.png)
"Quanto è precisa la vostra previsione?" è la domanda più frequente e più pertinente che si possa porre a chiunque fornisca previsioni – e merita una risposta più sincera di una semplice percentuale. Infatti, la qualità di una previsione non è un valore semplice, ma dipende dai criteri di valutazione corretti. Questo articolo spiega come misurare in modo sensato la qualità delle previsioni e come riconoscere i dati di marketing.
Perché "una precisione del 95%" non significa nulla
Un valore di precisione generico, privo di contesto, è privo di valore per tre motivi:
È il livello di aggregazione a fare la differenza. Prevedere il fatturato settimanale di un’intera azienda è semplice: gli errori relativi ai singoli articoli si compensano a vicenda. Individare con precisione il volume giornaliero di un singolo articolo in una singola filiale è molto più difficile. Ma è proprio questo livello di dettaglio che serve alla produzione. Chi pubblicizza la precisione dovrebbe specificare a quale livello è stata misurata.
Piccole quantità distorcono le percentuali. Nel caso di un articolo che vende tre pezzi al giorno, un pezzo in meno rappresenta già un errore del 33% – anche se la pianificazione era praticamente perfetta. Gli errori percentuali risultano sempre negativi nei prodotti a bassa rotazione, mentre quelli assoluti nei prodotti ad alta rotazione.
Il caso stabilisce un limite minimo. La domanda presenta una componente realmente casuale: l’ordine ingente effettuato d’impulso, l’autobus turistico. Nessuna previsione al mondo è in grado di anticipare questa componente. La perfezione non è un obiettivo raggiungibile; l’obiettivo rilevante è sfruttare appieno la parte prevedibile.
Il parametro che conta davvero
La domanda giusta non è «Quanto è precisa la previsione?», ma: «Quanto è migliore rispetto al mio metodo attuale?». Il parametro di riferimento è la pianificazione precedente: stima basata sull’esperienza, valore della settimana precedente, media calcolata su Excel. Rispetto a questa linea di base è possibile misurare con precisione i progressi: stesso periodo, stessi articoli, previsione a confronto con la pianificazione effettiva e con le vendite effettive.
E, cosa ancora più importante: alla fine non è l’indicatore statistico a contare, bensì il risultato operativo – tasso di resi e disponibilità. Una previsione può essere impressionante dal punto di vista statistico ma non portare alcun beneficio operativo se non viene tradotta in quantità concrete. Ecco perché GoNina misura il successo in base ai dati che si riflettono nell’attività operativa: fino al 52% in meno di eccedenze e fino al 6% in più di fatturato rispetto alla pianificazione precedente.
Dove le previsioni sono attendibili – e dove non lo sono
Stark: modelli ricorrenti. Giorni della settimana, condizioni meteorologiche, vacanze, stagioni, festività: questi fattori determinano la maggior parte delle fluttuazioni della domanda. Proprio nei giorni atipici, in cui le stime umane sono più lontane dalla realtà, il vantaggio offerto dai dati è maggiore.
Punto debole: eventi realmente unici, senza traccia nei dati. Questo aspetto rimane di competenza dell’operatore: ogni previsione di “ GoNina ” può essere modificata manualmente qualora l’azienda disponga di informazioni non presenti nei dati.
Ecco come verificare l'affidabilità di un fornitore
1. Basati sui tuoi dati, non su slide di riferimento. Una prova con i tuoi dati di vendita ti mostra quanto è efficace la previsione per la tua attività: GoNina offre a tal fine un periodo di prova di 4 settimane con garanzia di rimborso.
2. Effettuare il confronto a livello di articolo e di giornata. Il livello a cui avviene la produzione è quello a cui occorre effettuare la misurazione.
3. Basarsi sugli indicatori operativi. Resi e saldi prima e dopo il lancio: ecco la prova che conta davvero.
Domande frequenti
La previsione migliora col passare del tempo?
Sì: ogni giorno di vendita costituisce nuovo materiale di addestramento e i cambiamenti strutturali nel comportamento d'acquisto vengono integrati costantemente. I miglioramenti più significativi si verificano nelle prime settimane, dopodiché la previsione migliora continuamente.
Cosa succede se la qualità dei dati è scarsa?
Il sistema di previsione può apprendere solo ciò che viene registrato: dati anagrafici degli articoli accurati e resi registrati migliorano immediatamente la qualità. Le lacune emergono durante la fase di onboarding e nella maggior parte dei casi possono essere risolte rapidamente.
Conclusione
Valutare onestamente la qualità delle previsioni significa: misurarla al livello giusto, confrontarla con il proprio metodo utilizzato finora e verificarla in base ai risultati aziendali. Una singola percentuale di marketing non risponde a nessuna di queste domande, mentre un test di quattro settimane sui propri dati risponde a tutte e tre.
Per scoprire nel dettaglio come funzionano le previsioni di vendita basate sull'intelligenza artificiale, leggi la nostra guida completa dedicata ai panifici.
