Analisi di serie storiche per la previsione della domanda nell'industria alimentare: il caso GranTerre

Il primo obiettivo della tesi è quello di sviluppare un modello che permetta di pulire i dati di venduto dalle attività promozionali e generare dei dati di forecast attendibili, al fine di permettere all’azienda di migliorare le previsioni della domanda e dunque di ridurre maggiormente gli sprechi. Il secondo obiettivo è quello di individuare uno o più modelli di analisi delle serie storiche per l’elaborazione di un piano accurato di previsioni della domanda. Si è creato un modello per identificare ed eliminare gli outlier dai dati di vendita dall’azienda GranTerre. Successivamente lo si è validato, utilizzando metodi presenti in letteratura e analizzando le distribuzioni di probabilità dei dati ottenuti. Il passaggio successivo è quello di calcolare, partendo dall’analisi delle serie storiche, un forecast che possa nel tempo migliorare sempre di più la propria affidabilità previsionale. Infine, si sono applicati diversi metodi di analisi dell’accuratezza previsionale. I risultati ottenuti sono molto interessanti: si è visto innanzitutto che il modello outlier produce dei dati di vendita ripuliti che hanno una distribuzione di probabilità verosimile per il tipo di mercato analizzato: la distribuzione gamma. Poi si sono applicati sette diversi metodi (quattro tipi di medie mobili, due tipi di smorzamenti esponenziali e un metodo elaborato dal candidato) per elaborare una previsione delle vendite (si sono usati i dati del 2021 e 2022 come dato storico e confrontato il forecast 2023 con il dato storico 2023). Infine, si sono condotti due tipologie di analisi affidabilistiche per individuare il modello migliore. Facendo un’analisi di calcolo dell’accuracy tramite KPI e un’analisi più incentrata sull’impatto delle previsioni di vendita sullo stock di magazzino, si è osservato che il metodo migliore è lo smorzamento esponenziale classico poiché presenta un ottimo trade-off fra precisione sul dato singolo settimanale e il mantenimento di una adeguata copertura di stock.