Previsione della domanda commerciale
Transcript
Previsione della domanda commerciale
MOVIMENTAZIONE INTERNA ■ L O G I S T I C A P R AT I C A Previsione della domanda commerciale ? I QUESITI AL DR. DE LOGIS 10 ■ di Marco Cattaneo e Fabrizio Dallari logistica news • novembre 2004 e Logis sa che una corretta previsione della domanda rappresenta l’input fondamentale per pianificare e coordinare le principali attività dell’impresa, in quanto costituisce il punto di partenza per sviluppare il piano di produzione, per stabilire quale politica di approvvigionamento adottare, per pianificare le attività di distribuzione e per definire le future strategie di marketing. L’azienda per la quale lavora De Logis non è priva di un software per la gestione delle scorte e dei riordini; tuttavia, come i lettori ben sanno, De Logis preferisce ragionare anche con la propria testa e avere piena consapevolezza dello schema di calcolo sottostante ai meccanismi previsionali. Per questo si diverte ad applicare gli strumenti teorici appresi in anni di continua formazione, per tenersi in allenamento e verificare che il proprio pacchetto informatico faccia un “buon lavoro”. Il problema è il seguente. All’inizio del 2004 De Logis dispone dei dati di vendita realizzati nei 12 mesi precedenti, i cui valori mensili sono riportati in figura 1 (in termini di unità vendute). L’andamento della serie storica evidenzia un fenomeno di trend in crescita, dovuto all’introduzione di una nuova linea di prodotti, a partire dal mese di giugno. Elaborando i dati storici di domanda, De Logis intende simulare le previsioni (mese per mese) per tutto il 2003, utilizzando due modelli previsionali: • un metodo a media mobile di ordine K = 3; • un metodo di smorzamento esponenziale semplice con coefficiente di smorzamento α = 0,1 nel primo caso, e α = 0,6 nel secondo caso. Al termine di questa prima fase di analisi verificherà la bontà dei risultati ottenuti, con il vantaggio di poter confrontare le previsioni effettuate con i dati storici già acquisiti. Prevedere il passato può sembrare un esercizio poco saggio, ma è un buon modo per testare un modello previsionale. D Soluzione De Logis comincia il lavoro riportando graficamente l’andamento della domanda nell’intero anno 2003, da cui individua un trend lineare nelle vendite a partire dal mese di giugno, come evidenziato in fig. 1. Successivamente, applica ai dati storici i due metodi previsionali scelti, quello della media mobile e quello dello smorzamento esponenziale semplice. In questo numero vedremo il Dott. De Logis alle prese con la formulazione delle previsioni della domanda commerciale rispetto a una classe di prodotti particolarmente importanti per la redditività aziendale. Fig. 1 – Trend delle vendite nel 2003. a) Metodo della media mobile La media mobile (MM) di ordine k al termine del generico periodo t non è altro che la somma della domanda dei k mesi precedenti divisi per il fattore k. Si chiama media mobile perché ogni volta che entra un nuovo dato relativo a un periodo più recente esce dall’analisi il dato più vecchio. De Logis assume che la previsione per il mese (t+1) sia pari alla media mobile di ordine k al tempo t ‚ossia, detto più semplicemente, che la previsione per il mese corrente sia data dalla media della domanda degli ultimi k mesi, con k = 3 nel caso specifico: D + Dt+1 + Dt+2 | Pt+1 = MMt k = 3 = t 3 ( ) Per esempio, per il mese di aprile De Logis ottiene un valore di previsione pari a 115 ossia (107+118+120)/3. Reiterando lo stesso criterio ottiene le previsioni espresse in unità di vendita riportate nella tabella I. Fig. 2 – Confronto dei valori di previsione della domanda trovati. con α coefficiente di smorzamento compreso tra 0 e 1. Il valore di a condiziona la reattività del modello previsionale: con α vicino a 1, la previsione del prossimo mese sarà mol- to simile alla domanda dell’ultimo mese (modello reattivo); viceversa, con α = 0 la previsione del prossimo mese sarà uguale alla previsione dell’ultimo mese, indipendentemente dai nuovi dati di domanda (modello conservativo). De Logis decide di provare il modello con due valori di a, uno conservativo (α = 0,1) e uno più reattivo (α = 0,6). Il modello ha bisogno di essere inizializzato, ossia di avere un valore iniziale di previsione P0 pari, per esempio, alla media della domanda degli ultimi due anni. Dai dati in suo possesso De Logis assume che tale valore iniziale sia pari a 130 unità. A partire da questo dato, calcola le previsioni per ciascun mese nelle due fattispecie previste, con i due valori di α prescelti. TAB. I - PREVISIONI DELLA DOMANDA ESPRESSE IN UNITÀ DI VENDITA TAB. II - VALORI DI PREVISIONE OTTENUTI COL METODO A MEDIA MOBILE b) Metodo dello smorzamento esponenziale semplice Il modello di previsione più semplice, basato sul principio di smorzamento esponenziale, è quello di Brown. Con questo metodo la previsione per il periodo Pt+1 è ottenuta dalla media ponderata tra il valore attuale della domanda Dt e la previsione precedente Pt: Pt+1 = α · Dt + (1 - α) · Pt Dt MMt Pt Gen 120 – – Feb 118 – – Mar 107 115 – Apr 145 123,3 115 Mag 141 131 123,3 Giu 122 136 131 Lug 199 154 136 Agi 246 189 154 Set 302 249 189 Ott 378 308,7 249 Nov 442 374 308,7 Dic 533 } 374 Gen Feb Mar Apr Mag Giu Lug Agi Set Ott Nov Dic gen Dt Pt (α=0,1) Pt (α=0,6) Pt MMt 120 118 107 145 141 122 199 246 302 378 442 533 130 129 128 126 128 129 128 135 146 162 184 209 242 130 124 120 112 132 137 128 171 216 268 334 399 479 115 123 131 136 154 189 249 309 374 451 Per esempio, la previsione per il mese di febbraio sarà pari a 129 unità (con α = 0,1): Pfeb = 0,1 · Dgen + (0,9) · Pgen =129 unità Applicando lo stesso criterio ottiene tutti i valori di previsione cercati, confrontabili con quelli del metodo a media mobile riportati nella tabella II. Dal confronto grafico dei valori di previsione trovati De Logis elabora le considerazioni riportate in figura 2. Nessuno dei due modelli è in grado di intercettare la “vera” domanda in presenza di un trend di crescita. In particolare, il modello con smorzamento esponenziale conservativo (con a = 0,1) si dimostra totalmente inadeguato, dato che sottopesa i valori di domanda recenti. Al contrario, quello più reattivo (a = 0,6) è piuttosto affidabile anche se, al pari del metodo a media mobile, non raggiunge mai il valore di domanda effettivo. Utilizzando questi due metodi, in presenza di un trend di domanda crescente, si stimerebbe sempre la domanda futura per difetto, andando incontro a rischi di stock out piuttosto significativi. De Logis capisce pertanto che per analizzare la serie storica dei dati in suo possesso occorrono modelli più sofisticati, che tengano conto della componente di trend e anche dell’eventuale componente di stagionalità. Nei prossimi numeri della rubrica vedremo De Logis alle prese con alcuni modelli piuttosto complicati, ma più facilmente intelligibili a partire dalla comprensione del caso illustrato ora. ■