Previsione delle vendite al dettaglio di generi alimentari

L’esigenza dell’Impresa

La disponibilità di strumenti per effettuare previsioni delle vendite di beni di consumo deperibili è fondamentale al fine di pianificarne la produzione e la distribuzione. Questo progetto ha riguardato la previsione delle vendite al dettaglio di generi alimentari in supermercati della grande distribuzione. In particolare si è voluto mettere a punto uno strumento efficace non solo nei confronti di un andamento regolare delle vendite, corrispondente alla periodicità settimanale, ma anche nei confronti di andamenti fuori della norma, quali quelli che si verificano per effetto di politiche di promozione.

Il problema scientifico

Strumenti abitualmente utilizzati per la previsione delle vendite sono metodi di tipo statistico basati su modelli autoregressivi delle serie storiche. Questi metodi effettuano la previsione dei dati futuri sulla base di quelli passati, e risultano efficaci quando le serie storiche risultino regolari. Negli ultimi anni sono stati sviluppati però altri metodi, implementati nelle cosiddette Learning Machines (LM), in grado di interpretare meglio l’andamento di una serie storica non regolare, sulla base di un processo di apprendimento che riproduce funzionalmente il fenomeno secondo cui specifici attributi determinano la serie storica stessa.

Metodologie e soluzioni sviluppate

Le LM utilizzate nel progetto sono state le Multilayer Neural Networks, le Neural Networks of Radial Basis Functions e le Support Vector Machines (SVM). L’apprendimento è stato realizzato con algoritmi di ottimizzazione, particolari per ogni tipo di LM. Si è fatto riferimento ai dati relativi alle vendite di un tipo di pasta, della stessa marca, in due supermercati. Sono stati utilizzati i dati delle vendite giornaliere nei due anni 2007, 2008 per addestrare le LM, e i dati del 2009 per confrontarli con quelli previsti dalle LM a seguito dell’addestramento. Contestualmente sono state effettuate le previsioni utilizzando alcuni dei metodi statistici prima citati.

Risultati e benefici per il cliente

L’utilizzo delle LM nella previsione è risultato molto efficace. Nella figura viene rappresentato l’andamento reale delle vendite nel 2009 in uno dei due supermercati, confrontato con quelli previsti dalla LM e dal metodo statistico che hanno fornito la migliore prestazione, rispettivamente la SVM e il metodo di smoothing esponenziale. Risulta chiara la superiorità della LM, specie nei periodi di promozione evidenziati dalle linee tratteggiate.