Il y a quelques semaines, nous avons dévoilé nos plans concernant Shelfcheck, notre futur optimiseur de disponibilité sur les rayons destiné aux détaillants (physiques). Depuis lors, nous avons progressé de manière continue, en traitant une grande quantité de données de point de vente.

Lokad n’est pas la seule entreprise qui tente de résoudre le problème des OOS (ruptures en rayon), mais il existe très peu de littérature sur la manière d’évaluer le mérite respectif de deux détecteurs OOS. Dans cet article, nous passons en revue deux métriques fondamentales qui définissent la performance d’un système dans la détection des OOS.

Intuitivement, un détecteur OOS indirect (tel que Shelfcheck) repose sur la divergence entre les ventes observées et les ventes attendues. Comme des fluctuations aléatoires (c’est-à-dire imprévisibles) du marché peuvent toujours survenir, cette approche, par construction, ne peut pas constituer un système parfait (1), c’est un compromis entre la sensibilité et la précision.

(1) Le fait de ne pas être parfait n’implique pas d’être sans valeur.

La sensibilité représente le pourcentage de ruptures (c’est-à-dire les cas positifs à détecter) qui sont détectées par le système. Ce concept est déjà largement utilisé dans divers domaines allant du diagnostic médical à la sécurité aérienne. Plus la sensibilité est élevée, meilleure est la couverture du système.

Pourtant, en augmentant la sensibilité, on diminue également la spécificité du système, c’est-à-dire que l’on réduit le pourcentage de cas non-ruptures identifiés comme tels (c’est-à-dire les négatifs, qui ne devraient pas être détectés). En pratique, cela signifie que, en générant de plus en plus d’alertes, le détecteur OOS produit de plus en plus de fausses alertes, faisant perdre du temps aux équipes en magasin qui cherchent des problèmes inexistants.

Pourtant, la spécificité n’est pas un critère très pratique dans le secteur de la vente au détail. En effet, les produits en rupture ne représentent qu’une petite fraction des produits non en rupture. Plusieurs études citent 8% de ruptures comme étant une moyenne mondiale relativement stable. Ainsi, la spécificité est généralement très élevée, supérieure à 90%, même si le détecteur OOS se contentait de produire des estimations purement aléatoires. Par conséquent, ces pourcentages de spécificité élevés sont quelque peu trompeurs car ils ne reflètent que le déséquilibre existant entre les cas de rupture et les cas non en rupture en premier lieu.

Chez Lokad, nous privilégions la précision, qui représente le pourcentage de ruptures identifiées avec exactitude parmi toutes les alertes produites par le système. La précision se traduit directement par la quantité d’efforts qui ne seront pas gaspillés par le personnel en magasin vérifiant l’absence de problèmes. Par exemple, si la précision est de 50%, alors une alerte sur deux est une fausse alerte.

Ni 100% de sensibilité ni 100% de précision ne sont possibles, ou plutôt, si vous avez 100% de sensibilité, alors vous avez 0% de précision (tous les produits étant classifiés comme OOS tout le temps). Inversement, 100% de précision indique que vous avez 0% de sensibilité (aucune alerte n’est jamais produite). Le compromis sensibilité vs précision est inévitable : si vous voulez détecter quelque chose, vous devez accepter qu’une partie des détections soit incorrecte.

Pour comparer deux détecteurs OOS, il est nécessaire d’évaluer leur sensibilité et leur précision respectives. Ensuite, afin d’améliorer à la fois la sensibilité et la précision, il reste possible de tirer parti d’une technologie de prévision supérieure, car de meilleures prévisions amélioreront à la fois la sensibilité et la précision.

Cependant, cela soulève une autre question, comment comparer les éléments suivants_:_

  • un détecteur A avec 70% de sensibilité et 60% de précision;
  • un détecteur B avec 60% de sensibilité et 70% de précision.

Il s’avère que cette question ne peut être abordée de manière purement statistique : il est nécessaire de modéliser les coûts et bénéfices économiques afin d’évaluer le choix optimal.

Restez à l’écoute pour la suite.