Le piège de la reverse supply chain pour la prévision de la demande

En ce qui concerne les prévisions, il existe un vieil adage Gargage In Garbage Out qui dit que même la meilleure technologie de prévision ne peut corriger des données d’entrée incorrectes. Bien que, selon notre expérience, les données de ventes détenues par les détaillants et les fabricants soient généralement plutôt propres. De nos jours, à l’ère des transactions électroniques, la quantité de données de ventes saisies incorrectement est infinitésimale.
Néanmoins, il existe encore des subtilités en matière de prévision. En particulier, Lokad s’efforce de livrer des prévisions de la demande plutôt que des prévisions de ventes.
En consolidant leurs données historiques de demande, nous avons remarqué que les retours, partie du processus de reverse supply chain, et les annulations, se retrouvent fréquemment comptés en négatif dans les ventes historiques consolidées. Un tel schéma génère typiquement des ventes négatives, ce qui est plutôt facile à repérer, même si elles se produisent rarement, puisque le nombre de retours est généralement faible par rapport au nombre de commandes.
Ce comportement est correct d’un point de vue comptable, mais malheureusement trompeur d’un point de vue prévisionnel. Voyons pourquoi.
Considérons que 9 unités d’un produit sont commandées le lundi. Lors de la livraison mardi, en tenant compte de la livraison express de la veille, 3 unités sont retournées. Au final, seulement 6 unités ont été réellement vendues le lundi. Pourtant, quelle est la prévision correcte de la demande pour le lundi ?
- Si nous supposons que 6 unités représentent la bonne demande pour le lundi, alors seulement 6 unités sont stockées; ce qui conduit à ce que seuls 6 clients soient servis le lundi, les 3 clients restants étant très probablement perdus en raison du manque de marchandises disponibles. Ensuite, mardi, 2 unités (au lieu de 3) sont encore retournées. Cette approche conduit à 4 ventes effectives pour le lundi.
- Si nous supposons que 9 unités représentent la bonne demande pour le lundi, alors 9 unités sont stockées et, par conséquent, expédiées. Moins 3 retours mardi, cette approche conduit à 6 ventes effectives pour le lundi.
De toute évidence, le deuxième scénario est meilleur pour le détaillant. En guise de règle générale, les données provenant de la reverse supply chain ne devraient avoir aucun impact sur les prévisions de la demande.
Ensuite, concernant les annulations, il existe une zone grise.
- Si une commande est annulée rapidement, avant que l’article n’ait eu la moindre chance d’être expédié, l’article devient immédiatement disponible pour qu’une nouvelle commande soit passée. Dans une telle situation, il est logique de ne pas compter l’article rapidement annulé comme faisant partie de la demande.
- Pourtant, si l’annulation intervient quelques jours après la commande, mais toujours avant l’expédition, alors un article dans les stocks aura été considéré comme indisponible pendant toute la période entre la commande et l’annulation. Ne pas comptabiliser cette commande annulée avec un long délai comme faisant partie de la demande pourrait potentiellement empêcher les clients d’acheter l’article qu’ils souhaitent.
La deuxième observation est encore plus forte si l’annulation est causée, en premier lieu, par le long délai d’expédition.
À titre de règle générale, toutes les opérations qui permettent d’allouer le stock doivent être comptabilisées dans la demande, même si ces opérations sont annulées par la suite. L’annulation peut être considérée comme un ravitaillement incertain mais pas comme une demande moindre. Pour un best-seller associé à un pourcentage de retours assez stable, cela signifierait finalement que le stock en commande représentant le stock prévu d’arriver dans le futur, pourrait être augmenté en fonction du volume des ventes en cours afin de refléter le taux d’annulation attendu.