Largeur vs. Profondeur, Faites pivoter vos prévisions de ventes de 90 degrés

Nous avons déjà expliqué pourquoi Lokad ne se préoccupait guère des prévisions de plats chinois plutôt que des boissons de Sport Bar. Une autre manière de concevoir notre technologie consiste à faire pivoter vos prévisions de ventes de 90 degrés.
Nous observons qu’un produit de grande consommation a, en moyenne, un cycle de vie de 3 ans. Cela signifie qu’en moyenne, la quantité de données disponible pour chaque produit est d’environ 18 mois. Lorsque nous examinons l’historique des ventes avec une agrégation mensuelle, 18 mois de données correspondent à 18 points.
Avec 18 points de données, peu importe la sophistication ou l’avancée de votre théorie de prévision, vous ne pouvez rien faire simplement parce que nous faisons face à un manque total de données pour mener une analyse statistique robuste. Avec 18 points, même un motif, par exemple la saisonnalité, devient difficile à observer car nous n’avons même pas deux observations saisonnières complètes.
Vos résultats peuvent varier d’une industrie à l’autre, mais à moins que vos produits ne restent sur le marché pendant des décennies, vous êtes très probablement confronté à ce problème.
En conséquence directe, les boîtes à outils de prévision classiques exigent que des statisticiens ajustent les modèles de prévision pour chaque produit, car aucun modèle statistique non trivial ne peut être ajusté de manière robuste avec seulement 18 points de données en entrée.
Pourtant, Lokad ne nécessite aucun statisticien, et la magie réside dans la rotation de 90 degrés : nos modèles n’itèrent pas sur les données d’une seule série temporelle à la fois, mais sur toutes les séries temporelles simultanément. Ainsi, nous disposons de bien plus de données d’entrée, et par conséquent nous pouvons réussir avec des modèles avancés.
Cette approche est tout simplement du bon sens : si vous souhaitez prévoir la saisonnalité de votre nouvelle barre de chocolat, la saisonnalité des autres barres de chocolat semble être une bonne candidate. Pourquoi traiter chaque barre de chocolat en stricte isolation par rapport aux autres ?
Pourtant, d’un point de vue computationnel, le problème vient de devenir beaucoup plus difficile : si vous avez 10,000 SKUs, le nombre d’associations entre deux SKUs est d’environ 100 millions (et 10,000 SKUs n’est nullement un nombre important). C’est précisément là que le cloud entre en jeu : même si vos algorithmes sont bien conçus pour ne pas souffrir d’une complexité strictement quadratique, vous aurez quand même besoin d’une grande puissance de calcul. Le cloud permet tout simplement de rendre cette puissance de calcul disponible à la demande à un coût très bas.
Sans le cloud, il n’est tout simplement pas possible de fournir ce type de technologie.