Valori anomali nella previsione dell'inventario

Un ordine regalo aziendale per 200 candele arriva nell'ottava settimana. È una vendita reale, è nei tuoi dati Shopify e ora si trova all'interno di ogni media costruita da quel trimestre. Ciò che esce dall'altra parte non descrive il tuo negozio. Decidere cosa fare in quella settimana è un giudizio, ed è il passaggio che la maggior parte dei consigli di previsione salta nel raggiungere la formula.

Ciò che conta come valore anomalo

Un valore anomalo non è un grande numero. Si tratta di un punto dati prodotto da una causa diversa dal processo di domanda che stai prevedendo. Ciò rende il test causale piuttosto che numerico: se non puoi nominare ciò che ha prodotto il numero, non hai ancora un valore anomalo, ma solo uno inspiegabile.

Tre famiglie li coprono quasi tutti. Transazioni singole e non ripetibili: un ordine all'ingrosso o aziendale, un rivenditore che svuota il tuo scaffale, un cliente che acquista dodici articoli di cui le persone ne acquistano uno. Artefatti relativi ai dati: un ordine di prova, una quantità digitata in modo errato, un'importazione duplicata, traffico bot. E quello che tutti dimenticano, il lato negativo: una settimana di vendite zero perché il prodotto era esaurito. Quella settimana non è prova di assenza di domanda. È la prova che il tuo rapporto sulle vendite non è riuscito a vedere la domanda.

Ecco "Cedro e Fico, 250 g" in dodici settimane, unità vendute a settimana, a partire dal più vecchio:

34, 33, 36, 37, 62, 35, 36, 238, 34, 45, 47, 46

Media tutti e dodici e ottieni 683 ÷ 12 = 56,9 unità a settimana, una cifra che quel negozio non ha mai avuto. Media delle sole sette settimane tranquille, settimane 1, 2, 3, 4, 6, 7 e 9: (34 + 33 + 36 + 37 + 35 + 36 + 34) ÷ 7 = 245 ÷ 7 = 35 unità. Quel 35 è la vera linea di base. L'intero divario tra i due numeri è di tre settimane e quelle tre settimane richiedono tre trattamenti diversi.

Segnale anomalo o reale

Quattro domande li separano, in questo ordine.

Passa le tre settimane attraverso quello. Il 238 della settimana 8 era un ordine regalo di 200 unità in aggiunta a una normale settimana di vendita al dettaglio di 38 unità: un ordine nominabile, non ripetibile. Escludere i 200. Il 62 della settimana 5 era uno sconto che hai applicato: nominabile, ricorrente, distribuito su molti ordini. Segnalalo, tienilo. Le settimane dalla 10 alla 12, 45, 47 e 46, si sono protratte in tre periodi e sono costituite da ordini di dimensioni ordinarie provenienti da diversi clienti. Questo non è un valore anomalo. Questo è il numero su cui dovrebbe basarsi la tua prossima previsione.

L’errore più costoso in quest’area è l’ultimo al contrario. Un picco stagionale e un ordine all'ingrosso sembrano identici a qualsiasi regola che consideri solo la grandezza, e eliminare dicembre come anomalia insegna alle previsioni del prossimo anno che dicembre è normale. Il picco è l’unica prova dell’esistenza del modello.

Individuandoli nei tuoi dati Shopify

Supponiamo che l'esportazione sia già di fronte a te; l'estrazione e la pulizia di primo passaggio di cancellazioni e rimborsi sono incluse utilizzando i tuoi dati di vendita Shopify.

Ordina le righe dell'ordine dello SKU in base alla quantità, iniziando dalla più grande, prima di aggregare qualsiasi cosa. Un totale settimanale nasconde se 238 unità provenivano da un acquirente o novanta, e questa distinzione decide il trattamento. Quindi controlla la colonna dei clienti nelle prime righe e le date rispetto al tuo calendario di promozioni, stampa e campagne a pagamento. A dodici punti dati i tuoi occhi superano qualsiasi regola.

Le regole statistiche valgono quando hai troppi SKU da osservare. Sono convenzioni, non leggi, e ciascuna porta con sé un presupposto che vale la pena affermare prima di crederci.

Quello comune segnala qualcosa che supera le tre deviazioni standard sopra la media. In queste dodici settimane la media è 56,9 e la deviazione standard è 55,2, quindi il limite si trova a 56,9 + 3 × 55,2 = 222,5. La settimana da 238 unità lo cancella di circa quindici unità. Notate cosa ha funzionato: il 238 è il motivo principale per cui la deviazione standard è 55, quindi il punto ha dovuto superare una soglia che si è gonfiato da solo. Sostituiscilo con una settimana di 100 unità, un ordine all'ingrosso di 62 unità oltre a un normale 38, e la stessa regola sulla stessa serie dà una media di 45,4, una deviazione standard di 18,3 e un limite di 100,4. Il picco si trova sotto la propria soglia e passa normalmente.

Questa regola presuppone inoltre che i valori siano distribuiti in modo più o meno simmetrico attorno alla media. Le vendite settimanali per uno SKU sono limitate sotto allo zero e solitamente distorte a destra, quindi la percentuale che la convenzione prende in prestito dalla distribuzione normale non descrive i dati. La convenzione dell'intervallo interquartile, che segnala qualcosa di più di un intervallo interquartile e mezzo sopra il quartile superiore, è più difficile da distorcere per un punto grande, perché i quartili sono posizioni in un elenco ordinato piuttosto che medie. Fallisce diversamente. Prendiamo un motore lento che ha venduto sette giorni su ottantaquattro: tre quarti dei giorni sono zero, quindi il quartile superiore è zero, l'intervallo interquartile è zero e la soglia è zero. La regola segnala ogni vendita del prodotto mai effettuata.

Escludere, limitare o contrassegnare

Tre trattamenti e quello sbagliato è peggio di niente.

Escludere la parte, non il periodo. I 238 della settimana 8 diventano 38 una volta rimossa la linea all'ingrosso, e la media delle dodici settimane scende da 56,9 a 483 ÷ 12 = 40,25 unità. Eliminare invece l'intera settimana avrebbe buttato via 38 unità di vera domanda al dettaglio e avrebbe ridotto la finestra temporale di un periodo.

Limita il valore quando la domanda era reale ma non ripetibile a quella portata: mantenere il periodo, limitarlo a un tetto. Utile su SKU irregolari ma autentici, e il limite è il tuo giudizio, che vale la pena registrare come tale piuttosto che travestirsi da calcolo.

Contrassegna il periodo ed escluderlo solo dal calcolo che distorcerebbe. Questo è il trattamento giusto per promozioni e picchi stagionali, perché hai bisogno di quei periodi intatti per pianificare quello successivo. Previsioni sulle promozioni copre integralmente la stima dell’aumento e il ripristino del valore di riferimento.

Ora finisci l'aritmetica. Togliendo l'ordine all'ingrosso e sostituendo la linea di base di 35 unità con le 62 della settimana promozionale, la media di dodici settimane sarà pari a 456 ÷ 12 = 38 unità. Più pulito, e ancora sbagliato, perché la media delle ultime tre settimane (45 + 47 + 46) ÷ 3 = 46. La pulizia ha rimosso la contaminazione; non ha corretto una finestra di dodici settimane che era la finestra sbagliata per una serie il cui livello si era spostato tre settimane fa. Questo è un problema di lunghezza della finestra, coperto previsione della media mobile.

A mano, ciò significa tenere in testa un calendario delle promozioni, un elenco di clienti all'ingrosso e una decisione sulla durata della finestra, per SKU, ogni mese. StockCue esclude le vendite anomale dalla velocità dietro i suoi suggerimenti su ogni piano, incluso quello gratuito, e i suoi indici stagionali sono smorzati e limitati in modo che un mese insolitamente forte non triplichi l'ordine successivo. Questo è esattamente il motivo per cui la sezione successiva è importante: una regola automatica è pur sempre una regola e non ha letto il tuo calendario.

Il rischio di una pulizia eccessiva

Ogni esclusione fa due cose contemporaneamente. Abbassa il livello e restringe la variabilità misurata. Una variabilità più ristretta alimenta un buffer di sicurezza più piccolo, quindi una cronologia eccessivamente pulita produce una previsione che è allo stesso tempo inferiore e meno protetta rispetto al negozio che descrive. La serie più ordinata nel tuo foglio di calcolo è spesso la meno difendibile.

Vale la pena citare tre sconfitte. L'eliminazione di un picco stagionale rimuove l'unica prova dell'esistenza del modello e non è possibile derivare alcun indice stagionale dalla cronologia che non contenga più la stagione. Trattare lo zero di una settimana di stockout come domanda reale trascina la linea di base verso il basso e ti garantisce un sottoordine di un prodotto che era già esaurito. E cancellare l'inizio di un cambiamento graduale costa di più: le settimane da 10 a 12 sopra si trovano dieci unità fuori dalla vecchia linea di base e sembrano tre anomalie candidate a chiunque misuri contro 35. Rimuovile e prevedi 35 in un negozio che ora ne vende 46.

La guardia è un registro piuttosto che una regola migliore. Ad ogni esclusione viene assegnata una riga: punto, SKU, cosa è stato rimosso, perché, chi ha deciso. Senza di esso, nessuno può dire sei mesi dopo se una storia debole significa che il prodotto è stato venduto male o significa che qualcuno lo ha pulito. Quindi controlla se la pulizia ha aiutato, utilizzando la revisione delle previsioni rispetto ai risultati effettivi migliorare l’accuratezza delle previsioni, tenendo presente l'avvertimento del post relativo ai parametri di errore percentuale sugli SKU a basso volume, che sono esattamente gli SKU in cui un ordine escluso cambia tutto. Saltare il passaggio anomalo è già nell'elenco dei file del sito errori comuni di previsione. Farlo con troppo entusiasmo appartiene alla stessa lista.

Domande frequenti

Cosa conta come valore anomalo nei dati di vendita?

Un valore anomalo è un punto dati prodotto da qualcosa di diverso dalla domanda che stai cercando di prevedere: un singolo ordine all'ingrosso o aziendale, un ordine di prova o una quantità digitata in modo errato, traffico bot o una settimana di vendite pari a zero causata da uno scaffale vuoto anziché da nessuno che vuole il prodotto. Le dimensioni da sole non rendono un numero un valore anomalo. Una causa che puoi nominare lo fa.

Dovresti rimuovere le vendite promozionali da una previsione?

Non rimuovere: flag. Una promozione ha una causa nota che si ripresenta la prossima volta che ne esegui una, quindi quelle settimane sono la prova di cui hai bisogno per pianificare la promozione successiva. Escludeteli dalla linea di base che guida il rifornimento quotidiano, manteneteli etichettati nella cronologia e non eliminateli del tutto.

Come si distingue una tendenza da un valore anomalo?

Chiedi se è persistente e se è stato distribuito in molti ordini. Una singola settimana alta guidata da una grande linea d'ordine è una transazione. Tre o più periodi consecutivi a un nuovo livello, costituiti da ordini di dimensioni ordinarie provenienti da clienti diversi, rappresentano un cambiamento di livello e, dopo tale punto, le previsioni dalla vecchia linea di base risulteranno sistematicamente sotto-ordinati.

Cosa succede se elimini troppo la cronologia delle vendite?

Ogni esclusione abbassa il livello e restringe la variabilità misurata, quindi una cronologia eccessivamente pulita produce allo stesso tempo una previsione inferiore e un buffer di sicurezza più piccolo. Eliminare un picco stagionale è la versione più costosa: il picco è l'unica prova dell'esistenza del modello, quindi le previsioni del prossimo anno considerano quel periodo come un periodo ordinario.