PREVISIONE

Che cos’è la previsione

La previsione è una tecnica che permette di prevedere scenari futuri sulla base dell’analisi di dati precedenti. È un tentativo sistematico di capire le prestazioni future di un business o il comportamento di un sistema. Questa operazione implica quindi un’analisi dettagliata delle tendenze o degli eventi passati e presenti per prevedere eventi futuri. In altre parole, la previsione opera come uno strumento di pianificazione che aiuta i decision makers a prepararsi all’incertezza che può verificarsi in futuro, fornendogli supporto decisionale.
Nel corso del tempo la complessità dei problemi da affrontare con i metodi previsionali è evoluta con intensità crescente. Per questo, negli ultimi anni sono state sviluppate diverse tecniche previsionali e di volta in volta è necessario capire quale sia la strategia più opportuna da adottare in determinato momento.
La scelta del metodo di previsione più adatto da applicare dipende da molti fattori: dal contesto della previsione, dalla disponibilità di dati storici, dal periodo di cui bisogna fare la previsione e dal rapporto costo/ beneficio, per citarne alcuni.

Definizione di Previsione

Sulla base delle competenze presenti in aHead Research, possiamo dare questa definizione del concetto di previsione: effettuare previsioni vuol dire determinare in anticipo gli avvenimenti che avverranno nel futuro attraverso l’analisi matematica di ciò che è accaduto nel passato e ciò che sta accadendo nel presente.
Gli strumenti di forecasting possono aiutare diversi business a sfruttare le opportunità e mitigare i rischi associati alle loro attività, fronteggiando l’incertezza su ciò che potrebbe accadere o meno nel futuro e permettendogli di prendere decisioni in maniera più consapevole.

Le previsioni si differenziano in base all’arco temporale di riferimento e possono essere a breve, medio e lungo termine:
Le prime sono necessarie, ad esempio, per la programmazione del personale, della produzione e del trasporto, ma possono riguardare anche la previsione della domanda.
Le previsioni a medio termine, invece, spesso riguardano l’acquisto di materie prime, macchinari e attrezzature, ma anche i piani di assunzione del personale.
Le previsioni a lungo termine, invece, vengono utilizzate nella pianificazione strategica, considerando le opportunità di mercato e le risorse interne all’azienda.

I metodi di previsioni si basano sull’effettiva presenza (o assenza) dati storici.
Le analisi quantitative sono effettuate nel caso in cui sono disponibili queste informazioni e se ha senso presumere che alcuni aspetti dei modelli passati continueranno in futuro. Attualmente esistono tanti metodi di previsione quantitativa, creati all’interno di varie discipline per scopi specifici. La maggior parte dei modelli di previsione quantitativa si basa su dati di serie temporali – dati raccolti nel tempo – o dati trasversali – dati raccolti in un unico momento.

Nel caso in cui i dati non siano disponibili, si può fare ricorso alla previsione qualitativa. Si tratta di metodi ben strutturati, sviluppati per ottenere buone previsioni in assenza di dati storici.

Previsione: esempi pratici

Il ricorso a tecniche previsionali è molto diffuso in ambiti che vanno oltre i confini del mondo del business. Qui di seguito riportiamo alcuni esempi.

La previsione dei terremoti è una branca della sismologia che si occupa della specificazione dell’ora, della posizione e della magnitudo dei futuri terremoti entro i limiti stabiliti, e in particolare la determinazione dei parametri per il prossimo forte terremoto che si verificherà in una regione. Attualmente la previsione dei terremoti si basa su metodi di statistica inferenziale che vengono utilizzati per determinare la probabilità che l’evento si verifichi in ogni caso.
La ricerca sulla previsione dei terremoti si basa su un’analisi empirica, fondata su due strategie. Da un lato, identificare gli eventi i precursori dei terremoti, intesi come fenomeni premonitori dei terremoti; dall’altro, invece, rilevare una tendenza o un modello geofisico nella sismicità che potrebbe precedere un grande terremoto.

Un altro ambito di applicazione della previsione è il mercato dell’elettricità.

I costi dei consumi in bolletta spesso sono relativi ad una stima, e quindi ad una previsione, che si basa sull’analisi dei dati storici relativi a una determinata utenza, incrociati con i dati di consumo medio del mercato di riferimento in quel determinato momento.

L’energia elettrica è una risorsa non immagazzinabile. Per questo motivo è opportuno trovare un equilibrio costante tra produzione e consumo. Inoltre, la domanda di elettricità dipende dalle condizioni metereologiche – come la temperatura – e dalle attività quotidiane di ciascun individuo – orari di punta, giorni feriali e festivi. Questo rende le dinamiche di prezzo dell’energia molto particolare, con stagionalità giornaliera, settimanale e spesso annuale che rendono questo mercato unico nel suo genere.

Anche il mondo dello sport si avvale della previsione per qualificare il rendimento degli atleti. Il caso di De Bruyne, il centrocampista del Manchester City, ne è un esempio. Il calciatore, infatti, per il rinnovo del suo contratto fino al 2025, ha basato le sue richieste su analisi tecniche di dati che dimostrano l’importanza del suo contributo all’interno della squadra. L’ingaggio per il rinnovo con il club inglese, quindi, è stato determinato da dati statistici che hanno analizzano il rendimento passato e ipotizzato quello futuro.

La previsione nel mondo del business

In aHead Research facciamo molto spesso ricorso ad attività previsionale per aiutare i manager delle aziende nostre partner e clienti a prendere le decisioni riducendo il grado di incertezza della scelta.

Un esempio fra tutti è la previsione delle vendite dei capi d’abbigliamento per gli operatori del mercato del fashion. Si tratta di un’attività molto importante ma al tempo stesso altrettanto delicata, a causa della forte stagionalità dell’industria di riferimento.
Infatti, i trend di colori, stampe, tagli e materiali cambiano abbastanza rapidamente da stagione a stagione. La previsione delle vendite si basa quindi su big data che permettono di definire i trend futuri, le ragioni alla base dei cambiamenti dei trend, l’evoluzione del comportamento dei consumatori sulla base dell’analisi dei comportamenti di acquisto precedenti.
L’adozione di un modello Demand Driven Supply Chain nel mondo del fashion è un presupposto fondamentale per farsi guidare dai dati nella definizione delle strategie di produzione e di vendita, affinando la capacità di interpretare in anticipo i comportamenti della domanda e adottando un modelli che possano orientare la capacità produttiva ed evitare così sprechi di risorse significativi.

Un altro esempio di ricorso alla previsione è disponibile in questo caso di studio su previsione e ottimizzazione dei bid nelle aste di online advertising, nel quale spieghiamo come un leader nel settore del digital marketing ha migliorato il ROI delle campagne di online advertising.

Infine, grazie alla grande quantità di dati disponibilità, i sistemi di supply chain possono prevedere la vendita sia dei prodotti a prezzo interno sia dei prodotti in offerta. La previsione delle promozioni ha dei vantaggi sia a livello di rifornimento dei prodotti che a livello logistico.

I dati utilizzati per la previsione delle vendite di prodotti in offerta sono pattern di domanda come la stagionalità o le variazioni di vendite oppure riguardano fattori esterni come le attività dei competitor e le condizioni metereologiche.