Deux KPI pour votre détecteur de rupture de stock
Il y a quelques semaines, nous avons dévoilé nos plans concernant Shelfcheck, notre futur optimiseur de disponibilité en rayon destiné aux détaillants (physiques). Depuis lors, nous avons avancé de manière constante, en traitant une grande quantité de données de points de vente.
Lokad n’est pas la seule entreprise à essayer de résoudre le problème des ruptures de stock, mais il existe très peu de littérature sur la manière d’évaluer les mérites respectifs de deux détecteurs de rupture de stock. Dans cet article, nous examinons deux métriques fondamentales qui définissent à quel point un système est bon pour détecter les ruptures de stock.
Intuitivement, un détecteur de rupture de stock indirect (comme Shelfcheck) repose sur la divergence entre les ventes observées et les ventes attendues. Étant donné que des fluctuations aléatoires (également appelées imprévisibles) du marché peuvent toujours se produire, cette approche, par construction, ne peut pas être un système parfait (1), c’est un compromis entre sensibilité et précision.
(1) Ne pas être parfait ne signifie pas être sans valeur.
La sensibilité représente le pourcentage de ruptures de stock (également appelées les positifs à détecter) capturées 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.
Cependant, en augmentant la sensibilité, on diminue également la spécificité du système, c’est-à-dire que l’on diminue le pourcentage de produits non en rupture de stock signalés comme tels (également appelés les négatifs, qui ne devraient pas être détectés). En pratique, cela signifie qu’en générant de plus en plus d’alertes, le détecteur de rupture de stock donne de plus en plus de fausses alertes, ce qui fait perdre du temps aux équipes du magasin qui cherchent des problèmes qui n’existent pas.
Bien que la spécificité ne soit pas un critère très pratique dans le cas de la vente au détail. En effet, les produits en rupture de stock ne représentent qu’une petite fraction des produits non en rupture de stock. Plusieurs études citent une moyenne mondiale relativement stable de 8% de ruptures de stock. Par conséquent, la spécificité est généralement très élevée, supérieure à 90%, même si le détecteur de rupture de stock produit des suppositions purement aléatoires. Ainsi, ces pourcentages de spécificité élevés sont quelque peu trompeurs car ils ne reflètent que le déséquilibre qui existe entre les ruptures de stock et les produits non en rupture de stock en premier lieu.
Chez Lokad, nous préférons la précision qui représente le pourcentage de ruptures de stock correctement identifiées 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 du magasin à vérifier des problèmes qui n’existent pas. Par exemple, si la précision est de 50%, alors une alerte sur deux est une fausse alerte.
Il n’est pas possible d’atteindre une sensibilité de 100% ou une précision de 100%, ou plutôt si vous avez une sensibilité de 100%, alors vous avez une précision de 0% (tous les produits étant classés comme étant en rupture de stock tout le temps). Dans l’autre sens, une précision de 100% indique que vous avez une sensibilité de 0% (aucune alerte n’est jamais produite). Le compromis sensibilité vs précision ne peut pas être évité : si vous voulez détecter quelque chose, vous devez accepter qu’une partie de ce que vous détectez soit incorrecte.
Afin de comparer deux détecteurs de ruptures de stock, il est nécessaire d’accéder à leur sensibilité et précision respectives. Ensuite, afin d’améliorer à la fois la sensibilité et la précision, il est possible de tirer parti d’une technologie de prévision supérieure, comme le montrent de meilleures prévisions, qui amélioreront à la fois la sensibilité et la précision.
Cependant, cela soulève une autre question : comment comparer les éléments suivants :
- un détecteur A avec une sensibilité de 70% et une précision de 60% ;
- un détecteur B avec une sensibilité de 60% et une précision de 70%.
Il s’avère que cette question ne peut pas être abordée de manière purement statistique : il est nécessaire de modéliser les coûts et les avantages économiques afin d’évaluer le choix optimal.
Restez à l’écoute pour en savoir plus.
