Un des problèmes liés au fait d’être spécialiste d’un sujet est que vous avez tendance à tenir pour acquis ce qui reste obscur pour tous, sauf vos pairs. Chez Lokad, malgré tous nos efforts, nous ne faisons pas exception, surtout en ce qui concerne la prévision…

Récemment, nous avons réalisé que nous n’avions jamais fourni d’évaluation quantitative approfondie des gains financiers générés par une augmentation de la précision de prévision, qui constitue en quelque sorte la raison d’être de l’entreprise. De plus, après avoir parcouru le web, nous avons constaté que d’autres fournisseurs de prévision (competitors) étaient eux aussi assez flous quant aux récompenses financières pouvant être obtenues grâce à de meilleures prévisions.

Cependant, ce n’est pas si compliqué. Avec les variables suivantes :

  • DDD le chiffre d’affaires (ventes annuelles totales).
  • mmm la marge brute.
  • α le ratio du coût de la rupture de stock à la marge brute.
  • ppp le taux de service atteint avec le niveau d’erreur actuel (et le niveau de stocks actuel).
  • σ l’erreur de prévision du système en place, exprimée en MAPE (erreur de pourcentage absolu moyen).
  • σn l’erreur de prévision du nouveau système en cours d’évaluation (espérons plus faible que σ).

Le bénéfice annuel BBB de passer au nouveau système de prévision est donné par:

B=D(1−p)mασ−σnσB=D(1−p)mασ−σnσ

B = D (1 - p) m \alpha \frac{\sigma - \sigma_n}{\sigma}

Pour la démonstration de ce résultat, consultez l’article complet.