La saisonnalité est l’un des schémas statistiques les plus puissants pouvant être utilisés pour affiner les prévisions. Ci-dessous, 4 séries temporelles agrégées au niveau hebdomadaire (159 semaines). Les données historiques sont en rouge et les prévisions sont en violet. Des repères verticaux gris indiquent le 1er janvier.

Lorsqu’on illustre la saisonnalité, tout le monde (y compris chez Lokad) a tendance à utiliser des séries temporelles longues, à l’instar des trois premières séries ci-dessus. En effet, c’est plus visuel et plus attrayant.

Toutefois, les séries temporelles longues ne représentent pas votre situation habituelle. En moyenne, les biens de consommation ont une durée de vie de 3 ou 4 ans au maximum. Ainsi, les séries temporelles longues constituent généralement une petite minorité dans votre jeu de données. Pire encore, ces séries temporelles longues pourraient être des anomalies qui ne reflètent pas le comportement d’autres produits à durée de vie plus courte.

Ci-dessus, la courte 4e série temporelle est un cas bien plus représentatif avec moins d’un an de données. Dans une telle situation, cependant, il est bien moins évident de savoir comment tirer parti de la saisonnalité. L’astuce de Lokad pour y parvenir consiste à utiliser l’analyse de séries temporelles multiples.

Pour en savoir plus, consultez notre article sur la définition de la saisonnalité.