Si potrebbe dire che il mondo dei magazzini e della gestione delle scorte è alla ricerca della sua ‘nuova normalità’. Il punto è che nessuno ha ancora capito quale essa possa essere, visto che, finito l’effetto sorpresa della pandemia, è subentrato quello della guerra e dei nuovi equilibri che si stanno determinando sul pianeta.
Anche senza arrivare a ragionamenti di scala planetaria, è un dato inconfutabile che i grandi operatori della distribuzione – ne sono un esempio i brand Target e Walmart in America – non sappiano da che parte girarsi, alle prese con un inventario ridondante che non corrisponde alla domanda.
Dunque sono saltati i modelli di previsione e, con essi, anche la capacità di gestire efficientemente le scorte e, di riflesso, lo spazio in magazzino.
Leggi anche:
I costi di magazzino in crescita trasformano i layout
Scorte a magazzino, i big hanno sbagliato inventario
Il problema dei dati
Il grande problema della Supply Chain è che a tradirla sono stati proprio i dati. Non c’è storico che tenga, infatti, di fronte agli accadimenti degli ultimi due-tre anni, che hanno piazzato via la validità dei comportamenti raccolti e classificati sinora.
In effetti i dati stessi sono informazioni che servono per far funzionare delle macchine, pensate per lavorare in un ambiente relativamente stabile e con livelli di flessibilità bassi, come è sempre stato per anni.
Oggi tutto ciò è saltato, rendendo fortemente fallaci i sistemi di previsione usati.
Leggi anche:
Amazon, solo robot in magazzino?
IoT e AI, perché trasformano l’ecosistema del magazzino
Il bisogno di nuovi modelli
Essendoci poco storico a breve termine e una volatilità delle condizioni al contorno molto alta, i nuovi set di dati dovrebbero rispondere a differenti criteri di selezione.
Ne servono di freschissima raccolta, con frequenza inferiore al mese, più semplici che in passato, focalizzati su un solo aspetto per volta, poco influenzabili da aspetti ‘emotivi’ o, al contrario, basati proprio su una specifica variabile emotiva.
Dati rapidi e recentissimi possono aiutare a disegnare modelli corrispondenti al vero o, meglio, ad una realtà valida comunque per pochi giorni.
La flessibilità delle previsioni e l’abbandono di indicatori macroeconomici legati alla stagionalità è alla base di una strategia adeguata per evitare di trovarsi magazzini pieni di merce che sistematicamente sarà disponibile in ritardo sulle esigenze della clientela.
