Comment mettre en oeuvre un modèle d'analyse prédictive de la demande

Il n'y a pas si longtemps, entendre un hôtel affirmer qu'il pouvait prédire avec précision son taux d'occupation pour les mois à venir aurait semblé exagéré.

Il n'y a pas si longtemps, la planification du réapprovisionnement de toute activité se résumait parfois à un geste aussi représentatif que prolongé. La personne en charge portait son index à sa bouche et le tendait ensuite en l'air pour prendre en compte les variables arbitraires qui pourraient l’influer - et en fait l’influencer - lors de la préparation de son pronostic. « Je n'ai pas de boule de cristal » était entendu à plusieurs reprises en essayant de creuser dans le détail de l'une des lignes ou pour justifier des écarts trop importants.

Il y a un autre mantra qui mérite d'être incorporé dans l'histoire. Toutes les activités comportent des particularités, sont uniques et, avec une complexité plus ou moins grande, incorporent des éléments d'une certaine incertitude lors de la planification. Il est vrai que votre entreprise est spéciale. Ce que vous ne prenez peut-être pas compte, c'est qu'elles le sont toutes.

La vérité est qu'à de nombreuses reprises, nous avons la solution chez nous. Le fameux Big Data nous donne des outils pour pouvoir assimiler une énorme quantité de données que nous avons déjà mais que, jusqu'à présent, il était très difficile de croiser, d'interpréter ou de travailler dans un but précis et axé sur la recherche de véritables solutions métiers.

Aujourd'hui, nous avons déjà de nombreux exemples d'entreprises qui ont trouvé dans leur travail interne sur leurs propres données le moyen de se réinventer pour rester compétitives. Nespresso a été l'un des pionniers en Espagne; en utilisant les données de ses consommateurs et des membres du club Nespresso pour faire des prévisions de consommation individualisées qui favoriseront de nouvelles formes d'interaction avec le client. Celles-ci ont augmenté la fidélité et l'acquisition de ventes via différents canaux, tels que les SMS.

La démocratisation de la technologie

Les plateformes ou services connus sous le nom de SaaS ont été une révolution en termes de démocratisation de la technologie. Grâce à un coût de mise en œuvre modeste et une redevance mensuelle, toute PME peut avoir accès à ces types d'outils qui peuvent être décisifs pour rester compétitive.

Sinon, comment ces entreprises peuvent-elles s'adapter au défi de l’omnical? S'il était déjà difficile d'affiner un modèle de vente traditionnel, la période actuelle et les nouvelles habitudes de consommation relèvent la barre de la demande de manière superlative.

Concernant la planification de la demande en particulier, et plus encore dans un contexte de crise, pouvoir améliorer nos prévisions de demande peut nous apporter deux avantages principaux, très importants qui sont évidents:

• La rigueur dans le maintien de niveaux de stock adéquats qui ne compromettent pas la santé financière de notre entreprise
• La possibilité d’améliorer notre chiffre d'affaires grâce à une meilleure disponibilité de nos produits

Une proposition de service spécifique 

Chez 7Experts, nous aidons nos clients à améliorer ces ratios grâce à notre outil de prédiction de la demande, en utilisant une méthodologie spécifique qui nous permet de mettre en œuvre de manière optimale la solution et d'ajouter de la valeur à la compréhension du comportement des différentes familles de produits du portefeuille de nos clients et la définition de bonnes métriques de suivi. Cette méthodologie repose sur les étapes suivantes:

1.- La collecte de données historiques et son analyse et interprétations futures permettent d'identifier et de définir les comportements des différentes familles afin de connaître l'élasticité de la demande de chacune d'elles. En ce sens, il est évident qu'il peut y avoir des références avec une saisonnalité plus ou moins marquée, des cycles de vie des produits différenciés ou des modèles de vente qui répondent plus fortement à des impulsions ou des stratégies spécifiques par rapport à d'autres qui ont une demande plus stable. Connaître ces différences peut nous aider à comprendre la criticité et à établir des priorités lors de la définition de la feuille de route pour la mise en œuvre de l'outil

2- Dans une seconde phase, on retrouve la création de l'algorithme prédictif et la mise en œuvre de la solution qui sera complétée par le choix de bons indicateurs qui nous permettront de suivre le résultat grâce à la visualisation en temps réel qui offre la prise en charge de Microsoft Power BI.

3- Une fois la solution implémentée, nous commencerons à voir non seulement que nos prévisions s'améliorent en fiabilité, mais que nous pouvons commencer à prendre de bonnes décisions par rapport à notre stock; redéfinir les politiques de stock de sécurité et fournir des lots permettant d'ajuster les niveaux de stock optimaux.

4- La responsabilité de la planification nécessite un rôle proactif pour les planificateurs lorsqu'ils intègrent les différents inputs qui proviennent d'autres secteurs de l'entreprise et y sont sensibles pour valider une prévision qui les intègre; Ainsi, à travers une revue des processus et du flux décisionnel, nous pouvons nous assurer que ces éléments sont intégrés dans la validation de nos prévisions.

5- Le suivi est un élément fondamental de ce processus car l'outil prédictif constitue une aide à la décision utile et nous devons périodiquement revoir nos indicateurs conjointement et à travers une bonne organisation afin de réorienter d'éventuels écarts.

6- Enfin, nous ne pouvons qu'observer comment nos ratios de rotation de stock et l'indice de rupture s'améliorent et leurs impacts sur le chiffre d'affaires des références les plus touchées par ce problème. Cela aidera énormément à améliorer la santé financière de notre entreprise et à augmenter le chiffre d'affaires.