La cicala e la formica 2.0

Tag:

Chiunque, da bambino, abbia ascoltato le favole di Esopo, ricorderà quanto le morali fossero piccole lezioni di vita, magari allora non comprese ma che sarebbero tornate utili da grandi.

Per chi non la ricordasse, la storia racconta i diversi approcci all’inverno dei due animali.

Il freddo sembra lontano, la cicala vuole godere degli ultimi momenti di caldo e non si cura di preparare le provviste per l’inverno.

Allo stesso tempo, la formica invece, raccoglie i chicchi di grano e mette insieme le provviste necessarie.

Al giungere dell’inverno, la cicala si trova sprovvista di scorte di cibo e impreparata ad affrontare il freddo, mentre la formica mangia e riposa serena.

Questa favola di Esopo ci insegna che chi non lavora nel presente e pensa a vivere nell’ozio e nella pigrizia, non può poi lamentarsi in futuro di non aver costruito nulla. 

Dalla nostra versione 2.0, però, possiamo trarre un ulteriore importante messaggio…

I tempi infatti sono cambiati: i cambiamenti climatici hanno reso il clima e le temperature difficilmente prevedibili, tanto che, nonostante il suo impegno durante l’estate, anche la formica si trova spesso in difficoltà nei mesi seguenti.

Ci sono inverni particolarmente freddi e lunghi, durante i quali le provviste raccolte risultano insufficienti; in altri casi, l’inverno non sembra mai iniziare, e la formica si trova con una notevole eccedenza di scorte di cibo, ed è costretta a doverle smaltire, furiosa per il tempo e il lavoro sprecato.

In un contesto climatico così dinamico e irregolare, la sola esperienza maturata nel tempo non è più sufficiente per prevedere con un buon grado di accuratezza la quantità di provviste necessarie per affrontare al meglio l’inverno.

Le aziende che oggigiorno operano in mercati dinamici, possono incontrare nei processi di pianificazione della domanda e previsione delle vendite le stesse incertezze che ha la formica nell’approvvigionamento delle scorte per l’inverno.

L’entrata o l’uscita dal mercato di nuovi player, il lancio di nuovi prodotti, i bisogni dei clienti in continua evoluzione e i cambiamenti normativi, sono situazioni non facili da interpretare, e che tuttavia hanno un notevole impatto sull’accuratezza delle stime di vendita.

A differenza della formica però, in soccorso alle aziende vengono le tecnologie e le tecniche matematico-statistiche di forecasting, oggi ormai alla portata di qualsiasi società.

Alle competenze di business necessarie per disegnare e gestire un processo di previsione delle vendite è ormai fondamentale integrare un approccio data-driven in cui modelli statistici, Machine Learning e Intelligenza Artificiale giocano un ruolo fondamentale per rendere i processi di pianificazione della domanda e previsione delle vendite più efficienti, e le stime più accurate.

E voi, che approccio utilizzate nei vostri processi di demand planning e sales forecasting?