Operations
Sai cosa riordinare, quanto e quando esattamente.
Previsione Intelligente delle Scorte is software previsione scorte for teams that want the reasoning shown, not hidden. Plans start at $49 a month with a 14-day free trial.
La maggior parte dei rivenditori e distributori piccoli riordina a intuito, con un foglio di calcolo delle vendite del mese scorso o un punto di riordino che qualcuno ha impostato tre anni fa e nessuno ha più toccato. Funziona finché un fornitore non ritarda di una settimana, un articolo non inizia a girare o il picco stagionale non arriva prima dell'anno scorso. La Previsione Intelligente delle Scorte sostituisce l'intuito con un modello per SKU e mostra il calcolo accanto a ogni numero, perché il vostro buyer possa dissentire.
Caricate lo storico vendite in CSV e il motore stima un modello di domanda per SKU — non un modello medio su tutto il catalogo. Articoli a rotazione rapida e lenta si comportano in modo diverso, e mediarli insieme è la via più breve a una previsione sicura di sé e sbagliata su entrambi.
Per ogni articolo escono una previsione giornaliera sull'orizzonte scelto, scorta di sicurezza, punto di riordino, lotto economico, la data probabile di rottura di stock e la copertura in giorni con la scorta attuale. Ognuna di queste grandezze arriva con gli input che l'hanno generata.
Il metodo usuale nei fogli di calcolo raggruppa le vendite storiche per giorno della settimana e confronta ogni giorno con la media. Sembra ragionevole ed è silenziosamente sbagliato: se la domanda cresce, i giorni più recenti della serie sono più alti semplicemente perché più recenti. Raggruppare per giorno della settimana spalma il trend tra i gruppi, e un articolo in crescita costante sembra avere un picco del giovedì.
Questo motore rimuove prima il trend. Gli indici stagionali nascono dal rapporto tra ogni osservazione e una media mobile centrata — il metodo classico di decomposizione — e il risultato viene applicato solo se lo schema regge su entrambe le metà dello storico. Così una promozione isolata di marzo non diventa un effetto permanente di marzo.
La maggior parte delle formule per la scorta di sicurezza guarda solo la variabilità della domanda. È metà del problema. Se il fornitore promette quattordici giorni e consegna tra dieci e ventiquattro, il tempo di consegna è esso stesso fonte di rischio, e un buffer calcolato solo sulla varianza della domanda non lo copre.
La formula usata qui è quella standard, con entrambi i termini:
SS = z × √( L × σd² + d² × σL² )
dove z è il fattore del livello di servizio, L il tempo medio di consegna in giorni, σd la deviazione standard della domanda giornaliera, d la domanda media giornaliera e σL la deviazione standard del tempo di consegna. Per un livello di servizio del 95%, z vale 1,645; per il 99%, 2,326. La schermata mostra il valore usato e ogni input — se il buffer sembra sbagliato, vedete quale input lo sta spingendo.
Non esiste un metodo di previsione che vinca su ogni SKU, quindi il motore ne stima due e lascia decidere i dati. Ciò che conta è come decide: su dati che il modello non ha visto.
Questo conta più di quanto sembri. Valutare una previsione sugli stessi dati usati per stimarla premia i modelli che memorizzano rumore; il sintomo tipico è un parametro di smoothing incollato al limite superiore che produce un trend nella direzione sbagliata. Trattenere dati è la protezione più economica contro il mettere in produzione un modello che sembra ottimo nel backtest e costa denaro in magazzino.
Qualche centinaio di SKU, un magazzino, nessun buyer dedicato. Starter copre 300 articoli e invia la lista di riordino per email; il valore sta nel radar delle rotture ordinato, non nel grafico.
Scorte su sedi con profili di domanda diversi e tempo di consegna variabile. Growth aggiunge previsione per sede, modellazione della stagionalità e registrazione dei tempi.
Migliaia di SKU, dove il lavoro vero è decidere cosa ignorare. Classificazione ABC per fatturato più proposte raggruppate per fornitore trasformano 25.000 righe in una lista breve di decisioni.
Se oggi il processo è una tabella pivot e una colonna di riordino, la migrazione è un export CSV. Tenete il foglio finché i due non coincidono — spesso è la via più rapida per fidarsi di una previsione.
Carica lo storico delle vendite: il motore stima trend e stagionalità per articolo e calcola scorta di sicurezza, punto di riordino, lotto economico di acquisto e data prevista di rottura di stock, mostrando il calcolo perché il responsabile operativo possa verificare ogni numero.
Previsione Intelligente delle Scorte starts at $49 a month with a 14-day free trial. Netstock is from $900 per month per company.
Sette giorni è il minimo, ma il modello migliora sensibilmente da una sessantina in poi. Sotto i sette giorni si rifiuta di prevedere invece di tirare a indovinare, e ti spiega perché.
Tiene conto della variabilità sia della domanda sia del tempo di consegna del fornitore: il valore z del livello di servizio scelto, per la radice quadrata del tempo di consegna per la varianza della domanda più la domanda al quadrato per la varianza del tempo di consegna. La formula e ogni dato in ingresso sono stampati accanto al risultato.
No. La stagionalità si ricava da rapporti con una media mobile centrata, che rimuove prima il trend. Raggruppare le vendite grezze per giorno della settimana — quello che di solito fanno i fogli di calcolo — fa sembrare stagionale un trend costante, ed è esattamente l’errore che qui si evita.
Cercato anche come: previsione della domanda · calcolo punto di riordino · scorta di sicurezza software · alternativa a netstock · gestione magazzino software · evitare rotture di stock · lotto economico di acquisto