L’un des problèmes liés au fait d’être spécialiste d’un sujet, c’est que l’on a tendance à considérer comme acquis ce qui reste obscur pour tous, sauf pour ses pairs. Chez Lokad, malgré tous nos efforts, nous ne faisons pas exception, surtout en ce qui concerne les prévisions…

Récemment, nous nous sommes rendu compte que nous n’avions jamais fourni d’évaluation quantitative approfondie des gains financiers générés par une amélioration de la précision des prévisions, ce qui constitue en quelque sorte la raison d’être de l’entreprise. De plus, après avoir étudié le web, nous avons constaté que d’autres fournisseurs de prévisions (competitors) étaient eux aussi assez flous quant aux récompenses financières qui pourraient 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 coût de la rupture de stock rapporté à la marge brute.
  • ppp le taux de service obtenu avec le niveau d’erreur actuel (et le niveau des stocks actuels).
  • σ l’erreur de prévision du système en place, exprimée en MAPE (erreur absolue moyenne en pourcentage).
  • σn l’erreur de prévision du nouveau système testé (espérons qu’elle soit inférieure à 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.