Decidere con due settimane di anticipo vale più che decidere bene in ritardo
Le previsioni non servono a indovinare. Servono a guadagnare tempo di reazione.
Un magazzino che sa in anticipo quale prodotto girerà ordina meglio. Un ufficio commerciale che sa quali clienti stanno per andarsene può chiamarli prima e non dopo. Un’amministrazione che vede in anticipo una tensione di cassa la gestisce invece di subirla.
Il valore di una previsione non sta nella sua precisione assoluta, ma nel tempo che ti fa guadagnare rispetto alla decisione che avresti preso comunque.
Le domande a cui rispondiamo più spesso
- Domanda e scorte: quanto venderò di questo articolo nelle prossime settimane? Serve a ordinare il giusto: meno rotture di stock, meno capitale immobilizzato.
- Vendite: quanto chiuderà davvero la pipeline questo trimestre? Serve a pianificare capacità e budget su una base solida.
- Cassa: quando incasserò, realisticamente? La data di scadenza contrattuale è un pessimo stimatore della data di incasso; il comportamento di pagamento storico è molto migliore.
- Clienti: quali clienti stanno per lasciarci? Serve a intervenire quando c’è ancora margine.
- Manutenzione: quale macchina si fermerà? Serve a intervenire prima del fermo, non dopo.
Una precisazione che facciamo sempre, prima di iniziare
Una previsione è un intervallo, non un numero. “Venderemo tra 180 e 220 pezzi” è un’informazione onesta e utilizzabile; “venderemo 200 pezzi” è la stessa informazione presentata in modo fuorviante.
Consegniamo sempre l’intervallo, perché è quello che permette di decidere quanto rischio prendersi. E se lo storico non è sufficiente o la qualità del dato non regge, lo diciamo prima di iniziare il progetto anziché consegnare un modello che non tiene.
Cosa serve per partire
Storico sufficiente a coprire almeno due cicli stagionali completi, granularità coerente con la decisione da prendere — prevedere per settimana se si ordina per settimana — e i fattori esterni noti che hanno influenzato il passato: promozioni, chiusure, cambi di listino, eventi eccezionali.
Quest’ultimo punto è quello più spesso trascurato. Senza l’informazione sulle promozioni passate, il modello attribuisce alla stagionalità ciò che era una campagna commerciale, e sbaglia in modo sistematico.
Come verifichiamo che il modello funzioni davvero
Non sui dati con cui è stato costruito. La verifica si fa simulando il passato: ci si posiziona in un momento precedente, si genera la previsione usando solo ciò che era noto allora, e si confronta con quanto è realmente accaduto. Ripetuto su più momenti, produce una misura di accuratezza credibile.
Ogni modello viene poi confrontato con la previsione più semplice possibile — il valore dello stesso periodo dell’anno precedente, o la media recente. Se non la batte in modo netto, non va in produzione: un modello complesso che pareggia con una regola banale è solo un costo di manutenzione in più.
Cosa consegniamo
Previsione per periodo con il suo intervallo, accuratezza storica misurata, indicazione dei fattori che pesano di più, e monitoraggio continuo dell’errore. Quando l’errore esce dai limiti attesi parte un allarme: significa che qualcosa nel mondo reale è cambiato e il modello va rivisto, non che si è rotto qualcosa.