Largeur vs Profondeur, Faites pivoter vos prévisions de ventes de 90 degrés
Nous avons déjà expliqué pourquoi Lokad ne se souciait pas beaucoup de prévoir la nourriture chinoise plutôt que les boissons de bar sportif. Une autre façon de penser à notre technologie consiste à faire pivoter vos prévisions de ventes de 90 degrés.
Nous constatons qu’un produit de consommation a, en moyenne, une durée de vie de 3 ans. Cela signifie que, en moyenne, la quantité de données disponibles 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, quelle que soit la finesse ou l’avancée de votre théorie de prévision, vous ne pouvez pas faire grand-chose simplement parce que nous sommes confrontés à un manque total de données pour effectuer une analyse statistique robuste. Avec 18 points, même un motif ayant clairement une saisonnalité devient un défi à observer car nous n’avons même pas 2 observations saisonnières complètes.
Votre expérience peut varier d’une industrie à l’autre, mais à moins que vos produits restent sur le marché pendant des décennies, vous êtes susceptible de rencontrer ce problème.
En conséquence directe, les outils de prévision classiques nécessitent aux statisticiens de modifier les modèles de prévision pour chaque produit individuel car aucun modèle statistique non trivial ne peut être ajusté de manière robuste avec seulement 18 points de données en entrée.
Pourtant, Lokad n’a pas besoin de statisticien, et la magie réside dans la rotation de 90 degrés : nos modèles ne parcourent pas les données une seule série temporelle à la fois, mais toutes les séries temporelles en même temps. Ainsi, nous disposons de beaucoup plus de données d’entrée disponibles, et par conséquent, nous pouvons réussir avec des modèles avancés.
Cette approche est simplement une question de bon sens : si vous voulez prévoir la saisonnalité de votre nouvelle barre de chocolat, la saisonnalité des autres barres de chocolat semble être un bon candidat. Pourquoi traiter chaque barre de chocolat de manière strictement isolée des autres ?
Pourtant, du 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 SKU n’est en aucun cas un nombre élevé). C’est précisément là que le cloud entre en jeu : même si vos algorithmes sont bien conçus pour ne pas souffrir d’une complexité quadratique stricte, vous aurez quand même besoin d’une grande puissance de traitement. Le cloud se charge simplement de mettre cette puissance de traitement à disposition à la demande et à un prix très bas.
Sans le cloud, il est tout simplement impossible de fournir ce type de technologie.
