Algoritmi di riordino: previsione della domanda

La previsione della domanda viene costruita sulla base dei dati di vendita delle settimane precedenti.

Criteri di previsione della domanda:

• Vendite storiche
• Tempi di produzione
• Orizzonte di pianificazione
• Perimetro di acquisto/vendita
• Stock esauriti
• Stagionalità
• Curve dimensionali

La sequenza temporale del calcolo della previsione della domanda è definita dalle settimane storiche, dal lead time e dall'orizzonte di pianificazione.

È possibile considerare diversi perimetri di negozio quando si calcola la previsione di ciascuno scenario

Anche le scorte esaurite, sia a magazzino che nei negozi, giocano un ruolo nella stima della proposta di riordino

L’effetto sulle vendite degli eventi ricorrenti viene automaticamente preso in considerazione dagli algoritmi di Nextail

Le curve dimensionali vengono ricalcolate in ogni scenario per scomporre a livello di SKU la previsione ottenuta per ciascun prodotto

Una volta calcolata la previsione della domanda a livello di prodotto, le curve dimensionali vengono utilizzate per scomporla e ottenere una previsione per SKU

Promozioni

Le promozioni sono eventi speciali che hanno un effetto di cambiamento temporaneo nella domanda di un prodotto durante il periodo in cui sono attive. Al momento, le promozioni possono essere ribassi o altri tipi di eventi.

Nell'ambito di Nextail, le promozioni sono espresse come un fattore moltiplicativo della domanda chiamato coefficiente di promozioni. Per esempio. se c'è un coefficiente di promozione x2 tra due date, alcuni negozi e prodotti specifici, significa che la domanda (e infine le vendite) sarà due volte quella abituale.

La pipeline Promozioni ha il compito di recuperare e calcolare i coefficienti di promozione per un gruppo di prodotti in una rete di negozi, a livello di data di negozio del prodotto.

I clienti sono responsabili della definizione di questi coefficienti per le prossime promozioni che sanno avranno un impatto sulla domanda. Questi i futuri coefficienti di promozione. Al termine del periodo promozionale, i coefficienti definiti vengono ricalcolati utilizzando i dati di vendita reali per ottenere quale sia stato il reale impatto sulla domanda. Questi sono i coefficienti delle promozioni passate. Le promozioni hanno quindi due effetti nella nostra previsione:

1. Moltiplicare la domanda futura stimata dai clienti per i coefficienti di promozione futuri. Illustriamolo:

• Il cliente stima una domanda x2 sul prodotto Random Sweater 101 entro la seconda settimana dell'anno a causa di uno sconto speciale.
• La previsione, una volta applicata la stagionalità, è di 200 SKU entro questa settimana.
• Viene applicato un coefficiente di promozione futura pari a 2, quindi ora il risultato della nostra previsione è di 400 SKU.

2. Correggere (normalizzare) i dati di vendita su cui è formata la nostra previsione, dividendoli per coefficienti di promozione passata.

• Durante la seconda settimana dell'anno, il cliente ha finalmente venduto 300 SKU.
• Il coefficiente effettivo ottenuto è 300/200 = 0,5 (50%).
• Per le previsioni future prenderemo questo coefficiente di promozione passata di 0,5 per normalizzare le vendite durante il periodo dei saldi invece di utilizzare il coefficiente di promozione futura originale (che era del 100%).

Esiste la possibilità che più promozioni interessino lo stesso prodotto negli stessi negozi e nello stesso periodo di tempo. In questi casi viene preso in considerazione solo il coefficiente massimo.

 

Disponibilità passata

Le informazioni sulla disponibilità passata forniscono un file con le combinazioni giornaliere-negozio-prodotto in cui un prodotto è disponibile nei dati storici utilizzati per la previsione. L'importanza di informare correttamente sulla disponibilità di un prodotto ci permette di stimare la domanda anziché le vendite.

Qual è la differenza?

• La domanda è l'importo che venderemmo se il negozio fosse aperto e rifornito ogni giorno
• Le vendite sono ciò che è realmente accaduto e sono sempre inferiori o uguali alla domandaWe will assume that Demand is equal to Sales when the product is available.

• Esaurimento delle scorte di magazzino (Vedi di seguito nella sezione Esaurimento delle scorte di magazzino)
• Prima data di disponibilità. La prima data disponibile del prodotto è definita come la media delle prime date in cui il prodotto è disponibile in ciascun negozio, pertanto il prodotto sarà considerato non disponibile per tutte le date precedenti alla data di prima disponibilità del prodotto. Utilizziamo la mediana (che è simile a una media) poiché è considerata un approccio più robusto rispetto a un minimo o un massimo.
• Date di chiusura del negozio. Si considera che un negozio abbia avuto un periodo di chiusura se non effettua vendite per due o più giorni consecutivi. Tutti i prodotti sono considerati non disponibili in un negozio quando il negozio è in periodo di chiusura.

Stockout del magazzino

Nelle previsioni a lungo termine (LTF) Stockout non significa esattamente 0 scorte, poiché molte volte i clienti diventano gradualmente più prudenti nei rifornimenti, quindi nella maggior parte dei casi non arrivano a 0 scorte in WH.

Quando un prodotto è considerato in stock nel magazzino, la soluzione di riordino eviterà l'utilizzo dei dati di vendita di quelle date.

Per valutare se un prodotto è in stockout WH applichiamo diverse logiche.

Soglia di quantità minima: è la quantità di unità di ciascun prodotto che devono essere presenti nel WH affinché il prodotto non venga considerato in stockout. Viene misurato come il rapporto tra le unità disponibili di un prodotto nel WH con la quantità di negozi che devono essere coperti. Questa percentuale è un parametro e attualmente è impostata al 10%.

Ad esempio, se un prodotto ha 20 unità in WH e dovrebbe coprire 300 negozi (10% è 30), queste unità non sono considerate sufficienti e il prodotto è esaurito.

Curve di taglia per esaurimento scorte: le taglie di un prodotto non hanno tutte lo stesso peso e importanza all'interno del volume di vendita del prodotto, utilizziamo i dati delle curve di taglia per determinare un buon criterio per l'esaurimento delle scorte in magazzino ed evitare dimensioni residue come una XXXL che può determinare la stockout dell'intero prodotto.

Per determinare quali taglie verranno prese in considerazione nei criteri di stockout, selezioniamo le taglie più vendute che insieme sommano più dell'80% dell'intero volume delle vendite (a livello di prodotto, non a livello di negozio). Le restanti taglie sono considerate "irrilevanti" e non verranno utilizzate per calcolare l'esaurimento delle scorte.

 

Date di esaurimento scorte corrette

Un prodotto dovrà essere in stockout in WH per almeno 10 giorni affinché possa essere considerato non disponibile. Trascorso questo periodo, occorreranno 5 giorni di giacenza affinché possa essere considerato nuovamente disponibile.

Se queste restrizioni lasciano un prodotto con meno del 50% di giorni di disponibilità (rispetto al numero di settimane utilizzate come storico), nella previsione verranno utilizzati i giorni di stockout a partire dall'inizio del periodo fino a quando non ci saranno abbastanza giorni disponibili.

 

Nuovi negozi/negozi in chiusura

A volte il perimetro di vendita cambia durante il lead time o il periodo di copertura ed è necessario tenere conto di tali modifiche per il suggerimento di riordino. Queste sono le principali cause dei cambiamenti e come l’algoritmo ne tiene conto:

Apertura di nuovi negozi (senza cronologia precedente): per assegnare un peso corretto a un nuovo negozio e ai prodotti in esso disponibili, viene assegnata una relazione con un negozio specchio. La domanda, il perimetro di vendita e lo stock minimo vengono copiati da questo negozio specchio dalla data di apertura alla fine. Il giorno dell'apertura, il negozio viene inizializzato per mantenere lo stock minimo di tutti gli sk nel suo perimetro di vendita (finché ci sono scorte in magazzino).

Chiusura del negozio: le date di chiusura dei negozi vengono prese in considerazione quando si definiscono le informazioni sulla disponibilità passata, come accennato, la chiusura di un negozio viene contrassegnata quando ha più di due giorni consecutivi senza vendite e influenza la disponibilità dei prodotti durante quelle date. In questo caso, la richiesta di chiusura del negozio è già impostata su 0 per il giorno in cui verranno chiusi secondo la previsione. Inoltre, non ci saranno considerazioni sulle scorte minime per questi negozi. Un'ultima cosa da considerare è che le scorte in questi negozi vengono mantenute "congelate" nella versione attuale, il che significa che non vengono rese nuovamente disponibili nella rete di negozi dal punto di vista della proiezione delle scorte.

 

Cambiamenti nella disposizione

Ci sono due concetti principali che descrivono la situazione di disponibilità per una combinazione prodotto-negozio:

• Layout interno del negozio: quando un prodotto è presente in un negozio ed è disponibile per la vendita (ciò che a volte chiamiamo all'interno del perimetro di vendita).
• Layout del negozio esterno ma ancora disponibile per vendite straordinarie: Quando un prodotto non è in un negozio, ma è possibile ordinarlo da altri negozi o dal magazzino (questo potrebbe accadere ad esempio tramite richieste al negozio. A volte descriviamo questa situazione con la denominazione di “perimetro di acquisto interno ma perimetro di vendita esterno)

Esistono tre stati possibili per una combinazione negozio-prodotto per una determinata data:

1. Il prodotto è presente nel negozio e può essere acquistato nel negozio. Il prodotto è nel layout.
2. Il prodotto non è presente in negozio, ma a volte può essere comunque ordinato. Riteniamo comunque che in questo caso le vendite potrebbero avvenire, solitamente meno spesso che all'interno del layout. Il prodotto è considerato disponibile ma fuori dal layout.
3. Il prodotto non è disponibile nel negozio (non è venduto a livello globale o il negozio è chiuso). Questa combinazione non è mai disponibile nelle nostre previsioni.

Struttura della maschera di disponibilità. esempio

Un negozio di prodotti potrebbe modificare il proprio stato di disponibilità per una di queste possibili modifiche:

• Modifiche al layout del negozio (gestione del layout), spostamento delle combinazioni negozio-prodotto dall'essere presenti nel negozio all'essere non presenti e viceversa (tra i casi 1 e 2).
• Apertura di nuovi negozi, replicando la domanda di un negozio esistente per tutti i prodotti (comprese le 2 modifiche precedenti).
• Chiusura di negozi esistenti impostando tutte le combinazioni negozio-prodotto nelle date in cui un negozio è chiuso su non disponibili (non disponibili affatto, caso 3).

Tutte le modifiche apportate allo stato di disponibilità si rifletteranno nelle informazioni sulla disponibilità per ciascuna combinazione prodotto-negozio-data. In questo modo, il nostro algoritmo di previsione della domanda terrà conto delle variazioni nella disponibilità dei negozi di prodotti.

Future modifiche al layout potranno essere caricate durante la configurazione dello scenario.

Questi cambiamenti ovviamente hanno un impatto sulle previsioni. In ogni scenario di riordino calcoliamo un peso medio del negozio (per tutti i prodotti) sia all'interno delle vendite avvenute all'interno del layout che all'esterno del layout. Quindi per ogni modifica la previsione verrà aumentata/diminuita in percentuale utilizzando il peso del negozio interessato.

Immaginiamo un esempio. Il cliente sta avviando uno scenario di riordino con 50 prodotti e 100 negozi. In tutti i negozi, il negozio A non aveva il riferimento 1 nel layout.

Il cliente ha parametrizzato che a partire dall'inizio dell'orizzonte di pianificazione il negozio A avrà nel layout il riferimento 1.

La soluzione calcola il peso che il negozio ha nelle vendite sia all'interno del layout che all'esterno del layout (considerando le vendite totali di quel negozio all'interno di tutti i 50 prodotti dello scenario).

La previsione viene quindi corretta considerando che ci sarà un incremento delle vendite dai negozi con quel prodotto all'interno del layout (proporzionale al peso di quel negozio) e una diminuzione delle vendite dai negozi con quel prodotto all'esterno del layout.

Curve dimensionali

La curva dimensionale di un prodotto rappresenta il peso relativo di ciascuna delle sue dimensioni. Questi pesi vengono utilizzati per disaggregare le nostre previsioni dal livello della data del negozio del prodotto al livello della data del negozio sku. Il peso di ciascuna taglia si basa sulla quota di vendita in volume derivante dalle vendite dell'intero prodotto. Ad esempio, su un maglione, è più probabile che una taglia M abbia un volume di vendite maggiore e quindi un peso maggiore rispetto a una taglia XXL.

La pipeline utilizzerà come impostazione predefinita l'ultimo anno di vendite per calcolare questi pesi e generare curve dimensionali per i prodotti specificati. Illustriamolo con un semplice esempio:

Prodotto: Maglione casuale 101

Seguendo l'esempio, se abbiamo calcolato una previsione di 700 referenze per lo stesso prodotto e un certo periodo di tempo, distribuiremo poi le referenze in taglie utilizzando i pesi precedentemente calcolati:

Vendite previste: 700 SKU

Per garantire la robustezza della curva delle dimensioni, esiste una riserva a seconda del volume delle vendite di ciascun prodotto. Quando le vendite di un prodotto sono inferiori a una soglia (200 per impostazione predefinita) nell'ultimo periodo definito (1 anno per impostazione predefinita), le vendite aggregate a livello familiare vengono prese in considerazione per il calcolo dei pesi. Questo fallback agisce come una correzione dei pesi invece che come una sostituzione. Pertanto, il peso finale sarà una proporzione del peso del prodotto e del peso della categoria di prodotto come rapporto lineare (vendite_prodotto/soglia). Illustriamolo:

Prodotto: Maglione cattivo venditore 102

Vendite totali (a livello di prodotto): 80 SKU

Soglia: 200 SKU

Fallback nella categoria famiglia: maglioni casuali

Rapporto ponderale = Vendite totali / Soglia = 80/200 = 0,4 (40%)

Pesi finali per il maglione Bad Seller 102

peso finale = peso di riserva * (rapporto peso 1) + peso del prodotto * rapporto peso

Questo fallback verrà applicato in modo ricorsivo fino al raggiungimento della soglia. Quindi, garantendo robustezza.
Tutte le spiegazioni di cui sopra si applicano alla SizeCurveAutocomparablesPipeline attualmente utilizzata.

I fallback utilizzati nel riordino sono il livello di prodotto, il livello di famiglia, la distribuzione normale.

 

Pesi del negozio di prodotti

Si stima che i pesi di ciascuna combinazione di negozi di prodotti disaggregino la nostra domanda prevista dal livello di prodotto al livello di negozio di prodotti. Questo viene poi utilizzato per calcolare la proiezione delle scorte a livello di negozio e pertanto potrebbe avere un impatto sulla proposta di riordino finale. Il peso di ciascun negozio di prodotti si basa sul volume e sulla quota di vendita della disponibilità del prodotto in tutti i negozi.


Illustriamolo con un semplice esempio:

Dai dati sulle vendite raggruppiamo la quantità di vendita per prodotto del negozio.

Stimiamo la media delle vendite per negozio e stimiamo il peso di ciascun negozio rispetto a tutti i dati dei negozi disponibili.

Assegniamo i pesi stimati precedenti per negozio a tutti i prodotti disponibili in ciascun negozio e moltiplichiamo la disponibilità del prodotto, ciò significa che quando un prodotto non è disponibile in un negozio il suo peso sarà 0.

Per stimare il peso reale di ciascun negozio di prodotti, meditiamo il peso assegnato (Peso disponibile) in base al peso totale disponibile di ciascun prodotto in tutti i negozi. Ad esempio per il prodotto 1 il peso totale disponibile è 0,636, poiché non era disponibile nel negozio 2.

Quindi, in questo esempio, il 100% delle vendite del prodotto 1 corrisponde alle vendite nel negozio 1 perché è nell'unico negozio in cui è disponibile.

 

Stagionalità

La stagionalità viene utilizzata nelle previsioni a lungo termine nello stesso modo in cui viene utilizzata nelle previsioni a breve termine. Ciò significa che viene utilizzato per destagionalizzare le vendite storiche e quindi applicato nel periodo dell'orizzonte di pianificazione.

La configurazione della stagionalità è diversa da quella utilizzata nelle previsioni a breve termine poiché nel riordino non abbiamo strettamente bisogno di avere una granularità a livello di negozio (poiché siamo interessati alle previsioni generali del prodotto) e quindi il livello di fallback potrebbe differire .