L’importanza delle previsioni di vendita e di domanda nel retail

Iniziare un nuovo anno significa anche partire con un budget e con obiettivi numerici che diano indicazioni sulla rotta economico-finanziaria. Spesso non è così, eppure sarebbe necessario. Vediamo qualche considerazione in merito, senza sfera di cristallo e senza pregiudizi.

Domanda secca: sape­te qual è il vostro break even? In altre parole: conoscete, dato il margine, il volu­me dei costi operativi (opex) e inve­stimenti (capex), il volume d’affari necessario alla copertura di tutte le uscite finanziarie? Qualora la risposta sia no, è difficile sapere se state an­dando bene o male, perché in questo contesto l’intuito, l’esperienza, “io capisco come vanno le cose a pel­le” non servono: occorre il controllo. E nel finanziario quando il problema emerge è già tardi. Soprattutto se si fanno investimenti importanti.

Più volte ci è stato chiesto, anche da istituti di credito, di studiare piani di rientro per aziende in difficoltà. Lavori delicati che scaturiscono spesso pro­prio dal non controllo che si declina in investimenti sbagliati, spesso sovra­dimensionati, talvolta mal suggeriti e senza il supporto dei numeri chiave, necessari al controllo. L’antico ada­gio “si deve vendere e non perdere tempo in ufficio” non ha più senso. Occorre un cambio di mentalità: spesso si guadagna di più in ufficio.

Luca Ferrari, co-fondatore e Ceo di Bending Spoons (che tradotto signifi­ca “piegare i cucchiai”), azienda nata nel 2013 che opera a Milano realiz­zando applicazioni per apparati mobili e che farà quest’anno 500 milioni di ricavi, in una recente intervista al Cor­riere della Sera ha dichiarato: “Primo, non fare l’imprenditore a meno di non sentire una grande vocazione. È un percorso che comporta anche enormi fatiche e delusioni. Secondo, pensa­re bene a cosa fare e perché abbia senso farlo, invece di implementare immediatamente un’idea senza aver definito un piano d’azione. La prima attività ha più impatto della seconda e necessita di molto meno tempo per essere svolta al meglio: lesinare sulla fase di progettazione a favore di quel­la operativa è una pessima scelta. Terzo, dedicarsi anima e corpo al pro­getto. Viviamo in un mondo ultra com­petitivo: essere talentuosi non basta. Se non si lavora straordinariamente sodo, emergere è quasi impossibile”. Fra i talenti emerge la capacità di trac­ciare dei modelli previsionali, attività che va messa all’ordine del giorno.

L’importanza delle previsio­ni di vendita e di domanda per il successo del retail

Entriamo nel vivo. Nonostante il fatto che le previsioni siano la spina dorsale della maggior parte delle organizzazioni di vendita al dettaglio, c’è ancora molta confusione sulla distinzione tra previ­sioni di vendita e previsioni di domanda (e sui rispettivi vantaggi e svantaggi).
Tutti (o quasi) i rivenditori utilizzano una qualche forma di previsione per antici­pare il futuro. Le previsioni forniscono indicazioni su come mantenere un’atti­vità di vendita al dettaglio di successo e redditizia. Naturalmente la questione è molto più profonda, ma concentria­moci sulle funzionalità di alto livello.
Per esempio, un dettagliante dovreb­be sapere quante scorte acquistare, tenere in magazzino e avere sugli scaffali. Senza una previsione accura­ta si finisce per acquistare una quanti­tà eccessiva di scorte sbagliate e una quantità insufficiente di scorte giuste, con il risultato di trovarsi a dover cor­reggere le posizioni:

• attraverso ribassi di prezzo non ne­cessari;

• con conseguente perdita di vendite, ricavi e quindi margine;

• causando un calo della reputazione del marchio e della soddisfazione dei clienti (per le rotture di stock);

• con aumento delle scorte e dei co­sti operativi e finanziari;

In fin dei conti, una buona previsione è la via di mezzo tra la redditività e l’insuccesso.

Questa situazione di rischio è il mo­tivo per cui i rivenditori dovrebbero prestare sempre attenzione ai dati, soprattutto per quanto riguarda le previsioni. Invece i dati spaventano: dicono la verità.

Previsioni di vendita vs pre­visioni di domanda

Ammesso sia vero che le previsioni sono la spina dorsale dell’attuale pa­norama del retail analogico o digitale, purtroppo ci sono ancora molti retai­ler che tirano a indovinare con i loro dati. Con questo intendo dire che non sanno come utilizzare i dati raccolti (che spesso però non ci sono nean­che, o sono inesatti) per delineare previsioni accurate o come sfruttare le previsioni per costruire strategie solide e orientate ai risultati. Uno dei motivi emergenti di questa difficoltà è che non è considerata e compresa la differenza tra previsioni di vendita e previsioni di domanda.

Si tratta di due metodi che produco­no previsioni con livelli di accuratez­za molto diversi. Questa disparità nell’accuratezza dei risultati crea un enorme divario di prestazioni tra i ri­venditori che sfruttano l’analisi pre­dittiva avanzata (come la previsione della domanda) e quelli che non lo fanno. I primi creano le condizioni per prosperare, mentre i secondi stanno rapidamente scivolando verso il bas­so. Esaminiamo il perché.

Cos’è la previsione delle vendite?

La previsione delle vendite è un approc­cio che i rivenditori utilizzano per anti­cipare le vendite future analizzando le vendite passate, identificando le ten­denze e proiettando i dati nel futuro.

La versione più semplice di una previ­sione prende in esame le vendite del punto vendita X nell’ultimo anno, ipo­tizza la continuazione di una tendenza pluriennale (per esempio, una certa percentuale di crescita o di calo delle vendite) e si proietta in avanti per pre­vedere le vendite dell’anno successivo.

Le previsioni di vendita sono state l’approccio standard fin dall’inizio del settore dettaglio e, sebbene i retailer moderni dispongano di un numero maggiore di dati (oltre che di nuovi strumenti e dashboard per la vendi­ta al dettaglio) e possano facilmente sfruttare forme di previsione più avan­zate e accurate, le previsioni basate sulle vendite sono ancora la spina dorsale della maggior parte delle or­ganizzazioni di vendita al dettaglio.

Pro e contro delle previsio­ni di vendita

L’utilizzo di una previsione basata sulle vendite è un approccio piuttosto semplice e facile da implementare.

La maggior parte dei rivenditori utiliz­za una combinazione di Erp (“enterpri­se resource planning o pianificazione delle risorse d’impresa, un software di gestione che integra tutti i processi aziendali e tutte le funzioni aziendali rilevanti come vendite, acquisti, ge­stione magazzino, finanza o contabili­tà” – Wikipedia), strumenti di business intelligence come Power Bi o Qlikview e (in molti casi) il buon vecchio Excel, per generare una previsione basata sullo storico delle vendite.

Ciò significa che praticamente tutti i rivenditori, piccoli o grandi, possono creare previsioni di vendita di base senza investire in nuovi strumenti o processi. La rappresentazione umori­stica dei rivenditori che utilizzano una cartomante per prevedere le vendite non è però ancora andata definitiva­mente in pensione.

Ci sono tuttavia anche dei contro di una previsione basata sulle vendite: il problema di questo approccio è che se siete un rivenditore moderno che vende attraverso più canali (con più sedi e centri di distribuzione), una previsione basata sulle vendite darà luogo a troppe eccezioni.

In parole povere questo significa che se si utilizza un approccio standard alle previsioni di vendita per un’orga­nizzazione complessa, si troveranno presto molte imprecisioni nei risultati. Decine di fattori (che una previsione di vendita non prende in considera­zione) dovranno essere riconciliati manualmente da chi svolge l’analisi per ottenere un quadro più accurato. Alcuni di questi fattori sono:

• il lancio di nuovi prodotti: se l’anno scorso il vostro negozio al dettaglio ha registrato il lancio di un prodotto unico che non si ripeterà quest’anno, il suo effetto deve essere eliminato dalle vostre previsioni.

• I picchi di merce stagionale: se la primavera scorsa è stata diversa, con un picco più lungo, che ha prolungato la durata delle stagionali e dei com­plementi, non è detto che lo stesso accada quest’anno.

• Le variazioni di prezzo: se i prezzi dei prodotti più venduti sono cambiati rispetto all’anno scorso, ci sono po­che possibilità che vengano venduti nelle stesse quantità.

• Le promozioni: se l’anno scorso avete avuto una serie di promozioni di grande successo e non ripetibili, i vo­stri numeri di vendita di base saranno fortemente gonfiati.

• L’aumento o diminuzione della con­correnza: se un nuovo operatore ha aperto un negozio di fronte a voi o se un importante concorrente è fallito, basare le vostre previsioni di vendita sui numeri dell’anno scorso sarà com­pletamente sbagliato.

• Le festività in movimento: se pre­vedete le vendite su base giornaliera, settimanale e mensile a livello di loca­lità, dovrete aggiustare manualmente i giorni e le settimane di aumento del­le vendite a causa delle festività, dei giorni di riposo, ecc.

L’anno in corso va, insomma, attua­lizzato rispetto a una serie di variabili.

Questi esempi sono solo un’infarina­tura, poiché ci sono centinaia di fat­tori che hanno un forte impatto sulle vendite (cannibalizzazione dei prodot­ti, vincoli di magazzino, diversità e profondità dell’assortimento, vincoli dei fornitori, ecc.).

Quindi, sintetizzando, una previsio­ne basata sulle vendite richiede una costante “massificazione dei dati”, interventi umani, generalizzazione, stima e personalizzazione, vanifican­do l’obiettivo di una previsione (una previsione accurata su cui basare la propria strategia).

Un altro grave inconveniente dell’u­tilizzo di questo modello è che porta a ripetere sempre gli stessi errori. Per esempio, se l’anno scorso avete venduto meno merce perché avete esaurito le scorte, una previsione di vendita vi suggerirà lo stesso livello di scorte (o un po’ di più con una pre­sunta crescita nominale) per il futuro, ripetendo di nuovo il costoso errore dell’anno precedente e facendovi per­dere vendite.

Cos’è la previsione della do­manda?

È il processo di previsione della do­manda di prodotti da parte dei con­sumatori. In altre parole, la domanda è la disponibilità dei clienti ad acqui­stare un prodotto a un determinato prezzo; quindi, se si conosce la do­manda di un prodotto a un determina­to prezzo, si saprà esattamente quan­te unità stoccare per massimizzare le vendite e minimizzare i costi.

Se fino a qualche decennio fa tutto ciò sarebbe sembrato magico, la previsio­ne della domanda al dettaglio è già utilizzata dai rivenditori più innovativi e avanzati. I progressi della matematica e dell’intelligenza artificiale consento­no di calcolare l’effetto dei fattori di influenza (come prezzo, stagionalità, cannibalizzazione, ecc.) e di generare stime predittive che non solo preve­dono con precisione le vendite future, ma indicano anche come massimizzar­le. Si tratta di un processo piuttosto complesso. Per eliminare l’effetto di fattori come la stagionalità, la dispo­nibilità delle scorte e le variazioni di prezzo, i rivenditori devono essere in grado di identificare tutti i principali fattori di influenza, valutarne accurata­mente l’impatto e tracciare una map­pa di come si influenzano a vicenda. Tuttavia, per gestire un’azienda, ela­borare un piano e acquistare in modo efficace, l’intelligenza artificiale e l’analisi predittiva specifiche per il settore della vendita al dettaglio ren­dono la previsione della domanda un gioco da ragazzi per i rivenditori.

Pro e contro della previsio­ne della domanda

Il vantaggio di utilizzare un approccio basato sulla domanda consiste nel re­alizzare un modello accurato, dinamico e affidabile. Le previsioni della doman­da consentono ai retailer di eseguire con sicurezza i piani di assortimento della merce, di portare la giusta quan­tità di scorte nella giusta posizione per soddisfare gli aumenti promozionali e di evitare inutili ribassi.

Questo significa anche che, se l’anno scorso avete venduto meno merce perché avete esaurito le scorte, il si­stema identificherà le vendite perse e ne terrà conto quando suggerirà i livel­li di inventario per il futuro, consenten­dovi di evitare gli errori del passato e di aumentare le vendite. Secondo un rapporto McKinsey del 2019, i riven­ditori che utilizzano analisi avanzate (come la previsione della domanda) superano la concorrenza di oltre il 68%, con un numero in crescita espo­nenziale.

D’altra parte, esistono anche dei con­tro dell’utilizzo di una previsione basa­ta sulla domanda:

• la maggior parte dei gestionali (Erp) per la vendita al dettaglio e delle so­luzioni di business intelligence non of­fre previsioni realmente basate sulla domanda e alimentate da un’intelli­genza artificiale avanzata per la ven­dita al dettaglio;

• sfortunatamente, ciò significa che anche se questi sistemi generano previsioni, queste non saranno così accurate, il che potrebbe portare a un risultato finale costoso.

Naturalmente, per raggiungere un buon livello di accuratezza si dovrà investire in nuove tecnologie e le im­prese al dettaglio sono riluttanti a in­traprendere questa strada a causa dei costi potenzialmente elevati e dei lun­ghi processi di implementazione. D’al­tro canto, chi si affida a una domanda approssimativa e a metodi di previsio­ne arcaici non sarà mai in grado di di­stillare i dati in attività specifiche, tan­gibili e attuabili. Questo porterà a costi gonfiati, riduzione dei margini lordi e potenziali perdite di fatturato.

Ovviamente la previsione della doman­da presenta delle difficoltà, ma nell’e­ra digitale è una condizione importante per qualsiasi attività di vendita al det­taglio che voglia avere successo e cre­scere in futuro. Ogni rivenditore dovrà essere in grado di anticipare il futuro con un certo grado di precisione per poter gestire un’attività redditizia. Questa necessità di “vedere il futuro” ha reso le previsioni la spina dorsale dell’odierno panorama del retail digi­tale e basato sui dati. È importante però ricordare che non tutti i metodi di previsione sono uguali. Generare previsioni accurate richiede un’analisi approfondita dei dati e la capacità di tenere conto di molteplici fattori e va­riabili, cosa che può essere ottenuta solo attraverso l’uso di una soluzione unificata di previsione della domanda alimentata da analisi avanzate. Il settore si muove velocemente e chi esita rimarrà indietro.

Gli imprevisti generano scor­te in eccesso

L’impatto di una scarsa capacità pre­visionale della domanda è il fattore principale sul quale intervenire per mi­gliorare l’efficienza e ordinare quello che serve effettivamente sulla base delle scorte di sicurezza.