Come la Business Intelligence aiuta a prendere decisioni migliori sulla gestione delle scorte nel settore retail

Inizia una promozione. La domanda sale alle stelle, proprio come previsto. Ma il team della supply chain non ne è stato informato, le scorte si esauriscono e i clienti se ne vanno a mani vuote.

Situazioni come questa si verificano ogni giorno nel settore retail. Non perché alle aziende manchino i dati, ma perché le informazioni giuste non sempre arrivano alle persone giuste al momento giusto.

I rivenditori non sono certo a corto di dati. Vendite, scorte, prestazioni dei fornitori e domanda dei clienti possono essere monitorate quasi in tempo reale, mentre l’intelligenza artificiale automatizza sempre di più le previsioni e le decisioni di rifornimento.

Eppure, esaurimento delle scorte, eccedenze di magazzino e interventi reattivi all’ultimo minuto rimangono all’ordine del giorno. Quindi la sfida non è l’accesso alle informazioni, ma trasformarle in decisioni migliori.

La Business Intelligence (BI) aiuta a colmare questo divario. Invece di limitarsi a riportare ciò che è successo, offre la visibilità e il contesto necessari per capire cosa richiede attenzione, perché sta succedendo e quali azioni intraprendere in seguito.

Man mano che l’IA si fa carico di compiti di pianificazione più routinari, questo aspetto diventa ancora più importante. I rivenditori hanno ancora bisogno di priorità chiare, di una governance efficace e della capacità di verificare se le decisioni automatizzate stanno portando ai risultati desiderati.

Dalla reportistica al processo decisionale

Molte organizzazioni associano la BI a dashboard e report sui KPI. Ma il suo vero valore sta nel supportare le decisioni.

Una BI efficace dovrebbe rispondere a queste due semplici domande:

• Cosa richiede la nostra attenzione?
• Cosa dovremmo fare adesso?

Per raggiungere questo obiettivo, la BI combina le informazioni provenienti dal merchandising, dalla supply chain, dalla logistica, dai negozi e dalla finanza in una visione condivisa delle prestazioni. Inoltre, mette in evidenza le eccezioni che richiedono un intervento, come il calo dell’accuratezza delle previsioni, i problemi con i fornitori o i rischi emergenti legati alle scorte.

Questo permette a pianificatori e manager di concentrarsi sulla prevenzione dei problemi invece che reagire a posteriori.

Parti dalle decisioni, non dalle dashboard

Molte iniziative relative alle dashboard partono dai dati disponibili e procedono da lì. Il risultato sono solitamente decine di report pieni di metriche interessanti da osservare ma difficili da mettere in pratica.

Un approccio più efficace parte dalle decisioni che l’organizzazione deve prendere.

Cosa determina le prestazioni delle scorte? Quali decisioni hanno il maggiore impatto sul servizio clienti, sul capitale circolante e sulla redditività? Solo dopo aver risposto a queste domande, i rivenditori dovrebbero definire i KPI che le supportano e costruire dashboard basate su tali misure.

Questo crea un modello di guida chiaro che collega gli obiettivi strategici alle decisioni tattiche e all’esecuzione operativa.

Per la maggior parte dei rivenditori, tre priorità sono al centro della gestione delle scorte:

• Disponibilità dei prodotti.
• Redditività e margine.
• Efficienza del capitale circolante.

Questi obiettivi costituiscono la base per una serie mirata di indicatori di performance che guidano le decisioni di pianificazione in tutta l’organizzazione.

Disponibilità dei prodotti

Per la maggior parte dei rivenditori, la disponibilità è uno degli indicatori più chiari delle prestazioni della supply chain. Ogni esaurimento delle scorte rappresenta una potenziale vendita persa, una riduzione della fedeltà dei clienti e un’opportunità di guadagno mancata.

La BI aiuta i rivenditori a capire perché si verificano problemi di disponibilità, se derivano da errori di previsione, ritardi dei fornitori, politiche relative alle scorte di sicurezza o variazioni della domanda. Ad esempio, un prodotto per il rientro a scuola che va a ruba potrebbe esaurirsi settimane prima del previsto perché la domanda è aumentata più rapidamente di quanto previsto.

La BI aiuta i pianificatori a identificare la causa principale e a intervenire prima che lo stesso problema colpisca altri prodotti.

Accuratezza delle previsioni

Ogni decisione relativa alle scorte si basa su una previsione della domanda futura, rendendo l’accuratezza delle previsioni un fattore critico per le prestazioni.

Ma migliorare le previsioni richiede ben più che un semplice confronto tra la domanda pianificata e le vendite effettive. Le organizzazioni devono anche capire come viene misurata la qualità delle previsioni.

Tra le metriche di performance più comuni ci sono:

• MAE (Errore medio assoluto): misura l’errore medio di previsione in unità effettive.
• RMSE (Root Mean Square Error): dà maggiore peso agli errori di previsione più grandi, rendendolo utile per identificare scostamenti significativi.
• SMAPE (errore percentuale assoluto medio simmetrico): esprime l’accuratezza delle previsioni in percentuale, consentendo confronti tra prodotti con volumi di vendita diversi.

Metriche come MAE, RMSE e SMAPE aiutano a misurare l’efficacia delle previsioni, ma il vero valore sta nel capire perché le previsioni si discostano dalla realtà. La BI permette ai rivenditori di identificare l’impatto delle promozioni, dei cambiamenti nel comportamento dei clienti, dei vincoli dei fornitori o delle turbolenze di mercato, e di migliorare continuamente i modelli di pianificazione.

Giorni di scorta

I giorni di scorta (DoS) indicano per quanto tempo si prevede che le scorte attuali durino in base alla domanda prevista.

Questa metrica, da sola, ha dei limiti. Un supermercato potrebbe avere 20 giorni di scorte per un prodotto fresco, ma se la durata di conservazione rimanente è di soli sette giorni, quelle scorte rappresentano un rischio di spreco piuttosto che un successo in termini di livello di servizio.

Per i prodotti con una durata di conservazione limitata, come alimenti, cosmetici o articoli stagionali, il DoS dovrebbe essere considerato insieme alla durata residua del prodotto. Questo offre una visione più equilibrata del rischio legato alle scorte e aiuta le aziende a ridurre gli sprechi mantenendo i livelli di servizio.

Rotazione delle scorte e GMROI

Il tasso di rotazione delle scorte indica con quanta efficienza le scorte circolano all’interno dell’azienda, ma non rivela se tali scorte stiano generando valore.

Per questo motivo, molti rivenditori monitorano anche il margine lordo sull’investimento di magazzino (GMROI), che misura il profitto generato dall’investimento in magazzino.

Ad esempio, un prodotto con un indice di rotazione delle scorte pari a 12 può sembrare un grande successo perché si vende velocemente. Tuttavia, se è fortemente scontato e genera solo un margine ridotto, il suo contributo complessivo alla redditività potrebbe essere limitato.

Al contrario, un prodotto con un indice di rotazione delle scorte pari a 6 potrebbe vendersi più lentamente, ma se offre margini significativamente più alti, può generare un GMROI molto più elevato e creare più valore per l’azienda.

Insieme, questi indicatori aiutano a rispondere a due domande fondamentali:

• Stiamo movimentando le scorte in modo efficiente?
• Stiamo investendo nei prodotti giusti?

Prestazioni dei fornitori

Le prestazioni delle scorte dipendono dall’affidabilità dei fornitori.

L’On-Time In-Full (OTIF) rimane uno degli indicatori più importanti dell’operatività dei fornitori. Analizzando l’andamento dell’OTIF nel tempo, i rivenditori possono individuare problemi ricorrenti, valutarne l’impatto commerciale e prendere decisioni più informate sulla gestione dei fornitori, sulla mitigazione dei rischi e sulle politiche di gestione delle scorte.

Crea dashboard incentrati sulle decisioni, non sui dati

L’efficacia della BI dipende tanto da ciò che viene escluso da una dashboard quanto da ciò che vi è incluso.

Molte organizzazioni creano dashboard piene di decine di KPI solo perché i dati sono disponibili. Il risultato è un sovraccarico di informazioni invece che un supporto decisionale.

Un approccio più efficace è la creazione di dashboard basate sui ruoli. I responsabili della supply chain hanno bisogno di visibilità sulle tendenze strategiche, sulle prestazioni finanziarie e sull’allineamento tra le diverse funzioni. I pianificatori, invece, hanno bisogno di informazioni operative prioritarie che li aiutino a decidere dove intervenire oggi.

Man mano che l’IA automatizza sempre di più le decisioni di pianificazione di routine, questo principio diventa sempre più importante. I pianificatori umani dovrebbero dedicare meno tempo a esaminare le transazioni normali e più tempo a risolvere le eccezioni, dove il giudizio aggiunge valore.

BI e IA: insieme sono più forti

L’IA e l’apprendimento automatico stanno cambiando rapidamente il modo in cui operano le supply chain nel settore retail.

I modelli di previsione imparano dai modelli storici della domanda, i sistemi di rifornimento generano automaticamente proposte di acquisto e le decisioni di allocazione possono essere ottimizzate tra i vari negozi con un intervento umano minimo. Le organizzazioni più all’avanguardia stanno iniziando ad adottare funzionalità di “decision intelligence” che consentono di eseguire autonomamente le decisioni di pianificazione di routine nel rispetto di regole aziendali predefinite.

Questa evoluzione non riduce l’importanza della BI, ma ne cambia lo scopo.

Man mano che l’IA si assume la responsabilità delle decisioni più di routine, le competenze umane si spostano verso la progettazione del quadro tattico entro il quale vengono prese tali decisioni.

I responsabili della supply chain continuano a determinare aspetti quali:

• Quali livelli di servizio dovrebbero raggiungere i diversi segmenti di prodotto?
• Quali prodotti giustificano un investimento maggiore nelle scorte?
• Qual è il livello di rischio di previsione accettabile?
• Quando una decisione automatizzata dovrebbe essere sottoposta a un pianificatore?
• Come si dovrebbero stabilire le priorità tra obiettivi contrastanti quali disponibilità, costi e capitale circolante?

Si tratta di decisioni strategiche e tattiche che richiedono informazioni affidabili, una governance chiara e un monitoraggio continuo delle prestazioni. La BI fornisce le informazioni necessarie per valutare se le decisioni guidate dall’IA stanno producendo i risultati previsti e dove le politiche di pianificazione necessitano di perfezionamento.

Anziché sostituire la BI, l’IA ne accresce l’importanza. La BI diventa il cruscotto attraverso il quale le organizzazioni monitorano il processo decisionale automatizzato, convalidano i risultati e migliorano continuamente le strategie di pianificazione.

Dati affidabili sono il biglietto d’ingresso per l’IA

Nessun modello di IA può produrre costantemente buone decisioni partendo da dati di scarsa qualità.

Man mano che i rivenditori ampliano l’uso del machine learning e della pianificazione autonoma, la governance dei dati diventa una capacità strategica piuttosto che un semplice esercizio tecnico.

Una governance solida si basa su quattro principi fondamentali: