From data
To meaning

Contributo di Federica Chierici, Linguista Computazionale e Technical Sales Representive presso CELI.

Sarebbe magnifico poter predire cosa fare in futuro e sapere sempre quale sarà la soluzione migliore ad un nuovo problema. La buona notizia è che un modo c’è! Purtroppo non per la vita di tutti i giorni, o per le relazioni e le amicizie, ma iniziamo dagli ambiti in cui questo è possibile.

Cosa vuol dire, per esempio, fare predizioni in ambito moda? Vuol dire che posso sapere che modelli e che colori venderanno di più la stagione successiva e in che città. Potrebbe sembrare magia ma non lo è: è matematica (o meglio data science)!

Ma partiamo dall’inizio. Per questa proiezione abbiamo bisogno di dati di catalogo, di network e di vendita: tutte le aziende li hanno. Questi dati sono ricchissimi – ci dicono modello, colore, costo, luogo, quantità di articoli, giorno dell’acquisto.

I dati, quindi, ci sono – ma i dati sono come mattoni: puoi costruirci una casa se sai come usarli, altrimenti potresti avere un mucchio informe di materiale da costruzione. Questi dati fondamentali sugli acquisti vengono corredati da una serie di informazioni ulteriori tra cui, per esempio, informazioni meteorologiche. Perché dati meteorologici? Chi di noi non si è detto “Sta piovendo, zero voglia di uscire, mi faccio un tè e mi leggo un libro”? Invece, appena arriva il bel tempo, magari un giro fuori lo facciamo.

Unendo sapientemente tutti questi ingredienti, posso sapere come rifornire al meglio i negozi delle varie città, non andare in stockout e non avere, a fine stagione, magazzini stracolmi di invenduto. Una vittoria e un risparmio su tutti i fronti! Si può produrre meglio, distribuire meglio e risparmiare.

Per realizzare questo studio di Forecasting in modo sistematico si può partire anche da una minima quantità di dati, anche da pochi mesi di dati storici. Questo permette di iniziare lo studio di Forecasting e di avere già dei risultati per i mesi successivi. Chiaramente la predizione può essere affinata nel tempo, ma in che modo? Continuando ad alimentare l’algoritmo con dati di vendita ulteriori, fino ad arrivare a una visione sempre più vicina alle vendite che si realizzeranno.

Come ben sappiamo, è anche vero che la moda è arte, creatività, sorpresa, quindi potrebbe anche verificarsi il caso in cui si imporranno dei bestseller che non avevamo previsto – che venderanno molto più delle aspettative. Questa eventualità è da vedere positivamente e potrebbe mostrare che un cambio di linea, di stilista, di palette ha funzionato (magari nel caso di una capsule collection), oppure che la moda sta cambiando. Includere questa evidenza nel nostro modello matematico ci permette di utilizzare in futuro quell’informazione e considerare tutti gli elementi di contesto che hanno portato a questo risultato.

CELI forecasting data science

Perché siamo partiti dall’ambito moda per raccontare di questo strumento? Oltre ad avere esperienza in questo ambito, teniamo sempre a mente cosa intendiamo con mercato della moda e di tutte le persone che ci lavorano: “Nel 2017 il mercato mondiale dell’abbigliamento si è attestato poco sotto i 1.500 miliardi di dollari (circa 1.200 miliardi di euro al cambio attuale), in salita del 4,4% rispetto al 2016. Questo tasso di crescita annuo dovrebbe mantenersi stabile per i prossimi cinque anni. Non si tratta solo di un aumento di valore del mercato: in volume, le vendite di abbigliamento hanno toccato i 154 miliardi di pezzi, in salita del 2,3% sul 2016” (report Consumer Market Outlook 2018 di Statista).

Permettere a tutte le persone che lavorano in questo ambito di lavorare meglio, in modo più efficiente e sostenibile sono solo alcuni dei nostri obiettivi. In ambito di produzione e prodotti ci piace pensare allo strumento di forecasting come al vostro personale supereroe (che mangia libri di cibernetica e insalate di matematica!)

Vuoi saperne di più su come usare il forecasting nella tua azienda? Contattaci a info@celi.it