Chi mi porta un modello da giudicare quasi sempre mi mostra un grafico con la linea reale e la linea prevista che si sovrappongono. Bella sensazione. Poi chiedo su quali dati è stato costruito, e scopro che è la stessa serie che sta guardando.
Se costruisci il modello su tutti i dati, poi non hai più dati per giudicarlo. È come correggere un compito dopo aver visto le soluzioni: il voto non dice niente su quanto quella persona studierà la prossima volta.
Cosa vuol dire “di sola andata”
La separazione tra costruzione e verifica deve essere fisica, non mentale. Decidi oggi una data di taglio, dichiari che tutto ciò che viene dopo quella data è invisibile al modello, e solo quando il tempo è passato davvero apri il congelatore e confronti.
Non è un dettaglio accademico. Nel mio lavoro di questi mesi su Timestral ho costruito un registro che fa esattamente questo: ogni previsione viene scritta con la data in cui è stata emessa, e non viene mai riscritta. Nel file restano tre colonne – quando l’ho detta, quanto ho detto, quanto è successo davvero – e le ultime due solo se sono passati i mesi.
Se il modello di domani potesse riscrivere le previsioni di ieri, la pagina sembrerebbe sempre perfetta. È il difetto principale dei sistemi di previsione venduti come prodotto: mostrano il passato ricostruito, non il passato vissuto.
Il caso concreto: il negozio con troppo magazzino
Un’attività che ordina merce stagionale ha bisogno di sapere se il mese prossimo vende più o meno dell’anno scorso. Ha due anni di storico settimanale. Il consulente costruisce il modello su entrambi gli anni, mostra un errore medio basso, il cliente è contento.
Il metodo corretto è diverso: si tagliano gli ultimi tre mesi dallo storico, si costruisce il modello su quello che resta, si verifica su quei tre mesi, poi si scorre il taglio in avanti e si ripete l’operazione. Solo alla fine si usa tutto lo storico per costruire la versione da mettere in produzione.
La differenza pratica: la prima misura ti dice quanto è bravo il modello in azienda, la seconda ti dice quanto è bravo il consulente davanti a un grafico che lo lusinga.
Quanto lungo deve essere il blocco di verifica
Serve almeno un ciclo stagionale completo dal punto di vista dell’utilizzatore. Se la decisione si prende mese per mese, servono dodici mesi di verifica. Se si prende settimana per settimana, bastano dieci o dodici settimane, ma devono comprendere un periodo turbolento – una promozione, un’ondata di caldo, un mese anomalo – altrimenti stai verificando che il modello funzioni in condizioni di noia.
Un campione comodo non dimostra nulla. Se il blocco di verifica è un trimestre tranquillo, il modello stagionale più semplice al mondo lo azzecca, e tu hai speso un budget per dimostrare che il superfluo funziona.
Cosa fare con la verifica quando le risposte arrivano
Una volta che il ciclo si chiude, la domanda non è “ha funzionato”. La domanda è “ha funzionato abbastanza per la decisione che devo prendere”. Un errore medio del cinque per cento sul fabbisogno di magazzino è irrilevante se ti serve il venti per cento per cambiare idea. È serio se devi rifornire un articolo a basso margine dove ogni esemplare fermo pesa.
Le previsioni probabilistiche aiutano proprio qui: non ti dicono “venderai 400”, ti dicono “con otto su dieci di probabilità venderai tra 350 e 430”. Se la decisione di riordino sopravvive a tutto l’intervallo, il modello ha già fatto il suo lavoro: ti ha detto che puoi decidere senza aspettare di saperne di più.
Se invece la decisione cambia dentro l’intervallo, serve più grana nei dati, oppure serve accettare che il dato non c’è – e che la decisione tocca prenderla con una regola di sicurezza, non con una previsione.
Su Timestral questa logica è scritta nella pagina: il registro delle previsioni emesse e delle verifiche chiuse, aggiornato da solo, senza che nessuno possa raccontarti una storia diversa. Se ti interessa il metodo, ne parlo più in dettaglio sul progetto.
Il punto da portare a casa è semplice: la prossima volta che qualcuno ti mostra un’accuratezza, chiedi su quale serie è stata misurata e se le previsioni erano state scritte prima. Due domande, e capisci in trenta secondi se hai davanti una misura o una recita.
Vuoi sapere se i tuoi dati bastano per prevedere?
Raccontami che dati hai oggi e quale decisione prendi a intuito: ti dico con franchezza se una previsione affidabile è alla tua portata.
