La saisonnalité est l’un des motifs statistiques les plus forts qui peuvent être exploités 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. Les marqueurs gris verticaux indiquent le 1er janvier.

Lorsqu’il s’agit d’illustrer la saisonnalité, tout le monde (y compris Lokad) a tendance à utiliser des séries temporelles longues, tout comme les trois premières séries ci-dessus. En effet, c’est plus visuel et plus attrayant.

Cependant, les séries temporelles longues ne représentent pas votre situation habituelle. En moyenne, les biens de consommation ont une durée de vie de 3 à 4 ans maximum. Ainsi, les séries temporelles longues sont généralement une petite minorité dans votre ensemble de données. De plus, ces séries temporelles longues pourraient être des valeurs aberrantes, qui ne reflètent pas le comportement des autres produits à durée de vie plus courte.

Ici, la quatrième série temporelle courte est un cas beaucoup plus représentatif avec moins d’un an de données. Dans une telle situation, cependant, il est beaucoup moins clair comment la saisonnalité peut être exploitée. L’astuce de Lokad pour y parvenir consiste à utiliser une analyse de plusieurs séries temporelles.

En savoir plus sur notre article sur la définition de la saisonnalité.