La importancia de pronosticar en Workforce Dimensions – Workforce Central y Ponerlo en marcha

Autor
Adria Fischer
Gerente de Marketing de Clientes WFD y  WFC

La pandemia de COVID-19 ha impactado al sector de retail  de diferentes maneras. Algunas tiendas fueron consideradas  negocios esenciales y permanecieron abiertas, mientras que otras se vieron obligados a cerrar. Además, muchas tiendas que permanecieron vieron cambios dramáticos en los patrones de compra de los consumidores, incluyendo un aumento en las compras en línea.

Sin embargo, estos cambios afectaron  los pronósticos de volumen futuro: las predicciones de cuántos negocios se van a hacer en una fecha futura. Los controladores de volumen son la fuente del pronóstico de volumen. De hecho, hay múltiples factores a considerar cuando se calcula la previsión de volumen, incluidos los datos históricos de POS, las reglas de pronóstico y los ajustes a los volúmenes pronosticados para eventos especiales.

Con eso en mente, me senté con dos expertos en pronóstico de nuestro equipo de administración de productos, Nancy Lord y Andrea Davis. Su perspicacia y conocimiento le proporcionarán una guía mientras comparten su modelo de pronóstico recomendado, así como las mejores prácticas sobre cómo tratar eventos especiales durante y después de la pandemia. Asegurar que su pronóstico vuelva a funcionar dependerá de mucho más que simplemente tratar COVID-19 como un evento especial.

Guía para el uso de eventos especiales

Empecemos con lo que constituye un evento especial. Los eventos especiales se utilizan típicamente para identificar actividades comerciales inusuales pasadas o futuras y se agrupan en las siguientes categorías:

  • Los principales días festivos conocidos: Día de San Valentín, Día de los caídos, Día de Acción de Gracias, etc.
  • Eventos que son recurrentes y anuales: Graduaciones, vacaciones de verano, promociones de regreso a la escuela, etc.
  • Eventos inesperados: mal tiempo, tiendas cerradas, etc.

Actividad pasada

Tenga en cuenta que la actividad comercial inusual o el cierre de tiendas como resultado de la pandemia no deben ser marcados como eventos especiales. Nuestros expertos en pronósticos recomiendan que no se descarte el período completo de cierre sus tiendas ni que marque ningún día durante la pandemia como un evento especial. Al hacerlo, los algoritmos tradicionales, como la tendencia diaria y el suavizado exponencial, no tendrán suficientes datos para crear un pronóstico.

 Actividad futura

Si desea crear un evento para un próximo día festivo, como el Día del Padre, debe crear un nuevo evento especial en lugar de marcar el día con un evento existente. Por ejemplo, considere la posibilidad de crear el Día del Padre 2020 como un nuevo evento para poder distinguirlo de los eventos especiales del Día del Padre ya existentes. Estos no son en tiempos normales y el uso del evento existente podría sesgar sus datos para los eventos del Día del Padre en general.

Una introducción a sus algoritmos de pronósticos disponibles

Dependiendo de su solución de Kronos, existen algunas opciones a la hora de elegir sus algoritmos de pronóstico preferidos: tendencia diaria, pronóstico adaptativo, suavizado exponencial y machine learning.

Para empezar, tanto Workforce Central® Forecast Manager como Workforce Dimensions™ Forecasting incluyen la tendencia diaria y los algoritmos de suavizado exponencial. Existe un modelo de pronóstico adaptativo en Workforce Central Forecast que fue reemplazado en Workforce Dimensions Forecasting por un modelo de machine learning perfeccionado.

El modelo de machine learning en Workforce Dimensions Forecasting crea un modelo de pronóstico significativamente mejor: el resultado de la potencia de la computación distribuida que existe dentro de la plataforma de Kronos D5™. En pocas palabras, la plataforma Workforce Dimensions D5 hace que algoritmos increíblemente complejos sea una realidad cotidiana.

Vamos a sumergirnos en los algoritmos de pronóstico.

Tendencia diaria

Es un modelo matemático que incorpora datos históricos de años actuales y anteriores para capturan variaciones cíclicas que son comunes en el entorno del retail.  Este algoritmo está incorporado en los productos Workforce Central Forecast Manager y Workforce Dimensions Forecasting. El concepto con el algoritmo de tendencia diario es que el retail generalmente pueden esperar que el día de este año se vea muy similar a un día equivalente del año pasado. Además, al desarrollar un pronóstico en anticipación del volumen futuro, puede esperar que el mismo día de esta semana se vea como el mismo día de la próxima semana, salvo cualquier evento especial que ocurra ese día. Dicho de otra manera, el algoritmo de tendencia diario es un ajuste del mismo día de la semana del año pasado basado en una tendencia lineal. 

Nuestros expertos en pronósticos no recomiendan usar el método de tendencia diaria para pronosticar durante COVID-19 por la razón obvia de que no estábamos experimentando una pandemia global en este momento el año pasado. 

Pronóstico adaptativo

El pronóstico adaptativo identifica las tendencias estacionales recurrentes en los datos históricos y considera cómo fluctúa el volumen del negocio a lo largo de un año. Dentro del conjunto de productos de Workforce Central, este algoritmo es a menudo utilizado junto con la tendencia diaria y el alisamiento exponencial para un método de pronóstico de volumen más dinámico. Sin embargo, es importante señalar que el algoritmo adaptativo puede no encontrar una tendencia significativa en los datos cuando hay muchos valores atípicos. De hecho, este modelo se utiliza mejor cuando los patrones estacionales se repiten año tras año.

Por lo tanto, el equipo del producto no recomienda el uso de la previsión adaptativa para la previsión durante COVID-19 porque la extremidad de esta pandemia no equivale a ninguna otra actividad estacional.

Suavizado exponencial

Es un modelo estadístico que analiza el historial de volumen del año en curso para determinar los próximos valores de pronóstico. Además, se puede utilizar con tan sólo tres semanas de datos históricos. Este modelo es menos experto en anticipar las fluctuaciones cíclicas, como el mayor volumen en diciembre debido a las vacaciones y la actividad más lenta en enero.

Este modelo, disponible dentro de Workforce Central Forecast Manager y Workforce Dimensions Forecast, se aprovecha mejor para situaciones en las que hay pocos datos disponibles. Por ejemplo, una implementación reciente limita la cantidad de datos históricos a sólo unas pocas semanas. En este caso, usar el algoritmo de suavizado exponencial para derivar un pronóstico usando análisis estadísticos complejos es en realidad más preciso que usar el promedio de datos históricos para ese corto período de tiempo. El suavizado exponencial aplica un promedio “suavizado” o ponderado a las últimas N semanas (el mismo día de la semana). Hay beneficios al usar este modelo cuando hay pocos datos disponibles o cuando los datos del año pasado no están relacionados con los eventos actuales.

Machine learning

Luego, está el Machine learning dentro del Pronóstico de Workforce Dimensions Forecasting que utiliza muchas características de datos históricos y estructura empresarial para crear una fórmula finamente ajustada. Esto es valioso para situaciones complejas en las que el pasado es el prólogo, lo que significa que puedes ver lo que ya ha sucedido como una indicación de lo que sucederá después. El encanto de este algoritmo es que usted define las configuraciones de características que controlan el comportamiento del motor de pronóstico durante una ejecución de volumen.

El suavizado exponencial y el Machine learning son los algoritmos recomendados para usar durante COVID-19

En colaboración con el equipo de ciencia de datos de Kronos y miembros de ingeniería de Kronos, nuestro expertos en producto, Nancy y Andrea, recomiendan utilizar el algoritmo de suavizado exponencial durante este tiempo. El equipo de ciencia de datos analizó los datos de los clientes y determinó que el alisamiento exponencial sigue el comportamiento comercial actual con mayor precisión que el pronóstico diario de tendencias. De hecho, Workforce Central y de Workforce Dimensions deberían continuar utilizando el suavizado exponencial hasta que su volumen haya estabilizado.

Además, el equipo de ciencia de datos realizó estudios usando el algoritmo de Machine learning en los períodos de abril y mayo. Los resultados mostraron que, en casos de alta volatilidad, los pronósticos del algoritmo de Machine learning eran similares a los pronósticos producidos mediante el alisamiento exponencial (utilizando promedios y tendencias recientes). Además, el Machine learning funcionó ligeramente mejor en muchos casos, por lo que los clientes que usan este algoritmo deberían continuar haciéndolo. Sin embargo, es importante señalar que el reentrenamiento del algoritmo de Machine learning no se recomienda en este momento, ya que no hay suficientes datos para capturar lo que parece “normal”.

El equipo de administración de productos sigue trabajando con nuestros ingenieros de ciencias de datos para realizar pruebas y determinar la aplicabilidad de cuándo será necesario entrenar el algoritmo de Machine learning. 

Dónde obtener más información: usuarios de Workforce Central

Dónde obtener más información: usuarios de Workforce Dimensions

 

Escriba un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *