Combien obtenez-vous pour 1% de précision supplémentaire ?
L’un des problèmes qui survient lorsque l’on est spécialiste d’un sujet est que l’on a tendance à considérer comme acquis ce qui est obscur pour tout le monde sauf ses pairs. Chez Lokad, malgré nos meilleurs 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 la prévision, qui est la raison d’être de l’entreprise. De plus, après avoir enquêté sur le web, nous avons réalisé que d’autres fournisseurs de prévisions (concurrents) étaient plutôt flous eux aussi 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 coût de rupture de stock sur marge brute.
- ppp le taux de service atteint avec le niveau d’erreur actuel (et le niveau de stock actuel).
- σ l’erreur de prévision du système en place, exprimée en MAPE (erreur de pourcentage absolue moyenne).
- σn l’erreur de prévision du nouveau système en cours de benchmarking (idéalement inférieure à σ).
Le bénéfice annuel BBB de l’adoption du 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.
