Sales forecasting in demand planning for an Italian coffee company

The purpose of the following thesis project is to produce several time-series forecasting algorithms with the aim of providing a leading Italian coffee company with sell-in demand planning for the next 18 months. The scope of the project covers the Italian, German, and UK markets. For each of these markets, different sales channels and therefore different potential customers are involved: from supermarkets in the Retail channel to the small consumer in the online sales channel. Each country-sales channel pair offers peculiarities that have been addressed punctually to optimize the custom solution for each scenario. An important component that impacts the company's sales is the promotion applied by the company on products. For the realization of forecasting, it was decided to produce several Machine Learning models, so the final forecast will be given by combining the forecasts of the separate models. Finally, once the final forecasting result is obtained, it will be shown to an end user, who will be able to change some parameters, with which the underlying models will generate new scenarios.

Lo scopo del seguente progetto di tesi è quello di produrre diversi algoritmi di previsione di serie temporali con la finalità di offrire ad una azienda italiana leader nella vendita di caffè una pianificazione della domanda di sell-in per i successivi 18 mesi. Il perimetro del progetto riguarda il mercato italiano, tedesco e del Regno Unito. Per ognuno di questi mercati sono coinvolti diversi canali di vendita e quindi diversi clienti potenziali: dai supermercati nel canale Retail fino al piccolo consumatore nel canale di vendita online. Ogni coppia nazione-canale di vendita offre delle peculiarità che sono state trattate puntualmente al fine di rendere la soluzione custom ottimizzata per ogni scenario. Una componente importante che impatta sulle vendite dell'azienda è la promozione applicata dalla società sui prodotti. Per la realizzazione del forecasting si è deciso di produrre diversi modelli di Machine Learning, la previsione finale sarà quindi data dalla combinazione delle previsioni dei modelli distinti. Infine, una volta ottenuto il risultato finale di forecasting, quest'ultimo verrà mostrato ad un utente finale, il quale potrà modificare alcuni parametri, con i quali i modelli sottostanti genereranno nuovi scenari.