Logistica & Supply Chain Management, Operations

Le variabili della Logistica: le previsioni di vendita

Quale ruolo ricoprono le previsioni di vendita? In quali casi è importante per un’impresa dotarsi di un sistema di previsioni di vendita? Come si costruisce un sistema di previsioni? Ecco alcune domande a cui si cercherà di dare una risposta nell’articolo che segue.

Ogni volta che si parla di previsioni in un’impresa ci si riferisce a due momenti ben differenti tra loro:

  • Quando si lancia un nuovo prodotto;
  • Quando si lancia la produzione (o si programma la distribuzione, o si fanno gli acquisti).

Nel primo caso (il lancio di un nuovo prodotto), contano le intuizioni personali o apposite azioni di indagine da compiere presso la clientela, il mercato, i consumatori, gli opinionisti. Nel secondo caso, invece, si tratta di analizzare i dati, prendere in considerazione situazioni precedenti. Qui entrano in gioco i matematici, i pacchetti software, gli analisti veri e propri. Nonostante in termini generali le cose siano così semplici, di solito in azienda non è ancora chiaro il ruolo svolto dalle previsioni. Tanto è vero che spesso si è soliti pensare coloro che fanno previsioni come i maghi dell’azienda, gli indovini, oppure, come si diceva all’inizio, i lettori della sfera di cristallo. E come in tutte le “leggende” aziendali, intorno alle previsioni, è nata una sorta di guerra tra due opposti schieramenti:

  • da un lato, vi sono coloro che ritengono le previsioni infattibili e qualora fossero fattibili è perché sono troppo facili, quindi inutili;
  • dall’altro c’è la schiera di coloro che affermano che senza previsioni non c’è parte dell’impresa che possa funzionare correttamente.

Nel tempo si è passati dal primo al secondo gruppo e ciò è avvenuto mano a mano che i sistemi previsionali hanno cominciato a funzionare sempre meglio, i pacchetti si sono rivelati sempre più semplici da usare. Per illustrare il tema delle previsioni è opportuno fare alcune precisazioni. Innanzitutto occorre riflettere sull’uso. Un sistema previsionale, di solito, è tanto facile da usare, quanto terribilmente difficile da mantenere (nel senso che si deve fargli un’adeguata e continua manutenzione) o forse più che difficile è complesso, dispendioso, faticoso. Ecco qualche esempio. Quando si afferma che il consumo di un prodotto lo si può prevedere (tanto per citarne uno, il latte fresco) non è detto che il consumo sia costante e uguale ogni giorno che passa: semplicemente le sue variazioni all’interno della settimana, del mese, dell’anno, sono cicliche, ripetitive, quindi in qualche modo prevedibili. Attraverso un buon sistema previsionale, dunque, si riesce a “indovinare”, con un discreto grado di precisione, la quantità di latte fresco di una certa marca e di un certo formato che verrà venduta in un negozio di Rimini, un sabato di fine Agosto; ancora più facile sarà prevedere la quantità di latte che sarà venduta in tutta la città di Rimini quello stesso giorno. Si può notare come le previsioni a vasto raggio compensino i piccoli errori delle singole previsioni: succede che un qualche negozio venderà di più, qualche altro di meno, mentre le previsioni dell’intera città saranno quasi perfette. Con la stessa logica programmare la produzione totale di latte fresco di tutto lo stabilimento diventa ancora più semplice, dal momento che questo produce latte, oltre che per Rimini, anche per altre cinque città di analoghe dimensioni. Quindi si intuisce che tanto più il campo di azione delle previsioni è vasto, tanto più gli errori si compensano e le previsioni risultano esatte. Per poter realizzare una previsione così accurata (ossia prevedere il consumo di un determinato articolo in un determinato negozio in un determinato giorno) si deve guardare la storia precedente e la si deve analizzare. Ora supponendo di avere a disposizione i dati di vendita – riferiti ad un intero anno – di quel negozio e di quel prodotto, leggendo con accuratezza i numeri, si può vedere che, all’interno di una settimana, il sabato è il giorno con più vendite, che una certa settimana dell’anno non vale 1/52 del totale, ma che alla fine di Agosto le vendite rappresentano qualcosa di più, che si rivela un progressivo aumento delle vendite visto che quel supermercato sta avendo successo, a spese di un paio di concorrenti in difficoltà. Ed infine si percepisce che quella marca di latte sta riscuotendo un grande successo, che il suo trend di crescita è chiaro, ben misurabile. Tutti questi numeri messi insieme e cuciti da un apposito “algoritmo” permettono di conoscere quanto latte fresco (confezione da ½ litro, parzialmente scremato) verrà venduto in quel sabato di Agosto, a Rimini, nel supermercato vicino al lungomare. Un simile risultato può essere trasferito ad altri settori (o campi, o prodotti) ottenendo i medesimi effetti. Per prevedere le vendite di quel supermercato di Rimini ci è voluto un anno; anno in cui sono stati rilevati e immagazzinati i dati di vendita di ciascun articolo in gamma. E se questo può apparire un sistema complesso, è opportuno sapere che ve ne sono di più complessi ancora: si tratta di quelli che mettono in relazione l’andamento delle vendite di un certo articolo (o di una famiglia di prodotti) con quanto accade tutt’intorno (per esempio, si cerca di determinare l’incidenza del lancio di un nuovo prodotto concorrente sulle vendite, o la vendita promozionale di un articolo analogo o, ancora, la crescita improvvisa del mercato per fattori esterni[1]). E’ evidente che, in questi casi, l’insieme dei dati da raccogliere si amplia. Non è sufficiente registrare l’andamento del prodotto giorno per giorno, occorre anche inserire eventuali fatti che hanno modificato il trend naturale delle vendite ed occorre anche valutare e tradurre in numeri l’effetto di tali eventi: per esempio che un 3×2 della concorrenza riduce le vendite del 22% e così via. E’ facile comprendere come uno sforzo di questo genere sia enorme e comunque abbia senso solo a condizione che i risultati siano utilizzabili e importanti. Non sono molte le situazioni in cui si elabora una così grande massa di dati, ma molti dei sistemi di previsione a disposizione sono oggi in grado di fare tutte le elaborazioni di cui si è parlato in precedenza.

Il secondo tipo di previsione è quello che parte da zero. Si supponga di avere un nuovo frigorifero da lanciare sul mercato, si supponga anche che abbia quattro porte, con uno scompartimento esclusivo per i gelati ed una sorta di cantinetta per i vini. Un prodotto analogo non esiste in commercio e allora la domanda sorge spontanea: quanti se ne potranno vendere? Un altro esempio: devo decidere se un nuovo giaccone con i polsi ed il collo in velluto avrà successo oppure no. E se sì quanto venderà? Si tratta di previsioni difficili che escono dal terreno della matematica per entrare in quello più etereo delle indagini di mercato, dei sondaggi, delle sensazioni personali.

Quanto all’organizzazione, la presenza in azienda di una figura che si occupi a tempo pieno di fare manutenzione ad un sistema previsionale è molto discussa. Riflette un po’ quello che si è detto finora. Si potrebbe dire che esistono quattro tipi di imprese:

  • Imprese che delle previsioni hanno un bisogno assoluto (per esempio tutto il settore del tessile e dell’abbigliamento, il mondo dell’auto, degli elettrodomestici, degli alimentari);
  • Imprese che hanno bisogno solo saltuariamente delle previsioni e solo riferite a certi prodotti (articoli di classe C, costosi anche se importanti);
  • Imprese che, ad ogni lancio delle produzioni, consultano i sistemi previsionali, sempre attivi giorno e notte;
  • Imprese che operano nel mondo della distribuzione, e che emettono ordini solo ed esclusivamente facendo uso di previsioni, utilizzando algoritmi e computer.

Ecco allora che la scelta di dedicare risorse a tempo pieno sul tema delle previsioni dipende in gran parte da quanto la previsione rappresenti, per l’azienda, una leva per differenziarsi dalla concorrenza.

BIBLIOGRAFIA

Ferrozzi C., Shapiro R. (2006), Dalla Logistica al Supply Chain Management, ISEDI

[1] si pensi all’effetto di Chernobil sulla verdura surgelata, venduta al posto di quella fresca che si supponeva contaminata dalle radiazioni.

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...