3 principali dilemmi della previsione della domanda nel settore alimentare

Per le aziende alimentari, avere un processo di previsione efficace è fondamentale. Senza previsioni accurate della domanda, i prodotti sbagliati finiscono in magazzino, gli sprechi aumentano e non è possibile soddisfare le richieste dei rivenditori. Tuttavia, prevedere la domanda futura è oggi più impegnativo che mai.

Qual è il valore predittivo dei dati storici sulle vendite? A quale livello deve fare le previsioni quando i pianificatori scarseggiano? E come deve rispondere alle fluttuazioni di un mercato estremamente volatile?

In questo articolo, esploriamo questi tre dilemmi chiave in modo più dettagliato e forniamo suggerimenti per aiutarla a prendere le decisioni giuste.

Un panorama impegnativo per l’industria alimentare

Le aziende manifatturiere e commerciali dell’industria alimentare sono sottoposte a pressioni significative. La domanda è imprevedibile e i rivenditori si aspettano un’affidabilità di consegna eccezionalmente elevata. Il tasso di On Time in Full (OTIF) deve superare il 99%, pena l’applicazione di sanzioni. Nel frattempo, i prodotti deperibili devono essere il più freschi possibile quando arrivano sugli scaffali.

Le aziende alimentari sono spesso colte di sorpresa da campagne promozionali o da cambiamenti dell’ultimo minuto da parte dei rivenditori, nonostante abbiano impostato i loro piani di acquisto e di produzione con settimane di anticipo. Quanto è frustrante rendersi conto che la scarsa capacità produttiva è stata assegnata ai prodotti sbagliati!

Decisioni sulla catena di approvvigionamento

Per le aziende alimentari, creare una previsione di vendita accurata è fondamentale. Quanto meglio riescono a prevedere ciò che un cliente ordinerà, tanto più affidabili e fresche saranno le consegne. Inoltre, consente una produzione più efficiente con meno sprechi.

Tuttavia, l’attenzione non si concentra tanto sulla previsione in sé, quanto piuttosto su ciò che l’azienda fa con essa. Come si passa da una previsione a un piano di domanda ben bilanciato? Come si traduce il piano della domanda in una strategia di approvvigionamento e produzione che supporta in modo ottimale i suoi KPI finanziari? E come si allineano continuamente le operazioni con la strategia?

In definitiva, queste sono le decisioni chiave che determinano il successo o le difficoltà di un’azienda alimentare.

Dalla previsione alla pianificazione della domanda

Una previsione è generalmente composta da due parti: una componente statistica e una pragmatica.

La parte statistica calcola la domanda in base ai dati di vendita storici, utilizzando algoritmi matematici e, sempre più spesso, l’AI e il machine learning. La parte pragmatica incorpora informazioni di mercato esterne – dati che non possono essere ricavati dai trend storici, ma che spesso sono noti ai team di vendita o ad altri reparti.

Ciò include contratti imminenti con nuovi clienti al dettaglio, cambiamenti nella disposizione degli scaffali o prodotti in via di dismissione. Questi eventi pianificati possono avere un impatto significativo sulla domanda e devono essere presi in considerazione nel processo di pianificazione della domanda.

Dilemma 1: quanto valgono i dati storici?

Sulla scia del COVID-19, dell’inflazione, della guerra in Ucraina e di altri eventi dirompenti, la domanda dei consumatori è diventata altamente volatile. Le cifre delle vendite passate e i dati contestuali hanno perso gran parte del loro potere predittivo, rendendo più difficile per le aziende affidarsi solo ai dati storici delle vendite. Sebbene la previsione statistica rimanga la base, le intuizioni di mercato e i dati dei clienti stanno diventando sempre più cruciali.

Un chiaro esempio sono le promozioni al dettaglio programmate. Queste possono innescare picchi massicci di domanda, quindi i team della catena di approvvigionamento devono essere informati il prima possibile.

La nostra raccomandazione: Rendere l’integrazione dei dati esterni una parte esplicita del processo di previsione. I calendari promozionali e i dati previsionali dei rivenditori devono essere incorporati in modo rapido e accurato nei sistemi di pianificazione, anziché rimanere dimenticati nella casella di posta di un venditore.

Una lamentela comune è che le previsioni dei rivenditori sono di scarsa qualità. Può essere vero, ma non è una scusa per ignorarle. Per i clienti chiave, è saggio confrontare le loro previsioni con le proiezioni interne e chiedere sempre a un pianificatore o a un venditore di valutare eventuali discrepanze.

Dilemma 2: a quale livello deve fare le previsioni?

Un’altra considerazione chiave per le aziende è determinare il livello più efficace per le previsioni. Dovrebbe prevedere la domanda totale di tutti i prodotti in un’unica soluzione, oppure calcolare la domanda futura per ogni singolo articolo e cliente separatamente?

Osserviamo che i team di pianificazione preferiscono fare previsioni a livello di cliente/articolo, perché forniscono le intuizioni più concrete e sono particolarmente utili per le promozioni (specifiche per il cliente). Il ragionamento è spesso che più dettagliato è, meglio è. Tuttavia, quando si tratta di previsioni, non è sempre così. La previsione a livello di cliente/articolo richiede una quantità significativa di tempo da parte dei pianificatori e aumenta il rischio di perdersi nei dettagli. Inoltre, spesso sono disponibili meno dati a questo livello granulare, rendendo le previsioni statistiche intrinsecamente meno affidabili.

A livello di cliente o di gruppo di prodotti, la domanda può essere prevista in modo molto più accurato da un sistema che a livello di singolo cliente/articolo, soprattutto quando un articolo viene ordinato solo poche volte all’anno.

La chiave è strutturare il processo di previsione in modo da massimizzare l’uso della tecnologia e sfruttare al meglio le intuizioni di mercato dei team commerciali. L’approccio ideale è una combinazione: prevedere un numero selezionato di grandi clienti a livello di cliente/articolo e prevedere un ‘gruppo rimanente’ di clienti più piccoli a livello di articolo. In questo modo, si ottiene il meglio dei due mondi:

• I grandi clienti, che effettuano ordini settimanali e generano quantità sostanziali di dati, sono adatti alle previsioni statistiche e meritano un’attenzione mirata da parte dei team di vendita.
• I clienti più piccoli, che ordinano meno frequentemente, sono meglio previsti a un livello di aggregazione più alto, garantendo che i pianificatori non dedichino loro una quantità di tempo sproporzionata.

Dilemma 3: come rispondere alle deviazioni?

Le promozioni e altri eventi possono causare fluttuazioni significative nella domanda. Soprattutto nell’industria alimentare, dove i prodotti hanno una breve durata di conservazione, queste fluttuazioni possono facilmente portare a degli sprechi. È fondamentale non solo prevedere con precisione questi picchi, ma anche riconoscerli, interpretarli e rispondere in modo appropriato nella pianificazione della domanda.

Per raggiungere questo obiettivo, è consigliabile implementare un solido processo di ‘rilevamento degli outlier’ e utilizzare gli strumenti giusti. Con un software intelligente e/o l’apprendimento automatico, le deviazioni della domanda possono essere rilevate con sempre maggiore precisione. Inoltre, quando si interpretano i dati, è essenziale differenziare in base al tipo di cliente:

• Per i clienti chiave (A), un pianificatore della catena di approvvigionamento dovrebbe esaminare la deviazione.
• Per i clienti più piccoli, l’efficienza dovrebbe avere la precedenza, lasciando che sia il sistema a prendere la decisione.

Rispondere efficacemente alle deviazioni richiede un’interazione ben bilanciata tra le competenze umane e l’automazione del sistema. I pianificatori della catena di approvvigionamento sono attualmente molto richiesti e dovrebbero concentrare il loro tempo solo sui compiti in cui aggiungono il massimo valore. La nostra raccomandazione è di applicare i principi della gestione per eccezione: automatizzare il più possibile le decisioni di routine e coinvolgere i pianificatori umani solo in caso di deviazioni significative o quando si tratta di clienti chiave.

Per raggiungere questo obiettivo, è essenziale un sistema avanzato di pianificazione della catena di approvvigionamento, in grado di identificare le deviazioni, di assegnare loro una priorità e di assegnarle alla persona appropriata per l’azione.

Software e conoscenze

Le previsioni nel settore alimentare sono essenziali per la sopravvivenza, ma come abbiamo mostrato in questo articolo, ci sono alcune insidie. Utilizzi le informazioni di mercato esterne, scelga il giusto mix di livelli di aggregazione e si concentri sulle eccezioni. Questi sono solo alcuni dei consigli che condividiamo regolarmente con i clienti del settore alimentare che utilizzano le nostre soluzioni.

Da quasi 30 anni, il nostro team e la nostra piattaforma AI (Slim4) migliorano le catene di approvvigionamento in tutto il mondo. Le nostre soluzioni sono progettate per aiutare le aziende di ogni settore a prendere decisioni migliori sulla catena di approvvigionamento. Attraverso la Slimstock Academy, sosteniamo i nostri clienti e tutti coloro che sono impegnati nel miglioramento continuo. Se desidera saperne di più sulle previsioni e sulla pianificazione nell’industria alimentare, si metta in contatto con noi. Saremo lieti di spiegarle cosa possiamo offrire e come possiamo assisterla in questo aspetto critico della sua attività.