1.5 Alcuni casi studio

I seguenti quattro casi studio fanno riferimento ad esempi reali e mostrano differenti situazioni in cui sono richieste previsioni, unitamente alle sfide associate che ne derivano, e alle possibili soluzioni proposte.

Caso 1

Una grande azienda di produzione di articoli monouso da tavola, come tovaglioli e piatti di carta, necessitava di previsioni per ognuno delle centinaia di articoli in produzione ogni mese. I dati di serie storica evidenziavano un’ampia gamma di pattern, alcuni con trend, altri con stagionalità, ed altri ancora con nessuno dei due. L’azienda usava inizialmente un software proprietario ma che produceva spesso previsioni che non sembravano del tutto sensate. I metodi che sono stati utilizzati per rispondere alle esigenze del cliente sono i seguenti:

  1. media dei dati degli ultimi 12 mesi;
  2. media dei dati degli ultimi 6 mesi;
  3. previsione a partire da una regressione lineare sui dati degli ultimi 12 mesi;
  4. previsione a partire da una regressione lineare sui dati degli ultimi 6 mesi;
  5. previsione ottenuta a partire da una retta sull’ultima osservazione con pendenza uguale alla pendenza media delle linee che collegavano i valori dell’anno precedente con i valori di quest’anno;
  6. previsione ottenuta a partire da una retta sull’ultima osservazione con pendenza uguale alla pendenza media delle linee che collegavano i valori dell’anno precedente con i valori di quest’anno, dove la media è calcolata considerando solo i dati degli ultimi 6 mesi.

La richiesta esplicita dell’azienda era di capire cosa non stava funzionando e di modificare il software in modo da ottenere previsioni più accurate. Il software che utilizzavano era scritto in COBOL, e questo rendeva difficile effettuare calcoli numerici sofisticati.

Caso 2

Il governo federale australiano era interessato a prevedere il budget annuale per il regime di beneficio farmaceutico (PBS, da Pharmaceutical Benefit Scheme). Il PBS fornisce un sussidio per molti prodotti farmaceutici venduti in Australia, e la spesa dipende da ciò che le persone acquistano durante l’anno. La spesa totale è stata di circa 7 miliardi di dollari australiani nel 2009, ed è stata sottostimata di circa 1 miliardo in ciascuno dei due anni precedenti, prima che si facesse ricorso a metodi di previsione più accurati.

Al fine di prevedere la spesa totale è stato necessario prevedere i volumi di vendita di centinaia di gruppi di prodotti farmaceutici usando dati mensili. Quasi tutti i gruppi di prodotto erano caratterizzati da pattern ciclici e stagionali. I volumi di vendita per molti gruppi mostravano improvvisi incrementi o decrementi a causa di cambiamenti nelle categorie di farmaci sovvenzionati. Inoltre le spese per molti gruppi di farmaci mostravano improvvisi cambiamenti anche in seguito alla disponibilità di farmaci alternativi.

È stato pertanto necessario trovare un metodo di previsione che tenesse conto del trend e della stagionalità laddove presenti, e che fosse allo stesso tempo robusto a cambiamenti improvvisi nelle componenti sottostanti. Tale metodo doveva essere anche utilizzabile automaticamente su un gran numero di serie storiche.

Caso 3

Una grande azienda che gestiva le flotte di automobili per altre aziende aveva necessità di prevedere i valori di rivendita futura delle automobili. In particolare l’azienda acquistava autovettore nuove, le noleggiava per tre anni per poi rivenderle. Previsioni migliori dei valori di vendita dei veicoli avrebbero comportato un migliore controllo dei profitti, e la comprensione di cosa influiva sui valori di rivendita poteva consentire di sviluppare politiche di noleggio e di vendita volte a massimizzare i profitti.

I valori di vendita erano inizialmente previsti da un gruppo di specialisti, che sfortunatamente vedevano il ricorso ai modelli statistici come una minaccia per i loro posti di lavoro e di conseguenza sono stati poco collaborativi nel fornire le informazioni utili allo sviluppo dei modelli. L’azienda ha tuttavia fornito una grande quantità di dati sia sui precedenti veicoli che sui corrispondenti valori di rivendita.

Caso 4

In questo progetto è stato necessario sviluppare un modello per prevedere il traffico aereo settimanale sulle principali tratte nazionali per una delle principali compagnie aeree in Australia. L’azienda richiedeva previsioni sul numero dei passeggeri per ciascuna principale rotta nazionale e per ciascuna classe di passeggeri (economy, business e prima classe). L’azienda ha fornito i dati di traffico settimanale per i precedenti sei anni.

Il numero dei passeggeri era influenzato dalle vacanze scolastiche, dai principali eventi sportivi, dalle campagne promozionali, dal comportamento della concorrenza, ecc. Le vacanze scolastiche spesso non coincidono nelle diverse città australiane, e gli eventi sportivi a volta si spostano da una città ad un’altra. Durante il periodo relativo ai dati storici forniti, ci fu inoltre un importante sciopero dei piloti che comportò un’interruzione del traffico per diversi mesi. Inoltre nello stesso periodo una nuova compagnia low-cost fece il suo ingresso sul mercato ma dopo poco chiuse anche i battenti. Verso la fine del periodo corrispondente ai dati storici forniti, la compagnia sperimentò una redistribuzione di alcuni posti da classe economy a classe business, e di alcuni posti da classe business a prima classe. Tuttavia, dopo diversi mesi la classificazione dei posti tornò alla distribuzione iniziale.