Le aziende di alcuni settori industriali, ad esempio il manifatturiero, il consumer product goods, il fashion e il retail devono affrontare periodicamente il processo di pianificazione della domanda, in diversi scenari che possono riguardare la produzione, il replenishment o la distribuzione.
L’esigenza di business e le sfide sottese a questo processo sono molto chiare, e riguardano la capacità di prevedere i volumi e anticipare le criticità evitando rotture di stock piuttosto che l’immobilizzazione in quantità eccessive di prodotti e componenti.
I fattori che entrano in campo nelle decisioni sono infatti molteplici e includono variabili stagionali, collezioni, caratteristiche di approvvigionamento delle materie prime, differenti mercati, e interazioni complesse, come ad esempio avviene nel caso di promozioni, sostituzioni, e nuovi lanci di prodotto.
Penso di non sbagliare troppo dicendo che, ancora oggi, lo strumento per la pianificazione della domanda piu’ diffuso è… Microsoft Excel.
Quella della pianificazione è infatti una attività che, nonostante la presenza di ERP moderni, implica ancora una forte manualità e in alcune circostanze si basa sull’esperienza piuttosto che su metodologie scientifiche e algoritmi robusti.
L’Intelligenza Artificiale può portare ad un significativo miglioramento di questo scenario.
I servizi Azure Machine Learning possono infatti implementare modelli per l’analisi per dati non lineari, i quali si possono affiancare ad algoritmi più classici, per un miglioramento rilevante dell’accuratezza nella previsione, a livello di singola referenza (SKU).
Non ridurrei però la questione alla parte più algoritmica.
Sono infatti diversi i fattori che non è possibile demandare al motore di calcolo e una buona soluzione deve prevedere le modalità per tenere sotto controllo le diverse dimensioni (giacenze di magazzino, ordinativi, previsioni etc) e per intervenire manualmente in caso di “shock” o altri eventi che non possono essere anticipati.
L’approccio al miglioramento nel processo di pianificazione della domanda deve quindi coniugare le capacità di calcolo con la governance e la semplicità d’uso.
In conclusione grazie all’intelligenza artificiale è possibile migliorare rapidamente l’accuratezza delle previsioni e grazie alla tecnologia si può impostare il “pilota automatico” nel trasferimento della pianificazione all’ERP con grandi benefici per l’efficienza del processo.
Tuttavia l’intervento dei demand planner resta fondamentale per quegli aspetti dove il contributo di esperienza e conoscenza dell’azienda è maggiormente necessario.
CEO – Amministratore Delegato
