Gli indicatori: previsione ed errore
Una previsione senza la misura del suo errore non aiuta a decidere. Gli indicatori più usati confrontano il previsto con il reale a periodo chiuso; il bias dice se la previsione tende a stare sopra o sotto.
WAPE = Σ |reale − previsto| ÷ Σ reale
MAPE = media di |reale − previsto| ÷ reale, periodo per periodo
Bias = Σ (previsto − reale) ÷ Σ reale
Banda = intervallo entro cui ci si aspetta il reale, con la probabilità scelta
Il WAPE è più robusto del MAPE sugli articoli che in alcuni periodi vendono pochissimo. La guida alla previsione della domanda confronta i metodi e ha un calcolatore dell'errore.
Cosa mostra il cruscotto
- Previsto contro venduto per articolo e famiglia, con la banda attorno alla previsione.
- Errore per famiglia: WAPE e bias delle ultime settimane, per sapere dove la previsione è affidabile e dove no.
- Articoli a rischio di sottoscorta: quelli in cui la previsione delle prossime settimane supera la giacenza disponibile.
- Andamento dell'errore nel tempo, per accorgersi quando un modello comincia a peggiorare.
I dati che servono dal database
| Dato | Campi tipici | A cosa serve |
|---|---|---|
| Vendite o spedizioni | data, articolo, quantità, punto vendita o cliente | Lo storico da cui prevedere |
| Articoli | codice, famiglia, stato (attivo, a esaurimento, nuovo) | Raggruppare ed escludere gli articoli dismessi |
| Giacenze | articolo, magazzino, quantità | Il confronto con la previsione |
| Calendario promozioni | articolo, periodo, tipo di promozione | Spiegare i picchi invece di inseguirli |
Il calendario delle promozioni sta spesso in un file Excel: si carica come sorgente a sé.
I passi in Muvia
In Nuova sorgente scegliete PostgreSQL, indicate il server e un utente in sola lettura, e selezionate vendite, articoli e giacenze. Muvia le copia secondo la pianificazione scelta, in modo incrementale e su una connessione cifrata TLS.
Una query prepara lo storico al livello che si riordina, per esempio articolo e settimana.
Un predittore di tipo Previsione si crea da quella query in quattro passi, «Cosa», «Da dove», «Quando» e «Allarme», e restituisce il valore atteso con una banda; la previsione già pronta non richiede addestramento. Se il vostro data scientist ha già un modello, lo si carica come file e lo si prova prima di attivarlo.
Un flusso applica la previsione ogni notte e scrive una tabella di previsioni; un'altra query la confronta con il venduto e calcola WAPE e bias.
Il cruscotto mostra previsto, venduto e banda; un allarme segnala gli articoli in cui la previsione supera la giacenza.
Le insidie dello storico vendite
- Vendite non uguali a domanda: nei giorni in cui l'articolo era esaurito si è venduto zero, ma la domanda c'era. Conviene marcarli e non usarli come se fossero domanda reale.
- Promozioni: un picco promozionale insegna al modello una domanda che senza promozione non c'è. Il calendario delle promozioni serve a separarlo.
- Articoli nuovi: senza storico la previsione si appoggia alla famiglia o ad articoli simili, con una banda più larga.
- Livello di dettaglio: prevedere per articolo, giorno e punto vendita è più rumoroso che per famiglia e settimana. Il livello va scelto in base a come si riordina.
Domande frequenti
Non per cominciare: la previsione già pronta di Muvia parte da una query e non richiede addestramento. Se il vostro team ha già un modello, lo si carica come file e Muvia lo esegue ogni notte vicino ai dati.
Le versioni di un predittore non si modificano: la prima diventa attiva, le successive sono candidate che una persona promuove o scarta, e si può tornare a una versione ritirata.
Dipende dai dati e dagli articoli, e nessuno può dirlo in anticipo. Per questo il cruscotto misura l'errore a periodo chiuso: sarà quello a dire dove la previsione è affidabile.
Il percorso è lo stesso. Il caso d'uso sulla previsione della domanda legge le vendite da SQL Server e le giacenze da Oracle.