PREVISIONE DELL'INVENTARIO PER LE RETI DI VENDITA AL DETTAGLIO CON LOKAD

La tecnologia dietro Lokad aiuta i rivenditori di qualsiasi dimensione a aumentare la disponibilità dei loro prodotti minimizzando la quantità di inventario che detengono sia a livello di negozio che a livello di magazzino. L'altissimo livello di automazione associato a Lokad lo rende adatto anche per selezioni di prodotti complesse senza dover coinvolgere manodopera extra. La tecnologia di previsione dei quantili è specificamente progettata per supportare alti livelli di servizio, anche quando le vendite sono sia intermittenti che erratiche. Inoltre, attraverso il cloud computing, Lokad è in grado di scalare fino a migliaia di negozi.

salescast retail right in inventory optimization software
Worten, un rivenditore di elettronica, ha 300+ negozi e e-commerce, fornendo prodotti diversi per gli amanti della tecnologia.

Worten promuove una strategia digitale con negozi e un tocco umano. La nostra partnership con LOKAD ci consente di digitalizzare e rinnovare l'intelligenza della nostra gestione, garantendo che i nostri negozi siano meglio preparati a dare ai clienti ciò che vogliono. In definitiva, questa partnership è una svolta tecnologica e gestionale in come vediamo e gestiamo la supply chain.

Bruno Thiago Saraiva, Responsabile dello Stock presso Worten

quotation shape left

Automazione completa per assortimenti complessi

Lokad importa i dati storici di vendita e produce direttamente la previsione dell’inventario; e quando diciamo “direttamente”, lo intendiamo. Non ci sono configurazioni statistiche di alcun tipo coinvolte nella generazione di previsioni utilizzando Lokad. Ciò rende Lokad facilmente accessibile ai suoi utenti, anche a quelli senza alcuna competenza statistica.

Quando sono previste interventi manuali per garantire che le previsioni funzionino correttamente, non c’è fine: ci sono troppi prodotti, troppi negozi.

Molte soluzioni di previsione classiche offrono la possibilità di “sintonizzare” le previsioni, ma per quanto riguarda il commercio al dettaglio di prodotti generici, abbiamo osservato più e più volte che tali funzionalità

sono gravemente fuorvianti. Quando sono previsti interventi manuali per garantire che le previsioni funzionino correttamente, non c’è fine: ci sono troppi prodotti, troppi negozi. L’automazione totale è semplicemente l’unica opzione in questo caso.

retail_networks_chart

La tecnologia di previsione unica di Lokad sfrutta le correlazioni tra i prodotti. Infatti, quando si guarda un singolo prodotto, quasi mai ci sono dati storici sufficienti disponibili. Fortunatamente, le aziende spesso vendono centinaia, se non migliaia, di prodotti contemporaneamente e quindi, sfruttando tutti i modelli che possono essere osservati in relazione agli altri beni in un catalogo di prodotti, Lokad salta la complessa necessità di “sintonizzare” le previsioni manualmente. Questo può essere visto come un comportamento indesiderabile “blackbox”, ma la nostra esperienza indica che anche i modelli di previsione lineare semplici, in pratica, si comportano come blackbox per le reti di vendita al dettaglio, perché non c’è mai abbastanza tempo per rivedere manualmente più di una piccola frazione dei risultati prodotti quotidianamente.

I sistemi di previsione classici sono anche afflitti da casi limite: prodotti con una storia di vendite troppo breve, prodotti con volumi di vendita troppo bassi, prodotti con profili di stagionalità poco chiari, ecc. La nostra tecnologia di previsione non lascia indietro nessun prodotto, per garantire una copertura del 100% dell’intero assortimento.

I modelli di previsione avanzati che sfruttano le correlazioni tra prodotti e negozi sono un must-have per le reti di vendita al dettaglio, proprio perché hanno così tanti dati da correlare in primo luogo.

Elevati livelli di servizio per la domanda intermittente

A livello di negozio, la grande maggioranza dei prodotti è associata a modelli di domanda intermittente, in cui solo una manciata di unità di prodotto distinte viene venduta ogni giorno. Tuttavia, anche se un prodotto viene venduto solo una volta alla settimana, la maggior parte dei rivenditori cerca di offrire elevati livelli di servizio per mantenere i propri clienti soddisfatti. Attraverso la sua tecnologia di previsione dei quantili, Lokad può fornire risultati di previsione dell’inventario accurati anche per i prodotti che vengono venduti molto raramente.

Le soluzioni di previsione classiche si basano su previsioni classiche, cioè previsioni mediane, o in altre parole previsioni che hanno una probabilità del 50% di essere sopra o sotto la domanda futura. Tuttavia, a livello di negozio, le previsioni classiche semplicemente non funzionano perché la maggior parte dei prodotti viene venduta meno di una volta al giorno.

Una tecnologia di previsione che risponde direttamente a una semplice domanda: di quante unità di prodotto X ho bisogno per raggiungere il livello di servizio Y?

Alcuni strumenti cercano di affrontare questo problema prevedendo a livello settimanale o addirittura mensile per disaggregare le previsioni di livello superiore in previsioni frazionarie, ma la quantità di errori associati a tali metodi è abbastanza sorprendente. L’utilizzo di previsioni classiche per l’ottimizzazione dell’inventario affronta il problema dal lato sbagliato.

Lokad ha sviluppato una tecnologia di previsione statistica per il settore del commercio al dettaglio che risponde direttamente alla seguente semplice domanda: di quante unità di prodotto X ho bisogno per raggiungere il livello di servizio Y? Invece di cercare di rispondere a questa domanda attraverso un percorso molto indiretto e altamente impreciso che di solito comporta la previsione mediana e le scorte di sicurezza, la tecnologia di Lokad consente di fornire una risposta diretta attraverso previsioni di quantile. Di conseguenza, poiché il metodo di previsione di Lokad è diretto e non indiretto come la previsione classica, le prestazioni dell’inventario fornite dalle previsioni di quantile superano di gran lunga le prestazioni ottenute attraverso l’approccio classico.

Scaling fino a migliaia di negozi

retail_networks_stores

Fornire previsioni statistiche avanzate per migliaia di negozi può richiedere una quantità enorme di potenza di elaborazione. Lokad fornisce questa potenza di elaborazione attraverso il suo utilizzo di Microsoft Azure, la piattaforma di cloud computing di Microsoft. Grazie al nostro lavoro qui a Lokad, abbiamo ricevuto il primo Azure Partner Award da Microsoft nel 2010.

In particolare, Lokad sfrutta una tecnica nota come auto-scaling, che significa che non appena un lavoro di previsione deve essere svolto da Lokad, provvediamo dinamicamente alla fornitura dei server su Microsoft Azure (potenzialmente centinaia di essi a seconda della scala della rete di vendita al dettaglio), e immediatamente utilizziamo questi server per fornire risultati di previsione in meno di 60 minuti. Non appena un calcolo è completato, tutti i server vengono de-provisionati.

Poiché le previsioni di inventario quasi mai sono necessarie più di una volta al giorno, l’auto-scaling offre una riduzione diretta dei costi hardware di un fattore 24; una riduzione che può essere passata ai nostri clienti. Tuttavia, la riduzione effettiva del costo hardware deriva dal fatto che abbiamo sviluppato una tecnologia che è fortemente orientata verso l’elaborazione ad alta performance dei dati di vendita al dettaglio.

Strategie di acquisto complesse a livello di magazzino

Mentre il processo di riordino a livello di negozio è tipicamente relativamente semplice, le strategie di acquisto a livello di magazzino possono essere piuttosto complesse. Attraverso il motore di scripting di Lokad, è possibile trasformare le previsioni di domanda regolari in ordini di acquisto corretti che tengono conto di sconti, spese di spedizione, capacità del magazzino, variazioni dei tempi di consegna, ecc. Priceforge può anche essere utilizzato per stabilire tutti gli indicatori di performance dell’inventario altamente specifici del settore richiesti dai manager per monitorare le prestazioni complessive dell’inventario della rete.