Fare una corretta previsione della domanda diventa un importante fattore di successo in tutte quelle situazioni dove bisogna prendere decisioni di rilevanza economica. Che si tratti di un prodotto o di un servizio, si può intuire quanto sia prezioso disporre di modelli affidabili che possono migliorare gli approvvigionamenti, la produzione, la distribuzione e le vendite.
Proprio per questo Sabart ha deciso di affidarsi ad Ammagamma, una società che offre soluzioni di matematica avanzata, per studiare un modello all’avanguardia di previsione della domanda.
Per saperne di più ne parliamo insieme a Laura Bonifazi, Business Process and Strategic Reporting di Sabart e Michele Vitali, Project Manager di Ammagamma.
Sabart:
In Sabart il processo di previsione della domanda ha sempre dovuto considerare alcune variabili importanti: la stagionalità e l’elevato numero di prodotti commercializzati (120.000 articoli a catalogo). Nel tempo il demand forecasting ha subito un grande stravolgimento e lo spartiacque che ha segnato questo passaggio è stato il 2020 con la pandemia da sars-covid19. Prima della pandemia globale il demand forecasting godeva di una relativa stabilità, grazie all’esperienza pluriennale dell’ufficio sales e a trend di mercato perlopiù stabili.
Dal 2020 in poi, invece, le variabili che hanno complicato le previsioni sono state tante: l’oscillazione della domanda che ha subito prima un calo vertiginoso causato dal lockdown e successivamente un aumento esponenziale in quanto la chiusura ha portato ad una riscoperta del gardening; nel 2021 è arrivata la crisi di prodotto provocato dalla mancanza delle materie prime e dall’aumento dei costi di trasporto; fino ad arrivare al 2022 con il conflitto Russia-Ucraina che ha portato ad un’impennata dell’inflazione. Come si può ben immaginare, tutto questo ha complicato la capacità di fare previsioni affidabili richiedendo all’Azienda un cambio di rotta.
Ammagamma:
Le vicende emerse negli ultimi anni delineano scenari di domanda sempre più complessi e di difficile previsione per il futuro. In un contesto simile emerge in maniera ancora più marcata la necessità di dotarsi di algoritmi di intelligenza artificiale (AI) per supportare e potenziare il lavoro di chi in azienda si occupa della previsione della domanda. È infatti importante, per mantenere alta la competitività, riuscire a prendere le decisioni giuste anche in situazioni di criticità, che sono una conseguenza delle variazioni della domanda e dell’imprevedibilità del mercato.
Uno strumento di demand forecasting basato su AI permette di individuare meglio e in anticipo queste eventuali situazioni critiche e quindi definire e suggerire tempestivamente le azioni di operatività aziendale più efficaci a fronteggiarle. In quest’ottica, la soluzione di AI che abbiamo sviluppato per Sabart, ha permesso al personale addetto alla pianificazione di rendere più efficiente il proprio lavoro, anche a fronte di una più elevata incertezza e complessità.
Sabart:
È importante fare una premessa: Sabart, in quanto trade company, ha come obiettivo la soddisfazione del cliente attraverso il servizio offerto. Questo si traduce in disponibilità del prodotto quando il cliente ne ha bisogno e consegna rapida. Da questo obiettivo è nata l’esigenza di passare ad un modello di previsione della domanda che fosse totalmente digitalizzato e soprattutto altamente affidabile.
Il risultato del forecasting digitalizzato è in primis un supporto più preciso durante il processo di formulazione della domanda. Questo investimento, quindi, è fondamentale da un lato per garantire al cliente un migliore e più puntuale servizio, e dall’altro per avere un controllo sullo stato del magazzino e dei suoi flussi in ingresso.
Ammagamma:
Il forecasting della domanda è un’attività aziendale fondamentale che permette di organizzare al meglio le attività operative allo scopo di massimizzare il servizio al cliente ottimizzando allo stesso tempo i costi. Avere uno strumento digitale a supporto di queste attività permette di scalare più facilmente, aiutando gli operatori a gestire al meglio la complessità che si genera con la crescita del business. Un aumento del numero di articoli da gestire, la crescita delle diverse tipologie di articoli offerti, l’obsolescenza dei vecchi articoli e la nascita di nuovi, molteplici tipologie di clienti: sono alcune delle problematiche che le aziende solitamente riscontrano nel proprio percorso di crescita e di sviluppo del business. Tutto ciò si associa anche, come dicevamo, a condizioni di mercato sempre più mutevoli e repentine, guidate da cause via via differenti e difficilmente prevedibili.
Digitalizzare il processo di forecasting permette di portare in luce tutte queste informazioni in maniera più puntuale, supportando le decisioni con logiche di previsione raffinate che possono cogliere anche gli andamenti più complessi della domanda; allo stesso tempo permette di diminuire il lavoro a minor valore aggiunto, consentendo al personale di focalizzare la propria attenzione sulle potenziali criticità operative da prevenire o risolvere.
Sabart:
Il primo step è stato quello di scegliere il partner con il quale avviare il progetto di rivoluzione del demand forecasting. La scelta non è stata semplice, in quanto cercavamo una piattaforma che non fosse eccessivamente rigida, ma che al contrario fosse in grado di assecondare il modo di lavorare di Sabart. Ammagamma si è rivelato il fornitore ideale, sia per l’alto livello di specializzazione, sia per la sua capacità di offrire un servizio customizzato su misura.
Successivamente abbiamo presentato una descrizione analitica delle variabili che caratterizzano la nostra domanda, in questo modo gli analisti di Ammagamma hanno potuto elaborare un modello matematico di AI avanzata, in grado di prevedere la domanda futura di tutti quegli articoli che hanno determinato la maggior parte del fatturato degli ultimi anni. Inoltre, Ammagamma ha realizzato una Web app che ci permette di leggere i dati di previsione della domanda e di intervenire con correzioni ed inserimenti manuali.
Ammagamma:
La digitalizzazione dei processi è un tema centrale per la competitività delle aziende, permette di leggere al meglio le condizioni dell’ambito in cui operano, reagire in maniera veloce ed efficace e scalare più facilmente. I dati in questo tipo di processo sono essenziali, il punto di partenza. Per questo motivo, insieme a Sabart, siamo partiti proprio dalla comprensione dei dati presenti in azienda, andando ad approfondire il significato che questi avevano nel contesto di business, valutando con quali sistemi e modalità venivano salvati, com’erano gestiti e come potevano essere fruiti. Una volta compresi questi aspetti, c’è stata una fase di preparazione del dato che, per quanto in questo caso specifico fosse già ben gestito, ha richiesto di essere rielaborato per essere portato nella forma necessaria alla modellazione matematica del forecasting. Le successive fasi di modellazione ci hanno permesso di ottenere il vero e proprio modello di forecasting che meglio si adattava alle necessità operative di Sabart, sia in termini di orizzonte, che di granularità e di frequenza delle previsioni. L’ultimo step è stato quello di creare una web app che permettesse al personale di Sabart di fruire delle informazioni generate dai modelli di AI, di integrarle con altre informazioni utili e di riportare i risultati finali dell’analisi di forecasting nei sistemi gestionali, per renderli disponibili per i successivi step dell’operatività aziendale.
Sabart:
Le sfide affrontate sono state tendenzialmente 3. La prima è nata dalla necessità di effettuare una mappatura precisa di tutto il processo di forecasting dell’Azienda, che permettesse ad Ammagamma di capire esattamente quali varabili influenzano la previsione della domanda.
In un secondo momento è risultato fondamentale definire il grado di interazione di Sabart con la piattaforma, ossia capire in quale modo intervenire per poter dare maggiori dati e informazioni al software, per correggere le previsioni e ottimizzare le risorse e le persone. Infine, desideravamo ottenere una piattaforma di front end personalizzata, con la quale fosse possibile sia modificare i dati di previsione che permettere la navigazione dei risultati in un modo semplice e intuitivo.
Ammagamma:
In primis è stato fondamentale capire le logiche specifiche del business: quali sono gli aspetti importanti della domanda di questo settore, qual è la strategia aziendale nei confronti del cliente e come sono impostati i processi operativi aziendali. Questo è stato fondamentale per poter creare i modelli matematici e gli strumenti digitali che potessero portano valore tangibile all’azienda e alle persone che li utilizzano.
Un altro aspetto importante è stato l’identificazione dei dati disponibili, la loro qualità, il loro valore nel caso specifico e le modalità di raccolta e di automazione dei flussi dati. Qualunque strumento digitale “data driven” fonda il proprio valore sulle informazioni estratte dai dati disponibili, ciò rende quindi centrale questo tema legato al dato. Infine, altrettanto importante è stata la definizione di uno strumento capace di valorizzare l’esperienza di utilizzo dell’utente finale. Far sì che le informazioni generate dagli algoritmi di AI arrivassero nella maniera più chiara e facilmente fruibile ai decisori di Sabart è stata una sfida cruciale, che ha permesso di trasformare il valore estratto dai dati in valore reale di business per Sabart.
Sabart:
Per Sabart la corsa verso il miglioramento del servizio al cliente non si ferma: gli investimenti lato IT e digital sono stati tanti e il demand forecasting digitalizzato sarà presto seguito da ulteriori passi, come l’ottimizzazione dell’inventario prodotti, che permetterà di minimizzare il volume occupato in magazzino, rispettando vari parametri, ma soprattutto soddisfacendo la domanda del cliente.
Lato esperienza cliente, inoltre, sarà fondamentale poter fornire proposte personalizzate al dealer sfruttando le potenzialità della marketing automation e automatizzando determinate attività ripetitive con basso valore aggiunto per poter essere più veloci ed efficienti.
Ammagamma:
Stiamo studiando i prossimi passi da compiere sulla base dei dati disponibili, e sicuramente l’ottimizzazione dell’inventario rappresenta un importante “next step” di sviluppo. Integrare quindi il software di previsione della domanda con un ottimizzatore capace di organizzare in anticipo la gestione dei prodotti in funzione dell’andamento futuro del mercato. Questa espansione permetterà al personale di Sabart di ottimizzare al meglio la propria supply chain, prioritizzando in maniera efficiente gli ordini e i riordini presso i fornitori, e allo stesso tempo di rispondere alle esigenze di mercato con precisione e tempestività.