Le previsioni quantiliche hanno rappresentato una rivoluzione rispetto alle previsioni tradizionali. A loro volta, esse sono state superate dalle previsioni probabilistiche. Si vedano i nostri ultimi articoli nella sezione Tecnologia per più informazioni.
La tipologia di previsione più comune è la
previsione media in cui il peso di una
sovraprevsione e quello di una
sottoprevisione si equilibrano. Un esempio di previsione media è la previsione delle temperature per il giorno dopo.
Le previsioni quantiliche (nel senso di previsioni realizzate con il metodo della regressione quantilica) sono prodotte in modo diverso: in esse viene introdotto intenzionalmente un bias, o errore sistematico, che altera le probabilità di sottoprevisione e sovraprevisione. Per i settori della vendita, al dettaglio o all'ingrosso, e della produzione, i quantili costituiscono un
vero e proprio salto di qualità rispetto alle previsioni tradizionali. Nel marzo del 2012, Lokad è diventato il primo produttore di software a fornire previsioni quantiliche a livello industriale. In questa pagina, vedremo in dettaglio perché le previsioni quantiliche sono così importanti e in cosa differiscono rispetto alle previsioni tradizionali.
White paper
Gestire l’inventario dei pezzi di ricambio con i quantili (in inglese)
In un mondo in cui la maggioranza dei produttori e dei rivenditori opera in mercati altamente competitivi, offrire un elevato livello di servizio alla base di clienti esistente è una priorità strategica per molte imprese. Tuttavia, a causa dei volumi e della natura irregolare della domanda, gestire in modo efficace un inventario di pezzi di ricambio è, a tutt'oggi, una vera e propria sfida. In questo white paper discuteremo dello stato attuale e delle sfide future della tecnologia di pianificazione nel settore dei pezzi di ricambio. Introdurremo, inoltre, il tema delle previsioni quantiliche come approccio innovativo al problema.
SCARICA IL DOCUMENTO (PDF)
Premessa
Per quanto il termine quantile forecast possa suonare complicato (e per quanto sia poco conosciuto dai non addetti ai lavori) le previsioni quantiliche – anche se non vengono chiamate in questo modo - sono utilizzate regolarmente nei settori della distribuzione e della produzione. Ad esempio, definire un punto di riordino per la gestione dell'inventario equivale a eseguire una previsione quantilica della domanda. Nonostante l'indiscutibile rilevanza delle previsioni quantiliche nel campo della distribuzione e della produzione, finora i quantili sono stati piuttosto trascurati da parte del mercato. La spiegazione più semplice è che finora non esistevano software in grado di suportare le previsioni quantiliche. Lokad offre la possibilità di prendere finalmente nella dovuta considerazione un aspetto così importante della tecnologia.
A cosa servono le previsioni della domanda?
Per capire in che modo le previsioni quantiliche possono rivelarsi utili a un produttore o a un rivenditore, dobbiamo prima chiarire perché abbiamo bisogno delle previsioni. Le previsioni della domanda sono fondamentali per essere sicuri di avere a disposizione il giusto livello di risorse (in termini di scorte, personale o denaro) al momento giusto. Soddisfare la domanda con il giusto livello di risorse, però, è generalmente un problema molto asimmetrico: infatti, il costo di una sovrallocazione di risorse (ossia di una sovraprevisione) può variare in modo significativo rispetto al costo di una sottoallocazione delle risorse (ossia di una sottoprevisione).
Facciamo un esempio:
- I rivenditori nel settore alimentare mirano solitamente ad altissimi livelli di servizio pari o superiori al 95%, in modo da evitare il più possibile le rotture di stock: questo perché si ritiene che il costo marginale di una rottura di stock sia molto superiore al costo marginale di un'unità supplementare in stock.
- I produttori di automobili si vedono sempre più costretti a ridurre i costi di produzione. Di conseguenza, alcune case automobilistiche adottano una strategia "zero stock", secondo cui le automobili vengono prodotte solo dopo essere state acquistate (e, quindi, rinunciano alla disponibilità immediata). In questo caso, il costo marginale delle giacenze sarebbe di molto superiore al costo della mancata disponibilità immediata. In conclusione, allocare risorse sulla base di previsioni medie approssimate non è quasi mai conveniente per un'impresa, poiché allocare una quantità insufficiente di risorse si rivela, nel 50% dei casi, un compromesso mediocre, che non riflette la realtà di un'attività.
Per questi motivi le aziende introducono volontariamente un bias nell'allocazione delle risorse, in modo da riflettere l'asimmetria specifica del settore in cui operano. Gestire in modo più efficace queste asimmetrie è precisamente lo scopo delle previsioni quantiliche.
Una previsione quantilica (τ, λ) dove τ (tau) è la probabilità auspicata e λ (lambda) è l'orizzonte espresso in giorni, rappresenta una previsione della domanda sui λ giorni successivi, che presenta una probabilità pari a τ di essere superiore alla domanda futura (e, di conseguenza, una probabilità 1-τ di essere inferiore alla domanda futura).
Quantili estrapolati. Caratteristiche e limiti
Le previsioni con il modello quantilico sono note da decenni. Tuttavia, implementare un modello nativo di previsione quantilica è spesso considerato, a ragione, molto più complicato che implementare un modello di previsione tradizionale. Per questo, la stragrande maggioranza dei produttori di software (*) offre esclusivamente previsioni medie.
(*) Per quel che è noto, nel marzo 2012 Lokad è stata la prima azienda di software a fornire una tecnologia nativa di previsione quantilica per il commercio. Nei circoli accademici, comunque, si sperimentano da decenni prototipi di regressione quantilica.
Le imprese, però, poiché necessitano di quelle che noi abbiamo definito previsioni quantiliche, fanno di solito ricorso a un procedimento di estrapolazione per produrre delle previsioni quantiliche. In termini pratici, si tratta di ipotizzare che la domanda segua una distribuzione normale e aggiungere un termine correttore di sicurezza. Un esempio classico di questo tipo di pattern è la scorta di sicurezza.
I quantili estrapolati sono previsioni tradizionali (medie), trasformate in previsioni quantiliche attraverso un metodo di estrapolazione. Viceversa, i quantili nativi sono prodotti direttamente dal modello statistico. L'estrapolazione non è basata su dati di input, ma su una particolare distribuzione definita a priori. Questa distribuzione, solitamente la distribuzione normale, è, tendenzialmente, l'anello debole di tutto il processo di estrapolazione, poiché si discosta dalla realtà.
L'estrapolazione, purtroppo, presenta seri inconvenienti in 3 situazioni frequenti:
- Quantili elevati (ossia, un livello di servizio elevato)
- Domanda intermittente
- Picchi di domanda (ordini all’ingrosso)
In questi casi, abbiamo osservato che le previsioni realizzate con quantili
nativi si rivelano più accurate del 20% o più rispetto alle migliori previsioni realizzate con quantili estrapolati. La nostra analisi è stata fatta confrontando le tecnologie di previsione quantilica e tradizionale di Lokad, partendo dal presupposto che queste siano già più accurate delle altre.
Quantili elevati (livelli di servizio elevati)
L'ipotesi che gli errori legati alle previsioni siano distribuiti normalmente è valida quando i quantili desiderati sono vicini alla media o alla mediana. Bisogna ricordare, però, che la qualità dell
'approssimazione diminuisce quando la percentuale desiderata aumenta. Infatti, abbiamo constatato che, quando la percentuale è superiore al 90%, l'estrapolazione stessa tende a diventare l'anello debole dell'intero processo di previsione. In questi casi, sarebbe quindi più opportuno ricorrere ai quantili nativi.
Domanda intermittente
L'estrapolazione tenta di seguire una
curva liscia sulla domanda futura, al fine di riflettere l'incertezza. Tuttavia, quando la domanda è intermittente o scarsa,
la domanda non ha nulla di liscio: per ogni periodo (settimana, mese), il numero di unità vendute, ossia la domanda osservabile, è un numero intero che varia tra 0 e 5, ad esempio. Storicamente, molti modelli di previsione
media sono stati progettati in modo da adattarsi meglio alla domanda scarsa. Nell'ottica dei quantili, però, è chiaro che il problema principale è un altro: se la domanda è scarsa, nessuna previsione media può essere estrapolata in modo da originare un quantile accurato. I quantili nativi, al contrario, si adattano perfettamente ai pattern di comportamento
a piccoli numeri interi della domanda.
Picchi di domanda (ordini all’ingrosso)
In caso di ordini all'ingrosso, la curva della domanda storica tende a presentare dei picchi. Questi picchi sono indice del fatto che alcuni ordini rappresentano una parte consistente della domanda totale. Nel caso dei picchi di domanda, tuttavia, al contrario di quanto avviene con la domanda intermittente, esiste sempre una domanda non nulla. Il punto fondamentale, qui, non è che la domanda abbia dei valori
interi, ma che le previsioni medie non sono in grado di proiettare correttamente questi picchi nel futuro.
Semplificando al massimo, possiamo dire che esistono due approcci fondamentali nella gestione dei picchi:
- Ignorarli, se l’azienda ritiene che non valga la pena preallocare delle risorse.
- Regolare le risorse preallocate per gestire i picchi, o almeno una parte di essi.
In entrambi i casi, le previsioni medie danno risultati poco soddisfacenti: i quantili estrapolati sono troppo bassi per catturare i picchi e, allo stesso tempo, sovrastimano le risorse destinate a gestire la domanda al di fuori dei picchi. I quantili nativi, invece, trattano i picchi in modo più accurato e preciso.
Previsioni native quantiliche con Lokad
Quest'articolo non è più d'attualità. Il nostro motore di previsioni di ultima generazione infatti non funziona più con previsioni quantiliche. Si vedano i nostri ultimi articoli nella sezione Tecnologia per più informazioni.
Lokad offre un
servizio online completamente automatizzato, che utilizza le serie temporali come input e fornisce previsioni quantiliche native, in cui ogni quantile corrisponde al proprio orizzonte e alla percentuale desiderata (rispettivamente lead time e livello di servizio, nel caso dell'ottimizzazione delle scorte). Non è necessario alcun procedimento di estrapolazione. Per elaborare una previsione quantilica non è necessaria
alcuna competenza statistica. In pratica, la maggior parte dei nostri clienti usa la nostra applicazione web per ottenere dei
punti di riordino ottimizzati. I punti di riordino, infatti, sono una previsione quantilica specifica per la gestione delle scorte. Per ogni serie temporale, la previsione quantilica è semplicemente un unico punto dati. A differenza delle previsioni medie,
le previsioni quantiliche non vengono quasi mai rappresentate come una curva che evolve nel tempo e che estende la curva storica nel futuro. Le previsioni quantiliche si comportano diversamente da un punto di vista statistico, anche se i pattern di comportamento della domanda rimangono gli stessi: trend, stagionalità, ciclo di vita del prodotto, promozioni... Tutti i pattern supportati dalla nostra tecnologia di previsione
tradizionale sono supportati anche dalla nostra tecnologia di previsione
quantilica.
Previsioni tradizionali (medie) e previsioni quantiliche a confronto
Dal punto di vista matematico,
le previsioni quantiliche rappresentano una generalizzazione del concetto tradizionale di previsione. Dal punto di vista pratico, le previsioni quantiliche sono superiori, in quanto più accurate, nella maggioranza delle situazioni in cui i rischi legati a sovraprevisioni e sottoprevisioni della domanda non sono simmetrici.
Bisogna riconoscere, però, che le previsioni quantiliche sono
meno leggibili e meno intuitive. Le previsioni tradizionali rimangono, perciò, uno strumento fondamentale per chiunque voglia un quadro più intuitivo sull'evoluzione della propria attività.
Il nostro intento non è in alcun modo quello di negare l'utilità delle previsioni tradizionali. Di fatto, il nostro lavoro di ricerca e sviluppo sulle tecnologie di previsione poggia quasi interamente su entrambe le tipologie di previsione. Le previsioni quantiliche offrono semplicemente la possibilità di capire meglio il comportamento statistico della domanda. Perché la nostra più grande priorità resta comunque quella di
fornire previsioni più accurate.
