Per fruttivendoli, panifici, macellerie o fornitori della ristorazione — la decisione giornaliera di quanto ordinare o produrre, in equilibrio tra rottura di stock e scarto (in letteratura: problema del Newsvendor).
In breve
Ti suona familiare?
- Ogni mattina la risposta a 'quanto facciamo oggi' è 'lunedì scorso abbiamo venduto così'
- A fine giornata si butta, si sconta o si dà al personale il 10–25 % del prodotto — incide sull'utile annuo
- Verso le 18:00 si esauriscono uno o due articoli popolari; il cliente va dal concorrente e non torna
- In un giorno di pioggia si è prodotto come in un giorno di sole; da una parte spreco, dall'altra mancanza
- Per festività, festa della mamma o cambio meteo, 'più o meno?' si discute ogni volta da zero
- Il personale annota 'cliente lo cercava, non c'era', ma quelle note si perdono; senza analisi sistematica
- La produzione fa la stessa quantità ogni giorno; la variabilità della domanda non corrisponde alla produzione, quindi o si accumula o manca
Perché è importante
Come si risolve
Profondità tecnica
Come si risolve
Profondità tecnicaIn una frase: Ordina un po’ di più degli articoli ad alto margine (la rottura penalizza tanto) e un po’ meno di quelli a alta deperibilità (zero recupero quando si guastano). Non puntare a una quantità ‘media’ unica — imposta un bilancio diverso per ogni articolo.
Quello che il software fa davvero è questo: per ogni articolo calcola numericamente la quantità ottimale che bilancia il ‘costo di scarto’ con il ‘costo di vendita persa’; poi impara la distribuzione di domanda dallo storico delle vendite e raccomanda una quantità quotidiana. Tre fasi:
1. Raccoglie dati di costo e domanda. Per articolo: costo di acquisto/produzione, prezzo di vendita, valore di recupero di una unità invenduta (spesso zero o molto basso), margine perso in caso di rottura, variabilità della domanda (8–12 settimane di storico giornaliero). Meteo, eventi di calendario (festività, weekend, periodo scolastico), eventi locali entrano come fattori aggiuntivi.
2. Calcola la quantità ottimale. La formula classica del Newsvendor poggia sulla ‘frattile critica’ (la soglia ‘vogliamo non essere a secco in questa percentuale di giorni’): livello di servizio ottimale = margine / (margine + costo di scarto). Cioè un articolo ad alto margine giustifica economicamente un piccolo over-order, un articolo ad alto scarto giustifica un piccolo under-order. Per ogni articolo il software trova la quantità di domanda che soddisfa quella frattile critica dalla distribuzione storica — quella è la quantità ottimale. La distribuzione può essere normale, lognormale o quella empirica reale.
3. La raccomandazione giornaliera arriva sul tavolo. All’apertura, o al momento dell’ordine, il software produce una lista per articolo: ‘Oggi: mele 45 kg, pane 180 pezzi, manzo 18 kg’. Le override per meteo o campagna si applicano automaticamente. A fine giornata, il software confronta le vendite reali con la previsione e si aggiorna — impara nel tempo. L’override manuale è sempre disponibile: ‘oggi piove, pane 15 % in meno’ — vince la decisione del responsabile.
Non sostituisce l’esperienza; pensalo come una calcolatrice che scala ‘un po’ di più, un po’ di meno’ da 20 a 200 articoli — con giustificazione numerica per articolo. La decisione resta tua, ma per ogni prodotto c’è una cifra ‘ottimale’ sul tavolo.
Alternative
Intuito + quaderno della settimana scorsa
GratuitoGratuito
Per chi: 10–30 articoli, domanda stabile, piccolo negozio
- + Costo zero
- + Flessibile — cambi al volo
- + Nessuna decisione di investimento
- − Oltre 30 articoli, le quantità ottimali non stanno in testa
- − Variabilità di domanda (meteo, campagne, eventi) resta a intuito
- − Le cifre della festa della mamma dell'anno scorso non si ricordano
- − Scarto e vendite perse non sono tracciate numericamente
Foglio di calcolo + tracciamento manuale quotidiano
GratuitoGratuito (il tuo tempo)
Per chi: 20–60 articoli, disposto a tenere medie per iscritto
- + Costo software zero
- + Formule su misura
- + Dati in un unico posto
- − Applicare la formula probabilistica del Newsvendor a mano è duro
- − Inserimento manuale quotidiano necessario
- − Nessun modello auto-apprendente
Software di POS-ordini con previsione integrata
Aziendale200–800 EUR di setup + 50–200 EUR/mese (prezzi pmi regionali)
Per chi: 50–300 articoli, POS in uso nel negozio/panificio/macelleria
- + Interfaccia e supporto in italiano
- + POS-ordini integrati
- + Raccomandazione quotidiana via email/SMS
- − Il motore di previsione è di solito 'media della settimana scorsa'; nessuna vera matematica Newsvendor
- − I parametri di costo (margine, scarto) non si impostano per articolo
- − Meteo ed eventi non inclusi
Software internazionale specializzato di previsione domanda per fresco
Aziendale20–100 EUR/articolo/anno o 25.000–150.000 EUR/anno di licenza
Per chi: 300+ articoli, catena alimentare, rete di ristorazione, produttore alimentare
- + Maturo: Newsvendor + previsione con machine learning, multi-categoria, meteo ed eventi
- + Integrazione POS e magazzino pronta
- + Algoritmi consolidati negli anni
- − Costi alti di licenza e consulenza
- − Implementazione 2–4 mesi
- − Necessaria adattamento ai prodotti e fornitori locali
Sviluppo proprio su librerie open source
Open SourceLicenza gratuita; 4–8 settimane di sviluppo interno o 20.000–80.000 EUR di consulenza
Per chi: Catena con team dati o operatore tecnologico
- + Nessun costo di licenza
- + Personalizzabile sulla propria struttura prodotto e costi
- + Cloud o server proprio
- − Capacità data science interna obbligatoria
- − Manutenzione continua è lavoro reale
- − Storico di scarsa qualità porta a conclusioni fuorvianti
Raccomandazione
Chiedi nell'incontro
- Il motore di previsione applica la vera matematica Newsvendor (quantità ottimale via frattile critica) o solo medie storiche?
- Il costo di scarto, il margine e la shelf life possono essere impostati come parametri separati per articolo, o tutti gli articoli sono trattati con un'unica 'scorta di sicurezza'?
- Meteo, eventi di calendario (festività, weekend) ed eventi locali entrano automaticamente nella previsione?
- I periodi di rottura vengono corretti automaticamente nello storico vendite (correzione domanda censurata)?
- Viene modellata la sostituzione (per esempio pane bianco esaurito, cliente prende integrale)?
- Quantità minime d'ordine (MOQ) e sconti per volume entrano nella raccomandazione?
- Come strutturate il pilota — quanti articoli, quante settimane, qual è la soglia di successo?
- Se smettiamo di lavorare con voi, come recuperiamo storia prodotto, registri di scarto e raccomandazioni d'ordine? Esiste un export in formato standard?
Dettagli tecnici
Nota editoriale
Sul banco, questo problema si chiama ‘quanto ordiniamo oggi’, ‘riduzione dello scarto’ o ‘quantità di produzione giornaliera’. Il nome accademico è Newsvendor Problem — decisione di scorta stocastica a periodo singolo. Il nome viene dal venditore di giornali che ogni mattina ordina la tiratura del giorno; quello che vende è utile, quello che resta si butta. La stessa struttura compare nel fresco, nella moda stagionale, nei biglietti per eventi, nelle scorte di sangue, persino nell’overbooking aereo. Senza quel vocabolario, in una demo non puoi distinguere se il ‘modulo di previsione’ ottimizza davvero il trade-off scarto-rottura o solo fa la media del passato.
Il punto più spesso ignorato in questo segmento: molti prodotti pubblicizzano ‘previsione di domanda’ ma sotto applicano solo medie mobili — ‘media delle ultime 4 settimane × 1,1’. Va bene quando la variabilità è bassa; nel fresco la domanda può oscillare del 20–50 % al giorno e il costo da ogni lato (rottura vs scarto) è asimmetrico. Un vero Newsvendor calcola la ‘frattile critica’ come margine / (margine + costo di scarto). In ogni demo, pretendi un esempio risolto: ‘margine 5 EUR, costo di scarto 8 EUR, domanda media 100, deviazione standard 30 — quanto è la quantità ottimale?’
Percorso passo passo per una pmi
Fase 1 — Prima misura, poi pianifica. Per 8–12 settimane registra quattro cose:
- Vendite reali giornaliere per articolo
- Scarto a fine giornata: gettato, scontato, reso
- Ore di rottura (per esempio ‘pane esaurito alle 18:00, 4 ore con acquirenti’)
- Meteo e note di calendario (festività, periodo scolastico, eventi locali)
Senza questa base non puoi sapere quale software produrrà quale risultato.
Fase 2 — Costruisci la tabella dei costi. Per articolo: costo d’acquisto, prezzo di vendita, margine (prezzo meno costo), costo per unità scartata, rapporto margine / costo di scarto. Quel rapporto definisce la ‘frattile critica’ — il parametro principale dietro qualunque raccomandazione onesta. Questa tabella è il tuo capitale di conoscenza — qualunque fornitore serio la chiederà per primo.
Fase 3 — Pilota. Parti dai 10–30 articoli più importanti per 6–10 settimane. Definisci il criterio di successo per iscritto, prima del pilota: per esempio ‘in 60 giorni scarto del gruppo A giù 25 %, rotture giù 30 %’. Se la soglia salta, il pilota termina — tieni questo diritto nel contratto.
Fase 4 — Roll-out. Se il pilota chiude bene, scala su tutto il portafoglio in 2–3 mesi. Formazione 1–2 settimane; ogni mattina un ‘sistema raccomanda, accetto’ dovrebbe bastare.
Rischi — cosa può andare storto
- Storico di scarsa qualità. Registri come ‘venduto’ / ‘gettato’ sono troppo grezzi; il Newsvendor non calcola bene. Prima del pilota standardizza il registro quotidiano + per articolo di vendite e scarto.
- Dati di rottura persi. Se il sistema registra una rottura come ‘zero vendite’, la storia della domanda inganna (domanda censurata). Un buon sistema tiene a parte le ore di rottura.
- Effetto sostituzione. Quando il cliente non trova un prodotto, ne prende un altro (pane bianco esaurito, prende integrale). Non modellato, la conclusione errata è ‘domanda di pane bianco bassa’.
- Dipendenza dal singolo fornitore. Software che salva storia prodotto e parametri di costo in formato proprietario rende difficile cambiare. Clausola nel contratto: ‘Possiamo esportare i nostri dati in formati standard aperti (CSV o simile) in qualsiasi momento, su richiesta.’
Lezione collegata (sarà collegata alla pubblicazione): ‘Una catena di alimentari di medie dimensioni ha abbandonato il software di raccomandazione ordini al mese 9 — cosa è stato trascurato.’
Sguardo tecnico al metodo di soluzione
Questa sezione raccoglie ciò che serve quando parli con un team software o un consulente. Non è quello che l’operatore vede a schermo — è il motore dietro la tenda.
Approcci principali per l’ordine di deperibili:
| Approccio | Uso tipico | Bisogno di dati | Logica di decisione |
|---|---|---|---|
| Media mobile | Storia presente, domanda stabile | Basso | Media degli ultimi N giorni |
| Newsvendor classico | Deperibile, decisione singola | Medio | Frattile critica × distribuzione di domanda |
| Multi-periodo con riporto | 2–7 giorni di shelf life | Medio | Programmazione dinamica |
| Previsione con machine learning | Molti articoli + meteo + eventi | Alto | Alberi di regressione, reti neurali |
| MIP stocastico | Multi-prodotto + vincoli fornitore | Alto | Ottimizzazione completa |
Regola pratica: sotto i 30 articoli basta il Newsvendor classico. Con 100+ articoli, multi-categoria, stagionalità marcata, si preferisce la combinazione previsione ML + Newsvendor. Con MOQ fornitore e multi-prodotto, MIP stocastico.
La scelta della funzione obiettivo cambia la forma della soluzione:
- Profitto atteso (bilancio scarto + vendite perse): ‘Massimizzare il profitto netto’ — adatto a prodotti ad alto margine
- Scarto totale: ‘Minimizzare il gettato’ — adatto a operazioni con focus sostenibilità
- Livello di servizio (per esempio 95 % senza rotture): ‘Il cliente trova sempre’ — adatto alla strategia di quota
- Asimmetria di costo: ‘Costo di rottura 3× costo di scarto’ — adatto a prodotti a basso margine
La maggior parte dei deployment reali usa una combinazione pesata dei quattro — più spesso profitto atteso × livello di servizio.
Riferimenti accademici
Elencati nel blocco sources di questa pagina. Il Newsvendor è stato formalizzato nel 1951 da Arrow, Harris e Marschak ed è uno dei campi più antichi e ancora attivi della ricerca operativa; il lavoro attuale lo estende con previsione basata su machine learning e modelli di sostituzione multi-prodotto.
Fonti
- Arrow, K. J., Harris, T. e Marschak, J. (1951). Optimal inventory policy. Econometrica, vol. 19 — l’articolo che ha posto le basi matematiche del problema del Newsvendor.
- Khouja, M. (1999). The single-period (news-vendor) problem: literature review and suggestions for future research. Omega, vol. 27 — rassegna esaustiva del campo.
- Porteus, E. L. (2002). Foundations of Stochastic Inventory Theory. Stanford University Press. Testo standard di teoria stocastica delle scorte.
- INFORMS Interfaces — casi studio del Newsvendor nel fresco e nel retail. informs.org/Publications/Interfaces
Glossario
- Newsvendor
- Modello classico di inventario a singolo periodo che dà la quantità d'ordine ottimale per deperibili, in equilibrio tra scarto e rottura.
- Livello di Servizio
- La probabilità che il cliente trovi ciò che cerca — obiettivo numerico per le decisioni di inventario e d'ordine.
- MIP
- Modello di ottimizzazione in cui alcune variabili decisionali devono essere numeri interi (es. numero di camion, numero di turni).