‘Accuracy del forecasting migliorata fino al 50%.’ Fino al 50% rispetto a cosa?
Senza il punto di partenza, quel numero non misura niente. Passare da un errore del 40% al 20% e passare da un baseline scelto male a uno meno peggio producono entrambi ‘50% di miglioramento’, ma raccontano due storie opposte.
‘Fino al’ poi è un tetto, non una media: è il caso migliore osservato una volta, non quello che ti aspetti la settimana prossima. Una previsione a volte ottima e spesso pessima, sui costi reali, perde.
Per la domanda servono tre cose, e nessuna compare nel claim: il metodo di confronto (un naive forecast batte già molti modelli ‘AI’), la metrica e l’orizzonte (un WMAPE a 4 settimane non è un MAPE a 1 giorno), la distribuzione dell’errore sugli SKU che pesano. Overstock e rottura di stock costano in modo diverso: un’accuracy media alta può nascondere proprio gli errori che fanno danno.
Un numero su cui contare è un numero che un altro può ricostruire: dataset, baseline, finestra temporale, criterio. ‘Fino al 50%’ non si ricostruisce. È una cifra costruita per convincere, non per essere verificata.
La distanza tra automazione che regge e demo che colpisce sta qui: la prima ti dà gli ingredienti del numero, la seconda ti dà solo il numero.
