Vizions by Zalando: la prima conferenza europea dell’azienda
20 aprile 2017, Berlino.
Cominciamo con una domanda apparentemente innocente. Perchè esistono i saldi? Al giorno d’oggi, i saldi invernali, quelli estivi e tutta una serie di piccoli eventi tra l’uno e l’altro sono diventati un’istituzione nel mondo della moda (...) Ma perchè esistono? Per permettere ai venditori di liberarsi delle scorte in eccesso. In prima battuta quindi, i saldi sono l’esempio di una previsione non corretta. Alcuni sostengono che essi siano molto di più di una previsione fatta male, ma è innegabile che il punto di partenza sia proprio quello.
Joannes Vermorel, Fondatore di Lokad
Dai un’occhiata alle nostre interviste su Lokad TV e approfondisci i temi relativi alla catena logistica e al settore della moda.
Molti marchi di moda lanciano migliaia di nuove referenze per collezione - considerando taglie, colori, punti di vendita, etc.
Nell'ultimo decennio, i marchi di maggior successo hanno dimostrato la loro capacità di aderire sempre più alle ultime tendenze, aumentando il numero di collezioni annuali e riducendo i lead time.
La tecnologia di ottimizzazione predittiva di Lokad permette di far fronte ad ogni singola decisione durante l'intero ciclo di vita di un prodotto. Essa è un mix di machine learning - utilizzato per estrarre modelli o previsioni dai dati - e di ottimizzazione numerica - utilizzata per generare decisioni ottimizzate.
La preparazione della nuova collezione inizia con la consegna di un’ottimizzazione dell'assortimento - detta anche piano di assortimento. La nostra tecnologia consente di comporre la giusta gamma di taglie, colori e forme tenendo in conto il design iniziale. Questo piano di assortimento si adatta il più possibile ai desideri e alle aspettative della vostra clientela. Lokad può aiutarvi a generare il business case che supporta il piano di assortimento ed inoltre offre la possibilità ai planners di perfezionare il piano con le loro intuizioni di alto livello – al posto di gestire ogni singola variante di prodotto.
Non appena il piano di assortimento è finalizzato, forniamo un’ottimizzazione degli acquisti, suggerendo esattamente quante unità devono essere prodotte o acquistate per ogni singola variante di prodotto, quando ordinare, e questo anche se la maggior parte dei prodotti non è mai stata venduta prima. Questa operazione è generalmente complicata da molteplici vincoli come i quantitiativi minimi d’ordine (MOQ), le riduzioni di prezzo per ordini all’ingrosso, e i lead time variabili (ad esempio il Capodanno Cinese che rallenta la produzione in Asia). Lokad può anche ottimizzare il modo di trasporto (ad es. via mare vs. aereo) e la scelta dei fornitori (ad es. fornitori stranieri vs. fornitori locali).
Per fare un esempio, la nostra funzione MOQ è in grado di gestire più vincoli contemporaneamente: un vincolo di tipo MOQ può essere presente a livello del prodotto (ad esempio, un minimo di 100 unità di prodotto per ogni ordine di acquisto), a livello del materiale (ad esempio, un minimo di 3 000 metri di tessuto per colore) ed infine a livello di fornitore (ad esempio, un minimo di €50.000 per ogni ordine di acquisto). Affrontare tutti questi MOQ mantenendo sotto controllo i livelli delle scorte è un grosso problema quando essi vengono gestiti manualmente. Lokad snellisce il processo, sfruttando funzioni matematiche che consentono di mettere a punto l'ordine di acquisto più redditizio che soddisfi tutti i vincoli presenti.
Quando il lancio della collezione si avvicina, forniamo un’ottimizzazione dell'allocazione delle scorte, decidendo esattamente il numero di unità da assegnare a ciascun centro di distribuzione e/o a ciascun negozio. In negozio, lo stock ha due scopi: non solo servire la domanda, ma anche attrarre la clientela. L'ottimizzazione dell'allocazione tiene adeguatamente conto di questo aspetto commerciale, sfruttando al meglio il potenziale di ogni singolo negozio. L'ottimizzazione tiene inoltre conto dei limiti nella capacità di stoccaggio (ad esempio lo spazio sugli scaffali), così come della limitata capacità delle squadre di terra a far fronte a grandi lotti di prodotti in arrivo. Vengono anche presi in considerazione i pacchetti e i lotti, utili per ridurre i costi di gestione.
Per attenerci alle ultime tendenze, individuiamo i best-sellers e gli slow-movers. L'identificazione dei best-sellers, con lo scopo di dare avvio a dei rifornimenti anticipati, può essere fatta con quantità limitate di scorte, sondando il mercato solo in un numero limitato di negozi - o sondando unicamente il mercato attraverso la piattaforma di e-commerce. Dal canto suo, l'identificazione precoce degli slow-movers è importante anche per rimuovere al più presto questi prodotti dagli scaffali che occupano, a scapito di prodotti migliori.
Per molti brand del fast fashion, gli sconti e altri meccanismi promozionali fanno parte del DNA del marchio. Lokad offre una funzionalità di ottimizzazione dei prezzi, suggerendo quando abbassare il prezzo per garantire che non non rimanga alcun articolo invenduto alla fine della collezione, massimizzando così anche il margine lordo complessivo.
Prendiamo anche in considerazione gli sconti derivanti dai programmi fedeltà - applicati in modo uniforme su molti prodotti - che possono sostituire e talvolta integrare gli sconti a livello del singolo prodotto.
Ottimizzazione dell'assortimento, ottimizzazione degli acquisti, ottimizzazione dell'allocazione delle scorte, identificazione di best-sellers e slow-movers, ottimizzazione dei prezzi: Lokad può essere utilizzato per ottimizzare tutte queste decisioni (e molte di più) con una prospettiva coerente e costante sull'intero ciclo di vita dei prodotti. Nonostante ciò, è anche possibile iniziare con un perimetro più ristretto. Per qualsiasi richiesta, inviateci un'e-mail a contact@lokad.com
L'ottimizzazione delle decisioni relative alle scorte e ai prezzi richiede delle intuizioni accurate per il futuro. La classica prospettiva di previsione della domanda non è funzionale per quanto riguarda la moda. Lokad ha quindi sviluppato capacità di previsione uniche, progettate attorno alle specificità che caratterizzano aziende del settore.
Lavoriamo con previsioni probabilistiche: consideriamo tutti i possibili scenari futuri e calcoliamo le loro rispettive probabilità. In effetti, l'incertezza della domanda è parte integrante della moda. Non c'è speranza di produrre una previsione "perfetta". I metodi tradizionali prevedono che si prendano decisioni rispetto alla previsione "Uno", rendendo tali decisioni fragili contro gli errori di previsione.
Invece di respingere l'incertezza, la abbracciamo. Attraverso previsioni probabilistiche, bilanciamo rischi e opportunità.
Le previsioni operano a livello di assortimento per tenere conto degli effetti di cannibalizzazione e di sostituzione. Prevedere la domanda di un prodotto in maniera isolata non ha senso, in quanto la domanda di questo prodotto è fortemente influenzata dalla presenza - o assenza - di prodotti simili che competono per gli stessi clienti. I metodi tradizionali che si concentrano sulle previsioni di serie temporali non tengono in considerazione questo punto, e la situazione di solito peggiora quando si utilizzano anche le scorte di sicurezza o i livelli di servizio.
La domanda è condizionata dal prezzo, il quale è parte integrante delle nostre previsioni. Non solo la domanda futura è una questione di probabilità, ma tali probabilità sono influenzate dal prezzo del prodotto - una leva quindi a disposizione dell'azienda.
Ancora una volta, l'assortimento è importante e l'aumento della domanda dipende dall’intensità con cui avvengono le promozioni. Non è saggio aspettarsi lo stesso aumento se il prodotto è l'unico ad essere in promozione nel negozio, rispetto a una promozione applicata a tutto il negozio. Le previsioni non si fermano solo alla domanda; bisogna prevedere anche i ritorni e i tempi di consegna.
Ogni fonte di incertezza richiede previsioni statistiche adeguate e, sebbene prevedere la domanda futura sia fondamentale, ci sono esigenze che vanno oltre le previsioni della domanda e la nostra tecnologia è stata progettata di conseguenza. Queste ulteriori previsioni sono sempre probabilistiche e tendono ad essere combinate con le previsioni della domanda - ad esempio prevedere la domanda in relazione al lead time. L'ultima generazione della nostra tecnologia di previsione si basa sulla programmazione differenziabile. Questo discendente del deep learning è particolarmente adatto ad affrontare una domanda scarsa e intermittente, comune al settore della moda.
Il meteo e i social media?
La nostra esperienza ci indica che la maggior parte delle aziende non utilizza al meglio lo storico dei dati in loro possesso. Gran parte delle previsioni non sfrutta nemmeno i dati sui programmi fedeltà e la maggior parte degli ordini d’acquisto viene effettuata senza una previsione formale dei lead time. Pur non trascurando i social media o il meteo come fonte di informazioni, siamo fermamente convinti che le aziende dovrebbero iniziare a sfruttare al meglio i dati già in loro possesso.
La moda su grande scala comprende centinaia di negozi e decine di migliaia di varianti. Pertanto, il motore di previsione deve essere in grado di gestire milioni di posizioni SKU. Il nostro motore di previsione è stato progettato in modo nativo per il cloud computing. A differenza delle soluzioni tradizionali, il cloud non è un ripensamento per Lokad: grazie ad esso Lokad può elaborare terabyte di dati ogni giorno.
Inoltre, a differenza degli approcci tradizionali, la nostra capacità di previsione non si basa sul collegamento manuale tra i prodotti già in catalogo d i nuovi, indicando al sistema quale prodotto più vecchio deve essere considerato come il più rilevante per la previsione del nuovo prodotto.
Il nostro motore di previsione si basa invece esclusivamente su algoritmi avanzati di machine learning, al fine di individuare automaticamente i punti comuni a più prodotti e identificare autonomamente quali tra i prodotti esistenti possono essere utili per la previsione dei nuovi prodotti.
L'identificazione di punti in comune si basa sui numerosi attributi che caratterizzano gli articoli del settore: tipo di prodotto, famiglia, taglia, colore, materiale, stile, prezzo di vendita, brand, etc. Certo, potrebbe sembrare una quantità enorme di dati, ma la nostra esperienza con Lokad ci ha insegnato che i dati di catalogazione (come quelli necessari per far funzionare l'interfaccia di un sito di e-commerce, ad esempio) sono più che sufficienti per ottenere buoni risultati.
Le associazioni tra prodotti sono la chiave di volta di una previsione: se però le associazioni devono essere eseguite manualmente, come avviene con gli strumenti di previsione tradizionali, il tempo richiesto per elaborare tutte le coppie (che in questo settore sono innumerevoli) diventa troppo e la soluzione perde di efficacia.
A causa di questa inefficacia, le aziende tendono quindi a tornare ai loro fogli di calcolo. Lokad affronta la sfida da un'altra prospettiva, prendendo il problema di petto e non scaricando il fardello più pesante sulle spalle degli utenti.
Qui a Lokad definiamo questo procedimento come abbinamento a coppie tra prodotti. In realtà, non diamo per scontato che ci sia sempre un’associazione tra un prodotto nuovo e un prodotto vecchio: ad esempio, un articolo potrebbe essere suddiviso in più varianti, generando così possibili cannibalizzazioni; oppure, l'articolo potrebbe essere davvero “nuovo”, nel senso che non esiste alcun prodotto veramente simile nelle collezioni passate. In questi casi, il motore di previsioni si basa su considerazioni più ampie, come la categoria di prodotto, la famiglia, la marca o il prezzo.
Le decisioni devono essere ottimizzate rispetto ai rendimenti attesi espressi in dollari o in euro, non in percentuale.
Tutti i fattori che determinano il costo e la ricompensa di una decisione sono comunamente chiamati driver economici: essi includono il margine lordo, il costo di inventario, il costo di trasporto, il costo dello spazio sugli scaffali, la benevolenza dei clienti, ecc. Lokad modella tutti questi driver economici, tenendo conto delle specificità del settore della moda.
Ad esempio, il fatto di vendere un prodotto con uno sconto, crea un’aspettativa nel cliente di beneficiare di uno sconto simile in futuro.
Il primo scopo di questi driver è quello di supportare il processo di ottimizzazione numerica che genera le decisioni (ad es. quantità di ordini d'acquisto o sconti sui prodotti). Non si può ottimizzare senza misurare: i driver economici sono letteralmente ciò che fa funzionare il processo di ottimizzazione.
Lokad non vuole sostituirsi alle importanti intuizioni strategiche (quelle che provengono dall'esperienza del vostro team), la nostra tecnologia è semplicemente progettata per rendere possibile l'implementazione su larga scala di tali intuizioni strategiche.
Il secondo scopo di questi driver è il processo di "whiteboxing". Lo scopo del “whiteboxing” è quello di rendere trasparente ogni singola decisione generata da Lokad. Questo perché crediamo che il vostro team debba capire perché una data decisione viene suggerita dal sistema. Per raggiungere questo obiettivo, ogni decisione viene accompagnata da una serie di metriche - misurate in euro o dollari - che spiegano l'intento commerciale della decisione. Queste metriche sono basate sui driver economici. La nostra esperienza ci indica che questo approccio è superiore al tentativo di far luce sull'impronta algoritmica del calcolo, che non solo è incredibilmente noioso, ma è anche in gran parte privo di senso, se non per gli esperti di machine learning o di ottimizzazione numerica.
Dal punto di vista del management, i driver economici sono un potente meccanismo per guidare l'azienda nella giusta direzione. Questi driver non sono visti come "immutabili" ma, al contrario, sono sempre suscettibili di cambiamento, per riflettere l'evoluzione del mercato. La tecnologia di Lokad è stata progettata per fornire un alto grado di agilità: con uno sforzo limitato, è possibile elaborare complessi scenari "what-if" che descrivono varie strategie alternative.
