La previsione delle vendite dopo il Coronavirus

La diffusione a livello mondiale della pandemia generata dal virus Covid-19 sta avendo impatti assai rilevanti sull’organizzazione e sulla pianificazione delle Supply Chain delle aziende di produzione e di distribuzione, a qualsiasi livello della filiera produttiva e logistica, dai fornitori di materie prime ai distributori fisici e virtuali di prodotti al dettaglio.

Con specifico riferimento ai volumi di domanda dei prodotti richiesti dai clienti durante le settimane della pandemia mondiale e al conseguente problema della previsione delle vendite future per le aziende, i settori e i comparti industriali in Italia e all’estero sono stati colpiti con impatti differenti.

E’ possibile “classificare” i diversi vertical business in tre macro-classi, con riferimento all’entità delle variazioni nei volumi di domanda subite nelle settimane di diffusione del contagio:

• settori duramente colpiti: comparti aziendali che hanno subito drammatici crolli nella domanda dei prodotti, con riduzioni minime del 20-30% fino a crolli dell’80-95% o azzeramento delle quantità richieste per alcune settimane. Esempi di comparti con vendite crollate sono, ad esempio, i settori della meccatronica e dell’high-tech manufacturing (automotive, componentistica industriale, produzione di macchine per l’agricoltura, …), dell’abbigliamento, dell’arredo, del lusso e del turismo (viaggi aerei, crociere, soggiorni in hotel, ristorazione in luoghi turistici) e, più in generale, settori obbligati dai Governi nazionali alla cessazione temporanea delle attività produttive e distributive;
• settori con impatti rilevanti ma globalmente limitati: comparti aziendali che hanno subito riduzioni nelle vendite più contenute, quali ad esempio le vendite on-line di beni di largo consumo (i colossi Web della distribuzione hanno limitato le consegne al dettaglio ai soli beni di prima necessità) e le aziende alimentari che hanno visto azzerarsi i volumi di consegne giornaliere al canale Ho.Re.Ca.;
• settori quasi completamente indenni: vertical business che affrontano pressoché indenni la crisi del commercio mondiale innescata dal virus Covid-19, che non hanno subito diminuzioni significative nei volumi di vendita o che, addirittura, hanno vissuto repentini ed inattesi incrementi di domanda. Il riferimento è alla distribuzione di beni di largo consumo – specialmente alimentari – presso i supermercati e i negozi al dettaglio (specialmente nei giorni di corsa agli acquisti per accaparramenti), alla produzione food & beverage (escludendo le vendite ai bar, ai ristoranti ed alle strutture alberghiere), all’industria farmaceutica (produzione e distribuzione presso farmacie, parafarmacie e strutture ospedaliere), all’industria dell’entertainement online (incremento di abbonamenti ai numerosi pacchetti televisivi disponibili).

Date l’unicità, l’eccezionalità e l’auspicabile non ripetitività della pandemia Covid-19, è assai arduo – alla data odierna– stimare con la dovuta precisione la durata delle fasi di diffusione pervasiva della pandemia e della successiva fase transitoria di uscita dalla pandemia e lenta ripresa delle normali attività di produzione, distribuzione e vendita, nonché quantificare con sufficiente precisione l’impatto volumetrico di riduzione delle vendite settimanali nel corso delle due fasi. In tal senso, sono di scarsa utilità per il supporto al processo mensile di Sales Forecasting sia l’impiego delle tradizionali tecniche di Time Series Forecasting, basate sull’analisi delle serie storiche nelle componenti costitutive di trend, stagionalità e ciclicità, sia l’adozione delle più sofisticate e moderne metodologie algoritmiche di Big Data Analytics e Machine Learning, le quali effettuano complesse correlazioni matematiche fra molteplici variabili, di natura esogena (fattori esterni consumer-driven) ed endogena (azioni business-driven). Prova ne sia la corrente difficoltà a prevedere il cosiddetto “picco” di casi di pazienti positivi ed il conseguente calo nei contagi a livello delle singole nazioni.

Il problema

L’obiettivo consiste quindi nello spiegare come sia possibile procedere al calcolo del forecast statistico delle vendite “a regime”, con granularità a livello di prodotto / mercato-cliente-canale / settimana o mese, a valle dell’esaurimento delle due fasi di piena pandemia e di ritorno alla normalità.

Come è possibile procedere alla ricostruzione delle serie storiche di vendita caratteristiche delle settimane della pandemia, partendo da volumi actual molto bassi o nulli, o nel caso migliore con elevate fluttuazioni giornaliere / settimanali? Quali tecniche di Sales Forecast è opportuno applicare a partire dalla fase 3 di ripresa a pieno regime delle attività produttive, logistiche e commerciali?

La soluzione

La soluzione consiste nella ricostruzione sistematica ex-post dei volumi delle serie storiche di vendita, normalizzando le quantità registrate nelle settimane della pandemia a valori storici pre-crisi, i quali sono caratterizzati dalla presenza di regolarità statistiche quali la stagionalità (picchi e valli di domanda che si ripetono periodicamente negli esercizi annuali, anche dovuti alla presenza di promozioni ripetitive) ed i trend di breve-medio periodo nella progressione dei consumi.

Attraverso l’uso di metodologie di Demand Analytics e Sales Cleaning sarà necessario, superata la fase di blocco sistematico di molte attività produttive, riportare le serie di domanda a valori “business as usual”. I metodi di smorzamento esponenziale e di pulizia degli outlier storici basati sull’intervallo di confidenza svolgono un buon lavoro nel filtrare le irregolarità (crolli di domanda) nelle serie storiche. Diverse ipotesi di cleaning si possono adottare nel ricomporre i volumi storici normalizzati, cui conseguono diverse intensità di filtraggi di picchi e valli irregolari.

A valle del processo di regolarizzazione dei volumi di domanda nelle settimane della pandemia Covid-19, sarà possibile tornare ad impiegare le tecniche di previsione statistica delle componenti regolari delle vendite caratterizzanti i prodotti commercializzati dalle aziende a livello mondiale. Nello specifico, si fa riferimento ai modelli di Time Series Forecasting, quali lo smorzamento esponenziale triplo (modello di Holt-Winters), i metodi di scomposizione delle serie storiche ed infine i modelli di correlazione fra la domanda (variabile oggetto di stima) e fattori esterni quali le condizioni meteorologiche, il grado di ricchezza dei Paesi, la collocazione geografica dei punti vendita, il social sentiment in risposta alle campagne pubblicitarie delle aziende, i budget commerciali destinate alle promozioni B2C per i beni di largo consumo.

Come prepararsi per affrontare al meglio questa sfida?

La LIUC Business School organizza un percorso di 6 giornate interamente dedicato ai temi di pianificazione della domanda e delle attività di distribuzione dei prodotti attraverso le reti logistiche  e i canali commerciali.

Il percorso, denominato “Demand, Inventory & Supply Planning” (DISPLAN), sarà un momento di confronto e networking in cui, grazie al contributo di testimonial con profonda esperienza ed esperti accademici, verranno mostrati i modelli, le metodologie quantitative e le best practice da adottare per affrontare le sfide di forecasting delle vendite, superate le fasi di persistenza della pandemia e di graduale ritorno alla “normalità”.

Damiano Milanato

Senior Advisor & Lecturer, Centro sulla Logistica e il Supply Chain Management

MAKE YOUR MARK ON THE FUTURE

POTREBBE INTERESSARTI ANCHE:

Migliorare la gestione delle scorte in tempi di coronavirus

Il ruolo del covid-19 nella trasformazione dei modelli tradizionali di supply chain

La logistica dei pasti in ospedale ai tempi del coronavirus

Intermodalità e sicurezza nel trasporto in tempi di Coronavirus