Previsione della domanda: metodi, errore e calcolatore

Cos'è la previsione della domanda e a cosa serve

Una previsione della domanda è una stima, per articolo e per periodo, di quanto verrà chiesto dai clienti. Da quel numero dipendono molte decisioni: quanto ordinare ai fornitori e quando, quanta scorta tenere, cosa mettere nel piano di produzione e quanta cassa resterà ferma in magazzino, cioè il DIO del ciclo di cassa.

Domanda e vendite non sono la stessa cosa. Le vendite sono la domanda che si è riusciti a servire: quando un articolo manca, il cliente rinuncia o compra altrove, e il venduto scende anche se la domanda c'era. Una buona previsione parte dalla domanda, non solo dal venduto.

I dati che servono

Il metodo conta meno dei dati. In genere bastano poche fonti, purché siano pulite e alla grana giusta:

• Storico delle vendite per articolo e periodo, idealmente per giorno o per settimana, da almeno due anni se c'è stagionalità.
• Promozioni e prezzi: una settimana in promozione vende di più e quella dopo spesso di meno; se non è segnata, il modello la scambia per domanda normale.
• Calendario: festività, ponti, chiusure, giorni lavorativi del mese.
• Giacenze e rotture di stock: i giorni a giacenza zero nascondono la domanda, e vanno riconosciuti per non prevedere il vuoto.
• Eventi noti: nuovi clienti, articoli che sostituiscono altri, listini che cambiano.

Metodi di previsione, dal più semplice

Non serve partire dal metodo più complesso. Ogni metodo ha senso quando batte quello più semplice sullo stesso storico; altrimenti aggiunge solo lavoro.

A che livello prevedere

La previsione va fatta alla grana della decisione che deve sostenere. Gli acquisti ragionano in genere per articolo e settimana, la produzione per famiglia e settimana, il budget per categoria e mese. Prevedere per giorno quando si ordina una volta a settimana aggiunge rumore senza aggiungere informazione.

Più si aggrega, più gli errori si compensano: la famiglia è più prevedibile dei suoi articoli, il mese della settimana. Si può prevedere in alto e ripartire per mix, o prevedere ogni articolo e sommare.

Conta anche l'orizzonte. Per gli acquisti la previsione che decide è quella fatta un tempo di approvvigionamento prima: se il fornitore consegna in tre settimane, l'errore da misurare è quello della previsione fatta tre settimane prima, non di quella aggiornata ieri.

Una banda, non solo un numero

Un numero solo nasconde quanto è incerto. Una previsione utile dice anche l'intervallo in cui cadrà il venduto con una certa probabilità: per esempio 115 pezzi la settimana prossima, con una banda all'80% tra 95 e 135. Vuol dire che in circa otto settimane su dieci il venduto dovrebbe cadere tra quei due valori.

La banda si verifica come la previsione: se una banda all'80% contiene il venduto solo sei volte su dieci, è troppo stretta. Ed è la banda, più del valore centrale, che serve a dimensionare la scorta di sicurezza, come spiega la guida alla copertura delle scorte.

Come si misura l'errore: MAE, MAPE, WAPE e bias

Quattro misure coprono quasi tutti i casi. Le prime tre dicono quanto si sbaglia, la quarta da che parte.

Il MAE è in pezzi ed è facile da leggere su un articolo, ma non si confronta tra articoli di volumi diversi. Il MAPE è in percentuale, ma pesa ogni periodo allo stesso modo. Il WAPE divide l'errore totale per il venduto totale, così pesa di più dove si vende di più. Il bias dice se la previsione sta sistematicamente sopra (positivo) o sotto (negativo) il venduto; alcuni lo calcolano con il segno opposto, conta usare sempre la stessa convenzione.

Esempio: quattro settimane di un articolo

Un articolo ha venduto 120, 95, 140 e 110 pezzi in quattro settimane, 465 in tutto. La previsione fatta prima di ogni settimana diceva 110, 100, 125 e 118 pezzi, 453 in tutto. È un esempio inventato.

Da qui le quattro misure: MAE = 38 ÷ 4 = 9,50 pezzi; MAPE = (8,33% + 5,26% + 10,71% + 7,27%) ÷ 4 = 7,9%; WAPE = 38 ÷ 465 = 8,2%; bias = (453 − 465) ÷ 465 = −2,6%, cioè la previsione è rimasta in media un po' sotto il venduto. Su un articolo con volumi regolari MAPE e WAPE sono vicini; si allontanano quando i volumi cambiano molto.

Per sapere se la previsione vale qualcosa serve un confronto. Sulle settimane 2–4 la previsione ingenua, il venduto della settimana prima (120, 95, 140), sbaglia di 25, 45 e 30 pezzi: 100 su 345 venduti, un WAPE del 29,0%. La previsione dell'esempio, sulle stesse tre settimane, sbaglia di 28 pezzi, l'8,1%. Il guadagno rispetto al metodo più semplice è la misura del lavoro fatto.

Perché il MAPE inganna sui volumi bassi

Il MAPE divide ogni errore per il venduto di quel periodo. Su un articolo che vende pochi pezzi, uno sbaglio piccolo diventa una percentuale enorme e pesa nella media quanto lo sbaglio su un articolo che fa il fatturato.

Due pezzi di troppo sull'articolo B fanno sembrare la previsione sbagliata di oltre la metà. Il MAPE ha altri due limiti: non è definito quando un periodo vende zero, e punisce più la previsione alta di quella bassa, perché sotto il venduto l'errore non supera il 100% e sopra non ha tetto.

Per questo con molti articoli di coda si usa in genere il WAPE, in pezzi o in euro, letto per classe di articoli (A, B e C per fatturato) perché non nasconda gli errori sui piccoli.

Previsione della domanda in Excel, e i suoi limiti

Per poche decine di articoli Excel può bastare. La funzione PREVISIONE.ETS applica lo smorzamento esponenziale con stagionalità, e il comando Foglio previsione, nella scheda Dati, disegna la previsione con il suo intervallo di confidenza.

I limiti di solito non sono nelle formule ma nel lavoro intorno: l'export dal gestionale da rifare ogni settimana, le promozioni da allineare a mano, le previsioni della settimana prima sovrascritte, che quindi non si possono più confrontare con il venduto. Quando gli articoli diventano centinaia, quando la previsione deve aggiornarsi da sola o quando più persone devono usarla, in genere conviene spostarla dove i dati arrivano già.

Errori comuni

• Prevedere le vendite invece della domanda: le settimane in rottura di stock insegnano al modello che quell'articolo vende poco, e la previsione ripropone la rottura.
• Non misurare il bias: un errore piccolo ma sempre dalla stessa parte accumula scorta o mancanze settimana dopo settimana.
• Nessun riferimento da battere: senza confrontarsi con la previsione ingenua non si sa se il metodo aggiunge qualcosa.
• Non conservare le previsioni fatte: se si tiene solo l'ultima, l'errore all'orizzonte che conta non si può calcolare.
• Correzioni a mano non misurate: le correzioni dei commerciali possono aiutare, ma vanno confrontate con la previsione di partenza.

La previsione della domanda in Muvia

In Muvia vendite e giacenze arrivano ogni notte dal gestionale e diventano tabelle, le feature si preparano in SQL e la previsione gira ogni notte con un flusso programmato: può essere il modello che il vostro data scientist ha costruito, oppure un predittore di previsione che stima l'andamento con la sua banda. Le previsioni restano in una tabella, una notte dopo l'altra, così previsto e venduto stanno sullo stesso cruscotto e l'errore si calcola con una query. Il percorso completo è nel caso d'uso previsione della domanda e delle scorte; la copertura in giorni e l'allarme di sottoscorta in quello sulla copertura delle scorte.

Calcolatore

Inserisci venduto e previsto di quattro settimane: il calcolatore restituisce MAE, MAPE, WAPE e bias. I valori di partenza sono quelli dell'esempio.