00:00:08 Introduzione a Flowcasting e le sue origini.
00:02:04 Contrasto tra Flowcasting e le tecniche tradizionali di approvvigionamento.
00:04:40 Rilevanza e sfide di Flowcasting oggi.
00:06:06 Analisi del fallimento di Flowcasting e degli spunti necessari.
00:07:06 Come la stocasticità può causare i fallimenti di Flowcasting.
00:08:06 Limiti della previsione frazionaria della domanda.
00:10:15 Implementazione pratica e fallimenti di Flowcasting.
00:11:13 Spunti positivi da Flowcasting: dati di domanda disaggregati.
00:13:46 Approccio olistico di Flowcasting all’ottimizzazione della supply chain.
00:15:14 Differenza tra Flowcasting e l’approccio di Lokad.
00:17:31 Complessità di scenari specifici della supply chain.
00:19:37 Previsioni sulle tendenze future nelle implementazioni di AI.
00:21:43 Il valore del libro su Flowcasting nonostante i difetti.
Riassunto
In the interview, Joannes Vermorel, il fondatore di Lokad, discute i punti di forza e le debolezze di Flowcasting, un metodo di supply chain planning. Apprezza l’attenzione alle previsioni disaggregate, incentrate sulla domanda, e all’automazione, ma critica il suo approccio deterministico per non considerare la randomicità della supply chain. Lokad tenta di gestire queste complessità con un linguaggio di programmazione chiamato Envision, ma Vermorel ammette che nessun sistema può racchiudere completamente le complessità della supply chain. Vermorel è anche scettico riguardo al ruolo dell’AI nel supply chain management, distinguendo tra l’AI come termine alla moda e le reali tecniche algoritmiche. Nonostante le sue carenze, riconosce il valore degli spunti forniti da Flowcasting nel supply chain management retail.
Riassunto Esteso
Nell’intervista, il conduttore Kieran Chandler e Joannes Vermorel, il fondatore di Lokad, discutono della tecnica del Flowcasting nel contesto del demand-driven supply chain planning. Introdotto in un libro del 2006 con lo stesso nome, il Flowcasting è considerato il “Santo Graal” di questo campo, in quanto promette un’efficienza ottimale richiedendo di fare previsioni solo al punto vendita.
Flowcasting si rivolge alle reti retail. Vermorel scompone il suo principio fondamentale come segue: prevedere ogni singolo prodotto in ogni luogo, ogni giorno, puntando all’accuratezza massima possibile. Il quadro complessivo ottenuto da queste previsioni permette la ricostruzione di tutte le decisioni di supply chain necessarie. La visione del flowcasting contiene spunti preziosi, enfatizzando l’essere il più vicini possibile alla domanda, un fattore che non era stato prioritario nelle tecniche precedenti. Inoltre, attribuisce valore alla valutazione del prodotto individuale per punto vendita, piuttosto che in insiemi aggregati, rappresentando un approccio più disaggregato rispetto alle previsioni top-down per categoria, allora prevalenti.
L’implementazione del flowcasting, tuttavia, si rivela essere un caso a parte. Vermorel osserva che esso “non funziona mai” come previsto. Le reti retail che tentano di concretizzare questo concetto teorico lo trovano “brutalmente non funzionale”. La causa principale viene identificata come la totale disattenzione al concetto di “stochasticity” - la randomicità intrinseca nelle vendite di prodotti a livello di negozio.
Flowcasting si basa su previsioni deterministiche, presupponendo che sia possibile prevedere con assoluta certezza la quantità esatta di un prodotto che verrà venduta in futuro. Non riesce a incorporare la randomicità intrinseca delle vendite al dettaglio nel mondo reale e la domanda frazionaria a livello di prodotto per giorno. Questo approccio irrealistico rende le previsioni inefficaci. Ancora più critico, porta all’omissione dei driver economici, cruciali per bilanciare i rischi, dai processi di ottimizzazione della supply chain, destabilizzando ulteriormente la strategia.
Quando gli viene chiesto delle conseguenze pratiche dell’implementazione del Flowcasting, Vermorel ammette che, secondo la sua esperienza, le reti retail a lui note non passano mai davvero dalla fase del prototipo a causa delle complicazioni evidenziate. Pertanto, sebbene il Flowcasting continui a offrire alcuni spunti preziosi, l’intervista sottolinea la necessità di affrontare i suoi limiti intrinseci e le realtà della stochasticity della supply chain per operazionalizzarlo efficacemente in un contesto retail reale.
Un punto critico della conversazione riguarda il “flowcasting”, una nota tecnica di supply chain. Nonostante le sfide, Vermorel riconosce che il flowcasting fornisce spunti preziosi. Sottolinea l’approccio della tecnica nel cercare di avvicinarsi il più possibile alla domanda al livello più disaggregato. Vermorel afferma che il livello più disaggregato non è per prodotto, per negozio, ma ogni unità venduta a clienti individuali. Questo spunto, sostiene, dà origine al concetto di grafici temporali rispetto alle serie temporali, riconoscendo l’identità dei clienti e i loro comportamenti di acquisto.
Inoltre, Vermorel apprezza l’accento posto sull’automazione nel flowcasting, insistendo sul fatto che Lokad adotti anch’esso questa strategia. Spiega i vantaggi degli aggiornamenti giornalieri dei dati, affermando che non farlo comporta una complessità inutile e opportunità mancate, poiché si opererebbe su dati obsoleti. Questa complessità superflua, secondo lui, è insensata e uno spreco di risorse.
Il successivo spunto che Vermorel trae dal flowcasting è l’idea della sincronicità e la necessità di una visione olistica della supply chain. Esaminando l’intera rete e tutti i suoi flussi, dalla produzione fino alla domanda finale dei clienti, egli suggerisce che i problemi della supply chain possano essere risolti in maniera più efficace, anziché semplicemente spostarli. Ciò contrasta con l’approccio più comune di ottimizzare ogni fase in modo indipendente, che potrebbe trascurare gli impatti interconnessi.
La critica di Vermorel al flowcasting si concentra sulla sua eccessiva semplificazione. Sebbene la semplicità sia generalmente un obiettivo ammirevole, avverte che non dovrebbe portare a una rappresentazione matematica ingenua di una realtà complessa. Mentre il flowcasting si promuove come “Excel-simple”, Vermorel sostiene che esso semplifichi eccessivamente le complessità delle supply chain.
L’approccio di Lokad si differenzia dal flowcasting per l’accettazione della complessità intrinseca delle supply chain, secondo Vermorel. Egli sottolinea che le supply chain sono per loro natura disordinate e complicate. Il modello di Lokad abbraccia uncertainty, che considera irriducibile. Di conseguenza, il loro approccio implica un’algebra probabilistica, la quale, seppur più complicata, porta a risultati più realistici. Pertanto, la metodologia di Lokad non cerca di eliminare l’incertezza, ma piuttosto di riconoscerla e lavorare con essa.
Per complicare ulteriormente la gestione della supply chain, Vermorel illustra i numerosi casi limite che esistono, come le diverse richieste per il packaging o formati specifici di prodotto tra negozi e clienti individuali. Tali variazioni, sostiene Vermorel, richiedono soluzioni sfumate e flessibili che tengano conto di queste complessità, anziché un approccio unico per tutti.
Per affrontare queste complessità, Lokad sviluppa un linguaggio di programmazione chiamato Envision, progettato per mantenere la semplicità senza compromettere la realtà della gestione della supply chain. Questo sistema fornisce una migliore approssimazione della realtà, ma Vermorel ammette che nessun sistema può catturare appieno le complessità delle supply chain nel mondo reale.
Durante la discussione, il concetto di Flowcasting, una metodologia di supply chain, viene esaminato criticamente. Vermorel ipotizza che il Flowcasting avrebbe potuto avere più successo se avesse incorporato una forma di algebra probabilistica. Egli sottolinea che, nonostante le sue carenze, Flowcasting rappresentava una visione audace per i suoi tempi.
Spostando l’attenzione sulle tecnologie emergenti, Vermorel esprime scetticismo sull’uso dell-artificial intelligence (AI) nella gestione della supply chain. Sostiene che l’AI, pur essendo spesso acclamata come una soluzione magica, probabilmente deluderà molte aziende, le quali scopriranno che impressionanti avanzamenti tecnologici in settori come il riconoscimento delle immagini non si traducono direttamente nella risoluzione dei problemi della supply chain.
Tuttavia, Vermorel distingue tra il termine di moda dell’AI e le tecniche algoritmiche fondamentali, come il deep learning e la differentiable programming. Queste, afferma, potrebbero essere incredibilmente utili se accuratamente allineate con le sfide uniche della gestione della supply chain.
Tornando al Flowcasting, Vermorel afferma che, nonostante le sue carenze matematiche, il libro sottostante rimane una lettura preziosa, principalmente grazie agli spunti utili sulla gestione della supply chain nel retail. Sebbene molti dei suoi concetti non siano ancora stati completamente sfruttati, queste idee restano valide e preziose fino ad oggi.
Infine, la conversazione evidenzia come il mondo della gestione della supply chain sia complesso, senza una soluzione unica e semplice. Sottolineando l’importanza di sistemi flessibili e adattabili che possano meglio approssimare le intricate realtà delle dinamiche della supply chain, Vermorel conclude promuovendo un approccio completo e sfumato.
Trascrizione Completa
Kieran Chandler: Oggi, su Lokad TV, approfondiremo questa tecnica e discuteremo se sia ancora rilevante. Quindi Joannes, forse dovremmo iniziare spiegando un po’ meglio cos’è effettivamente il flow casting e come funziona?
Joannes Vermorel: Flowcasting è un termine coniato con la pubblicazione di un libro nel 2006, intitolato anch’esso “Flowcasting.” È una tecnica dedicata alle reti retail, che offre l’ottimizzazione della supply chain per tali reti. Il libro presenta numerosi spunti interessanti e ricette su come implementarlo. In parole povere, l’idea è quella di selezionare ogni singolo prodotto in ogni singolo punto vendita, prevedere ogni giorno in anticipo, idealmente con previsioni molto accurate, e così ottenere un quadro completo di tutto ciò che accadrà, guidato dalle vendite dei clienti. È quindi possibile ricostruire tutte le decisioni di supply chain necessarie prendendo queste previsioni estremamente disaggregate a livello di prodotto per punto vendita quotidianamente e riaggregando questi dati. Ciò permette di ricostruire tutte le decisioni di supply chain semplicemente risalendo dalle previsioni, dal negozio fino al magazzino, e infine ai fornitori.
Kieran Chandler: Interessante. Allora, cosa c’era di così diverso in questa visione? In che modo differiva da alcune delle tecniche presenti all’epoca?
Joannes Vermorel: Differiva per la sua serie di intuizioni molto acute, in particolare l’importanza di essere il più vicini possibile alla domanda. Non si trattava di una nuova scoperta, ma a mia conoscenza era uno dei primi libri che sottolineava la necessità di essere estremamente vicini al miglior segnale di domanda disponibile: le vendite, che rappresentano la fine della catena. Questo differisce da molte supply chain in cui, tipicamente, un livello guarda solo a ciò che accade al livello successivo. Ad esempio, come fornitore, si osserva ciò che accade nel magazzino che acquista da te, ma non si guarda a ciò che succede nei punti vendita. In questo senso, il Flowcasting era molto coerente. Proponeva di avvicinarsi al segnale di domanda e suggeriva che ci fosse valore nell’analizzare il livello più disaggregato – prodotto per punto vendita – invece di riaggregare tutto a livello settimanale per prodotto, solo perché è numericamente più semplice da elaborare.
Kieran Chandler: Quindi, per “disaggregato”, intendi suddividere tutto fino al singolo livello SKU in ogni singolo punto vendita?
Joannes Vermorel: Esattamente. È ciò che il Flowcasting suggerisce e che lo differenzia dalla maggior parte delle tecniche dell’epoca. Tipicamente, le persone facevano previsioni top-down, dove si prevede per categorie, poi si suddivide per sottocategorie, per regioni e così via. Alla fine, si potevano avere un paio di cluster di negozi tipici e dire: “se ho un negozio di tipo A, tipo B, tipo C, alloco semplicemente in base al profilo del negozio”, e così via. Questo metodo evita di affrontare la fase più disaggregata, ovvero ogni singolo prodotto in ogni singola località, dove la quantità di dati semplicemente esplode.
Kieran Chandler: Allora, perché ne parliamo oggi? Non esistono tecniche più moderne che lo abbiano sostituito? Perché è ancora rilevante?
Joannes Vermorel: Beh, dieci anni fa il Flowcasting era all’ordine del giorno, e ho visto almeno una mezza dozzina di grandi reti retail interessarsi molto ai suoi spunti. Tuttavia, non ha mai funzionato nella pratica. Era come un libro pieno di idee apparentemente eccellenti, ma quando le persone hanno cercato di implementarlo, ha fallito completamente. Era brutalmente non funzionale, il che era inaspettato data la semplicità delle idee. Il libro faceva sembrare che si potesse fare facilmente con previsioni giornaliere, fornendo alcune ricette semplici per produrle e poi sfruttarle per decisioni di supply chain. Si è scoperto che, quando si è tentato di metterlo in pratica, non ha funzionato in modo violento. Il motivo del fallimento del Flowcasting è che ha trascurato alcuni aspetti supercritici. Tuttavia, la maggior parte del mercato e degli attori manca ancora di questi spunti. Il Flowcasting è passato di moda dopo un decennio, ma le ragioni dei suoi fallimenti non sono ancora ben note. Questo significa che, a meno che molti attori non migliorino la loro comprensione, si troveranno ad affrontare gli stessi problemi.
Kieran Chandler: Quindi, in superficie, guardare un punto vendita, fare previsioni lì, e farle fluire lungo l’intera supply chain sembra abbastanza logico. Allora, dove va tutto in rovina?
Joannes Vermorel: Crolla a causa della stocasticità o dell’incertezza. Le vendite a livello di negozio sono estremamente erratiche e casuali. Sì, potresti vendere circa un’unità a settimana, ma non sai mai in quale giorno della settimana. Il flowcasting si basava su una previsione deterministica in cui potevi affermare con perfetta precisione che venderai esattamente una bottiglia di shampoo tra due giorni per una data referenza. Tuttavia, ciò non è realistico a causa della casualità intrinseca nelle vendite al dettaglio.
Kieran Chandler: Ed è qui che tutto crolla davvero. Queste previsioni non riescono in alcun modo a riflettere alcun tipo di incertezza. È qui che la previsione fallisce completamente — l’incertezza è assente. Pertanto, poiché l’incertezza manca e si presume che le previsioni siano accurate, esse non riescono a rappresentare correttamente il futuro. Non sono previsioni probatorie. Quando si tratta di ottimizzazione della supply chain, agisci come se le tue previsioni fossero corrette e quindi ignori quelli che chiamiamo driver economici, bilanciando tutti quei rischi. In sostanza, hai un problema che trascura l’incertezza e, di conseguenza, ignori anche i driver economici che sono centrali per ottimizzare in presenza di incertezza. Quindi, se c’erano così tanti problemi con questo approccio, cosa è successo realmente quando i rivenditori hanno cercato di implementarlo? Si sono verificati dei disastri su larga scala?
Joannes Vermorel: Le reti retail con cui ero in contatto non sono mai andate veramente oltre la fase di prototipo. Erano caute, le hanno provate su scala molto ridotta. Ma in realtà, i numeri risultavano così insensati che i professionisti della supply chain dicevano: “No, non possiamo applicarlo in negozio”. Erano o troppo pochi, o troppo esiguo, o troppo elevati. Letteralmente, non aveva alcun senso. Per quanto ne sappia, nessuna grande rete retail è arrivata nemmeno alla fase di prototipo con più di qualche dozzina di prodotti in alcuni negozi, qualcosa di molto su scala ridotta, per poi terminare rapidamente perché funzionava in modo brutalmente disfunzionale.
Kieran Chandler: Quindi non può essere tutto negativo. Il flowcasting era una tecnica abbastanza nota, godeva di una buona reputazione. Quali sono alcuni degli spunti positivi che ci ha offerto?
Joannes Vermorel: Ci sono stati diversi spunti interessanti. Suggerivano di avvicinarsi il più possibile alla domanda, sostenendo che il livello più disaggregato era per negozio, per prodotto. Concordo con l’idea che bisogna essere il più disaggregati possibile, ma non sono d’accordo che il livello per prodotto, per negozio sia il più disaggregato. Il livello più disaggregato è, infatti, ogni singola unità venduta a ogni singolo cliente. Al giorno d’oggi, la maggior parte delle reti retail dispone di sistemi di tracciamento dei clienti tramite programmi di loyalty. Così sappiamo non solo di aver venduto un prodotto in una determinata sede in un certo giorno, ma sappiamo anche a chi lo abbiamo venduto. Pertanto, non dovresti pensare solo in termini di serie temporali, come descritto nel flowcasting, ma come un grafo temporale in cui conosci esattamente a chi stai vendendo. Questo contiene ancora più informazioni. Tuttavia, l’osservazione chiave del flowcasting di arrivare al livello più disaggregato è profondamente corretta. Un altro aspetto che hanno colto giustamente è l’idea di automatizzare tutto con aggiornamenti quotidiani. È esattamente ciò che Lokad propone ancora oggi. Se non disponi di un’automazione completa — cioè ottenere i dati dell’ultimo giorno, elaborarli e aggiornare tutte le tue previsioni e decisioni basate su di esse — stai lasciando molti soldi sul tavolo. Infatti, se utilizzi i dati della scorsa settimana, stai cercando di prevedere le vendite di ieri. Ma non è necessario prevedere le vendite di ieri, le conosci già. Quindi, avere questi aggiornamenti giornalieri è una buona pratica, altrimenti finisci per usare dati della settimana scorsa per prevedere ciò che è successo ieri, il che è insensato. Un altro spunto positivo del flowcasting è quello che chiamano sincronicità. Essi esprimono l’idea che le supply chain necessitano di una visione olistica lungo tutti i livelli. È ciò che abbiamo fatto con il caso Bridgestone di cui abbiamo discusso in un episodio precedente. Se desideri ottimizzare la tua supply chain, devi avere una prospettiva olistica dell’intera rete e di tutti i flussi, dalla domanda del cliente finale fino alla produzione. Se non possiedi questo tipo di prospettiva olistica, ti limiti a spostare i problemi anziché risolverli. Quindi, il flowcasting aveva questo spunto molto corretto: devi abbracciare la rete nel suo complesso anziché procedere con un’ottimizzazione a stadi, dove ottimizzi il magazzino senza considerare altro che il magazzino.
Kieran Chandler: Quindi quello che stai dicendo è che il flowcasting conteneva parecchi spunti preziosi che condividiamo anche qui a Lokad. Quali sono le differenze chiave tra l’approccio del flowcasting e quello che adottiamo qui a Lokad? Cosa facciamo molto meglio, secondo te?
Joannes Vermorel: Uno dei principi fondamentali del flowcasting era che poteva essere reso estremamente semplice, semplice come in Excel, con formule molto semplici che si potevano combinare in Excel. La semplicità è molto positiva. Tuttavia, quando modelli un sistema complesso, come le supply chain, devi assicurarti che il tuo modello non sia semplicistico. Il tuo modello non dovrebbe tradire le realtà che cerchi di rappresentare con una rappresentazione matematica troppo ingenua di una realtà che non è così semplice.
Joannes Vermorel: Qui a Lokad, abbiamo cercato davvero di abbracciare il fatto che la realtà nelle supply chain è molto caotica e spesso complicata. Ciò significa che l’incertezza è destinata a restare. Se dici “ci servono solo previsioni accurate”, è un pensiero illusorio. Esiste una quantità irriducibile di incertezza. Hai bisogno di un sistema che accetti il fatto che l’incertezza è qui per restare. Finisci per ottenere un’algebra probabilistica, che è molto più complicata. Ma è quello che serve; altrimenti, i tuoi risultati sono insensati.
Joannes Vermorel: E se vuoi estrarre quante più informazioni possibili dal livello più disaggregato, ovvero dal grafo temporale persino dei clienti, chi acquista quale prodotto, dove e quando, allora improvvisamente non puoi ottenere tutte le informazioni che dovresti da questi dati solo tramite serie temporali. Sì, è un grafo temporale, ed è più complicato, ma questa è la realtà.
Kieran Chandler: Hai molte più informazioni in questo grafo temporale. È questo che vuoi sfruttare. Quindi, forse, un’altra prospettiva è che invece di cercare di vendere la semplicità, devi avere un sistema che sia il più semplice possibile, ma non più semplice di quanto la realtà richieda veramente.
Joannes Vermorel: Sì, certamente. Potrei approfondire il fatto che esistono numerosi casi limite, in particolare quelli più impegnativi, nelle supply chain. Per esempio, considera un magazzino che spedisce confezioni di bottiglie ai negozi, mentre nei negozi vengono vendute le bottiglie singolarmente perché i clienti a volte le sfasciano. E poi ci sono casi in cui alcuni clienti vogliono specificamente acquistare una confezione di bottiglie. Non puoi semplicemente contare le bottiglie e presumere che quella sia la soluzione. Alcuni clienti sono molto esigenti e insistono per avere una confezione da sei bottiglie. Queste situazioni sono davvero complicate.
Joannes Vermorel: Temo che non esista un approccio semplice e miracoloso a tutto questo. Qui a Lokad abbiamo compreso questo fatto e deciso di creare uno strumento, un linguaggio di programmazione chiamato Envision. L’abbiamo progettato per essere il più semplice possibile, ma senza semplificare eccessivamente le realtà delle supply chain. Devo ammettere che la realtà nelle supply chain è davvero complessa. Tutto ciò che puoi sperare è in una migliore approssimazione. Non avrai mai l’intero mondo reale modellato nel tuo sistema.
Kieran Chandler: Quindi, se il flowcasting avesse avuto quella algebra probabilistica alla base, potrebbe aver funzionato un po’ meglio in passato, ma in qualche modo era probabilmente avanti di dieci anni rispetto al suo tempo?
Joannes Vermorel: Esattamente, penso che fosse effettivamente avanti di circa dieci anni rispetto al suo tempo. All’epoca non avevamo tutti gli ingredienti tecnologici necessari per realizzare quella che è ancora una visione relativamente audace della supply chain.
Kieran Chandler: E che dire del flowcasting del 2019? C’è qualcosa che all’apparenza sembra molto buono, ma che in realtà non funziona altrettanto bene una volta analizzato in profondità? Quale sarà la prossima proposta simile al flowcasting che appare promettente, ma che alla fine crolla?
Joannes Vermorel: Credo che la maggior parte di ciò che viene venduto sotto il nome di AI andrà in pezzi. Non sto dicendo che il deep learning o anche il suo discendente, il differentiable programming, non siano strumenti eccellenti; lo sono davvero. Tuttavia, se tutto ciò che hai è il termine di moda e della tecnologia grezza proveniente da ambiti come il riconoscimento delle immagini, che non sono direttamente applicabili alla supply chain, allora molte aziende si renderanno conto che la tecnologia grezza, anche se impressionante e in grado di battere un campione di Go, non risolve magicamente i loro problemi nella supply chain.
Joannes Vermorel: Sospetto che tra dieci anni la situazione dell’AI sarà persino peggiore di quella del flowcasting. Anche con il flowcasting, dopo dieci anni, c’erano ancora alcuni aspetti illuminanti nel libro. D’altro canto, prevedo che circa il 90% di ciò che i fornitori stanno attualmente promuovendo diventerà inutile per la supply chain in circa un decennio. Sarà completamente dimenticato. Ma vorrei distinguere tra il termine di moda AI, che penso sia semplicemente questo, e tecniche algoritmiche fondamentali come il deep learning e il differentiable programming, che possono essere molto utili se attentamente allineate alle sfide della tua supply chain.
Kieran Chandler: È sorprendente, considerando che l’AI è attualmente un termine di moda nel settore. Per concludere, il flowcasting è ancora rilevante? Vale ancora la pena leggere il libro? Qual è il messaggio chiave da apprendere oggi?
Joannes Vermorel: Sì, penso che il libro valga ancora la pena di essere letto. È una lettura piacevole. Lo stile è gradevole e si legge in poco tempo, forse solo poche ore. Molti degli spunti sono ancora corretti. Ciò che non lo è, è la matematica illustrata nel libro. Gli autori, a quanto pare, non erano né matematici né statistici, e questo si percepisce. Ma se trascuri la matematica e ti concentri sugli spunti, scoprirai che hanno riflettuto seriamente sulla supply chain nel retail e sulle sue implicazioni. È qui che, a mio avviso, il libro brilla davvero. Molti degli spunti evidenziati dieci anni fa sono ancora validi e ampiamente sottoutilizzati. Le grandi reti retail non stanno ancora cogliendo la maggior parte degli spunti descritti in questo libro sul flowcasting.
Kieran Chandler: Fantastico! Bene, per oggi il tempo è scaduto, ma grazie per il tuo tempo. È tutto per questa settimana. Grazie mille per averci seguito e ci vediamo alla prossima. Ciao per ora.
