La Previsione della Domanda

La Previsione della Domanda La previsione della domanda Se la domanda non variasse nel tempo sarebbe estremamente semplice prevedere il suo andamento. Ma la domanda varia nel tempo a causa di vari fattori, alcuni prevedibili come la stagionalità, altri meno prevedibili come la crisi economica. Si possono comunque stabilire delle relazioni macroeconomiche che permettono di leggere la domanda in funzione di altri fattori. Le componenti di variabilità che si potranno osservare sono: - Componente sistematica dovuta all azione individuabile e misurabile di cause determinabili. - Componente casuale dovuta all azione congiunta di cause non determinabili. Sono componenti aleatrorie, ineliminabili, con le quali si dovrà convivere. Principale causa del difetto delle previsioni. - Componente tendenziale dovuta alla presenza di un trend stabile positivo o negativo. - Componente ciclica oscillatoria con ciclo di ampiezza e periodo variabili (es. boom economici, recessioni). - Componente stagionale oscillazioni con ciclo di periodo costante nel tempo e tipicamente annuale. Metodi per la previsione della domanda - Metodi causali (esplicativi) Cercano di individuare fattori e fenomeni che influenzano la domanda. - Metodi estrapolativi osservano la domanda passata per estrapolare e prevedere l andamento futuro. - Metodi qualitativi soggettivi Sono metodi basati sulla raccolta ed elaborazione di opinioni personali soggettive da parte di clienti potenziali, venditori od esperti del settore. Solitamente si utilizza una metodologia ibrida, in cui sono presenti tutti e tre i metodi in posizioni diverse del processo. Importante si deve conoscere il grado di affidabilità delle previsioni, e si cerca di renderlo il più alto possibile reiterando di volta in volta il processo decisionale. Le previsioni sono in continua evoluzione e la perdita di precisione cresce esponenzialmente con il passare del tempo. Ma nel lungo periodo più è aggregato l aspetto che si analizza, migliore è la previsione. Classificazione delle tecniche previsionali Le tecniche si possono classificare anche in base al periodo: - Qualitative medio-lungo periodo Sondaggi di mercato Questionari sottoposti a potenziali clienti riguardo a prodotti esistenti e non. Possono essere molto efficaci solo se ben strutturati ma sono costosi e richiedono molto tempo, occorre fare un gran numero di interviste per ottenere un adeguato livello di confidenza. Analogie tra prodotti Si ricercano prodotti analoghi per osservarne i dati, ottenere dei trend e desumerne l andamento. Se le analogie sono strette la stima della domanda è attendibile. leading indicator Si aggregano i prodotti in famiglie omogenee, per trend temporale di domanda o per caratteristiche del prodotto. Per ogni famiglia si individua un prodotto leader che anticipi i trend di vendita degli altri prodotti della categoria. La domanda di questi ultimi sarà proporzionale a quella del leader e sfasata in avanti nel tempo. Metodo Delphi Si usa in assenza di dati storici. Si basa sul confronto ripetuto delle opinioni di un comitato di esperti finchè non si raggiunge un accordo. Il grado di disaccordo residuo è un indice della inattendibilità della previsione dovuto alla incertezza della domanda. E un processo costoso, lungo e complesso. La qualità del risultato dipende dalla qualità degli esperti consultati e dei dati forniti loro. Panel consensus è una riunione pubblica in azienda. Bootstrapping Si traducono le regole empiriche elaborate dagli esperti in modelli quantitativi da tarare confrontando le previsioni degli esperti. Sono modelli che cercano di replicare ed automatizzare i giudizi degli esperti. Sono efficaci quando si riconosce una certa validità ai giudizi degli esperti e quando i dati storici sono carenti. - Qualitative breve periodo Stima della domanda per beni di consumo deperibili, non legati ad un bene durevole (pannolini) Gestione della Produzione Industriale Appunti di DM Pagina 1

Stima della domanda per beni di consumo deperibili, legati ad un bene durevole (detersivo lavastov.) Stima della domanda di beni durevoli (pasta) Solitamente N è composto da fattori demografici. - Quantitative medio-lungo periodo Sono modelli che studiano il comportamento individuale del cliente. Modello Atar per stimare la domanda, da dividere tra i competitors, si parte da un numero potenziale di clienti che viene via via ridotto, moltiplicandolo per coefficienti minori di 1 indicati dal marketing. Unità vendute = Mercato potenziale * % clienti a conoscenza del prodotto * % clienti che desiderano provare il prodotto * % clienti che hanno accesso al prodotto * % clienti che ripetono l acquisto * N.ro acquisti ripetuti nel periodo di tempo considerato. Si stabilisce quindi la frazione del mercato totale potenziale a cui si può accedere dato il vantaggio competitivo. Il mercato di riferimento non deve essere saturato immediatamente, in quanto la penetrazione del prodotto nel mercato non segue un andamento constante, bensì segue un andamento ad S. In base al periodo di acquisto i clienti possono essere suddivisi in; Innovatori acquistano il prodotto in quanto è nuovo (1/6 del ciclo di vita del prodotto) Adottatori precoci persone dinamiche ma non fanatici, che oltre alla novità tengono in considerazione la qualità del prodotto (1/3 del ciclo di vita del prodotto) Mercato di massa determinano l impennata della domanda e saturano il mercato (1/2 del ciclo di vita del prodotto) Ritardatari rappresentano il 16% del mercato Valutata la domanda si adotta una funzione che abbia andamento ad S come ad esempio Tarando opportunamente i parametri si determina la buona approssimazione per la previsione. Modello di Bass questo modello stima la variazione di domanda nel tempo per prodotti durevoli, per i quali non sono previsti dei multi acquisti, considerando che i clienti possono assumere due comportamenti: Innovatori adottano il prodotto con probabilità costante nel tempo in quanto non sono influenzati dal comportamento degli altri. Imitatori imitano il comportamento degli innovatori, quindi la loro probabilità di acquisto dipende dal numero di clienti che hanno già adottato il prodotto. Gestione della Produzione Industriale Appunti di DM Pagina 2

Quindi la probabilità di acquisto del prodotto nel generico periodo di tempo t si può calcolare come: p = probabilità individuale di acquisto N t-1 = numero di clienti al periodo t-1 q = probabilità di acquisto per contagio M = potenziali utenti La domanda si ottiene come Nota: maggiore è q, più è accentuata la S. Per ottenere i valori di p, q ed M si sciolgono le parentesi e si impongono i coefficienti Le principali limitazioni di questo modello sono: 1. Mercato potenziale assunto come statico nel tempo e geograficamente (M) 2. Comportamento acquirenti elementare (adotto / non adotto) Si trascurano i processi decisionali dei singoli individui. 3. Disponibilità di prodotto illimitata con vendite singole - Quantitative breve e medio-lungo periodo stima della quota di mercato tramite regressioni L azienda può agire su gli aspetti evidenziati (che sono i vantaggi competitivi) per migliorare la quota di mercato, e quindi la domanda. Modello econometrico Si individuano K caratteristiche possedute dal prodotto che sono gradite al cliente. Per ogni parametro valuto come il prodotto si posiziona indice di competitività del prodotto, considerando il rapporto tra il valore che assume quel parametro del mio prodotto e la media dei parametri corrispondenti dei prodotti concorrenti. Metodo causale (correlazione) cercano di stabilire il grado di correlazione che esiste tra due variabili. Si ipotizza la correlazione tra la domanda di mercato ed alcuni parametri che ne potrebbero determinare la variabilità. Si vuole calcolare quindi l indice di correlazione r tra due variabili X e Y. Ci si può trovare in tre casi: r = 0 non esiste correlazione r = 1 esiste una stretta correlazione diretta r = -1 esiste una stretta correlazione indiretta Più r si avvicina ad 1 maggiore è la correlazione con Metodo estrapolativo si basa sullo studio di serie storiche, quindi osservando nel passato come si evolve la domanda si può dedurre il suo comportamento nel futuro. Gestione della Produzione Industriale Appunti di DM Pagina 3

Si calcola la media tra un certo numero m d valori di domanda passata e viene usata come previsione per la domanda al tempo t+1. Media mobile Permette di filtrare le variazioni casuali ma è utile solo se la domanda presenta variazioni random intorno ad un valore medio costante, senza trend né stagionalità. Se la domanda è stabile si può usare n elevato altrimenti deve essere piccolo ma, più n è piccolo e più rapidamente la media reagisce enfatizzando la domanda recente. Quindi aumentando n aumenta il ritardo con cui seguo il trend vero dei dati. Media mobile pesata Il metodo risulta più efficace utilizzando un peso p i per ogni domanda. Media mobile con smorzamento esponenziale la media attuale è pari alla previsione fatta per il periodo corrente più una porzione dell errore di previsione commesso per il periodo corrente. Aumentando α si dà maggiore enfasi alla domanda recente e la risposta è più pronta. Diminuendo α si hanno medie più uniformi. I pesi decadono in maniera esponenziale. A t = A t-1 + α (D t A t-1 ). Smorzamento esponenziale con trend si corregge la media calcolata sopra con una stima del trend T t calcolato come differenza tra la media della domanda attuale e quella del periodo precedente (assunta come indicatore del trend). Il trend è calcolato utilizzando un criterio di smorzamento esponenziale con parametro β. Da cui A t = α D t + (1 α) (A t-1 + T t-1 ) con T t = β (A t A t-1 ) + (1 β) T t-1 Il trade off è ottenere una risposta rapida alla variazione della domanda, ma non avere grandi oscillazioni della domanda enfatizzate dagli andamenti più recenti. Modello per serie storiche stagionali Si individua un periodo di tempo arbitrario, detto stagione, dopo il quale il comportamento della serie si ripete, composto da N intervalli di tempo, detti periodi t. Per ogni periodo t si può calcolare il coefficiente di stagionalità come Considerando i tre parametri α 1, α 2 e α 3 si aggiornano i valori come 1- α = vecchia stima α = nuova stima con Per inizializzare i valori B 0, G 0 e c -t si adotta il metodo di Winter secondo cui conoscendo i dati storici della domanda nelle due stagionalità precedenti è possibile stimare i parametri al tempo attuale, infatti si ha; media della domanda nella prima stagione passata media della domanda nella seconda stagione passata da cui Nessun modello basato su serie storiche potrà anticipare cambiamenti strutturali non segnalati da osservazioni passate. L utente dovrà con saggezza valutare la situazione specifica. Di tutti i modelli previsionali presentati, solitamente, se ne usa una combinazione. Se non si hanno a disposizione dati storici in quanto si produce un nuovo prodotto, si fa riferimento a metodologie di previsione della domanda soggettive, in cui viene considerato il giudizio di esperti. Gestione della Produzione Industriale Appunti di DM Pagina 4

Stima degli errori di precisione Una volta ottenute le previsioni un decisore deve essere in grado di capire se sta utilizzando un modello previsionale adatto o meno allo scopo. Per fare ciò si stimano gli errori di previsione. Errore di previsione differenza tra previsione e domanda. Ma non basta valutare un solo errore. Somma cumulata per gli errori di previsione misura l accumulo di errori nel tempo Se risulta CFE < 0 si è sovrastimata la domanda. Ma si può avere CFE = 0 anche per sbagli molto grandi sulle stime. Errore quadratico medio Deviazione standard Deviazione Assoluta media fornisce una misura assoluta dell errore medio commesso Se i valori di MSE, MAD e σ sono piccoli allora la stima è aderente alla realtà. E comunque possibile utilizzare un segnale di controllo quantificato come per verificare se lo strumento utilizzato è ancora adatto allo scopo. Se TS diventa molto grande è sintomo di grave instabilità. Previsione per aggregazione di dati I metodi di previsione possono essere usati a qualsiasi livello gerarchico dell impresa. Ogni reparto effettua le proprie previsioni e l aspetto importante è che queste siano coerenti con quelle effettuate da altri livelli gerarchici. Infatti le previsioni a livello superiore vengono generalmente ottenute tramite l aggregazione delle previsioni effettuate dai livelli inferiori. La procedura si svolge in due fasi: 1) Roll up Si aggregano le previsioni dal livello inferiore a quello superiore sommando le domande stimate per singoli codici in domande per famiglie e queste nella domanda complessiva. 2) Force down Se le previsioni aggregate dal basso non sono congruenti con quelle di alto livello si definisce con il management il valore aggregato di riferimento e si forzano le previsioni a livello inferiore per garantire la congruenza complessiva. Importante Solo se la domanda è prevedibile deterministicamente è possibile una gestione a fabbisogno, se invece è prevedibile solo statisticamente è necessaria una gestione a scorta. E possibile determinare se una domanda è deterministicamente prevedibile considerando che: la domanda D (x,t) del prodotto x nell intervallo t è D(x,t) = O(x,t) +PV(x,t) con O(x,t) = ordini acquisiti e PV(x,t) = previsioni di vendita si calcola quindi il coefficiente con O m = domanda media nei T intervalli Se CV < 0,01 la domanda è prevedibile deterministicamente ed è possibile gestire a fabbisogno; se 0,01>CV<0,03 la domanda è prevedibile statisticamente e si può gestire a scorta. Gestione della Produzione Industriale Appunti di DM Pagina 5