Ecco un breve video (in inglese) sulla previsione della domanda utilizzando la domanda passata. Altrimenti noto come previsione con serie temporali. Diamo un’occhiata alla cronologia della domanda di alcuni prodotti e vediamo cosa la storia può dirci sul futuro.
Per qualsiasi domanda, prenota una breve consultazione con me utilizzando questo link.
C’è un bel po’ di ideologia intorno alle previsioni nel settore manifatturiero. Da una parte:
Non hai bisogno della previsione, diventa semplicemente orientato alla domanda e migliora la tua risposta al cliente
oppure, dall’altra parte:
Il futuro sono l’intelligenza artificiale e l’apprendimento automatico. Gli algoritmi ci diranno ciò che dobbiamo sapere
O che ne pensi di questo:
La storia non è una guida precisa per il futuro.
Quest’ultimo ha certamente del vero. Tuttavia, chiedo di avere due risposte:
- Definisci “preciso”. La precisione non è binaria, è ovvio che la cronologia non sarà né accurata al 100% né accurata allo 0%. La cronologia della domanda non ci dirà tutto sul futuro, ma ci dirà alcune cose.
- Le previsioni non riguardano solo la storia. C’è molto di più da prevedere oltre alla storia. Ma la storia è un buon punto di partenza.
Perché iniziare con la storia? Tre ragioni principali: in primo luogo, i dati sono prontamente disponibili. Tutto ciò di cui abbiamo bisogno è una tabella, una cronologia della domanda, con tre colonne: Articolo, periodo e quantità.
In secondo luogo, i metodi sono disponibili e collaudati. Non richiede matematica proprietaria o licenza di alcune tecnologie fantasiose. (Sebbene un numero sorprendente di programmi software di previsione applichi semplicemente il livellamento esponenziale e lo faccia come se fosse una tecnologia esclusiva.)
Terzo, puoi misurare, imparare e migliorare. E non devi aspettare un anno per raccogliere dati sulla performance delle tue previsioni perché possiamo eseguire un modello sulla cronologia e calcolare quale sarebbe stata la previsione per quei periodi e quindi confrontarla con quella effettiva.
Quindi, questo video è progettato per scorrere la cronologia della domanda di alcuni esempi e vedere cosa possiamo imparare dalla cronologia. Prima di passare all’apprendimento automatico e all’analisi predittiva, c’è molto da fare con tecniche relativamente semplici per creare una previsione di base. Una volta che abbiamo una linea di base, possiamo misurare l’accuratezza e quindi utilizzare questa prestazione di accuratezza per valutare le alternative.
Mostriamo quattro metodi alternativi per la previsione con un set di dati di esempio in uno strumento di previsione di Excel:
- Media mobile: molto semplice e spesso un buon punto di partenza per una linea di base. Sarai sorpreso di quante volte una media mobile batte una previsione manuale basata sul giudizio e centinaia di ore uomo ogni mese. Questo è forse l’equivalente di un fenomeno di investimento in cui una selezione casuale di titoli batte la performance media del gestore di fondi!
- Livellamento esponenziale semplice: simile a una media mobile in quanto cattura il livello della domanda. Ma spesso meglio in quanto attribuisce maggiore peso ai periodi più recenti che hanno più rilevanza per il futuro rispetto ai periodi più antichi.
- Doppio smoothing esponenziale: utilizza SES sopra, ma guarda anche al trend e può proiettare il trend nel futuro.
- Livellamento triplo esponenziale: utilizza DES sopra, ma esamina anche modelli ripetuti, più comunemente la stagionalità.
Questo mostra le tre cose che la storia può dirci sul futuro: il livello della domanda, la tendenza e gli schemi ripetitivi.
Lo strumento Excel utilizzato nel video fa parte della nostra formazione sulla previsione della domanda. Questa formazione è uno sforzo congiunto con Nicolas Vandeput, un data scientist e specialista in previsione della domanda e ottimizzazione dell’inventario. Esamineremo tutta la teoria alla base di questi metodi di previsione e, soprattutto, come sviluppare un processo di pianificazione della domanda.
Questo processo sarà necessario per selezionare e ottimizzare i metodi di previsione automatizzata, scegliere quali elementi hanno il tempo dedicato al giudizio manuale e quindi misurare per garantire che le risorse limitate siano spese nelle aree in cui si ottiene il massimo risultato.
Il mio compito è fornire a tutti i partecipanti strumenti di apprendimento e di Excel utilizzabili per implementarli e implementarli immediatamente nell’azienda. Uniamo la teoria, le migliori pratiche e i consigli pratici per rendere la previsione parte di un processo di pianificazione della domanda di successo.
Ecco alcune ulteriori informazioni sulla formazione sulla previsione della domanda. La classe di giugno 2022 è ora aperta per la registrazione (a partire dal 9 maggio 2022) e limitiamo la partecipazione a sole 12 persone. Questo assicura che abbiamo la giusta quantità di attenzione per ogni persona e la sua situazione. La risposta alla maggior parte delle domande sulle previsioni è: “Dipende!” e dobbiamo prendere in considerazione il contesto e la tua situazione per fornire la risposta giusta.
Ci saranno circa 1100 persone che leggeranno questo post ogni settimana, quindi la classe si riempirà presto. Se qualcuno ha domande, il modo migliore per ottenere una risposta rapida è fare clic su questo collegamento e prenotare un breve incontro con me. Se sei seriamente intenzionato a registrarti alla formazione, fammi sapere nei commenti della riunione e potrei riservarti uno spazio fino alla riunione.
Per un’analisi più approfondita della teoria e delle migliori pratiche per la previsione, ecco due webinar che ho fatto di recente con Nicolas Vandeput: