6.7 Aggiustamenti discrezionali

In questo paragrafo finale, si considera il caso in cui i dati storici sono disponibili e vengono utilizzati per generare previsioni statistiche. È comune per i professionisti applicare su queste previsioni degli aggiustamenti discrezionali. Questi aggiustamenti possono potenzialmente fornire tutti i vantaggi delle previsioni discrezionali che sono stati discussi in precedenza in questo capitolo. Per esempio, forniscono un modo per incorporare fattori che potrebbero non essere considerati nel modello statistico, come promozioni, grandi eventi sportivi, vacanze o eventi recenti che non sono ancora riflessi nei dati. Tuttavia, questi vantaggi si realizzano solo quando sono presenti le condizioni giuste. Gli aggiustamenti discrezionali, come le previsioni discrezionali, comportano distorsioni e limitazioni, e bisogna agire con strategie metodologiche per ridurle al minimo.

Usare gli aggiustamenti con parsimonia

Gli utilizzatori aggiustano le previsioni molto più spesso di quanto dovrebbero, e molte volte per le ragioni sbagliate. Aggiustando le previsioni statistiche, gli utenti delle previsioni creano una sensazione di padronanza e credibilità. Gli utenti spesso non capiscono e non apprezzano i meccanismi che generano le previsioni statistiche (dato che di solito non hanno una formazione in questo campo). Implementando gli aggiustamenti discrezionali, gli utenti sentono di aver contribuito e completato le previsioni, e possono ora mettere in relazione la loro intuizione e le loro interpretazioni con queste. È come se le previsioni fossero diventate loro.

Gli aggiustamenti discrezionali non dovrebbero mirare a correggere un comportamento sistematico dei dati che si pensa sia stato ignorato dal modello statistico. Tali aggiustamenti si dimostrano spesso inefficaci, poiché i previsori tendono a leggere comportamenti inesistenti in serie rumorose. I modelli statistici tengono conto molto meglio di pattern presenti nei dati, e gli aggiustamenti discrezionali ostacolano solo l’accuratezza delle previsioni ottenute dai modelli.

Gli aggiustamenti discrezionali sono più efficaci quando sono disponibili significative informazioni aggiuntive o forti prove della necessità di un aggiustamento. Si dovrebbe aggiustare solo quando si hanno iimportanti informazioni aggiuntive che non sono incorporate nel modello statistico. Quindi, gli aggiustamenti sembrano essere più accurati quando sono di grandi dimensioni. Piccoli aggiustamenti (specialmente in direzione positiva che aiuta l’illusione dell’ottimismo) in genere ostacolano l’accuratezza, e dovrebbero essere evitati.

Approccio strutturato

L’utilizzo di un approccio strutturato e sistematico migliorerà l’accuratezza degli aggiustamenti discrezionali. Seguire i principi chiave delineati nel paragrafo6.2 è vitale. In particolare, il fatto di dover documentare e giustificare gli aggiustamenti renderà più difficile modificare le previsioni statistiche ed eviterà aggiustamenti non necessari.

È comune che gli aggiustamenti siano attuati da un panel di esperti (vedi l’esempio che segue). L’uso di un’impostazione Delphi comporta grandi vantaggi; tuttavia, se gli aggiustamenti sono implementati in una riunione di gruppo, è utile considerare prima le previsioni dei mercati o dei prodotti chiave, poiché i membri del panel tendono a non prestare attenzione a questa parte del processo. Man mano che la riunione prosegue, si tende ad apportare meno aggiustamenti.

Esempio: Comitato per le previsioni del turismo (TFC)

Tourism Australia pubblica le previsioni per tutti gli aspetti del turismo australiano due volte l’anno. Le previsioni pubblicate sono stimate dal TFC, un organismo indipendente che comprende esperti di vari settori del governo e dell’industria, tra cui il Tesoro del Commonwealth australiano, compagnie aeree, società di consulenza, società del settore bancario ed enti turistici.

La metodologia di previsione applicata è un processo iterativo. In primo luogo, le previsioni statistiche basate su modelli sono generate dall’unità di previsione all’interno di Tourism Australia, vengono poi fatti aggiustamenti discrezionali a questi in due turni. Nella prima fase, il Comitato Tecnico del TFC11 (che comprende ricercatori senior, economisti e consulenti indipendenti) aggiusta le previsioni basate sul modello. Nella seconda ed ultima fase, il TFC (che comprende esperti dell’industria e del governo) fa gli aggiustamenti finali. In entrambi i round, gli aggiustamenti sono fatti per consenso.

Previsioni annuali per il numero di notti trascorse per turismo interno in Australia. Il modello di regressione viene introdotto nel capitolo 7, e gli ETS (ExponenTial Smoothing) nel capitolo 8.

Figura 6.2: Previsioni annuali per il numero di notti trascorse per turismo interno in Australia. Il modello di regressione viene introdotto nel capitolo 7, e gli ETS (ExponenTial Smoothing) nel capitolo 8.

Qualunque sia il metodo di previsione per un nuovo prodotto, è importante documentare accuratamente le previsioni fatte e il ragionamento con il quale sono state derivate, per poterle valutare quando i dati saranno disponibili.

Nel 2008, furono12 analizzate le previsioni per il turismo interno australiano. Le previsioni pubblicate dal TFC erano ottimistiche, specialmente per il lungo periodo, e furono proposte previsioni alternative basate su modelli avendo a disposizione i dati osservati fino al 2011 incluso. In figura 6.2, sono riportate le previsioni pubblicate e i dati reali. Come si può vedere dall’analisi del grafico, le previsioni pubblicate della TFC hanno continuato ad essere ottimistiche.

Cosa si può dedurre da questo esempio? Sebbene la TFC dichiari chiaramente nella sua metodologia di produrre “previsioni” piuttosto che “obiettivi”, potrebbe essere questo un caso in cui questi sono stati confusi? I previsori e gli utenti sono sufficientemente ben separati in questo processo? Il processo iterativo stesso potrebbe essere migliorato? Il processo di aggiustamento nelle riunioni potrebbe essere migliorato? È possibile che le riunioni di gruppo abbiano prootto stime troppo ottimistiche? Il turismo interno avrebbe dovuto essere considerato prima nel corso della riunione?

Bibliografia

Athanasopoulos, G., & Hyndman, R. J. (2008). Modelling and forecasting Australian domestic tourism. Tourism Management, 29(1), 19–31. [DOI]

  1. Uno degli autori di questo volume, Athanasopoulos, è stato un osservatore di questo comitato tecnico per alcuni anni.↩︎

  2. G. Athanasopoulos & Hyndman (2008)↩︎