo stock morto e/o l’inventario dormiente?

Lokad affronta proattivamente lo stock morto eliminando, o quantomeno riducendo drasticamente, le decisioni della supply chain che alla fine generano tale stock in primo luogo. Questo meccanismo proattivo si basa ampiamente sulle previsioni probabilistiche generate da Lokad.

A differenza delle previsioni classiche di serie temporali che individuano un singolo valore futuro—ignorando così tutte le alternative—Lokad valuta quantitativamente tutti i possibili futuri attraverso le rispettive probabilità. Attraverso questa valutazione, quantifichiamo il rischio di generare stock morto per ogni decisione della supply chain (ad es., ordinare 5 unità anziché 4). Se una decisione (ad es., ordinare 5 unità in più) è ritenuta troppo rischiosa in termini di inventario morto, allora essa viene modificata per ridurre il rischio. Naturalmente, il rischio di svalutazione dell’inventario non può essere eliminato del tutto, ma, una volta adeguatamente valutato, la frequenza delle svalutazioni d’inventario può essere drasticamente ridotta.

Per quanto riguarda l’inventario dormiente, a meno che tale inventario non serva a uno scopo molto specifico (come può accadere in contesti industriali in cui le parti di ricambio risolvono guasti rari ma critici), Lokad generalmente raccomanda di abbassare il prezzo per stimolare la domanda. Ciò liquiderebbe, in ultima analisi, ciò che resta dell’inventario. La piattaforma di Lokad è in grado di produrre un processo di ottimizzazione congiunta di inventario e prezzi per questo preciso scopo.

Vedi anche Eccessi di scorte 3.1 in queste FAQ.

3.3 Identificate l’inventario non performante, ad es., E&O (eccesso e obsolescenza) e stock morto?

Executive summary: Sì. Utilizzando le previsioni probabilistiche, Lokad identifica e quantifica i cicli di vita delle unità in stock per ogni SKU. Per ciascuna unità, stimiamo la probabilità che venga richiesta (o servita o consumata) entro un determinato orizzonte temporale. Ad esempio, considerando un SKU sovraccaricato, possiamo valutare quale frazione dello stock sia a rischio di diventare stock morto e quale frazione sia a rischio di diventare stock declassato (che richieda riduzioni per stimolare le vendite). Questo è lo stesso approccio adottato per l’eccesso e l’obsolescenza delle scorte, e rappresenta un ingrediente fondamentale nella produzione delle decisioni consigliate per la supply chain.

La prospettiva delle previsioni probabilistiche permette a Lokad di considerare tutti i possibili valori futuri (ad es., della domanda), anziché fare affidamento su un unico valore (come nelle previsioni tradizionali di serie temporali). Questa prospettiva è fondamentale per affrontare tutte le variazioni sottili che emergono nel tentativo di mitigare i rischi dell’inventario. Considerare lo stock morto è qualcosa che può soltanto essere evitato (piuttosto che gestito a posteriori), poiché a quel punto non rimane altra scelta che eliminarlo. Tale processo richiede di quantificare con precisione la probabilità che una decisione della supply chain generi scorte in eccesso/obsolete/morte/declassate.

I modelli di previsione delle serie temporali sono, per loro natura, incapaci di questo tipo di valutazione del rischio. Una ragione principale è che le previsioni di serie temporali considerano solo un singolo valore futuro (ad es., la domanda). Questo livello di semplicità consente di scomporre ordinatamente gli SKU in categorie ben definite (come le classi A/B/C in un’analisi ABC). Tuttavia, tale semplicità implica che non sia possibile una valutazione dettagliata del rischio, poiché una lista classificata di decisioni adeguate al rischio per un determinato SKU richiede dati relativi a molteplici scenari futuri (cioè, vendere 1/2/3/4/5/etc. unità dello stesso SKU).

In breve, adottare un approccio probabilistico alle previsioni (in questo caso, della domanda) si traduce in una strategia efficace e proattiva che mitiga la generazione di inventario non performante, anziché cercare di gestirlo a posteriori—quando, a quel punto, non rimane altra scelta che eliminarlo.

3.4 Avete KPI per monitorare l’inventario attivo, dormiente e nuovo?

Executive summary: Sì. La piattaforma di Lokad è programmatica—il che significa che possiamo progettare qualsiasi tipo di KPI desiderato—e i nostri Supply Chain Scientists si occupano della costruzione e dell’implementazione dei KPI del cliente (in collaborazione con il cliente stesso). Lokad fornisce KPI su misura che riflettono autenticamente le sfumature dell’inventario del cliente. Inoltre, Lokad può riprodurre qualsiasi KPI che il cliente abbia utilizzato in precedenza e desideri mantenere, anche se solitamente questi risultano meno utili rispetto a quelli studiati su misura per il progetto.

Lokad non solo è in grado di tracciare l’età esatta di ogni singola unità in stock, ma anche, grazie alle nostre previsioni probabilistiche, di valutare la probabilità che un’unità rimanga in stock per una determinata durata (1 settimana, 1 mese, 1 anno, ecc.). Qualificare l’inventario come attivo vs dormiente non è una semplice questione di visualizzare dati storici, ma implica una proiezione della domanda futura. Pertanto, i “KPI” sono predittivi. Di conseguenza, dipendono implicitamente dalla adeguatezza del modello predittivo sottostante a svolgere tale compito. In questo contesto, le previsioni probabilistiche della domanda sono particolarmente adatte a valutare i rischi associati a un calo significativo della domanda.

Al contrario, alcuni fornitori di software aziendali trattano i KPI dell’inventario come se fossero una diretta rappresentazione dei dati storici. Tuttavia, l’aspetto “predittivo” non può essere evitato. Spesso questi fornitori non si rendono conto di affidarsi implicitamente a previsioni della domanda basate su una “media mobile”, dando così l’illusione che non avvengano previsioni. Di conseguenza, tali KPI inadeguati si rivelano dannosi per l’azienda, in quanto distraggono semplicemente gli operatori della supply chain.

Vedi anche Eccessi di scorte 3.3 in queste FAQ.

3.5 Come integrate, monitorate e ottimizzate le svalutazioni mensili dell’inventario? Come gestite la variabilità nel processo di svalutazione stesso?

Executive summary: Lokad affronta la svalutazione dell’inventario attraverso un approccio completo che prevede il monitoraggio della composizione dell’inventario, la modellazione dei meccanismi di svalutazione e la generazione di decisioni per la supply chain adeguate al rischio. Mantenendo registrazioni dettagliate dei livelli e delle età dello stock, utilizzando modelli predittivi per anticipare la futura composizione dello stock e impiegando capacità programmatiche per riflettere i vari meccanismi di svalutazione, Lokad gestisce efficacemente sia i fattori interni che quelli esterni di svalutazione. La piattaforma di Lokad sfrutta l’ottimizzazione stocastica per prendere decisioni per la supply chain che tengano conto di tutti i driver economici, inclusi i costi di svalutazione, mitigando proattivamente i rischi connessi e bilanciandoli con altre considerazioni operative.

Affrontare le svalutazioni dell’inventario comporta occuparsi di una serie di sottoproblemi. Il primo consiste nel tenere traccia della composizione esatta dell’inventario—non solo dei totali espressi in unità di stock. Ad esempio, l’età di ogni unità è importante. Il secondo problema consiste nel modellare il meccanismo stesso della svalutazione. Questo può essere un fenomeno puramente endogeno, in cui le merci si degradano nel tempo, oppure un fenomeno esogeno, in cui le condizioni di mercato cambiano e deprezzano le merci nel processo. Il terzo problema è generare decisioni per la supply chain che siano adeguate al rischio in relazione alla potenziale svalutazione.

Innanzitutto, attraverso la piattaforma di Lokad, monitoriamo non solo i livelli di stock, ma anche l’età delle scorte di ogni unità presente (sia passate che future). Questo processo è un modello predittivo a sé stante. Anche guardando ai dati storici (ottenuti dai sistemi aziendali), la composizione per età delle unità in magazzino di solito non è registrata, potendosi solo dedurre. Esiste una notevole eccezione per l’inventario seriale, in cui ogni unità in magazzino è tracciata tramite il suo numero seriale; in questo caso, non serve un modello predittivo per il passato, ma ce ne serve uno per il futuro. Il modello predittivo per la composizione dell’inventario può basarsi sull’assunzione FIFO (first-in, first-out) per il consumo delle scorte, e su alcuni altri modelli più sfumati.

Ad esempio, in un negozio al dettaglio, i clienti a volte possono adottare un comportamento avversario, come scegliere i prodotti dall’aspetto migliore (o selezionare in base alle date di scadenza, se disponibili), trasformando in parte il consumo delle scorte in un approccio LIFO (last-in, first-out). Lokad è in grado di gestire sia il FIFO che il LIFO, nonché l’intero spettro intermedio.

In secondo luogo, grazie alle capacità programmatiche della piattaforma di Lokad, possiamo riflettere qualsiasi meccanismo di deprezzamento. Ad esempio, Lokad può riflettere un deprezzamento esponenziale in cui i beni perdono una piccola frazione del loro valore ad ogni periodo; oppure può riflettere un deprezzamento a gradini in cui i beni perdono una parte consistente del loro valore a certe soglie di età. Inoltre, il meccanismo di deprezzamento può coinvolgere dipendenze tra prodotti. Ad esempio, ci si può aspettare che i beni perdano una parte consistente del loro valore quando vengono introdotti prodotti rivali superiori — come accade frequentemente in alcuni settori verticali (ad esempio, l’elettronica di consumo).

La variabilità del processo di deprezzamento, che tende a essere pronunciata quando si considerano deprezzamenti esogeni, beneficia dei modelli predittivi (probabilistici) all’interno della piattaforma di Lokad. Non è necessario sapere esattamente quando verrà introdotto un prodotto rivale; analizzando i dati storici, possiamo modellare il tasso di sostituzione dei prodotti e riflettere la probabilità che un dato prodotto diventi obsoleto entro un determinato orizzonte temporale (ad esempio, una settimana, un mese, un anno, ecc.). Questi modelli probabilistici vengono appresi sfruttando i dati storici messi a disposizione da Lokad.

In terzo luogo, le decisioni della supply chain adeguate al rischio sono calcolate da Lokad, considerando tutti i fattori economici rilevanti. Il processo è un’ottimizzazione stocastica, poiché la funzione di perdita (cioè costi e benefici) è rumorosa/variabile. I costi di deprezzamento sono inclusi insieme a tutti gli altri fattori rilevanti. Poiché la piattaforma di Lokad offre paradigmi sia di apprendimento programmatico che di ottimizzazione, possiamo produrre decisioni adeguate al rischio considerando (e combinando) tipologie di costi molto diverse.

In conclusione, producendo decisioni per la supply chain adeguate al rischio (ad es. ordini di acquisto, ordini di produzione, ecc.) che tengono conto del deprezzamento dell’inventario, Lokad mitiga in modo proattivo la quantità di scorte che alla fine subirà deprezzamento. Ogni decisione viene orientata con delicatezza lontano dal rischio di deprezzamento, ma non a tal punto da aggravare un altro problema, come il deterioramento della qualità del servizio oltre quanto ottenuto dalla riduzione del deprezzamento.

3.6 Fornite un report sull’inventario in eccesso?

Executive summary: Sì. La piattaforma di Lokad dispone di una tecnologia all’avanguardia per la previsione della domanda. Sfruttiamo questa tecnologia per valutare quanto tempo ci vorrà per ciclare tutte le scorte impegnate, sia quelle a magazzino che quelle ordinate. Inoltre, la nostra tecnologia supporta previsioni probabilistiche, che forniscono una valutazione quantitativa diretta dei rischi di sovraccarico di scorte. Combinando le previsioni probabilistiche con un modello economico dell’inventario che rifletta tutti i fattori economici pertinenti, Lokad fornisce una valutazione quantitativa dei rischi dell’inventario espressa in termini di impatto monetario (ad es. euro o dollari).

Le scorte sono sempre considerate “eccessive” se confrontate con un modello predittivo della domanda. Non esiste una cosa come “scorte eccessive” senza formulare un’ipotesi sulla domanda futura (anche se tale ipotesi può essere implicita). Qualsiasi soluzione software che generi un report sulle scorte in eccesso basato su regole come “più di X mesi di scorte” si basa, implicitamente, su una previsione della domanda a media mobile, che risulta insufficiente per la maggior parte dei settori verticali.

Inoltre, senza un modello economico solido che rifletta l’equazione costi/benefici dell’inventario, l’azienda cliente si espone a gravi errori di gestione delle scorte. Una decisione finanziariamente guidata riguardo l’inventario può sembrare inizialmente strana, ma è perfettamente sensata. Ad esempio, se un articolo è molto economico, molto piccolo, venduto con un margine lordo confortevole, assolutamente richiesto dal cliente (in piccole quantità) e può essere acquisito solo raggiungendo MOQs (quantità minima d’ordine) molto elevati, potrebbe essere ragionevole mantenere in magazzino più di un anno di scorte di quell’articolo. Sebbene avere scorte per oltre un anno possa sembrare un errore, il ritorno sull’investimento può raccontare una storia completamente diversa.

Vedi No1 al livello SKU nella competizione di previsione M5 per ulteriori informazioni su come l’approccio di Lokad alla previsione funzioni in pratica.

4. Esaurimenti delle scorte

4.1 Assegnate l’inventario agli SKU a rischio di esaurimento?

Sì, in generale, una delle conseguenze dell’ottimizzazione dell’inventario di Lokad è che l’inventario finisce per essere assegnato agli SKU man mano che aumenta il rischio di esaurimento. Se tutte le altre condizioni sono uguali, gli SKU sul punto di esaurirsi ricevono un’attenzione prioritaria.

Detto questo, raccomandiamo di adottare una prospettiva economica, end-to-end, per l’ottimizzazione quando si tratta di esaurimenti. Ciò significa considerare il totale impatto finanziario di una decisione relativa alla supply chain (ad es. assegnare scorte per evitare un evento di esaurimento). Occasionalmente, evitare l’esaurimento non ha sempre senso dal punto di vista economico.

Ad esempio, per i negozi di moda è naturale alla fine della stagione consentire progressivamente che gli articoli di una collezione datata raggiungano lo stato di esaurimento. Ciò viene fatto intenzionalmente per fare spazio alla collezione successiva e più recente. Analogamente, se un prodotto viene sostituito da un’alternativa superiore, ha senso lasciare che il prodotto obsoleto raggiunga lo stato di esaurimento, per poi eliminarlo dall’assortimento. Pertanto, in linea di massima, un’ottimizzazione economica ben progettata cercherebbe di evitare eventi di esaurimento.

Tuttavia, un’ottimizzazione del genere fornirebbe anche una risposta molto più granulare e sofisticata in merito alla corretta dimensione degli investimenti (ad es. quante unità vengono assegnate a uno specifico SKU) sin dall’inizio, al fine di mitigare il rischio finanziario.

4.2 Come prioritizzate gli ordini di acquisto (PO)?

Executive summary: Lokad dà priorità agli ordini di acquisto (PO) valutando i ritorni economici di ogni unità di stock da ordinare, puntando a massimizzare il ritorno per ogni dollaro speso. Questa valutazione granulare, integrata con vincoli cross-SKU come le quantità minime d’ordine, è guidata da previsioni probabilistiche e ottimizzazione stocastica. Queste tecnologie valutano rischi e ritorni per ogni unità, considerando fattori quali domanda, tempi di consegna e resi, per creare ordini di acquisto finanziariamente ottimizzati che bilanciano i vincoli e la sostenibilità economica.

L’approccio di ottimizzazione di Lokad consiste nel valutare i ritorni economici di ogni singola unità di stock da ordinare. Questo viene fatto per mitigare il rischio massimizzando i ritorni in dollari per ogni dollaro speso. Tale valutazione estremamente granulare viene poi sfruttata da un processo di ottimizzazione che genera gli ordini di acquisto in grado di riflettere correttamente tutti i vincoli cross-SKU (ad es. le quantità minime d’ordine a livello di fornitore). Tali vincoli vengono sovrapposti ai ritorni economici per unità che guidano la prioritizzazione complessiva. Di conseguenza, gli ordini di acquisto di Lokad sono internamente correttamente prioritizzati e ciascuno viene accompagnato dalla propria valutazione economica (cioè, i ritorni in dollari). Questa valutazione viene ottenuta attraverso l’aggregazione dei ritorni economici di tutte le unità incluse nell’ordine di acquisto.

Questa prioritizzazione degli ordini di acquisto, guidata da considerazioni finanziarie, si basa su due ingredienti tecnologici chiave: le previsioni probabilistiche e l’ottimizzazione stocastica. Entrambi fanno parte della piattaforma di Lokad.

Le previsioni probabilistiche, che includono la previsione non solo della domanda futura ma anche di tutte le altre fonti di incertezza come i tempi di consegna o i resi, sono fondamentali per valutare i rischi associati a un ordine di acquisto. Questi rischi comprendono sia il lato positivo (ad es. ridurre il rischio di un evento di esaurimento) sia il lato negativo (ad es. aumentare il rischio di scorte invendute). Grazie alle previsioni probabilistiche e sfruttando i fattori economici rilevanti (ad es. margine lordo, costi di mantenimento, ecc.), Lokad genera il ritorno sull’investimento atteso, adeguato al rischio, per ogni unità di stock da ordinare, incluse le notevoli riduzioni dei ritorni man mano che vengono ordinate più unità.

Il processo di ottimizzazione stocastica consente la composizione degli stessi ordini di acquisto. In assenza di vincoli, si tratta di una semplice prioritizzazione delle unità da acquistare, ordinate in base al loro rispettivo tasso di ritorno per dollaro speso. Tuttavia, quando sono presenti vincoli cross-SKU, è necessario un processo di ottimizzazione stocastica per comporre con successo e automaticamente degli ordini di acquisto che rispettino tutti tali vincoli, mantenendo la valutazione finanziaria per unità.

4.3 Inviate ordini ai fornitori per gli SKU strategici/critici?

Sì, gli ordini di acquisto generati dalla piattaforma di Lokad integrano tutte le preoccupazioni rilevanti, inclusa l’importanza strategica/critica che alcuni SKU rivestono. Tali preoccupazioni possono includere sia informazioni esplicite fornite dal cliente sia valutazioni quantitative implicite/inferite attraverso l’analisi di Lokad.

Ad esempio, uno SKU potrebbe essere “critico” perché venduto o servito principalmente a clienti grandi e importanti. In alternativa, uno SKU potrebbe essere critico in quanto fa parte di un kit o di una distinta base (BOM, bill of materials), rendendo questo SKU una sorta di collo di bottiglia. Per queste situazioni, è preferibile sfruttare la piattaforma di Lokad per dedurre l’importanza dello SKU attraverso un’analisi diretta dei dati.

Più in generale, la prospettiva finanziaria raccomandata da Lokad è ben concepita per accogliere varie preoccupazioni e combinarle con le decisioni consigliate per la supply chain. Questa prospettiva enfatizza l’integrazione di tutti i fattori economici — compresi quelli meno evidenti, come il costo di un evento di esaurimento — nel processo decisionale della supply chain.

4.4 Come consolidate gli ordini di acquisto critici in una lista critica per i fornitori chiave?

Executive summary: L’approccio di Lokad consiste nel quantificare l’impatto economico di ogni decisione nella supply chain. In pratica, ciò comporta la valutazione dell’impatto finanziario (misurato in ritorno per dollaro speso) derivante dall’ordinazione di ogni singola unità di stock aggiuntiva. Generando una lista che classifica gli articoli in base al loro ritorno per dollaro speso, Lokad crea automaticamente delle liste che riflettono il migliore stato finanziario possibile per il cliente, in relazione ai suoi fattori economici e KPI (incluso il livello di servizio). Questo elimina la necessità di metodi tradizionali, come min/max, scorte di sicurezza, ecc., che alla fine mancano di una dimensione economica robusta.

L’approccio di previsioni probabilistiche di Lokad ci consente di generare ordini di acquisto adeguati al rischio che consolidano tutte le unità che possono essere ordinate in modo profittevole (classificate unità per unità). Ciò semplifica il perfezionamento dell’ordine di acquisto, isolando al suo interno le unità che superano un determinato livello di ritorni economici. Queste unità ad alto rendimento costituiscono l’essenza della lista critica da comunicare ai fornitori chiave. Il ritorno economico riflette, in un modo o nell’altro, la penalità per esaurimento (un fattore economico meno comune ma critico che misura l’impatto finanziario di un evento di esaurimento). Il tutto è finalizzato a valutare adeguatamente l’importanza di ogni singola unità in relazione alla qualità del servizio prevista.

Alcuni metodi vecchi (ora obsoleti) — ancora presenti in alcuni software aziendali — consistono nel valutare gli ordini di acquisto in relazione agli obiettivi di livello delle scorte (ad es. min/max, scorte di sicurezza, target di copertura, target di buffer, ecc.). Tuttavia, questi metodi mancano di meccanismi per quantificare l’importanza di ogni singola unità in isolamento stretto dalle altre unità.

In realtà, tali metodi non riflettono l’influenza dei rendimenti decrescenti che si riscontra nella supply chain. Tipicamente, la prima unità ordinata vale di più (sia per l’azienda cliente sia per i suoi clienti) rispetto alla seconda unità. Poiché i metodi tradizionali non quantificano i ritorni dell’inventario su base unità per unità, non sono in grado di estrarre un vero sottoinsieme critico di unità da trasmettere ai fornitori chiave.

Comporre una lista veramente critica richiede, per sua natura, una tecnologia che possa quantificare i ritorni economici su base unità per unità al momento dell’ordine — tecnologia che Lokad possiede.

4.5 Come comunicate una lista critica, tra gli ordini di acquisto in sospeso, ai fornitori?

Lokad preferisce comunicare gli ordini di acquisto — comprese le liste critiche — attraverso sistemi aziendali transazionali (ad es. un ERP o software aziendale similare). Gli ordini di acquisto prendono tipicamente la forma di esportazioni in file piatti. Lokad potrebbe utilizzare l’email, ma la nostra preferenza è mantenere tutta la comunicazione transazionale all’interno del sistema aziendale del cliente (ad es. ERP).

Vedi anche Controllo delle Scorte per maggiori informazioni sulla distinzione tra sistemi analitici (di cui Lokad è fondamentalmente uno) e sistemi transazionali come gli ERP.

Vedi anche Esaurimenti 4.4 in questo FAQ.

4.6 Fornite un report sugli esaurimenti?

Executive summary: Sì, la piattaforma di Lokad è in grado di presentare un report sugli esaurimenti che copre non solo lo stato attuale dell’inventario, ma anche una visione storica degli esaurimenti precedenti. Ciò ci permette di identificare i modelli passati e integrarli nella ricetta numerica che genera gli ordini di acquisto finanziariamente ottimizzati per il cliente, riducendo così la probabilità di futuri eventi di esaurimento.

Sebbene sia facile contare il numero di SKU (stock keeping units) che hanno scorte pari a zero, ciò non dice molto sull’impatto per l’azienda cliente: la perdita netta della domanda deve essere quantificata. Per questo motivo, Lokad raccomanda di affrontare il problema attraverso una valutazione finanziaria diretta del costo della (mancanza di) qualità del servizio. Occasionalmente, ad esempio, è ragionevole accettare una bassa qualità del servizio per prodotti non strategici che vengono gradualmente eliminati dall’offerta. Fare l’opposto garantirebbe una generazione continua di scorte invendute. La piattaforma di Lokad consente di valutare la perdita, espressa in termini monetari, invece di limitarsi a contare gli SKU con scorte pari a zero.

La perdita quantificata deve essere “netta” di cannibalizzazione, sostituzione e consumo ritardato da parte dei clienti. In molti settori esistono diverse opzioni per soddisfare ciò che il cliente desidera o necessita. Pertanto, finché è disponibile una di queste opzioni, il cliente potrebbe comunque essere molto soddisfatto del servizio. Non considerare questi fattori incrociati tra SKU porta a un eccesso di scorte per quegli SKU che fondamentalmente servono la stessa domanda, a scapito di altri SKU che servono segmenti completamente differenti. Al contrario, a volte un SKU esaurito impedisce il consumo di un altro SKU dipendente. I clienti si aspettano che entrambi gli SKU siano disponibili e non consumano nessuno dei due se ciò non accade. La piattaforma di Lokad può essere utilizzata per modellare queste problematiche incrociate e il loro impatto (finanziario) sulla qualità del servizio percepita dai clienti.

A seconda del settore, potrebbero esserci sfumature più importanti da considerare. Ad esempio, in un negozio fai-da-te, un cliente che cerca 4 interruttori identici difficilmente acquisterà se sono disponibili solo 3 unità sugli scaffali. Quindi, sebbene gli interruttori non siano esauriti, dal punto di vista di alcuni clienti lo sono effettivamente.

Un altro esempio potrebbe essere un supermercato che vende frutta. Alcuni frutti — ad esempio, le fragole — sono altamente deperibili, per cui il negozio solitamente tenta deliberatamente di raggiungere l’esaurimento delle scorte prima della chiusura. Tuttavia, se l’esaurimento avviene troppo presto nella giornata (ad esempio, se alcuni individui acquistano più del normale), la maggior parte dei clienti non viene servita adeguatamente.

Questi esempi evidenziano la sottigliezza relativa alla natura e alle conseguenze degli eventi di esaurimento delle scorte. I costosi sintomi di tali eventi (ad esempio, la perdita di vendite potenziali) possono manifestarsi anche in assenza della condizione sottostante (ad esempio, un effettivo esaurimento delle scorte). La piattaforma di Lokad può essere utilizzata per modellare tutte le sfumature critiche in cui la qualità del servizio non può essere dedotta con una semplice ispezione del livello delle scorte.

4.7 Identifichi i prodotti che si prevede diventino esauriti ed allerti gli utenti?

Sintesi esecutiva: Sì, la piattaforma di Lokad utilizza previsioni della domanda avanzate per identificare potenziali situazioni di esaurimento delle scorte e suggerisce misure correttive anziché limitarsi a inviare allerta. Queste misure includono l’accelerazione degli ordini, l’utilizzo di fornitori alternativi, l’adeguamento delle promozioni, dei livelli di prezzo, la promozione di sostituti e l’organizzazione di trasferimenti di inventario (ecc.).

La piattaforma di Lokad dispone di una tecnologia all’avanguardia per le previsioni della domanda che può essere utilizzata per identificare eventi imminenti di esaurimento delle scorte. È anche semplice utilizzare la piattaforma di Lokad per produrre allarmi inventariali per i professionisti della supply chain. Tuttavia, non raccomandiamo l’uso degli allarmi, poiché questo approccio non sfrutta al meglio il tempo, specialmente considerando che risposte tempestive sono spesso critiche. Invece, raccomandiamo di utilizzare la piattaforma di Lokad per identificare gli imminenti eventi di esaurimento delle scorte e proporre misure correttive proattive.

A seconda del settore, le misure correttive possono includere (a) il ricontatto dei fornitori per accelerare gli ordini di acquisto in sospeso; (b) l’invio di ordini di acquisto complementari da fornitori alternativi (più vicini); (c) l’annullamento delle promozioni imminenti su articoli che stanno per esaurirsi; (d) l’aumento del livello di prezzo degli articoli prossimi all’esaurimento; (e) la promozione anticipata di prodotti alternativi, considerati sostituti pertinenti, per sfruttare un effetto di cannibalizzazione; (f) l’organizzazione di trasferimenti di inventario per riallocare le scorte inattive. Queste sono solo alcune delle misure correttive che la piattaforma di Lokad può raccomandare prontamente.

Il software aziendale tipico (come gli ERP) presenta ancora allarmi — un modello di design che invariabilmente porta a una bassa produttività dei dipendenti. Se c’è qualcosa da fare riguardo all’imminente esaurimento delle scorte, il software dovrebbe raccomandare direttamente le misure come parte del suo normale insieme di raccomandazioni. Se non c’è nulla da fare, l’allarme diventa una distrazione inutile. Storicamente, il software aziendale ha usato gli allarmi come meccanismi potenti per deviare la colpa dei cattivi risultati dagli utenti finali. Questo approccio è — in effetti — un tentativo di isolare il fornitore del software aziendale dalle critiche; se la decisione inventariale raccomandata era buona, il software ha operato in modo eccellente; se la decisione raccomandata era cattiva, il software non è da biasimare grazie all’allarme emesso. Questo, per definizione, sposta la “colpa” sull’utente finale. Lokad, al contrario, si assume la piena responsabilità per la qualità delle nostre raccomandazioni inventariali e delle misure correttive suggerite.

Vedi No1 al livello SKU nella competizione di previsione M5 per maggiori informazioni su come Lokad applica in pratica il suo approccio alle previsioni.

5. Complicazioni

5.1 Proponi parametri di stock per i nuovi prodotti?

Sintesi esecutiva: Sì, la piattaforma di Lokad automatizza le decisioni inventariali per i nuovi prodotti utilizzando previsioni della domanda probabilistiche basate su attributi, analizzando i dati dei prodotti precedentemente lanciati. Questo approccio si concentra su decisioni dirette come le quantità da ordinare e le allocazioni, anziché sui tradizionali parametri di stock. Lokad considera anche l’impatto dei nuovi prodotti sulle scorte esistenti, contribuendo ad evitare potenziali eventi di scorte invendute. Lokad supporta sia le previsioni della domanda che l’ottimizzazione stocastica per gli ordini inventariali iniziali, tenendo conto dei vincoli incrociati tra SKU e delle capacità logistiche.

La piattaforma di Lokad automatizza l’intero processo decisionale inventariale per i nuovi prodotti. Ciò include i “parametri di stock”, sebbene di solito non affrontiamo la sfida da questo punto di vista. I nuovi prodotti beneficiano delle previsioni della domanda probabilistiche basate su attributi. In questo ambito, Lokad analizza tutti i prodotti precedentemente lanciati e come hanno performato in base alle impostazioni di lancio (ad esempio, promozioni e assortimenti), oltre alle qualità intrinseche del prodotto stesso (ad esempio, dimensioni, colore e prezzo). Di conseguenza, la previsione per i nuovi prodotti è automatizzata, proprio come quella per i prodotti più vecchi.

Inoltre, quando si considerano i nuovi prodotti, valutiamo sia le scorte prontamente disponibili per iniziare a servire i nuovi prodotti che quelle in arrivo. Consideriamo anche l’impatto sulle scorte esistenti e le potenziali conseguenze negative dell’introduzione (avvenuta con troppa anticipo) di un’alternativa nuova, possibilmente più attraente, qualcosa che potrebbe potenzialmente causare immediatamente una situazione di scorte invendute per un altro prodotto.

Invece dei tipici “parametri di stock”, Lokad raccomanda fortemente di affrontare la sfida attraverso decisioni dirette e ottimizzate dal punto di vista finanziario. Queste decisioni includono le quantità da ordinare in primo luogo, e successivamente le quantità da allocare (SKU per SKU) per tutte le sedi. Le problematiche incrociate tra SKU o prodotti devono essere affrontate in questa fase per sfruttare al meglio la capacità logistica finita del cliente.

Queste capacità sono frequentemente insufficienti per far fronte agli effetti potenziali — e spesso sorprendenti — della novità. Tuttavia, distribuendo il carico di lavoro nel tempo, tipicamente anticipando efficacemente il lancio dei nuovi prodotti, il problema viene affrontato senza inutilmente sovraccaricare la capacità logistica del cliente.

La piattaforma di Lokad fornisce tutti gli strumenti numerici necessari per supportare questo processo, incluse le previsioni della domanda probabilistiche per i nuovi prodotti e l’ottimizzazione stocastica per gli ordini e le allocazioni inventariali iniziali. Questo supporto copre tutti i vincoli incrociati rilevanti tra SKU.

5.2 Riesci a gestire l’allocazione dell’inventario durante le fasi promozionali (supportando l’attività promozionale)?

Sintesi esecutiva: Sì, la piattaforma di Lokad è progettata per gestire l’allocazione dell’inventario durante le fasi promozionali allineando le scorte con l’atteso aumento della domanda. Questo processo prevede di anticipare la domanda promozionale, integrare dati provenienti da diverse fonti come sistemi ERP e fogli di calcolo di marketing, e affinare i modelli predittivi per tenere conto delle diverse strategie promozionali. I Supply Chain Scientists di Lokad implementano questi modelli, considerando non solo gli effetti immediati della promozione ma anche il rischio di sovrastoccaggio e i vincoli logistici. La piattaforma utilizza l’ottimizzazione stocastica per prendere decisioni inventariali con aggiustamenti basati sul rischio, bilanciando la necessità di avere scorte promozionali sufficienti con il rischio di eccesso di inventario dopo la promozione.

Il principio guida generale di Lokad per l’allocazione delle scorte è quello di allineare tali allocazioni con l’attesa domanda futura. In particolare, un previsto aumento della domanda futura, come nel caso di una promozione imminente, richiede generalmente un corrispondente aumento nell’allocazione dell’inventario. Inoltre, l’allocazione deve solitamente avvenire ben prima dell’evento promozionale, in quanto bisogna considerare i vincoli logistici. Ad esempio, la rete potrebbe non essere in grado di gestire l’impennata nei movimenti di inventario se tutto l’inventario viene spostato all’ultimo momento. La piattaforma di Lokad è stata progettata per supportare questa intera classe di problemi e tutte le sue varianti.

I Supply Chain Scientists (SCS) di Lokad sono responsabili dell’implementazione delle formule numeriche che garantiscono che le allocazioni dell’inventario riflettano adeguatamente le attività promozionali pianificate.

Primo, questa responsabilità include la raccolta e l’organizzazione dei dati che descrivono i piani promozionali. Questi dati sono raramente reperibili in forma strutturata all’interno dei sistemi aziendali (ERP) — sono spesso presenti solo in fogli di calcolo gestiti dal dipartimento marketing. La piattaforma di Lokad è progettata per integrare più fonti di informazione, inclusi questi tipi di fogli di calcolo ad hoc.

Secondo, la responsabilità di un SCS comprende l’affinamento del modello predittivo per la domanda futura in modo da riflettere la diversità dei meccanismi promozionali. Fondamentalmente, le promozioni non riguardano solo l’abbassamento dei prezzi. Solitamente prevedono la valorizzazione dei prodotti tramite esposizioni promozionali (ad esempio, gondole) o altri mezzi di comunicazione (ad esempio, newsletter). Inoltre, alcuni meccanismi riflettono relazioni incrociate tra prodotti (ad esempio, compra un prodotto, ricevi il 50% di sconto su un altro) che devono essere anch’essi affrontati. La piattaforma di Lokad dispone di ampie capacità di modellazione predittiva per supportare tutto quanto sopra.

Terzo, gli SCS sono anche responsabili di generare decisioni con aggiustamenti per il rischio che allocano scorte sufficienti per soddisfare la domanda promozionale, riducendo al contempo il rischio di sovrastoccaggio dopo la fine della promozione. Quando i vincoli logistici non sono troppo stringenti, consideriamo anche l’opportunità di sfruttare i rifornimenti durante la promozione per mitigare l’esposizione del cliente ai rischi dovuti a un’eccessiva allocazione iniziale (se la promozione risulterà meno efficace del previsto). Ancora una volta, la piattaforma di Lokad presenta ampie capacità di ottimizzazione stocastica per calcolare queste complesse decisioni con aggiustamenti basati sul rischio.

5.3 Come gestisci, visualizzi e distingui le diverse tipologie di promozioni/reward per i titolari di carte fedeltà, includendo brochure, sconti percentuali, sconti monetari e promozioni esclusive?

La piattaforma di Lokad offre un ampio supporto di modellazione per tutti i meccanismi di pricing e promozionali presenti nel retail. La nostra piattaforma è programmatica, il che significa che può essere configurata per riflettere un numero qualsiasi di meccanismi promozionali — finora ne abbiamo identificati più di 50 esempi diversi. Poiché la nostra piattaforma è anche in grado di elaborare dati relazionali arbitrari, possiamo importare queste informazioni esattamente come appaiono originariamente nei sistemi transazionali sottostanti.

Ciò ci permette di preservare la semantica originale dei dati, invece di riformattarli forzatamente secondo un modello definito dal fornitore. Inoltre, la nostra piattaforma dispone anche di capacità programmatiche per le sue funzionalità predittive e di machine learning. Grazie a queste capacità, i nostri Supply Chain Scientists possono elaborare modelli predittivi della domanda che riflettono i meccanismi in atto nelle offerte promozionali/reward del cliente.

Nota: Lokad si occupa solo della parte analitica di questo problema; identifica tutti i pattern che modellano la domanda associata ai meccanismi promozionali di un cliente. Lokad non è destinata a gestire le promozioni, ad esempio in collaborazione con il dipartimento marketing del cliente. Sebbene teoricamente possibile, è meglio mantenere una separazione tra gli strati software transazionali e analitici. Questo è Vedi anche #promotions

Vedi anche Differentiable Programming per ulteriori dettagli matematici che circondano la nostra tecnologia.

Vedi anche Complicazioni 5.2 in questa FAQ.

5.4 Gestisci la conversione delle UoM (unità di misura)?

Sì, la piattaforma di Lokad supporta completamente tutte le conversioni UoM. Supportiamo inoltre l’operatività con UoM (multipli) inconsistenti, come talvolta accade quando Lokad elabora dati provenienti da diversi sistemi aziendali. In genere risolviamo eventuali incompatibilità UoM durante la fase di preparazione dei dati. Possiamo anche ottimizzare l’inventario mentre i vincoli sono espressi tramite UoM distinti. Ad esempio, un Full Truck Load (FTL) prevede sia capacità volumetrica che di peso.

Nota: Per il caso speciale della conversione tra valute, Lokad dispone anche di capacità integrate, come la funzione forex che comprende dozzine di valute ampiamente utilizzate. Questa funzione forex offre la possibilità di applicare conversioni valutarie passate per riflettere i fattori economici così come erano in passato. Ciò permette a Lokad di ottimizzare ulteriormente il processo decisionale analizzando il vero impatto economico delle fluttuazioni valutarie storiche, e quindi di affinare ulteriormente la ricetta numerica del cliente.

5.5 Gestisci le conversioni dei Kit?

Sintesi esecutiva: Sì, Lokad supporta le conversioni dei kit e l’ottimizzazione dell’inventario, includendo l’assemblaggio proattivo dei kit e la riserva di stock. Le nostre previsioni della domanda tengono conto degli elementi dei kit venduti separatamente o in più kit, considerando i diversi cicli di vita dei kit. L’ottimizzazione finanziaria di Lokad riflette il vero costo degli esaurimenti di scorte, riconoscendo il valore e l’impatto sul margine lordo degli elementi dei kit fondamentali per più kit.

La piattaforma di Lokad supporta le conversioni dei kit e anche l’ottimizzazione dell’inventario in presenza di kit. I kit sono solitamente una versione semplificata della distinta base (BOM, bills of materials), e sono comunemente presenti nel settore retail (sia online che offline). L’ottimizzazione dell’inventario effettuata da Lokad in presenza di kit include la capacità di decidere quando riservare le unità di stock per i kit, e quando assemblare proattivamente i kit—se il processo di kitting ha un proprio limite di capacità.

Inoltre, le previsioni della domanda generate da Lokad tengono adeguatamente conto del fatto che gli elementi dei kit possono essere venduti/serviti separatamente, non solo come parte di un kit. Queste previsioni supportano anche il caso in cui gli stessi elementi dei kit vengano condivisi tra più kit—naturalmente, supportiamo anche scenari in cui i kit non condividono lo stesso ciclo di vita, con kit che entrano ed escono dall’offerta del cliente in tempi diversi. Tutti questi fattori sono adeguatamente riflessi nella nostra valutazione quantitativa della futura necessità di elementi dei kit.

Infine, quando si tratta dell’ottimizzazione delle decisioni sull’inventario in presenza di kit, la prospettiva finanziaria raccomandata da Lokad riflette adeguatamente le dipendenze esistenti tra gli elementi dei kit e i kit stessi. Ad esempio, un elemento potrebbe essere economico e venduto con un margine lordo molto basso, ma se questo elemento è richiesto da diversi kit che hanno un valore e un margine lordo molto più elevati, un eventuale esaurimento dello stock di questo elemento risulterebbe molto più costoso di quanto il suo valore immediato suggerisca. Questo perché il valore indiretto dell’elemento potrebbe essere significativamente maggiore rispetto a quello diretto subito evidente.

Pertanto, Lokad riflette attraverso la sua ottimizzazione il vero costo (tenendo conto delle dipendenze dei kit) di non poter servire i kit a causa dell’esaurimento di uno dei loro elementi.

5.6 Tieni conto della durata di conservazione (o scadenza) di un articolo nella decisione d’ordine e della durata residua dei prodotti già presenti nella supply chain?

Sintesi esecutiva: Sì, la piattaforma di Lokad lo ottiene monitorando il ciclo di vita di ogni unità di stock, comprese quelle che stanno per essere ordinate. Il suo design fondamentale include scalabilità, efficienza nel processare dati a livello di unità, gestione di dati relazionali per tenere conto delle sfumature specifiche del ciclo di vita dei prodotti, e previsioni probabilistiche per affrontare le incertezze nei cicli di vita dei prodotti e nei comportamenti dei clienti. Questo approccio ottimizza gli ordini di acquisto, le allocazioni di stock e le strategie di pricing.

La piattaforma di Lokad è stata progettata per essere in grado di monitorare ogni singola unità di stock nel tempo, riflettendone il ciclo di vita specifico. Allo stesso modo, lo stesso approccio viene applicato per le unità di stock potenziali, come quelle che stanno per essere ordinate. Adottando questa analisi ad alta granularità, gli ordini di acquisto, le allocazioni di stock e gli sconti sui prezzi ottimizzati da Lokad riflettono il/i ciclo/i di vita specifico/i di ogni singola unità che scorre nella rete.

La piattaforma di Lokad rende questo possibile attraverso diversi aspetti chiave del suo design fondamentale:

Primo, la nostra piattaforma non è solo altamente scalabile, ma anche estremamente efficiente. Modellare il flusso, unità per unità, è più impegnativo rispetto alla modellizzazione a livello di SKU (unità di mantenimento dello stock); tuttavia, se il problema viene affrontato semplicemente investendo una massa enorme di risorse computazionali, la soluzione risulterà molto costosa per l’azienda cliente.

Secondo, la piattaforma di Lokad dispone di capacità programmatiche orientate al trattamento di dati relazionali. I dettagli del ciclo di vita dei prodotti variano notevolmente da un prodotto all’altro. Prodotti agricoli e sostanze chimiche hanno entrambi una shelf-life, ma i rispettivi dettagli sono molto differenti. Lokad abbraccia queste specificità per creare un modello che rifletta realmente ciò che accade all’interno della supply chain del cliente..

Terzo, la piattaforma di Lokad dispone di capacità generali di previsione probabilistica. Il ciclo di vita dei prodotti può comportare una serie di incertezze. Ad esempio, nei negozi al dettaglio, i clienti possono dare priorità alla scelta degli articoli con la shelf-life residua più lunga. Assumere che il flusso segua un comportamento rigoroso FIFO (first-in, first-out) sarebbe un grave errore. Le capacità predittive della piattaforma di Lokad vengono utilizzate per prevedere correttamente questi comportamenti sottili ma estremamente significativi.

5.7 Riconosci le scadenze previste dell’inventario? Fornisci un rapporto di avviso/segnalazione sulla shelf-life?

Sintesi esecutiva: Sì, la piattaforma di Lokad monitora l’intero ciclo di vita dell’inventario, anche senza il tracciamento dei numeri di serie, e può persino impiegare modelli probabilistici per situazioni ambigue come il retail B2C. Può identificare possibili scadenze e deprezzamenti, emettendo avvisi se necessario. Tuttavia, Lokad preferisce decisioni proattive nella supply chain per evitare questi problemi, raccomandando azioni come lo sconto o il riallocamento dello stock per gestire gli articoli a rischio di scadenza.

La piattaforma di Lokad è in grado di monitorare il ciclo di vita specifico di ogni singola unità che scorre nella rete della supply chain del cliente. La nostra piattaforma è capace di farlo anche se le unità non sono tracciate a livello di S/N (numero di serie). Quando vi è ambiguità riguardo all’ordine di servizio o di consumo delle unità, come può accadere nei negozi retail B2C (business to consumer), Lokad sfrutta la modellazione probabilistica per riflettere gli stati probabili dell’inventario. Queste informazioni di dettaglio sullo stato dell’inventario possono essere utilizzate per identificare probabilmente scadenze e/o deprezzamenti e reagire di conseguenza, emettendo eventualmente avvisi rivolti ai team pertinenti (se richiesto).

Tuttavia, invece di avvisi, Lokad raccomanda di sfruttare le informazioni dettagliate che possediamo sullo stato probabile dell’inventario—fino ad arrivare alla data di scadenza prevista di ogni unità in stock—per adattare proattivamente qualsiasi decisione raccomandata nella supply chain (calcolata da Lokad). Ad esempio, potremmo raccomandare di applicare uno sconto o promuovere un prodotto a rischio di scadenza. In alternativa, potremmo raccomandare di attivare una liquidazione dei prodotti attraverso un canale di vendita secondario (anch’esso a prezzo scontato). Un’altra opzione è allocare più stock, poiché riconosciamo che l’attuale stock finirà presto, non a causa della domanda dei clienti, ma a causa della scadenza.

Fondamentalmente, se c’è qualcosa che si può fare riguardo alla potenziale scadenza individuata, Lokad si assume la responsabilità di presentare questo invito all’azione. Al contrario, se non c’è nulla da fare (ad esempio, lo stock purtroppo scadrà e non sarà più disponibile alcuna misura correttiva), tali avvisi saranno solo una distrazione per i team che non saranno in grado di intervenire.

Non c’è nulla di più facile per un fornitore di software aziendale che produrre dozzine (o addirittura migliaia) di avvisi, e per molti fornitori incompetenti, è l’unica cosa che sanno fare. La vera sfida è produrre inviti all’azione, qualcosa che richiede ai fornitori (Lokad, in questo caso) di distinguere ciò che è azionabile da ciò che non lo è.

Vedi anche Complicazioni 5.6 in questa FAQ.

5.8 Riesci a ottimizzare l’EOQ (Economic Order Quantity) considerando i costi di ordine, i costi d’ingresso, i costi di stoccaggio dell’inventario e i costi di vincolo del capitale?

Sintesi esecutiva: Sì, la piattaforma di Lokad può ottimizzare gli EOQ considerando vari costi come quelli di ordine, spedizione, magazzinaggio, capitale circolante e costi opportunità—e anche altri meno evidenti. Utilizziamo un approccio più avanzato rispetto alla obsoleta formula di Wilson, inefficace a causa delle sue ipotesi eccessivamente semplificate e dell’incapacità di affrontare il rischio di svalutazione dell’inventario. Lokad raccomanda di integrare i driver economici in ogni decisione d’acquisto anziché concentrarsi esclusivamente sulla quantità d’ordine.

La piattaforma di Lokad è stata progettata per l’ottimizzazione economica delle decisioni nella supply chain. In particolare, è semplice riflettere tutti gli oneri associati a un ordine di acquisto, inclusi i costi d’ordine, i costi di spedizione, i costi di magazzinaggio, il costo del denaro (capitale circolante) e i costi opportunità. Inoltre, le capacità programmatiche di Lokad rendono semplice affrontare tutti i costi specializzati che possono essere rilevanti per l’attività del cliente al di là della lista ristretta sopra indicata. Tuttavia, raccomandiamo di integrare i driver economici in ogni singola decisione d’acquisto, anziché individuare una quantità da ordinare, come avviene nell’EOQ.

La teoria classica della supply chain propone di utilizzare la formula di Wilson per l’EOQ (economic order quantity). Questo approccio presenta un grave difetto immediato: impone un arrotondamento grossolano che si rivela inefficace nella maggior parte dei casi. Per sua natura, l’EOQ non può affrontare il rischio di svalutazione dell’inventario. Così, sebbene possa essere in qualche modo inefficiente ordinare una quantità inferiore all’EOQ teorico, nella pratica è spesso un’opzione molto migliore rispetto all’ordinare di più e generare istantaneamente una svalutazione considerevole.

Vedi anche Costi di inventario per ulteriori informazioni sul punto di vista di Lokad riguardo la valutazione, la categorizzazione e l’ottimizzazione dei costi dell’inventario.

5.9 Hai KPI per l’inventario in stato di “No Conformità”?

Sì, la piattaforma di Lokad può facilmente fornire dashboard e/o KPI di “No Conformity”. Poiché la nostra piattaforma è programmatica, qualsiasi dato estraibile dal sistema transazionale aziendale può essere visualizzato. Ciò significa anche che non vi è alcuna limitazione nel calcolo/presentazione dei KPI: possono essere completamente modellati secondo le specifiche/regole del cliente. Una piattaforma programmatica è necessaria in questo caso perché non esiste una definizione standard per la mancanza di conformità tra le aziende.

La piattaforma di Lokad è inoltre in grado di produrre un modello predittivo di questi eventi di non conformità sfruttando i dati storici. Ad esempio, alcuni fornitori potrebbero avere problemi di qualità, e una frazione delle loro spedizioni potrebbe non superare sempre l’ispezione. Di conseguenza, le quantità effettivamente disponibili per servire i clienti del cliente potrebbero essere frequentemente inferiori a quelle originariamente ordinate. Modellando questi eventi con un modello di previsione probabilistica, Lokad può produrre decisioni d’ordine adeguate al rischio che tengono conto di tale incertezza.

5.10 Fornisci un rapporto sui materiali critici?

Sì, la piattaforma di Lokad può facilmente generare un rapporto su qualsiasi materiale considerato ‘critico’ dal cliente.

Per Lokad, questo è un concetto vago poiché non esiste una definizione fissa di cosa costituisca un rapporto sui materiali ‘critici’. Nella nostra esperienza, ciò varia da settore a settore. Per i FMCG (beni di largo consumo), i ‘materiali critici’ sono tipicamente quelli che ruotano maggiormente, con i volumi più alti sia in unità che in termini monetari. Per l’aviazione, la ‘criticità’ si riferisce alle parti che potrebbero causare un incidente AOG (aircraft on ground) se esaurite. Per i negozi di commercio al dettaglio, la ‘criticità’ si riferisce frequentemente a quei prodotti che i clienti si aspettano di trovare normalmente in negozio.

Le capacità programmatiche di Lokad sono essenziali per affrontare questo tipo di requisiti. Grazie a tali capacità, qualsiasi regola che potrebbe essere implementata in un foglio di calcolo o in uno strumento di business intelligence può essere implementata anche attraverso la nostra piattaforma. L’assenza di tali capacità programmatiche costringerebbe i professionisti della supply chain a ricorrere ai fogli di calcolo, poiché non potrebbero permettersi un’approssimazione vaga di ciò che la loro azienda considera ‘critico’. Lo strato analitico (Lokad, in questo caso) deve essere in grado di aderire pienamente alle complessità dell’attività, da qui la necessità di una piena funzionalità e libertà programmatica.

6. Reportistica

6.1 Hai KPI per l’ammontare totale dell’inventario? In particolare, coprono il turnover e i tassi di copertura? Inoltre, questi KPI possono essere segmentati in base al numero di parte (P/N), alla piattaforma del prodotto e alla qualità del prodotto, oltre a fornire un rapporto mensile di avanzamento attraverso diverse attività e settori basato sulla qualità dei prodotti?

Sintesi esecutiva: Sì, Lokad offre ampie capacità di reportistica, inclusi KPI personalizzabili per la gestione dell’inventario, adattabili alle esigenze specifiche del cliente come numero di parte, piattaforma del prodotto e qualità del prodotto. Il nostro linguaggio specifico del dominio (Envision) semplifica la visualizzazione dei dati e la creazione di dashboard, affrontando le strutture dati uniche di ogni azienda senza la necessità di formati dati standard, evitando così lunghi progetti di integrazione tipici del software aziendale tradizionale. Questo approccio garantisce alta produttività, affidabilità e scalabilità nella generazione di report su misura e nella gestione dell’ottimizzazione della supply chain.

La piattaforma di Lokad dispone di ampie capacità di reportistica integrate. In linea di massima, qualsiasi rapporto che può essere realizzato con un foglio di calcolo o con uno strumento di business intelligence può essere prodotto anche da Lokad. Lokad ha sviluppato un DSL (linguaggio di programmazione specifico del dominio) dedicato all’ottimizzazione predittiva della supply chain (chiamato ‘Envision’). Come suggerisce il nome Envision, questo DSL pone un’enfasi particolare sulla facilitazione della visualizzazione dei dati. I nostri Supply Chain Scientists sono tipicamente responsabili dell’impostazione di tutte le dashboard e KPI rilevanti. Inoltre, la piattaforma di Lokad è stata progettata per supportare il rendering in tempo costante di dashboard complesse. Questo ci consente di creare dashboard che raccolgono tutti gli elementi rilevanti in un unico posto, alleviando la necessità per i professionisti della supply chain di navigare in un labirinto di schermi/displays disconnessi mentre cercano di ottenere le informazioni necessarie per la loro routine quotidiana.

Tutti i report prodotti da Lokad sono ‘su misura’ per l’azienda cliente—a differenza di ciò che si trova tipicamente in software simili. La realtà è che produrre tali report è possibile solo utilizzando una piattaforma flessibile e programmatica, dato che i report—anche quelli ‘base’—dipendono interamente dai dettagli unici del cliente in questione (incluso il loro panorama applicativo). Nella nostra esperienza, non esistono due aziende uguali, anche se utilizzano lo stesso software per organizzare i loro dati aziendali nella stessa maniera.

In un contesto di produzione, il banale “data plumbing” rappresenta oltre il 90% del lavoro investito nella generazione di tali report. Pertanto, attraverso Envision, Lokad affronta frontalmente la sfida della produttività associata a questo “data plumbing”. Inoltre, questo approccio ci offre la possibilità di preservare tutte le codifiche, gerarchie e convenzioni preesistenti negli altri sistemi aziendali del cliente. Di conseguenza, Lokad finisce per “parlare esattamente la stessa lingua” del personale del cliente, invece di introdurre un ulteriore insieme di convenzioni che i dipendenti devono comprendere.

Il metodo tradizionale nel software aziendale prevede l’istituzione di un insieme di requisiti sui dati. Una volta che i dati in ingresso soddisfano tali requisiti, tutte le funzionalità di reporting e analisi vengono sbloccate. Sfortunatamente, questo approccio funziona male per aziende di dimensioni superiori alle più piccole. Non esiste mai una corrispondenza uno a uno tra i sistemi aziendali originali (la fonte dei dati) e i sistemi analitici confezionati. Di conseguenza, la traduzione dei dati risulta estremamente impegnativa e frustrante, in quanto semplicemente non è possibile far combaciare tutto. Quello che sembrava un semplice problema di “configurazione” per importare i dati aziendali nel sistema analitico confezionato si trasforma invariabilmente in un progetto di integrazione della durata di un anno. Questa è l’inevitabile conseguenza del tentativo di conciliare due prospettive complesse e distinte sulla supply chain. Le scelte progettuali della piattaforma di Lokad eliminano completamente questo problema.

6.2 Hai report sulla salute e sulla copertura dell’inventario?

Executive summary: Sì, Lokad fornisce report sulla salute e sulla copertura dell’inventario grazie a previsioni probabilistiche avanzate e strumenti sulla sua piattaforma, permettendo una valutazione precisa dei rischi — solitamente espressa in termini monetari. Queste valutazioni del rischio finanziario sono il fondamento dei “rischi per la salute” dell’inventario del cliente. A differenza delle tradizionali previsioni di serie temporali che considerano un solo futuro, l’approccio di Lokad tiene conto di molteplici possibili valori futuri (ad es., la domanda), offrendo una visione più accurata e completa dei rischi dell’inventario, aiutando così ad evitare — o almeno a ridurre — i problemi relativi alla salute dell’inventario.

La prassi predefinita di Lokad è quella di fornire strumenti per la supervisione dell’inventario, come report sulla salute e sulla copertura dell’inventario. I Supply Chain Scientists di Lokad sono responsabili della generazione di questi report. La piattaforma di Lokad è dotata di estese capacità di reporting programmatico. Ciò include tutti gli strumenti necessari per convertire le previsioni probabilistiche — riguardanti domanda, tempi di consegna e tutte le fonti rilevanti di incertezza — in proiezioni di alto livello, idealmente espresse in dollari di costi d’inventario, anziché in percentuali.

La “salute” dell’inventario è sempre relativa alle condizioni future attese del mercato. Il numero di unità in magazzino è considerato eccessivo solo se supera di gran lunga la domanda futura prevista, e non se supera quella domanda osservata in passato. Ad esempio, la domanda passata potrebbe essere zero per un nuovo prodotto o per un prodotto che ha subito una carenza prolungata. Di conseguenza, il nocciolo della sfida è trasformare le proiezioni/previsioni in report.

Qui, le previsioni probabilistiche (preferite da Lokad), che considerano tutti i possibili futuri e assegnano loro delle probabilità, sono ideali. Ciò perché permettono una valutazione precisa dei rischi d’inventario, assegnando probabilità alla possibilità che si verifichi un rischio e successivamente valutandone l’impatto finanziario potenziale. Sono questi rischi, espressi in termini monetari (ad es., dollari o euro), a essere riflessi nei report forniti da Lokad.

Al contrario, le previsioni classiche delle serie temporali — per loro natura — considerano un solo valore futuro possibile (ad es., la domanda). Di conseguenza, queste previsioni non sono in grado di trasmettere adeguatamente l’ampia gamma di rischi finanziari che il cliente potrebbe incontrare in base alle proprie decisioni sull’inventario. La sofisticazione delle previsioni delle serie temporali è irrilevante: la forma/struttura della previsione non trasmette le informazioni necessarie. Alcuni tentativi di eludere questo problema hanno coinvolto euristiche rozze per valutare i rischi d’inventario attraverso un’ispezione diretta del recente passato. Un esempio ha incluso il conteggio degli SKU che hanno in magazzino più di X settimane di scorte (ad es., 2 o 3). Tuttavia, questi metodi producono invariabilmente indicatori di bassa qualità che fuorviano i professionisti della supply chain anziché illuminarli.

6.3 Puoi avvisare il team acquisti quando un PO (Ordine di Acquisto) deve essere posticipato o anticipato?

Executive summary: Sì, Lokad può emettere questi “avvisi”, anche se preferiamo il termine “decisioni”. La piattaforma di Lokad genera una lista automatizzata di raccomandazioni decisionali, includendo la revisione reattiva degli ordini di acquisto (PO) sulla base dei benefici economici e della cooperazione del fornitore. Preferiamo “decisioni” agli “avvisi”, poiché le nostre raccomandazioni sono inviti diretti all’azione (con costi e benefici modellati), anziché semplicemente informare il cliente di un potenziale problema.

Lokad automatizza la generazione delle decisioni con una prospettiva che include il posticipo o l’anticipo dei PO secondo necessità. Queste decisioni sono prioritarizzate in termini di ricompensa economica (simile alle tipiche decisioni di Lokad), e i fattori trainanti includono i benefici economici associati a un PO rivisto. Questi fattori possono includere anche il negative goodwill per riflettere i costi generali sostenuti dal fornitore, e la probabilità che la revisione venga accettata e implementata dal fornitore. Allo stesso modo, Lokad può suggerire di rivedere la quantità del PO, aumentandola o diminuendola — presupponendo che il fornitore sia incline a questa opzione. I Supply Chain Scientists di Lokad definiscono i dettagli delle opzioni disponibili per quanto riguarda i PO e poi automatizzano la logica che genera i corrispondenti “avvisi” — qualcosa che Lokad preferirebbe chiamare “decisioni”.

Lokad si riferisce agli “avvisi” come a “decisioni” perché ciascuna delle raccomandazioni comporta potenziali costi e benefici, portando a conseguenze tangibili per la supply chain. In questo senso, le raccomandazioni non sono fondamentalmente diverse dal consigliare l’emissione di un PO in primo luogo. La principale differenza risiede nell’incerta disponibilità (o capacità) del fornitore di accogliere la correzione richiesta per il PO, ma nel caso in cui il fornitore aderisca alla richiesta, questa raccomandazione ha lo stesso valore di un “ordine” come il PO originale.

Molti software aziendali offrono una visione obsoleta delle decisioni relative alla supply chain, limitando tali decisioni a situazioni ristrette da manuale, come l’acquisto o il riequilibrio delle scorte. Questo tipo di software ignora, per sua stessa progettazione, tutte le opzioni sfumate che potrebbero essere negoziate con i fornitori. Ad esempio, il fornitore potrebbe avere la possibilità di accelerare, posticipare, gonfiare o ridurre il proprio ordine, e persino eventualmente sostituire alcuni prodotti con altri. A volte, il fornitore può spedire in anticipo una frazione del PO, se l’azienda cliente è disposta a sostenere i costi aggiuntivi per spedizioni multiple. Talvolta, le merci integre possono essere restituite al fornitore per un determinato periodo di tempo. Le capacità programmatiche della piattaforma di Lokad sono un ingrediente tecnologico necessario per gestire queste opzioni sfumate.

6.4 Puoi avvisare il team acquisti quando una data di consegna prevista è raggiunta/superata?

Sì, la piattaforma di Lokad può facilmente generare ed emettere avvisi quando una data di consegna prevista diventa in ritardo. Il nostro approccio di previsione probabilistica ci permette di affinare questi avvisi in presenza di tempi di consegna variabili.

Una previsione probabilistica dei tempi di consegna può essere utilizzata per valutare se un determinato ritardo sia veramente anomalo o semplicemente parte delle variazioni quotidiane e insignificanti osservate nella supply chain. Inoltre, gli avvisi possono essere prioritarizzati per riflettere l’impatto economico atteso del ritardo. Ad esempio, se la domanda è diminuita inaspettatamente, il tempo di consegna extra potrebbe rivelarsi accidentalmente irrilevante e, pertanto, non giustificare l’attenzione immediata del team acquisti. Fondamentalmente, ogni componente mobile della supply chain compete per l’attenzione del team acquisti. Questa attenzione è una risorsa scarsa, e alla fine è quella che Lokad mira a massimizzare con gli avvisi che genera.

In sostanza, la nostra visione è che emettere “avvisi” (come comunemente intesi) rappresenti un approccio obsoleto, indicativo di software aziendali mal progettati. Gli “avvisi” solitamente attirano l’attenzione del cliente su un problema, anziché fornire una raccomandazione/decisione attuabile basata su una chiara valutazione finanziaria della situazione. Lokad ritiene che sia essenzialmente nostra responsabilità generare decisioni calibrate sul rischio per i clienti, invece di distrarli con avvisi basilari. Per questo motivo, sebbene li emettiamo, il nostro uso degli “avvisi” va inteso come “azioni/misure correttive redditizie in risposta a un problema”.

Vedi anche Reporting 6.3 in questo FAQ.

7. Produttività

7.1 Gli utenti possono definire manualmente le soglie di riapprovvigionamento e/o sovrascrivere manualmente i parametri dell’inventario?

Executive summary: Sì, la piattaforma di Lokad consente agli utenti di impostare manualmente le soglie di riapprovvigionamento e di sovrascrivere i parametri dell’inventario, inclusa l’aggiunta di aggiustamenti temporanei. Tuttavia, sconsigliamo fortemente frequenti sovrascritture manuali. Invece, se sorge un problema con le decisioni generate da Lokad, preferiremmo aggiornare/raffinare la ricetta numerica sottostante (algoritmo) che le genera. Lokad — filosoficamente, tecnologicamente e metodologicamente — mira a superare approcci obsoleti e inaffidabili che si basano su interventi manuali, preferendo un’automazione affidabile e scalabile.

La piattaforma di Lokad è altamente configurabile, pertanto il flusso di lavoro per il riapprovvigionamento dell’inventario può facilmente includere inserimenti o sovrascritture manuali dei dati relativi alle soglie di riapprovvigionamento o ad altri parametri analoghi dell’inventario (ad es., min/max, scorta di sicurezza, ecc.). Inoltre, è possibile considerare varianti come associare alle voci di dati manuali una ‘data di scadenza’ se i professionisti della supply chain prevedono che la situazione torni alla normalità in poche settimane o mesi. Questo consentirebbe alla ricetta numerica abituale di riprendere il controllo del processo di riapprovvigionamento. Sebbene una soglia impostata rigidamente possa essere vantaggiosa a breve termine, essa rappresenta quasi invariabilmente un problema a medio termine, in quanto perde la sua rilevanza originaria.

In generale, Lokad raccomanda fortemente di non fare affidamento sulle sovrascritture manuali per gestire i riapprovvigionamenti ordinari dell’inventario. Se la ricetta numerica che regola i riapprovvigionamenti presenta problemi, essa deve essere urgentemente corretta. I Supply Chain Scientists di Lokad sono addestrati a fornire le correzioni necessarie in tempi rapidi. Scegliere invece di fare affidamento sulle sovrascritture manuali equivale a far ricorrere il personale del cliente a soluzioni temporanee con il nastro adesivo. Ciò è chiaramente inefficiente e contrario a una delle conseguenze centrali della teoria di Quantitative Supply Chain di Lokad, vale a dire il reindirizzamento di tempo, risorse e banda verso compiti di maggior valore.

L’approccio di Lokad si oppone direttamente a quello di molti fornitori di software aziendali che offrono tecnologie obsolete, costringendo il consumatore a effettuare sovrascritture regolari — inefficaci. Questa dinamica si basa su una comprensione tacita secondo cui il cliente è responsabile di correggere i dati scadenti prodotti dal software. La responsabilità viene spesso desviata dal fornitore stesso, emettendo “avvisi” che attirano l’attenzione del cliente su una situazione subottimale (senza fornire azioni correttive utili). Di conseguenza, ogni volta che il riapprovvigionamento risulta errato, la colpa viene attribuita al professionista che avrebbe dovuto effettuare la sovrascrittura manuale del sistema. Lokad ritiene che questa sia una pratica inaccettabile, ed è proprio per questo che non la adottiamo.

7.2 È possibile automatizzare i parametri dell’inventario basandosi su variabili predefinite o definite dall’utente (ad es., performance del fornitore, livello di servizio target, variabilità della domanda, classe SKU, durata, ecc.)?

Executive summary: Sì, Lokad automatizza le decisioni relative all’inventario, inclusi i parametri d’inventario, tramite un processo giornaliero completamente automatizzato con un intervento manuale minimo. Questa automazione si adatta alle grandi interruzioni quando necessario. Il processo sfrutta previsioni probabilistiche per affrontare incertezze come la variabilità della domanda e dei tempi di consegna, oltre a un solido approccio finanziario (implementato tramite ottimizzazione stocastica) che considera la totalità dei costi e delle limitazioni. Questo consente a Lokad di massimizzare il servizio e minimizzare gli errori finanziari in presenza di condizioni incerte nella supply chain.

L’approccio predefinito di Lokad è automatizzare l’intero processo che regola il calcolo delle decisioni relative all’inventario, come le quantità di riapprovvigionamento. Per Lokad, la norma è avere un processo giornaliero completamente automatizzato che non richiede alcun intervento manuale. La stragrande maggioranza dei nostri clienti opera per settimane senza interventi manuali. Naturalmente, quando si verificano interruzioni di larga portata senza precedenti (ad es., shock sistemici come i lockdown), i Supply Chain Scientists di Lokad sono pronti a intervenire e ad adeguare le ricette numeriche per mitigare l’interruzione. Tuttavia, riteniamo che le decisioni monotone e routinarie debbano essere completamente automatizzate, in modo da reindirizzare tempo e sforzo mentale verso compiti di ordine superiore (come la strategia aziendale).

L’automazione dell’aggiornamento di tutti i parametri dell’inventario avviene su due livelli: il modello predittivo e l’ottimizzazione stocastica.

Lokad utilizza previsioni probabilistiche per tutte le fonti di incertezza rilevanti, come i tempi di consegna, i resi, ecc. Ad esempio, nello scenario di lockdown menzionato sopra, il caso della performance del fornitore rappresenta implicitamente un problema di variabilità dei tempi di consegna che deve essere affrontato tramite previsioni probabilistiche dei tempi di consegna. La piattaforma di Lokad non solo è in grado di produrre tutte queste previsioni probabilistiche, ma anche di combinarle in una visione probabilistica unificata del futuro dell’azienda. All’interno della piattaforma di Lokad, tipicamente sfruttiamo la programmazione differenziabile e la nostra algebra delle variabili casuali per questo scopo.

Quando si tratta dell’ottimizzazione in sé, dobbiamo considerare tutti i costi e i vincoli rilevanti. Ad esempio, nello stesso scenario di lockdown, la shelf life si riferirebbe implicitamente a un particolare tipo di costo di mantenimento non lineare. Una delle ragioni per cui Lokad promuove un approccio finanziario all’ottimizzazione dell’inventario è che facilita la fusione di numerosi fattori apparentemente disparati in una prospettiva numerica unificata. Questa prospettiva numerica aiuta Lokad a minimizzare i dollari (o euro) di errore nell’inventario, massimizzando al contempo i dollari di ritorno ottenuti servendo correttamente i clienti. Con la piattaforma di Lokad, solitamente sfrutteremmo le nostre capacità di ottimizzazione stocastica generale per questo scopo. La parte “stocastica” si riferisce alla capacità di Lokad di eseguire un’ottimizzazione in condizioni di rumore, incertezza o casualità.

7.3 Automatizzate l’emissione degli ordini d’acquisto (PO)?

Sintesi esecutiva: Sì, Lokad automatizza la generazione degli ordini d’acquisto (PO), basandosi su una pipeline di dati automatizzata per l’input dai (e l’output verso) sistemi aziendali, assicurando ordini aggiornati e sincronizzati. Funziona come un livello analitico sopra i sistemi transazionali, calcolando le quantità ottimizzate ma non eseguendo operazioni transazionali come la creazione di PDF. Lokad offre anche un’opzione semi-automatizzata con flussi di lavoro di validazione parziale, consentendo una supervisione manuale per ordini critici mentre automatizza quelli di routine.

Lokad automatizza la generazione degli ordini d’acquisto ottimizzati. Questa automazione richiede una pipeline di estrazione dati automatizzata tra il cliente e la piattaforma di Lokad. Idealmente, questa pipeline traffica aggiornamenti giornalieri, assicurando che Lokad operi con dati aggiornati. In questo modo, gli ordini d’acquisto generati rimangono sincronizzati con lo stato dell’azienda. Tale automazione richiede inoltre una pipeline di esportazione dati automatizzata da Lokad verso i sistemi aziendali originali, nei quali si possono completare i passaggi transazionali di routine del processo d’ordinazione.

Lokad non è un sostituto di un sistema aziendale transazionale, come per esempio un ERP. Lokad è uno strato analitico che opera sopra il sistema aziendale transazionale. Lokad calcolerà le quantità ottimizzate (cioè, quanto ordinare e quando) per ogni ordine d’acquisto. Tuttavia, Lokad non genererà un file d’ordine in PDF da inviare, ad esempio, via email al fornitore. Questi passaggi appartengono al regno dei sistemi aziendali transazionali. Per questo motivo, Lokad genera file tabellari piatti che contengono tutte le informazioni necessarie. Questi dati vengono successivamente esportati nel sistema aziendale del cliente per l’esecuzione.

È possibile per noi stabilire un processo semi-automatizzato con un flusso di lavoro di validazione parziale all’interno della piattaforma di Lokad. Ad esempio, l’azienda cliente potrebbe decidere che gli ordini d’acquisto “banali” vengano automaticamente validati (tipicamente quelli di piccola entità), richiedendo al contempo a un esperto di supply chain di intervenire e validare manualmente le quantità d’ordine raccomandate da Lokad che superano una certa soglia o parametro desiderato. Tali regole possono essere aggiornate nel tempo. Con il proseguimento del progetto, e man mano che i clienti riscontrano il valore generato, la soglia per la validazione manuale tende ad aumentare. In definitiva, ciò alleggerisce il carico di lavoro sui team della supply chain del cliente.

7.4 Avete una finestra per pianificatori/acquirenti che visualizza l’insieme delle attività della giornata, organizzate per priorità?

Sintesi esecutiva: Sì, la piattaforma di Lokad offre un dashboard unificato speciale, progettato appositamente ogni giorno per le funzioni aziendali di alto livello. Questa singola finestra organizza e mostra le attività, inclusi gli inviti all’azione come la gestione degli ordini d’acquisto e l’ispezione delle anomalie nei dati, e le prioritizza in base all’impatto monetario.

Quando si utilizza la piattaforma di Lokad, consigliamo a ogni funzione aziendale di raccogliere in un unico dashboard web (cioè, una singola finestra) tutti gli inviti all’azione ordinati per priorità. La priorità dovrebbe essere espressa in termini monetari (dollari o euro di impatto) che riflettano realmente ciò che è a rischio se l’invito all’azione non viene processato. Per un pianificatore della domanda e dell’offerta, questo dashboard includerebbe tipicamente i nuovi ordini d’acquisto raccomandati, oltre a eventuali vecchi ordini d’acquisto che richiedono ulteriore attenzione (ad esempio, accelerare, posticipare, aumentare o ridurre). I Supply Chain Scientist di Lokad sono tipicamente responsabili di organizzare i dashboard in modo tale da allinearsi alla struttura aziendale unica di ciascun cliente. Ciò è fondamentale per un dashboard di questo tipo, poiché i confini tra i team di approvvigionamento, pianificazione, gestione dell’inventario, acquisti e finanza tendono a variare da un’azienda all’altra.

Questi inviti all’azione possono anche includere l’ispezione di anomalie nei dati che si rivelano rilevanti per il cliente, come prezzi al dettaglio errati, MOQ (quantità minime d’ordine) errate, livelli di stock errati, ecc. Questi inviti all’azione sono anch’essi prioritizzati in base al loro potenziale impatto economico. Più in generale, Lokad evita due insidie troppo comuni nel software aziendale. In primo luogo, non distribuiamo il carico di lavoro di un determinato utente su schermi dispersi (o finestre/pagine web).

Al contrario, la piattaforma di Lokad è stata concepita appositamente per fornire dashboard complesse in tempo costante. Questo dettaglio tecnico si rivela fondamentale quando si tratta di raccogliere numerosi elementi disparati in un unico dashboard a beneficio dell’utente finale. In secondo luogo, la piattaforma di Lokad è stata progettata anche per supportare un’analisi economica end-to-end, unificando così tutti gli inviti all’azione sotto una logica di prioritizzazione comune espressa in termini monetari.

Note