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 lo- gistica, dai fornitori di materie prime ai distributori fisici e virtuali di prodotti al dettaglio.
Con specifico riferimento ai volumi di domanda richiesti dai clienti durante i mesi della pandemia mondiale ed al conseguente problema della previsione delle vendite future per le aziende, i settori e i comparti industriali sono stati colpiti con impatti differenti, da quelli caratterizzati da riduzioni lievi di domanda, decrementi forti o addirittura azzeramenti nei volumi di vendita, ad imprese che hanno vissuto una forte crescita dei volumi richiesti dal mercato.
L’articolo «La previsione della domanda dopo il Coronavirus» è apparso per la prima volta
Guarda tutti i numeri di Logistica
sul numero 6/2020 di Logistica .
Per rimanere aggiornato ed avere un approfondimento di qualità sui temi che dominano il settore logistico, scopri la rivista!
E’ possibile distinguere e “classificare” i diversi vertical business in tre macro-classi, con riferimento all’entità delle variazioni nei volumi di domanda subite nelle settimane/mesi di diffusione del contagio:
1) settori duramente colpiti:
comparti aziendali che hanno subito drammatici crolli nella domanda dei prodotti, con riduzioni minime del 20-30% fino a crolli dell’80-90% o azzeramento nei volumi per alcune settimane. Il Governo italiano ha proceduto, nel mese di marzo 2020, alla definizione di quali fossero i comparti industriali (identificati per tipologia lavorativa dai codici ATECO) destinati a cessare temporaneamente le attività di produzione, distribuzione e vendita. In questa classe di aziende sono da includere, 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);
2) settori con impatti ridotti:
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 in cui le consegne giornaliere al canale Ho.Re.Ca hanno una forte rilevanza sul fatturato medio annuo;
3) settori indenni:
vertical business che sono usciti pressoché indenni dalla 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 nelle settimane 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).
Fasi temporali caratterizzanti la pandemia mondiale
In questo articolo si vogliono fornire idee e suggerimenti operativi per prevedere correttamente la domanda futura, a partire dal termine della fase di “emergenza Coronavirus”, in previsione e nella speranza di un progressivo ritorno alla normalità in cui i volumi di domanda non siano soggetti ad eventi improvvisi e drammatici, ma derivino dai classici driver quotidianamente studiati e monitorati in azienda dai Demand Planner e Forecaster:
a) stagionalità annua nella progressione dei consumi, caratterizzati da periodi di alta, media e bassa stagione,
b) trend di crescita e decrescita dovuti alle azioni di Marketing operate dalle aziende, quali la progettazione di promozioni per il largo consumo, l’ingresso in nuovi mercati, l’apertura di nuovi punti vendita, la periodica diversificazione del mix assortimentale,
Leggi anche:
La pianificazione di un progetto logistico: CPM e Pert, cosa sono?
c) correlazione delle vendite dei prodotti con variabili esterne: variazioni di volumi di domanda legate alla temperatura ed alle variabili meteorologiche, al gradimento di una campagna pubblicitaria sui social network – misurabile dal numero di like di adesione ai video ed ai contenuti multimediali associati all’evento promozionale da parte dei follower – al livello di ricchezza dei consumatori, al posizionamento geografico dei negozi, ai budget pubblicitari messi a disposizione dalla funzione Vendite in azienda. Si possono distinguere tre fasi temporali caratterizzanti la diffusione sistematica ed il progressivo superamento della pandemia, la quale va auspicabilmente intesa come fenomeno occasionale, una tantum e non ripetibile, la cui durata e i cui impatti attuali sono di difficile stima a-priori:
fase 1 (crollo della domanda):
diffusione capillare ed esplosione della pandemia, in cui i singoli Stati adottano misure restrittive alla circolazione di persone e merci a livello domestico ed internazionale, imponendo per decreto ministeriale la cessazione delle attività lavorative ad interi comparti di aziende;
fase 2 (transitorio di ripartenza):
transitorio di ritorno alla normalità, durante il quale le aziende riprendono progressivamente il normale regime ordinario di lavoro, in termini di volumi produttivi regolari, generazione della domanda di mercato e distribuzione delle merci;
fase 3 (domanda regolare):
piena operatività industriale (pieno ritorno alla normalità), in cui il transitorio di “ripartenza dei lavori” si considera pienamente superato.
In funzione del volume di domanda perso nel perdurare della prima fase, la durata del transitorio di ripartenza (fase 2) può essere più o meno marcata, dovendo l’azienda colpita dal crollo delle vendite ricostruire i rapporti con la molteplicità dei propri clienti, lato B2B (clienti industriali che nel frattempo potrebbero aver trovato fornitori alternativi) o lato B2C (ritorno dei prodotti a scaffali presso i punti vendita della Grande Distribuzione).
La previsione delle vendite alla ripresa a pieno regime
Data l’eccezionalità della pandemia di Covid-19 e il suo incedere ad ‘ondate’, è assai arduo stimare con la dovuta precisione la durata delle fasi 1 (diffusione) e delle fasi 2 (transitorio di uscita ), nonché quantificare con sufficiente precisione l’impatto volumetrico di riduzione delle vendite settimanali.
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. L’obiettivo della presente trattazione è quindi 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 della fase transitoria di progressiva ripartenza dei consumi mondiali.
In tal senso, è opportuno porre l’attenzione sul fatto che le serie storiche di domanda misurate nelle fasi di esplosione della pandemia (fase 1) e di transitorio di graduale ripresa (fase 2) sono – dal punto di vista numerico – fortemente irregolari, spesso caratterizzate da valori nulli, in generale soggette a repentine variazioni giornaliere o settimanali di tipo “on- off” dovute alla disponibilità o indisponibilità temporanea di prodotti in specifici canali commerciali.
Fenomeni regolari quali la stagionalità dei consumi (dovuta alle stagioni annuali, alla presenza di festività e promozioni regolarmente effettuate dalle aziende) e le tendenze di crescita o decrescita della domanda risultano significativamente alterate, se non completamente cancellate, dal devastante impatto della pandemia mondiale.
Come è possibile procedere alla ricostruzione delle serie storiche di vendita caratteristiche delle settimane della pandemia? Quali tecniche di Sales Forecast è opportuno applicare a partire dalla fase 3 di ripresa a pieno regime delle attività produttive, logistiche e commerciali?
Metodologie di Sales Forecasting dopo il Coronavirus
Le tradizionali e consolidate metodologie di Time Series Forecasting potranno continuare ad essere utilizzare per la previsione delle componenti regolari di domanda, dal momento in cui la fase di transitorio si sarà completamente esaurita. Gli algoritmi di previsione della domanda si classificano in base alla tipologia di serie storica, cioè in base alle caratteristiche numeriche e morfologiche delle vendite nei periodi storici.
Esistono tre classi principali di serie storiche:
1) articoli continuativi a domanda regolare:
prodotti che esistono da almeno 2 anni (si dispone cioè di al- meno 2 cicli completi di stagionalità annua delle vendite), per i quali è logico ricercare la presenza delle componenti regolari di stagionalità e trend, ipotizzando che esse si “ripeteranno” anche nel futuro: ad esempio, i picchi natalizi o pasquali continueranno a verificarsi regolarmente ogni anno; trend sistematici di crescita o decrescita continueranno ad esistere nel futuro – per ipotesi operativa e salvo azioni correttive decise dal Marketing e dalle Vendite, quali la rimozione di prodotti obsoleti, la cannibalizzazione della domanda a favore di taluni articoli;
2) articoli a domanda irregolare e sporadica,
con frequenti periodi caratterizzati da domanda nulla o per piccole unità di vendita; si pensi ai beni di lusso e di abbigliamento o al settore della ricambistica di componenti nel manufacturing, misurando le vendite a livello articolo / negozio o magazzino / settimana;
3) nuovi articoli di recente introduzione (early sales),
aventi meno di un anno di storico disponibile, per i quali è cioè impossibile rilevare la presenza di almeno un ciclo stagionale completo di vendita. I metodi di previsione associati alla classe degli articoli continuativi a domanda regolare sono i modelli a media mobile, i modelli di smorzamento esponenziale (Brown, Holt-Winters nelle versioni additiva e moltiplicativa), i modelli di scomposizione delle serie storiche (Additive / Multiplicative Series Decomposition) ed i modelli di regressione (correlazione fra la domanda di mercato e variabili esterne).
Alle serie irregolari si associano solitamente i modelli di Croston e di Poisson, mentre per la previsione dei primi periodi di domanda di prodotti di recente introduzione si utilizzano metodi di forecasting “per analogia” (associazione fra prodotti “padre” o predecessori e prodotti “figlio” o successori) o curve specifiche per il modeling del lancio e del primo transitorio di crescita della domanda (metodo di ricerca dei pattern storici di introduzione di nuovi articoli in campagne relative ad anni / esercizi precedenti).
La Figura 1 schematizza l’albero gerarchico di classificazione delle serie storiche di domanda. Il problema della ricostruzione delle serie storiche di domanda, preliminare all’applicazione delle metodologie di Time Series Forecasting, si concentra in modo peculiare sulle serie storiche appartenenti alla prima classe (serie regolari continuative), caratterizzate – durante i “normali” cicli economici – da volumi medio-alti e regolari nella progressione stagionale annua. E’ su questa tipologia di articoli che l’impatto del crollo della domanda durante la pandemia Covid-19 è stato eccezionale.
Il rapido abbassamento o addirittura l’annullamento della domanda in taluni periodi durante la pandemia ha avuto l’effetto di alterare in modo permanente i profili regolari di trend e stagionalità rilevati nei precedenti esercizi fiscali, a parità di coppia articolo / cliente e di periodo storico di confronto (iso-settimana, iso-mese). E’ quindi necessario cercare di ripristinare i volumi regolari (ipotesi di lavoro: business as usual), ipotizzando l’unicità e la non ripetitività futura della crisi mondiale innescata dal fenomeno Coronavirus.
