L'activité est en hausse mais les prévisions sont en baisse
La prévision statistique de la demande est une science contre-intuitive. Ce point a été souligné à plusieurs reprises auparavant (ici, là), mais examinons une autre situation trompeuse.
Si chaque segment de produit de mon entreprise connaît une croissance rapide, alors au moins certains produits devraient également avoir une tendance à la hausse des ventes. Non ? Sinon, nous ne grandirions pas du tout.
Cette affirmation semble être du simple bon sens ; et pourtant, elle est fausse, très fausse. Nous vivons dans une économie rapide. Le fait qu’un produit identique soit vendu pendant plus de 3 ans est l’exception plutôt que la norme dans la plupart des entreprises de biens de consommation. Par conséquent, les cycles de vie des produits ont tendance à éclipser la croissance organique des détaillants.
Cette situation est illustrée par le schéma ci-dessous.
Il s’agit d’un ensemble de ventes de produits tracées sur le même graphique. Chaque courbe est associée à un produit particulier ; et les produits sont lancés au fil du temps. Chaque produit possède son propre schéma de cycle de vie. Les schémas de cycle de vie illustrent ici un effet de nouveauté typique : les ventes augmentent rapidement après le lancement du produit, puis le produit entre dans sa phase de déclin, qui se termine lorsque le produit est finalement retiré du marché.
Pourtant, comment une tendance à la hausse - de la part du détaillant lui-même - impacte-t-elle cette image ? Jetons un autre coup d’œil à l’illustration ci-dessous.
Les ventes sont plus élevées avec un détaillant à tendance positive, mais cette croissance n’est pas suffisamment forte pour compenser l’effet du cycle de vie du produit. Les ventes du produit diminuent toujours, bien que à un rythme plus lent.
Cette situation met en évidence comment nous pouvons avoir une entreprise de vente au détail en forte croissance avec seulement des ventes de produits à tendance négative. Le principal tour de passe-passe réside dans le fait que de nouveaux produits continuent d’être lancés.
Hélas, cette situation génère beaucoup de confusion. En effet, lorsque les prévisions de ventes ne correspondent pas du tout aux attentes globales, il devient très tentant de corriger les prévisions.
Étant donné que la plupart des outils de prévision sont mal adaptés pour traiter une demande trop variable ou trop intermittente, il est tentant d’agréger les ventes par famille, par catégorie pour produire une prévision agrégée ; puis de désagréger les prévisions au niveau des SKU en utilisant des ratios. Cette approche est appelée prévision ascendante et est largement utilisée dans de nombreuses industries (notamment le textile).
Les prévisions ascendantes produisent des résultats qui semblent beaucoup plus proches des attentes intuitives : une croissance est observée dans les prévisions de ventes, et elle correspond à la croissance observée dans les différents segments d’activité.
Cependant, en produisant la prévision au niveau SUPÉRIEUR, le modèle de prévision capture une tendance à la hausse fictive qui résulte uniquement de la contribution des lancements réguliers de produits. Si cette tendance fictive est appliquée à un niveau inférieur - c’est-à-dire aux SKU ou aux produits - alors nous surestimons considérablement les ventes pour chaque produit individuel.
Pire scénario : un surstock massif est généré pour les produits précisément au moment où ils sont retirés du marché.
D’un point de vue de la prévision, un bon système de prévision devrait être capable de capturer les effets du cycle de vie. Cela signifie que les prévisions de ventes peuvent différer considérablement des prévisions globales de l’entreprise. L’activité peut augmenter alors que chaque produit individuel diminue. Dans une telle situation, essayer de corriger les prévisions risque de les rendre encore plus mauvaises.
Addendum : Malgré la date de cette publication (1er avril 2011), ce billet n’est pas une blague.
