Les points forts
► Technologie L’intelligence et le machine learning se développent
► Solutions Elles sont plus performantes et plus riches
► Prévisions Elles concernent l’ensemble des flux de l’entreprise
Avec les technologies, les solutions de prévision de ventes évoluent. Plus performantes, elles absorbent et traitent plus de données pour des prévisions affinées qui servent une planification plus globale dans l’entreprise : stocks, approvisionnements, ressources en entrepôts, ordres de fabrication, production…
Par Sylvie Druart
“Les solutions de prévisions de vente deviennent extrêmement critiques pour les entreprises, tout simplement parce que la demande des clients va probablement encore s’accélérer, notamment sur la disponibilité des produits”, annonce Pauline Poissonnier, consultante avant-vente chez Hardis. Face, en effet, à un client infidèle, une rupture ou une indisponibilité du produit conduit immédiatement le consommateur à la concurrence off line comme on line. Sans compter qu’il s’attend à une livraison dans des délais de plus en plus raccourcis : à J +2 ou 1 ou à seulement quelques heures en zone urbaine. Pour répondre à ces problématiques très tendues, les ”solutions sur les prévisions ont fait un bond phénoménal”, admet Pauline Poissonnier. Tant et si bien que deux approches cohabitent, désormais, sur le marché. ”Les méthodes de prévision traditionnelles sont basées essentiellement sur la projection statistique de l’historique des performances passées”, explique Olivier Lemaître, VP Sales France chez JDA Software. Elles visent, ainsi, à considérer l’historique (livraisons, vente, consommation en point de vente, etc.) et à en déduire, par des méthodes statistiques, l’avenir en termes de ventes. ”Cette méthodologie traditionnelle présente, cependant, un inconvénient de taille : la plupart du temps, elle ne fournit qu’une vision statique et déterministe du résultat cible, soit la quantité de produits à réapprovisionner pour répondre à la demande client”, complète-t-il. Or, nous vivons dans un monde très incertain et ces prévisions statistiques d’ancienne génération n’incluent pas d’analyse de la variabilité et de l’incertitude dans leur restitution d’informations. ”Aujourd’hui, un algorithme qui ne regarde que les performances passées sans prendre en compte les facteurs externes influençant la demande ne peut pas prévoir l’avenir de façon fiable, et ses prévisions seront alors restrictives”, conclut-il.
Révolutionnaire et plus large L’approche probabiliste s’oppose, alors, à l’approche déterministe dans le sens où la première inclut une courbe de probabilité établie sur la base de nombreux critères désormais mieux pris en compte et traités par la technologie de l’intelligence artificielle et/ou du machine learning. Une prévision plus fine qui prend en compte des données à la fois endogènes mais, également, exogènes : les promotions, les soldes, la météo, l’actualité, etc. Un véritable engouement qui précipite, désormais, tous les éditeurs sur le
