Ublique per la moda: dalla distribuzione ottimizzata alla scelta intelligente per ottimizzare il replenishment degli store

da | Ott 23, 2020

Settore: Fashion | Anno: 2018 – in corso

Spindox ha accompagnato una nota una società italiana di abbigliamento per uomo, donna e bambino, con circa 1500 punti vendita in Italia all’estero, nel percorso di riorganizzazione dei processi logistici e di supply chain, nel supporto all’esplosione dell’e-commerce nella fase post COVID-19, e nell’ottimizzazione della stagionalità. 

La crisi pandemica del 2020, legata alla diffusione del nuovo coronavirus, ha avuto un duplice effetto nel retail dell’abbigliamento. Da un lato ha accelerato le trasformazioni già in atto, determinando in particolare l’esplosione dell’e-commerce anche in un paese come l’Italia, notoriamente in ritardo. Dall’altro ha resto ancora più difficile prevedere le variazioni della domanda e quindi gestire il fenomeno della stagionalità. Ublique è la suite di soluzioni per il decision making che implementa strumenti statistici e di intelligenza artificiale applicata per la simulazione, la previsione e l’ottimizzazione.

Per rispondere alle necessità dell’azienda cliente abbiamo personalizzato alcuni moduli della suite, facendoli diventare gli strumenti cardine di una profonda trasformazione dei processi. Due, in particolare, gli obiettivi che hanno guidato l’iniziativa: da un lato uniformare la distribuzione stagionale, dall’altro effettuare il replenishment in maniera intelligente. Il progetto si lega direttamente all’altra iniziativa in corso per lo stesso cliente, finalizzata ad aumentare efficienza e velocità nei processi di logistica e di consegna delle merci.  

Le soluzioni implementate e descritte di seguito sono scalabili, utilizzabili in cloud e prevedono la realizzazione di modelli previsionali e di scenari simulativi. È sempre l’operatore o l’utente finale a confermare l’attuazione della decisione operativa.

Challenge 1: ottimizzazione e uniformità della distribuzione stagionale per aumentare la capacità di sell through

Soluzione implementata

Ublique | Demand Intelligence

Demand Intelligence è una soluzione composta da più moduli funzionali. Un ruolo centrale è giocato dall’ottimizzatore che si basa sulle previsioni di vendita e sui budget degli store e supporta i reparti di Supply Chain, fornendo input su come distribuire la merce nei vari punti vendita. Il modulo è costituito da un algoritmo che tiene in considerazione vincoli qualitativi e quantitativi, come target, tipologia e budget di vendita dello store, parametro minimo di spedizione per evitare perdite di costi di trasporti, obiettivo di vendita di ogni prodotto e disponibilità di magazzino.

Vantaggi ottenuti

  • incremento della capacità di vendita degli store della marginalità;
  • aumento del sell through, ossia del rapporto tra la merce venduta e la merce immessa nel negozio. In pratica, viene massimizzata la percentuale di vendita per ridurre al minimo le rimanenze di magazzino;
  • razionalizzazione della distribuzione della merce, che si compie in tempi più veloci e in modo uniforme. Questo significa che la distribuzione non dipende da una scelta personale dell’operatore, ma per tutti i negozi si seguono delle logiche corporate globali;
  • Riduzione dell’onere legato alle attività di handling.

Challenge 2: “Lo stock è uno e uno solo” – unificazione logica dei magazzini, ottimizzazione delle performance di distribuzione e replenishment degli store.

I modelli di previsione messi in atto attraverso la challenge n.1 richiedono una revisione periodica nel corso dei mesi. Per comprendere meglio questo fatto, basti pensare che l’iter abituale prevede che gli store ordinino la merce per la stagione successiva con circa otto mesi di anticipo. In questo arco di tempo, le performance di vendita possono variare. Ciò significa che l’ordinato non corrisponde necessariamente alla domanda effettiva dei consumatori e sia adeguato alle situazioni che possono determinarsi all’improvviso. Pensiamo per esempio allo scenario COVID-19: alla riapertura dei negozi, dopo il lockdown, essi si sono trovati con ampia quantità di merce negli stock. Contestualmente, le previsioni di vendita che erano state effettuate ad inizio stagione erano totalmente variate e nessuno aveva idea di come sarebbe andato l’andamento delle vendite. Ebbene, Spindox è stata ingaggiata per cercare di correggere queste previsioni di vendita.  

Resta il fatto che la variazione dello scenario rispetto alle previsioni di partenza può generare un grosso rischio di diminuzione delle vendite. È quindi necessario disporre di un sistema in grado di garantire un aggiornamento in tempo reale dei dati di vendita, in modo da avere una gestione flessibile della merce in magazzino, predisponendo consegne che rispondano all’esigenza effettiva delle vendite di ogni store. Per rispondere a questa esigenza Spindox ha messo a punto un sistema che non assegna preventivamente ai vari store la merce pervenuta in magazzino, ma registra l’intero carico e lo smista automaticamente nei vari store a seconda di un criterio intelligente.

Soluzione implementata

Ublique | Modulo previsionale della soluzione Demand Intelligence

Il modulo previsionale di Demand Intelligence è stato utilizzato per effettuare previsioni di vendita del singolo negozio e del singolo articolo / taglia a breve periodo (entro 6 / 8 settimane al massimo) attraverso dati che includono informazioni anagrafiche e di vendita dei singoli negozi degli ultimi quattro anni. Nello specifico, l’algoritmo di Ublique analizza i dati del venduto degli store e formula una previsione di quali prodotti verranno maggiormente venduti in un determinato punto vendita, indicando tipologia di prodotto e taglia. In questo modo, il sistema è in grado di ottimizzare la merce pervenuta in magazzino fornendo indicazioni su tipologia e quantità di merce da consegnare, e in quale punto vendita.

Attraverso questi modelli predittivi è possibile gestire gli stock out ritarando le previsioni di vendita di inizio stagione effettuate con la challenge n.1, di cui abbiamo parlato prima. Questi modelli previsionali diventano il dato di ingresso per il secondo step del replenishment, che invece abbiamo ottimizzato nel modo descritto di seguito.

La soluzione elabora gli scenari di ridistribuzione della merce secondo le nuove previsioni indicate. Questo sistema non determina solo il carico e la tipologia di merce da spostare dal magazzino principale verso gli altri store, ma fornisce indicazioni anche sul modo migliore di spostare la merce da uno store all’altro per aumentare le probabilità di vendita. Ovviamente lo scenario del trasferimento della merce da uno store all’altro viene suggerito solo dopo una considerazione globale dei costi: se si ipotizza di spostare una piccola quantità di capi da uno store all’altro per aumentarne le probabilità di vendita, ma i costi di trasporto o delle attività di handling sono troppo alti rispetto al guadagno che si può ottenere dall’eventuale vendita, l’operazione non è vantaggiosa e quindi lo scenario non verrà proposto.

Vantaggi ottenuti

  • Velocità: il processo di previsione e ottimizzazione si chiude entro poche ore, nonostante la mole di dati importante che viene esaminata (il sistema analizza circa 60 milioni di articoli);
  • riduzione delle mancate vendite per inefficienza dello stock o per stock out;
  • ottimizzazione del replenisment tenendo in considerazione dimensioni dei lotti di produzione efficienti, tolleranze degli ordini e scorte esistenti;
  • possibilità di modificare una decisione presa e di variare gli ordini basandosi su informazioni in tempo reale riguardanti domanda e disponibilità della merce.
Stefano Barricella
Stefano Barricella
Come qualsiasi gemelli che si rispetti, vivo la vita cercando il giusto equilibro tra le mie molteplici personalità. La mia preferita resta quella di appassionato di marketing e comunicazione, con particolare interesse verso il mondo digitale e della radio.

Potrebbe piacerti anche