Ottimizzare i processi e gestire le scorte con il Forecasting
Abraham Lincoln diceva: “Se potessimo sapere a priori dove siamo e dove stiamo tendendo, potremmo giudicare meglio cosa fare e come farlo.” Ecco il perché del forecasting! Da sempre desiderio recondito dell’essere umano, prevedere il futuro si rivela di grande importanza nell’ottica di un’efficiente pianificazione aziendale.
Nella moderna gestione del business, il forecasting (la traduzione può essere “possibilità di interpretare le performance e le esigenze aziendali in divenire”) rientra sempre più frequentemente nelle attività di decision-making: il vantaggio competitivo di un’azienda si misura anche nella capacità di simulare situazioni future, interpretarle ed essere in grado di organizzarsi di conseguenza, valutando in anticipo le strategie più opportune e minimizzando le risorse impiegate. Metodi statistici e avanzati strumenti di analytics fanno sì che tutto possa essere oggetto di forecasting.
Rimanendo ancorati alla realtà del business, l’utilizzo più immediato del forecasting riguarda le previsioni dei consumi. Basti pensare, a titolo esemplificativo, alla distribuzione in ambito farmaceutico, in cui si ha l’esigenza di ottimizzare il livello delle giacenze, garantendo al tempo stesso l’assenza di stockout (onde evitare la mancata disponibilità di farmaci critici). Alla base di un’analisi previsionale di questo tipo c’è un principio semplice: utilizzare le informazioni del passato come strumento per la simulazione del futuro. Più nel dettaglio, si assume che il modo in cui le situazioni si sono evolute fino ad oggi continui anche nel domani e si cercano particolari modelli (pattern) nei dati storici, con l’obiettivo di proiettarli in avanti nel tempo.
In tal senso, beanTech ha sviluppato una soluzione di forecasting che fa uso di un motore previsionale proprietario implementato grazie a R, software open-source specifico per l’analisi statistica. Gli algoritmi all’interno del modulo sono in grado di elaborare le previsioni adattandosi alle particolarità delle serie storiche in input: l’applicazione combinata di diversi modelli statistici permette di abbassare complessivamente gli errori previsionali, assicurando il best fitting. Questo motore funge da black-box e può essere integrato con strumenti di estrazione dati (da sistemi gestionali, dipartimentali, WMS) e di reportistica (per una consultazione interattiva delle previsioni); in termini di prestazioni ottenute, risultati ottimali si hanno dalla connessione tra R e la suite Microsoft SQL Server (Integration Services e Reporting Services).
Introducendo strumenti di forecasting diventa dunque possibile limitare l’incertezza che caratterizza gli scenari futuri, ottimizzando gli ordini di produzione e di acquisto, con benefici – anche considerevoli – in termini di marginalità e di soddisfazione del cliente.
Architettura della soluzione di forecasting sviluppata da beanTech
Esempio di reportistica per la consultazione delle previsioni
