Quantiles = Optimisation de stocks 2.0
Obtenir des prévisions précises, qui se transforment en bénéfices, est la priorité numéro 1 pour Lokad. Cependant, la prévision de la demande fait l’objet de recherches intensives depuis plus d’un demi-siècle, et chaque 0.1% d’exactitude supplémentaire constitue typiquement une véritable lutte ardue.
Parfois cependant, nous faisons une percée. Aujourd’hui, nous annonçons la mise à niveau technologique la plus significative de Lokad depuis son lancement il y a 6 ans: la disponibilité immédiate des prévisions quantiles.
Les quantiles sont révolutionnaires dans le sens où, dans de nombreuses situations, ils rendent les prévisions classiques purement obsolètes en ce qui concerne l’optimisation de stocks - pour les entreprises de vente au détail, de gros et de fabrication.
Nous avons identifié 3 situations où les quantiles brillent vraiment :
- Des taux de service élevés à 90 % et plus.
- Demande intermittente (les produits à faible rotation).
- Commandes en gros (demande en pics).
Dans ces situations, les comparaisons avec notre propre technologie de prévision classique indiquent que les prévisions quantiles apportent généralement soit 20 % de stocks en moins, soit 20 % de pénuries de stocks en moins.
Des affirmations extraordinaires requièrent des preuves extraordinaires. Carl Sagan
Cependant, les nombreux benchmarks que nous avons réalisés jusqu’à présent auprès de nos prospects et clients indiquent que notre technologie de prévision classique est déjà en avance sur la concurrence ; mais avec les prévisions quantiles, c’est un tout nouveau niveau d’optimisation de stocks qui peut être atteint.
N’hésitez pas à tester les quantiles.
L’histoire derrière la mise à niveau quantile
La prévision par quantiles (également appelée régression quantile) existe depuis des décennies dans les cercles académiques. Ensuite, dans la finance, les analystes utilisent largement les quantiles pour l’analyse de la Value at Risk (VaR) depuis la fin des années 1980.
Chez Lokad, les quantiles existent depuis longtemps également. Par exemple, en 2009, Sequential Quantile Prediction of Time Series. IEEE Transactions on Information Theory, March 2011, vol. 57, n°3 a été publié par l’un d’entre nous. Cependant, jusqu’à très récemment, les quantiles étaient très à tort considérés comme une distraction mathématique (du point de vue business) plutôt qu’un concept de mission critique.
Ce qui nous a freiné, ce n’était pas un manque de connaissances en statistiques, mais un manque de compréhension de la relation profonde entre les quantiles et optimisation de stocks. Cette révélation a été déclenchée, principalement par pur hasard, lorsqu’une cliente nous a demandé de trouver une formule pour calculer les taux de service optimaux pour ses stocks.
Une percée, oui, mais tardive
Cette percée quantile est seulement très relative dans le sens où les quantiles ont déjà été appliqués avec succès pendant des décennies dans d’autres secteurs. Cependant, il y a un aspect qui explique en partie cette arrivée tardive : les modèles quantiles nécessitent généralement environ 10 fois plus de puissance de calcul par rapport aux modèles de prévision classiques. Sans cloud computing, nous n’aurions pas pu mettre les quantiles en production, tout en préservant une tarification agressive.
