Appelez-nous 01 75 57 47 63 ou

search
login/signup

Logiciel de prévision pour la distribution, la vente en gros et la fabrication

questions fréquentes-technologie-prévision

RSS
Technologie de prévision » Ici

FAQ Technologie de prévision


Principes de base

Quels modèles de prévision utilisez-vous ?

Il est difficile de répondre à cette question pour deux raisons : premièrement, notre technologie de prévision fait partie de notre propriété intellectuelle (IP) centrale que nous ne divulguerons pas en détails ; deuxièmement, notre technologie est complexe et comporte de nombreux modèles. Ceci étant dit, Lokad exploite une théorie bien connue appelée la théorie d’apprentissage statistique. Cette théorie dépasse la plupart des méthodes de prévision les plus modernes comme Support Vector Regression, Bayesian Networks, les méthodes de mélange ou d'amélioration et méta heuristiques incluant des réseaux neutres ou des algorithmes génétiques... Nous n’excluons pas les méthodes classiques : Autorégression linéaire, moyenne mobile, lissage exponentiel (double, triple), Box-Jenkins, Holt-Winters, ARMA, ARIMA. Là encore, ces classiques sont généralement très faibles pour ce qui est de l'exploitation des corrélations entre les séries temporelles.

A quel point vos prévisions sont-elles précises ?

La précision des prévisions dépend essentiellement de l'ensemble de données spécifique à prendre en compte. Nous avons vu des situations dans lesquelles 0,5% d'erreur était considéré comme pauvre, comme les prévisions de la consommation électrique au niveau national sur 24 heures, et d'autres situations dans lesquelles 80% d'erreur était considéré comme excellent, comme une opération promotionnelle unique pour le lancement d'un produit. La précision dépend en grande partie de l'horizon - plus les prévisions vont loin, moins elles sont précises ; mais la précision dépend également beaucoup du niveau d'agrégation - plus les prévisions sont agrégées, plus elles sont précises.

Concurrence en matière de prévision, votre technologie a-t-elle été académiquement reconnue ?

De nombreuses compétitions de data mining ont lieu chaque année. Lokad suit généralement de très près ces événements, et compare régulièrement sa technologie de prévision à celle de la concurrence (nous traitons uniquement les séries temporelles, et non pas les images ou profils de clients par exemple). En 2011, nous n'avons pas encore vu de compétitions de data mining publiques qui, selon nous, représenteraient bien les challenges auxquels nous faisons face quotidiennement. Premièrement, les ensembles de données académiques ont tendance à être petits - inférieurs à des centaines de séries temporelles - avec de longues séries temporelles - des centaines de points de données par série temporelle. C'est pratiquement le contraire de ce que nous observons généralement dans la distribution : des milliers voire des millions de séries temporelles, des séries très courtes du fait de la durée de vie très limitées des produits. Ceci étant dit, Lokad s'en sort généralement bien par rapport à la concurrence, et très bien si l'on considère que, avec Lokad, les résultats sont obtenus prêts à l'emploi, sans aucune expérience nécessaire.

Évaluez-vous la précision de vos prévisions ?

Oui. Les mesures quantitatives précises de la précision des prévisions obtenues avec notre technologie de prévision représentent environ la moitié de notre technologie centrale. Sans trop entrer dans les détails, disons qu'il s'agit d'un challenge important, non seulement dans la production de modèles qui s'adaptent à vos données, mais qui s'avèrent vraiment très intéressants pour les données dont vous ne disposez pas encore, ex. données futures. Veuillez également consulter Surapprentissage : lorsque la mesure de la précision est incorrecte. La tâche quotidienne typique de l'équipe R&D de Lokad consiste à constamment exécuter le moteur de prévision sur les ensembles de données des clients, afin de mesurer les erreurs et essayer de les résoudre. L'un des aspects remarquables de notre technologie est que vous obtenez des prévisions, mais aussi, une valeur prévue pour chacune, vous obtenez la précision attendue de cette valeur, exprimée sous la forme d'une MAPE erreur. Vous n'avez donc pas à attendre pour finalement découvrir qu'une prévision s'avère très imprécise, Lokad vous communique les informations à l'avance afin que vous ajustiez votre stratégie en conséquence.

De combien de données historisées avez-vous besoin ?

Il n’y a pas d’exigence minimum quant à la quantité de données historisées. Ceci étant dit, Lokad offre une technologique statistique, ainsi plus il y a de données historisées, plus les prévisions sont précises. En pratique, 2 ans de données historisées est considéré comme bien, et 3 ans ou plus est considéré comme excellent. Si vous avez moins d’un an de données historisées, Lokad ne pourra pas affiner les prévisions avec la saisonnalité qui est une structure importante dans de nombreuses entreprises. De plus, pour exploiter la saisonnalité, Lokad n’a pas besoin de plus d’1 an pour chaque série temporelle (ex. ventes de produits), nous n’avons besoin que de quelques séries temporelles ayant plus d'un an d’historique pour établir des profils de saisonnalité existant dans votre entreprise. Pour les startups et les nouvelles entreprises, Lokad peut être utilisé depuis le début. En effet, nous ne fournissons pas que des prévisions mais également la précision qui va avec. Ainsi, les premières prévisions ont généralement des niveaux d’erreur très élevés et s’améliorent progressivement. Lokad vous propose également une manière de quantifier les incertitudes.

Structures générales

Tendances macro économiques (ex : crise financière), comment sont-elles prises en charge ?

Selon nous, il existe deux incompréhensions générales sur les tendances macro économiques. Premièrement, les tendances macro économiques peuvent uniquement être exploitées dans le but d'affiner les prévisions de la demande si ces dernières peuvent être évaluées avec précision. Si les banques avaient pu prévoir la crise financière, elle n'aurait jamais eut lieu. La prévision des tendances macro économiques est généralement plus difficile que la prévision de la demande de votre produit moyen, il s'agit donc généralement d'une option plutôt inflexible. Deuxièmement, une récession de -3% / an est considérée comme une grosse tendance macro économique, mais en pratique cela signifie un impact de -0,06% au niveau hebdomadaire. Par contre, nous observons régulièrement des ventes de produits variant de 20% d'une semaine à une autre. Lokad s'adapte parfaitement aux prévisions à court terme, et en allant quelques semaines plus loin, les tendances macro économiques sont généralement réduites à des facteurs microéconomiques comme des promotions, une cannibalisation, des campagnes publicitaires, ... En conclusion, Lokad ignore généralement la plupart des tendances macro économiques, mais selon notre expérience, il s'agit d'une option raisonnable dans 99% des cas.

Saisonnalité, tendance, comment sont-elles prises en charge ?

Nous détectons automatiquement des structures basées sur un calendrier. Inutile de préciser à Lokad qu'un produit est saisonnier, la saisonnalité est une structure fréquente traitée à l'origine par notre technologie de prévision. En fait, la saisonnalité est bien plus complexe que tout ce à quoi les gens s'attendent. A vos yeux, il n'y a aucune saisonnalité mais de nombreuses structures cycliques interagissant de manières différentes. Il y a la saisonnalité annuelle, journalière, la paie mensuelle, la saisonnalité quasi annuelle comme le jour de la fête des mères le 2ème dimanche de mai aux E.U., ... De plus, lors de la prise en compte des prévisions des ventes au niveau du point de vente, les structures cycliques des produits se combinent à celles du point de vente lui-même. En effet, chaque point de vente a un environnement plus ou moins unique générant ses propres structures de demande. Donc, la saisonnalité ne repose pas seulement sur l'attribution d'un fanion OUI/NON, il s'agit d'un ensemble de structures interdépendantes bien plus complexes. Lokad gère cette complexité pour vous.

Pâques, Ramadan, jour de la fête des mères et autres événements quasi saisonniers ?

Certaines structures calendaires sont, dans le jargon de Lokad, quasi-saisonnières : Les structures se répètent tous les ans, mais pas à la même date, selon le calendrier Grégorien (également connu comme le calendrier occidental ou Chrétien). Pâques, le Ramadan, le Nouvel An chinois, le jour de la fête des mères sont des exemples de structures quasi-saisonnières. Lokad détecte automatiquement les structures quasi-saisonnières, ainsi vous n’avez pas d’efforts à faire pour gérer ces structures. Comme pour la saisonnalité classique, Lokad se repose principalement sur une analyse multi séries temporelles pour détecter des séries temporelles ayant des structures quasi-saisonnières afin d'affiner l'analyse de structure.

Promotions, comment sont-elles prises en charge ?

Les trousses à outils de prévision classiques ne prennent pas en charge les promotions car elles ne peuvent traiter que des séries temporelles nues. Lokad possède un cadre de prévision plus riche offrant la possibilité de représenter des promotions à travers des libellés et des événements. Un événement est un ensemble de libellés - c'est-à-dire des mots clés choisis arbitrairement par le client - ces libellés sont placés à une certaine date. Une promotion est généralement représentée par des libellés associés à quatre zones descriptives : mécanisme de rabais, front de vente, forfaitisation et communication. En pratique, vos résultats dépendront de la quantité d'informations disponibles dans votre système. Si aucune information sur vos promotions passées n'a été enregistrée, notre technologie de prévision traitera ces piques promotionnels comme des parasites, qui seront filtrés. Si vous avez des informations, même un fanion de promotion basique OUI/NON, Lokad pourra exploiter cette information pour affiner l'analyse de votre historique des ventes. Lorsque les promotions sont placées dans le futur (à travers des événements), notre technologie déduit l'impact de ces promotions en examinant toutes les promotions similaires faites sur des produits similaires.

Cycles de vie et lancements de produits, comment sont-ils pris en charge ?

La plupart des marchandises des clients passent par un cycle de vie. Les produits sont lancés, se développent, perdent de leur intérêt et pour finir sont retirés du marché. Lokad peut prévoir les ventes à partir du lancement, en prenant en compte la date de lancement donnée. De toute évidence, lorsqu'un produit est sur le point d'être lancé, aucune donnée de vente n'est disponible pour ce produit particulier pour aider à la prévision. Là encore, contrairement aux trousses à outils de prévision classiques, Lokad ne consiste pas uniquement dans la prévision de séries temporelles classique. Les produits peuvent être, en particulier, décrits par le biais de libellés. Un libellé peut représenter presque toutes les propriétés du produit : catégorie, sous-catégorie, famille, marque, couleur, taille... Pour prévoir les ventes d'un produit lancé, Lokad analyse les lancements de produits similaires historisés, et les similarités sont évaluées selon les libellés fournis pour chaque produit. Nous appliquons le même principe aux autres structures de cycle de vie.

Produits intermittents / petits volumes, comment sont-ils pris en charge ?

Si l'un de vos produits n'est vendu qu'une seule fois par an, il n'y a pas grand chose à faire en matière de prévision statistique. En pratique, le choix de n'avoir qu'1 article en stock ou pas du tout d'article relève plutôt de la stratégie commerciale. Entre ce cas de rotation extrêmement lente et vos meilleures ventes il y a une zone grise de produits qui ne se vendent pas fréquemment mais assez fréquemment pour nécessiter une optimisation des stocks. La plupart des trousses à outils de prévision classiques agissent de manière inappropriée quant aux ventes irrégulières. Chez Lokad, nous avons fait de gros efforts sur cette structure de demande car de nombreuses entreprises, comme le e-commerce, se reposent beaucoup sur le long terme pour être rentables. Alors, si les produits peu vendus ne sont pas bien gérés, ils peuvent générer encore plus de stocks que les produits les plus vendus. Afin de pouvoir gérer les rotations lentes, nous vous recommandons d’opter pour des prévisions quantiles.

Cannibalisations, comment sont-elles prises en charge ?

La cannibalisation est une conséquence typique des promotions : qu'il s'agisse de vos promotions ou de celles de vos concurrents. Lokad traite les promotions au travers d'événements. Un événement se répercute principalement sur le produit associé à l'événement, mais l'impact de l'événement sur d'autres produits est également analysé. Selon notre expérience, les cannibalisations ne sont généralement pas des situations 1 pour 1 dans lesquelles chaque unité supplémentaire vendue pour le Produit A s'avère être une soustraction directe des ventes du Produit B. Une cannibalisation est généralement une corrélation négative se répercutant sur des dizaines, voire des milliers de produits. Au lieu de demander à l'utilisateur final de saisir manuellement les produits cannibalisés de chaque promotion, Lokad détecte automatiquement les cannibalisations. Naturellement, cela s'applique uniquement aux promotions mises à la disposition de Lokad, c'est-à-dire vos promotions. Les promotions de vos concurrents sont filtrées comme des parasites par Lokad.

Météo, comment est-elle prise en charge ?

Dans certaines entreprises, comme les épiceries, la météo est un facteur de demande très important. En 2011, Lokad n'exploite pas encore les prévisions météo en tant qu'entrées dans sa technologie de prévision. Bien que ce point face partie de nos objectifs à moyen terme. Notre objectif est de prendre en charge les entrées météo, et d'automatiser une grande partie du processus, afin que nos clients n'aient presque aucun effort à fournir et qu'ils puissent bénéficier d'une plus grande précision.

Conséquences de la demande

Ventes perdues à cause de ruptures de stock, comment sont-elles prises en charge ?

Les ventes ne satisfont pas la demande. Une rupture de stock entraîne un déséquilibre entre les ventes et la demande d'origine. En effet, une rupture de stock fait chuter les ventes alors que la demande reste stable. Contrairement aux trousses à outils de prévision classiques, avec Lokad, vous n'avez pas besoin d'altérer ni d'améliorer vos données historisées pour exprimer des ventes qui auraient dû se faire si vous n'aviez pas été en rupture de stock. A la place, les événements peuvent être utilisés pour indiquer le moment où les ruptures de stocks ont eut lieu. Les informations sur les ruptures de stock sont utilisées pour estimer plus précisément toutes les structures qui se seraient produites (saisonnalité, tendance ...) autrement. Si les ruptures de stock ne sont pas libellées en tant que telles avec des événements, Lokad filtre ces structures comme des parasites. Il est bon de garder une trace des ruptures de stock, mais il n'est pas utile de le faire avec Lokad.

Ventes exceptionnelles, comment sont-elles prises en charge ?

Selon votre secteur, votre entreprise pourrait faire face à des ventes exceptionnelles. Étant donné que ces dernières impliquent un volume exceptionnel, elles sont souvent plutôt traitées directement avec une approche purement statistique. Nous vous recommandons donc de ne pas améliorer vos données historisées pour nettoyer ces ventes exceptionnelles. Premièrement, cela vous fera perdre du temps, deuxièmement, les ventes exceptionnelles elles-mêmes porteront des informations qui aideront à prévoir la demande. Lokad ne peut pas prévoir de futures ventes exceptionnelles - qui dépendront du résultat d'une négociation par exemple. Si vous attendez des ventes exceptionnelles, nous vous recommandons de compléter manuellement les prévisions de Lokad avec des informations supplémentaires.

Agrégation, descendante ou ascendante ?

Certaines sociétés prévoient la demande au niveau de groupes ou de familles puis divisent ces prévisions afin d'obtenir des produits individuels. Il s'agit d'une méthode de prévision descendante. La même idée peut être appliquée à la fréquence de prévision : certaines sociétés prévoient d'abord au niveau hebdomadaire, puis appliquent des coefficients journaliers. Dans ce cas, il s'agit d'une méthode de prévision à fréquence ascendante. Une autre méthode consiste à générer des prévisions hebdomadaires en additionnant des prévisions quotidiennes. Nous vous recommandons d'ajuster vos prévisions afin qu'elles correspondent le plus possible à vos besoins opérationnels'': si la chaîne logistique nécessite des prévisions hebdomadaires pour chaque produit de Lokad. La demande de prévisions quotidiennes et l'addition de ces dernières n'amélioreront pas votre précision. En suivant la même idée, laisser Lokad prévoir les ventes au niveau du groupe de produits, puis diviser manuellement les prévisions pour chaque unité de gestion des stocks est une mauvaise idée, car la division elle-même pourrait comporter un certain nombre d'erreurs de prévision. En interne, Lokad se repose sur de nombreux algorithmes d'agrégation/séparation, et préfère exploiter, en particulier, les données les plus fines disponibles. Par exemple, nous exploitons les données des ventes quotidiennes afin de fournir des prévisions mensuelles. En effet, un mois peut comporter 4 ou 5 fins de semaine qui se répercutent de manière significative sur la plupart des détaillants. En général, vous n'avez pas à vous préoccuper du niveau d'agrégation, Lokad satisfait à vos besoins.

Définitions de la chaîne logistique


Définitions de la prévision