Gestire gli errori introdotti nelle previsioni da una rottura di stock - Software di ottimizzazione delle scorte

Gestire gli errori introdotti nelle previsioni da una rottura di stock


Home » Risorse » Qui

Aggiornamento Maggio 2016: il motore di previsione di Lokad offre ora supporto nativo per le rotture di stock. Le nostre previsioni probabilistiche non sono soltanto resistenti agli errori introdotti dalle rotture di stock, ma possono anche gestire nativamente le correzioni, partendo dal presupposto che gli eventi passati siano stati individuati correttamente.

Una rottura di stock è dannosa per l'attività di un'azienda, non solo perché causa una perdita di fiducia tra i clienti che non vengono serviti, ma anche perché introduce un bias, o errore sistematico, nelle osservazioni della domanda storica. Se si verifica una rottura di stock, osserviamo che le vendite sono pari a zero, ma questo non significa che anche la domanda sia pari a zero. Salescast non è immune da questo problema, ma, se usato correttamente, può diventare decisamente più resistente a questo fenomeno.

Image


Effetti di una rottura di stock sulle previsioni tradizionali

Una previsione tradizionale (mediana) è un'anticipazione del futuro, che ha il 50% di probabilità di essere al di sopra o al di sotto della domanda futura. Quando si verificano rotture di stock, nei dati storici compare un bias al ribasso, poiché la domanda non soddisfatta non viene di solito presa in considerazione.

Di conseguenza, le previsioni elaborate a partire dai dati storici presenteranno lo stesso bias al ribasso, generando quindi ulteriori rotture di stock.

Nei casi più estremi, se non è fissato un livello minimo di scorte, la procedura di riapprovvigionamento può rimanere bloccata in una situazione di inventario congelato, in cui non viene più registrata alcuna vendita (dal momento che non vi sono più scorte) o alcuna scorta. Quel che è peggio è che, in una simile situazione, le previsioni risultano accurate al 100%, poiché sono pari a zero, esattamente come le vendite.

Integrare i dati relativi alle rotture di stock: errori da evitare

Per correggere il bias introdotto dalle rotture di stock, è necessario tenere conto delle rotture di stock, raccogliendo dati storici dettagliati su tutte le rotture di stock che si verificano, o che si sono verificate in passato. Certo, l'idea è allettante, ma richiede sforzi considerevoli per essere messa in pratica.

  • Molte aziende non tengono traccia delle rotture di stock in maniera adeguata: se vogliamo avere qualche speranza di migliorare le previsioni della domanda, non basta avere qualche dato; dobbiamo, piuttosto, avere a disposizione dati accurati e completi.
  • Le rotture di stock sono, auspicabilmente, piuttosto rare: nella maggioranza dei casi, infatti, si verificano meno del 10% delle volte. Di conseguenza, è necessario un volume significativo di attività commerciale per raccogliere i dati necessari per un'analisi statistica esaustiva delle rotture di stock.
  • Gli effetti delle rotture di stock sono complessi. Per citarne alcuni, possono verificarsi cannibalizzazioni degli articoli non più disponibili, quando sono presenti dei sostituti; oppure, alcuni clienti possono decidere di rimandare l'acquisto, causando, a volte, un “picco” della domanda quando l'articolo desiderato torna a essere disponibile.

In Lokad, ci siamo occupati spesso di analizzare il fenomeno delle rotture di stock, per cui abbiamo anche sviluppato una tecnologia ad hoc. Dopo anni di esperienza sul campo, siamo giunti alla conclusione che tentare di gestire il bias introdotto da una rottura di stock tramite l'analisi dei dati storici a essa relativi, a meno che l'azienda non abbia almeno 100 punti vendita (o dimensioni paragonabili a questa), non vale la pena.

Quantili: le previsioni che resistono al bias

Al contrario, le previsioni quantiliche rappresentano un'alternativa più efficace e snella per ridimensionare il bias introdotto da una rottura di stock. In breve, i quantili sono usati per calcolare i punti di riordino come previsioni in cui è introdotto un bias di default. Ad esempio, un punto di riordino calcolato con un livello di servizio del 95% è una previsione elaborata per essere di poco superiore alla domanda nel 95% dei casi (per cui una rottura di stock si presenterebbe solo nel 5% dei casi).

Le previsioni quantiliche, se associate a livelli di servizio particolarmente elevati (ossia superiori al 90%), si comportano in modo molto diverso rispetto alle previsioni tradizionali. Intuitivamente, per calcolare una previsione quantilica al 95%, è necessario focalizzare l'analisi sul 5% rappresentato dalle fluttuazioni più estreme della domanda. A volte, capita che le rotture di stock siano predominanti tra i dati storici, al punto che anche il 5% costituito dalle vendite più consistenti è solo una parte della domanda “abituale”; questo, però, è un caso limite. Anche se le rotture di stock sono frequenti, il punto più elevato della domanda storica è generalmente superiore alla domanda media.

Di conseguenza, le previsioni quantiliche non cadono quasi mai nel circolo vizioso che abbiamo descritto prima, per cui le rotture di stock introducono un bias di proporzioni tali da distorcere le previsioni, in modo che le previsioni stesse continuino ad aggravare il problema delle rotture di stock. Abbiamo potuto osservare che, per la maggioranza dei nostri clienti, le previsioni quantiliche hanno invece introdotto un circolo virtuoso, in cui i quantili, più resistenti al bias, riducono fin da subito la frequenza delle rotture di stock, riportando sotto controllo i livelli di servizio e, sul medio periodo, facendo convergere la frequenza delle rotture di stock verso il livello di servizio prestabilito.