Accueil »
Salescast » Ici
Vous regardez votre premier rapport de prévision ? Attendez-vous à l'inattendu
Même si vous vous y connaissez en statistiques, la première fois que vous regarderez les chiffres générés par Lokad, vous serez déstabilisé. Les
statistiques sont une science contre-intuitive, générant des résultats contre-intuitifs. Néanmoins, ces résultats ont un réel impact sur votre société. Essayons de mieux comprendre ce premier rapport.
Valider l’importation de données
Lorsque vous obtenez votre premier rapport, la chose la plus importante à faire est de
valider les données utilisées comme entrées. En informatique, on dit toujours :
Qualité médiocre à l'entrée, qualité médiocre des résultats. Si les données historisées ne sont pas importées correctement, alors les prévisions n'auront probablement aucun sens. Toutefois, nous recommandons de sélectionner une demi-douzaine de lignes dans le rapport Excel et de voir si les données historisées rapportées par Lokad correspondent aux chiffres que vous connaissez - encore mieux, si vous disposez déjà d'un système d'information comptable, de les comparer.
Salescast peut également importer des valeurs spécifiques à un stock comme le stock disponible, le délai, le taux de service, etc. Les valeurs du délai et du taux de service ont un impact particulièrement important sur la suggestion du point de réapprovisionnement final (le cas échéant). Si le point de réapprovisionnement semble bien trop bas,
vérifiez l'exactitude du délai; il en va de même pour le taux de service. En cas de doute, n'hésitez pas à poser des questions à l'équipe de Lokad, nous sommes là pour vous aider.
Générer et interpréter votre rapport
Nous vous recommandons de consulter le
rapport échantillon expliquant comment interpréter toutes les colonnes de votre rapport. Si vous ne connaissez pas encore l’application Web Salescast, veuillez regarder la
démo vidéo expliquant comment
générer et accéder à vos rapports.
Choisir votre période et horizon de prévision
Les rapports générés par Salescast possèdent
deux paramètres majeurs appelés
Période et
Horizon. Vous pouvez configurer ces paramètres depuis l’interface utilisateur Web. Allez dans
Vos paramètres de prévisions. Par défaut, Salescast génère des prévisions sur 6 mois. Ici, nous décrivons comment choisir la valeur de ces paramètres.
Salescast prend en charge 3 périodes distinctes à savoir
jour,
semaine et
mois. La période représente le niveau d’agrégation de vos données. Si vous choisissez la période
semaine, vous obtiendrez des prévisions hebdomadaires, c.a.d. un point par semaine, commençant là où les données se terminent. L’horizon est un nombre représentant le nombre de points de prévision qui devraient être générés. Par exemple, si
Période=semaine et
Horizon=3, des prévisions sur 3 semaines seront générées. La valeur maximum de l’horizon est de 100, mais opter pour des valeurs d’horizon élevées n’est pas une bonne idée (cet aspect sera discuté plus avant).
La période
Nous vous recommandons de
choisir la période qui s’adapte le mieux à vos opérations. Par exemple, si votre société passe des commandes toutes les semaines à des fournisseurs, alors des prévisions hebdomadaires sont plus appropriées. A cause de l’agrégation, la précision de la prévision augmente lors du passage à des périodes plus longues (et vice-versa, le passage à des périodes plus courtes réduit la précision).
L’horizon
L’horizon devrait être choisi afin d’être
suffisamment large pour couvrir vos délais d’approvisionnement mais pas plus. En effet, Salescast est
facturé en fonction du nombre de points de prévision générés pour vos rapports : Plus l’horizon est large, plus vous êtes facturé. D'autre part, si les prévisions sont plus courtes que les délais d’approvisionnement, Salescast utilise une
interpolation linéaire des prévisions pour calculer la couverture de stock et les points de réapprovisionnement. Il est inutile de préciser que les résultats générés par le biais d’une interpolation sont moins précis que ceux directement générés à travers notre technologie de prévision centrale.
Mais Salescast ne permet pas d'ajuster une valeur d'horizon distincte pour chaque article (*), malgré le fait que les articles n'ont pas tous le même délai d'approvisionnement. Là encore, grâce à l’interpolation, vous n’êtes pas obligé d’utiliser le délai d’approvisionnement MAX comme horizon de prévision pour votre rapport. A la place, nous vous recommandons de choisir
un horizon suffisamment large pour couvrir 90% ou 95% de vos délais d’approvisionnement. Selon nous, Lokad est une solution peu coûteuse, et micro optimiser davantage l'horizon de prévision est généralement une perte de temps.
Règle générale : historique 5 fois plus long que les prévisions
=
Techniquement, Salescast peut faire des prévisions sur 100 jours avec un seul jour de données historisées. Cependant, la précision sera épouvantable. En règle générale, nous recommandons de modérer ses attentes quant à une prévision statistique si l’ampleur des données historisées ne fait pas au moins 5 fois la longueur de la prévision requise.
Règle générale : prévisions hebdomadaires sur plus d’un mois
=
Les prévisions quotidiennes sont rarement nécessaires plus de 28 jours à l’avance (c.a.d. 4 semaines). En effet, nous avons remarqué que les sociétés qui essayaient d’exploiter des prévisions quotidiennes sur un avenir lointain avaient tendance à
micro optimiser leurs activités de manière pas toujours rentable. Il est généralement plus judicieux de conserver une certaine flexibilité en cas d’ajustements de dernière minute lorsque l’on prévoit sur un mois. En pratique, même si les prévisions quotidiennes sont utiles pour une optimisation des stocks à court terme, il vaut mieux passer à des prévisions hebdomadaires au-delà d’un mois.
Afin de tirer des avantages des prévisions quotidiennes et hebdomadaires, nous recommandons d’avoir
2 rapports distincts dans Salescast:
- un rapport avec des prévisions quotidiennes, mis à jour tous les jours ouvrés
- un rapport avec une prévision hebdomadaire, mis à jour chaque semaine.
Règle générale : prévisions mensuelles sur plus d’un an
=
De même, les prévisions hebdomadaires sont rarement justifiées pour les prévisions sur plus d’un an. Lorsque l’on prévoit à long terme, les prévisions statistiques hebdomadaires donnent une fausse impression de précision. Des prévisions mensuelles devraient être préférées.
Définir le bon taux de service
Le
taux de service est une entrée importante pour le calcul du point de réapprovisionnement optimal. Nous vous recommandons de
vous familiariser avec le concept et de découvrir comment choisir le bon taux de service pour vos produits.
Penser à la précision des prévisions
Il y a une colonne
précision juste avant les prévisions. Lokad ne fournit
pas que des prévisions, mais également un taux d’erreurs de prévision anticipées. Vous pouvez considérer cette fonction comme un auto-diagnostique du système. Sans entrer dans les détails techniques de la définition actuelle de cet indicateur de précision, disons qu’il s’agit d’un pourcentage : 100% étant une prévision totalement fiable et 0% étant une prévision complètement erronée.
100% de précision n'est pas une attente réaliste pour un processus de prévision (statistique ou autre). En particulier, en ce qui concerne un petit volume de ventes, une petite erreur de +1 ou -1 peut déjà réduire la précision
exprimée en pourcentage à une valeur inférieure à 50%. Contrairement à l'intuition,
le niveau global de précision ne dépend pas de la méthode de prévision, mais du niveau d'agrégation des données elles-mêmes.
Par exemple, pour la prévision de la consommation électrique nationale journalière, une prévision ayant une précision de 99,5% pourra être considérée comme plutôt pauvre, alors que pour la prévision des ventes promotionnelles d'une denrée alimentaire fraîche, une précision de 30% sera considérée comme un accomplissement majeur. Pourtant, cela ne signifie pas qu'une
meilleure solution de prévision ne pourrait pas améliorer la situation...
Dans le domaine de la prévision, le terme de
bonne ou
mauvaise prévision n'existe pas dans l'absolu,
la seule chose qui compte est à quel point les prévisions sont bonnes par rapport à la gestion au présent ou aux alternatives ?. On ne peut pas juste dire
ces prévisions sont trop imprécises, arrêtons de prévoir car le niveau des stocks représente implicitement la prévision de la demande - ce qui serait, probablement, encore
pire.
Si vous avez des stocks, vous devez faire des prévisions. La question est : ‘‘‘les prévisions implicites sont-elles meilleures que les explicites (statistiques) ?
Cas étranges mais attendus dans les prévisions
Dans votre rapport, vous remarquerez probablement des prévisions plates
, ex. des ventes parfaitement stables pendant plusieurs semaines ou mois. Nous savons qu'un tel événement a très peu de chances de se produire, pourtant, en gardant à l'esprit que l'objectif est de garder les imprécisions au niveau le plus bas, une prévision plate est bien souvent l'option statistique la plus précise, en particulier lorsque les données historisées sont hautement volatiles. En savoir plus sur les prévisions plates.
Vous remarquerez également des points de données qui sembleront étranges : trop élevés ou trop bas
, alors que les ventes historisées sembleront raisonnablement plates. De nombreuses raisons expliquent de telles situations. L'agrégation de données est un processus avec perte et parfois, des informations sont perdues lorsque l'on examine des données hebdomadaires ou mensuelles. Étant donné que Lokad exploite les données disponibles les plus fines (ex. données quotidiennes si disponibles), Lokad peut capturer des modèles invisibles dans la visualisation agrégée.
Si vous commencez à additionner toutes les prévisions, juste pour voir si les chiffres globaux sont sensés, il est fort probable que vous obteniez des résultats plutôt étranges. Par exemple, votre entreprise peut se développer même si les ventes de produits baissent. Pour résumer, Lokad prend en compte les modèles de cycle de vie qui sont généralement difficiles à comprendre, car il faut constamment penser aux produits entrant et sortant du marché.
Demander un examen de votre premier rapport
Une fois que vous aurez intégré et généré votre premier rapport de prévision avec Salescast, nous vous recommandons de revoir votre premier rapport avec un membre de l'équipe de Lokad
. Cela vous aidera à mieux comprendre les nombres générés, vous indiquera comment mieux travailler avec Salescast et vous expliquera ce qui, au départ, vous déstabilisait le plus.
Afin de tirer le meilleur de l’examen, veuillez consulter les informations de cette page, votre rapport de prévision et nous envoyer vos questions les plus importantes. Un membre de notre équipe vous contactera et programmera un appel.
Adresser des questions sur vos prévisions
Si vous avez des questions sur vos prévisions
nous pouvons en discuter si un sous ensemble d’au moins 100 séries chronologiques
peut être isolé ET si une autre méthode de prévision dépasse Lokad
. Avec moins de séries chronologiques, le niveau de parasite est généralement trop élevé pour tirer des conclusions avec une confiance statistique élevée. Si aucune autre solution ne dépasse Lokad, la discussion n’aboutira à rien, tout simplement parce qu’il n’y aura aucune preuve qui démontrera que cet aspect pourra être amélioré.
Cependant, nous vous prévenons que nous ne pouvons pas répondre à des questions à propos de prévisions individuelles
sauf si vous optez pour un forfait assistance individuelle. Les forfaits ou les frais d’intégration ne couvrent pas
les discussions à propos de la pertinence statistique des prévisions fournies. Bien que nous voulions vous fournir l’assistance dont vous avez besoin, il y a de nombreuses raisons à cela :
Temps
: Analyser en détail ce qui arrive à des séries chronologiques précises prend du temps et peut facilement prendre une heure. Généralement, un compte détient des centaines de séries, discuter de séries chronologiques avec un client fait souvent perdre un temps considérable aux deux parties.Productivité
: Selon notre expérience, discuter de prévisions individuelles n’aboutit généralement à rien. Les prévisions, bonnes ou mauvaises, sont le résultat d'une technologie complexe et puissante que nous ne détournons pas concernant les résultats individuels.Pertinence statistique
: Aucune prévision n’est isolée, détourner le résultat d’une série chronologique (ex. produit) se répercute sur le résultat d’autres séries chronologiques. L’amélioration qui serait apportée à la série chronologique en question dégraderait la performance globale.
Les remarques sur les prévisions
sont par définition impossibles à valider (à moins de pouvoir lire l'avenir.). Les suggestions basées sur des règles (c.a.d. si le produit est x alors y est la prévision) amélioreront probablement la situation car Lokad dépasse souvent (en moyenne) toutes les idées basées sur des règles.
La précision de la prévision est notre première priorité, et nous ferons toujours de notre mieux pour constamment améliorer notre technologie.
À la place, nous vous recommandons d’évaluer la précision globale de nos prévisions
, idéalement en la comparant à celle de votre méthode de prévision précédente. C’est facile (si vous avez une prévision alternative) et cela vous donnera une idée de la précision que nous offrons. Vous pouvez voir tout le processus dans ce bref tutoriel vidéo sur l’évaluation et la comparaison de la précision des prévisions.
Conclusion
En ce qui concerne les prévisions quantitatives, nous croyons dur comme fer qu'il est impossible d'améliorer ce qui n'est pas mesuré. Lokad ne vous offre rien d'autre que la possibilité d'évaluer le statu quo de votre société. Ce faisant, la première fois, vous serez probablement déstabilisé par les résultats de Lokad, pourtant nous nous engageons à mettre un membre de l'équipe de Lokad à votre disposition pour revoir ces résultats avec vous'''. Selon notre expérience, vous comprendrez tout en moins d'1 heure.
Envoyez-nous un courriel à
contact@lokad.com pour programmer un appel.