Demand Forecasting e Demand Planning: Cosa Sono?
I fattori che influenzano il mercato retail sono sempre di più, e sempre più soggetti a cambiamenti repentini, spesso anche sull’onda della velocità con cui le informazioni si trasmettono su Internet. Il Demand Forecasting rappresenta l’insieme di metodologie e processi utilizzati per prevedere le vendite future e adattare le decisioni di business sulla base delle proiezioni ottenute.
In particolare, nell’ambito Retail, il comportamento sempre più mutevole del mercato rende necessario effettuare acquisti sempre più mirati, che garantiscano la disponibilità della merce nelle quantità e nei tempi corretti, senza generare eccessive giacenze a magazzino. In definitiva, utilizzando strumenti analitici e algoritmi sempre più raffinati per prevedere le variazioni nella domanda, si effettuano previsioni sempre più dettagliate sulla quantità di forniture necessarie.
Il Demand Forecasting per interpretare un mondo che cambia
Il mercato di oggi deve essere sempre più attento alle esigenze, anche contingenti e legate a condizioni specifiche. Secondo questa ricerca di Google, per esempio, la variazione delle condizioni climatiche è in stretta correlazione con i comportamenti dei consumatori. Non solo, come sarebbe facile immaginare, in termini di comportamento quando la condizione si verifica, ma anche di sviluppi futuri: per esempio un periodo di freddo particolarmente intenso può portare, qualche giorno o settimana dopo, all’aumento dei generi necessari per curare o mitigare influenze e raffreddori. Utilizzare questi dati e metterli in correlazione significa portare il weather marketing a un livello completamente nuovo e data driven.
Il Demand Forecasting ha lo scopo fondamentale di aiutare le aziende a interpretare queste complessità in modo analitico, sfruttando le informazioni per prendere decisioni guidate dai dati. Può essere usato a supporto di diverse funzioni aziendali e nella gestione di molteplici processi:
- Acquisti e gestione degli ordini ai fornitori
- Logistica e distribuzione della merce tra punti vendita
- Vendite e gestione delle promozioni
- Pianificazione a medio/lungo termine
- Staff Planning
Gli obiettivi principali del Demand Forecasting
Abbiamo accennato a come questa tecnica punti a dare risposte analitiche a problemi complessi, che nella gestione tradizionale del commercio vengono affrontati in modo empirico, spesso utilizzando come sola base l’esperienza degli addetti ai lavori, le impressioni del management, oppure dati raccolti ed elaborati in modo differito, che spesso hanno già smesso di rispecchiare la reale situazione del mercato.
In particolare, attraverso il Demand Planning e Forecasting si cerca di:
- quantificare e adeguare fabbisogni e programmazione considerando stagionalità, peak periods, vendite eccezionali e fattori esterni;
- ottimizzare il flusso logistico e le attività di replenishment e garantire il flusso della merce verso i depositi e i punti vendita;
- ottimizzare la gestione degli acquisti in base alle condizioni contrattuali e permettere un’efficiente pianificazione verso i fornitori.
A questi, che potremmo definire “bisogni primari” di un’azienda, un Demand Forecasting aggiunge però anche la possibilità di agire su tematiche difficili da quantificare con gli strumenti tradizionali ma non per questo meno indispensabili per una gestione funzionale ed efficiente. Per esempio, è possibile stabilire quanto valgono le vendite perse per mancata disponibilità della merce o inefficiente allocazione dello staff, oppure quanti ordini sono stati effettuati con troppo anticipo comportando impegno finanziario eccessivo e diverse movimentazioni superflue nei magazzini.
Come inserire la Demand Planning nella propria strategia
Per poter implementare un sistema di Demand Forecasting all’interno della filiera aziendale è necessario disporre sia della tecnologia adeguata sia delle competenze specifiche. Perché sia davvero efficace, infatti, è necessario, fra l’altro, integrare i dati e le informazioni provenienti da fonti eterogenee, interne ed esterne. Fra le prime citiamo per esempio i dati di mercato, mentre fra le seconde possiamo enumerare i dati macroeconomici, le informazioni, le rilevazioni delle tendenze di consumo e così via. Inoltre, è indispensabile disporre della massima flessibilità nella scelta dei modelli predittivi, elevandone la complessità quando necessario senza dover effettuare cambi infrastrutturali.
Fra le piattaforme tecnologiche che offrono queste opportunità, la Google Cloud Platform si presenta, nell’esperienza di Qintesi, come la più indicata per due ragioni principali.
La prima è la scalabilità: il Cloud garantisce una potenza di calcolo pressoché infinita. Vale il concetto del pay-per-use, ovvero più si paga e più risorse si possono utilizzare e il sistema di utilizzo e rendicontazione è così flessibile da permettere di affrontare picchi di calcolo e sollecitazioni senza rischi o rallentamenti.
La seconda è la quantità di servizi e funzionalità disponibili: Google Cloud Platform offre molti servizi dedicati al data management e agli analytics, con funzionalità di intelligenza artificiale (AI) e machine learning. Permette di implementare diversi modelli con vari livelli di customizzazione e complessità (AutoML, Deep Learning, Serie Storiche, Modelli di Regressione) in base allo scenario. Queste funzionalità forniscono notevole libertà di implementazione. Per esempio, è possibile utilizzare contemporaneamente modelli predittivi diversi per gruppi differenti di osservazioni, variandoli in base alla categoria di prodotto (come Frutta e verdura, Elettrodomestici, Abbigliamento) o alla frequenza di vendita (Top Seller, Low Seller).