Le turbolenze, si sa, non fanno mai piacere. Non dovete pensare ad un aereo, però: nel mondo della distribuzione i ‘vuoti d’aria’ non si percepiscono sotto ai piedi, bensì nei sussulti del grafico dei profitti.
Per chi lavora nel campo della distribuzione alimentare, soprattutto se ha a che fare con il ‘fresco’, ossia carne, frutta e verdura, vi è un nemico invisibile da combattere che si chiama ‘errata stima’.
Uno studio britannico ha ripreso i dati pre-pandemia, già propensi ad individuare negli sprechi dovuti a mancate previsioni sulla domanda una voce di perdita notevole e li ha riconfrontati con l’impatto del Covid-19. A quanto pare, la vera chiave di salvezza risiede nell’utilizzo di strumenti di previsione digitali e intelligenti.
‘Food waste’: 158 milioni di Euro l’anno in GB
Se già è difficile immaginare e quantificare in materie prime centocinquanta milioni di Euro, aggiungete a ciò la spiacevole consapevolezza che si sia trattato di uno spreco del tutto evitabile.
Blue Yonder, in una sua ricerca sul settore grocer britannico ha infatti calcolato che nel 2019, prima dell’arrivo disastroso della pandemia, si si sono buttati nella spazzatura almeno 144milioni di Sterline di alimenti freschi a causa di una gestione scarsamente previdente della Supply Chain.
Che cosa vuol dire?
In parole povere, il ritardo nell’adozione di strumenti digitali di tracciamento, elaborazione di modelli di previsione della domanda e gestione degli ordini in tempo reale espone una buona parte delle aziende impegnate nel settore della distribuzione e vendita alimentare a sprechi immani.
Il fattore umano: ‘navigare a vista’
Quello che non funziona nell’attuale modello di gestione di queste Supply Chain è, di fatto, l’essere convinti di utilizzare strumenti digitali perché si ha un iPad in mano. In realtà questo è solo un esempio di sostituzione di un vecchio strumento – la cartellina con foglio excel stampato – con la sua versione digitale: non vi è vera integrazione tra i dati, non vi è spesso comunicazione in tempo reale tra banche dati e, soprattutto, non vi è analisi predittiva.
L’occhio del responsabile, come è ovvio che sia, compie delle valutazioni sulle scorte e che potranno essere anche ottime, ma non potranno mai competere con l’elaborazione simultanea di migliaia di variabili che, al contrario, un software di analisi della domanda e delle informazioni su ordini e magazzino può compiere in tempo reale.
Qui si innesta infatti uno dei principali motivi di perdita per il settore, ossia lo scarso allineamento dei prezzi con domanda ed offerta, oltre che la disponibilità appropriata dei prodotti più richiesti.
Prezzi, merci in scadenza, fluttuazione della domanda: come tenere tutto insieme?
Secondo Blue Yonder la risposta sta in due piccoli acronimi: AI e ML. Il significato è ormai noto a quasi tutti, in quanto si tratta degli abusati e stra-citati termini Artificial Intelligence e Machine Learning.
Ciò che conta è comprendere la differenza apportata dall’automazione dei processi di monitoraggio delle merci e di valutazione delle stesse in rapporto a domanda e stato di conservazione delle giacenze.
Migliorare il livello di previsione – cosa fattibile tramite AI e ML con l’incrocio di dati e memorizzazione dello storico degli andamenti tipici del mercato e della loro risposta di fronte a variazioni di vario tipo, meteorologiche, relative al periodo dell’anno e anche del contesto socio economico del momento, porta innanzitutto ad incrementare il livello di profitto. Un esempio pragmatico si ha pensando alla maggior accuratezza con la quale si possono effettuare gli ordini di rifornimento, evitando di compiere acquisti destinati a marcire sugli scaffali.
Il monitoraggio delle scorte, incrociato con quanto detto prima, porta anche ad una possibilità inedita di gestire i prezzi delle stesse: andare incontro ai gusti del mercato, saper applicare sconti al momento giusto e prezzi competitivi in genere può aiutare anche a disfarsi in fretta di eventuali partite di prodotti vicini alla scadenza.
AI e ML possono anche aiutare a rifornire i punti vendita nel modo più oculato, incrociando informazioni che derivano da trend sui social media con le richieste di mercato legate a determinate zone geografiche e sociali in modo da mandare il prodotto giusto sullo scaffale giusto in attesa del cliente giusto.
Insomma, di Artificial Intelligence e Machine Learning si dovrebbe sentir parlare sempre più spesso, anche in campo alimentare: anche senza dover fra fronte ad una pandemia, i margini di profitto sono decisamente più ampi del contrario.
