Quantiles = Optimisation des stocks 2.0
Obtenir des prévisions précises qui se traduisent par des profits est la priorité n°1 de Lokad. Cependant, la prévision de la demande a été largement étudiée depuis plus d’un demi-siècle, et chaque 0,1% de précision supplémentaire est généralement rien de moins qu’une bataille difficile.
Parfois cependant, nous faisons une percée. Aujourd’hui, nous annonçons la mise à niveau technologique la plus importante de Lokad depuis son lancement il y a 6 ans : la disponibilité immédiate des prévisions quantiles.
Les quantiles sont disruptifs dans le sens où, dans de nombreuses situations, ils rendent les prévisions classiques tout simplement obsolètes en ce qui concerne l’optimisation des stocks - pour les entreprises de vente au détail, de gros et de fabrication.
Nous avons identifié 3 situations où les quantiles se démarquent vraiment :
- Des taux de service élevés à 90% et plus.
- Une demande intermittente (produits à faible rotation).
- Des commandes en vrac (demande irrégulière).
Dans ces situations, les comparaisons avec notre propre technologie de prévision classique indiquent généralement que les prévisions quantiles permettent d’obtenir soit 20% de stocks en moins, soit 20% de ruptures de stock en moins.
Les affirmations extraordinaires exigent des preuves extraordinaires. Carl Sagan
Cependant, les nombreux benchmarks que nous avons réalisés jusqu’à présent avec nos prospects et clients indiquent que notre technologie de prévision classique est déjà en avance sur la concurrence ; mais avec les prévisions quantiles, il est possible d’atteindre un tout nouveau niveau d’optimisation des stocks.
N’hésitez pas à mettre les quantiles à l’épreuve.
L’histoire derrière la mise à niveau des quantiles
La prévision des quantiles (également appelée régression quantile) existe depuis des décennies dans les cercles universitaires. Ensuite, en finance, les analystes utilisent largement les quantiles pour l’analyse de la valeur en risque (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, mars 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 commercial) plutôt que comme un concept critique pour la mission.
Ce qui nous a retenu, ce n’était pas le manque de connaissances en statistiques, mais le manque de connaissances sur la relation profonde entre les quantiles et l’optimisation des stocks. Cette prise de conscience a été déclenchée, principalement par pur hasard, lorsqu’un client nous a demandé de trouver une formule pour calculer les niveaux de service optimaux pour son inventaire.
Une percée oui, mais tardive
Cette percée quantile est seulement très relative dans le sens où les quantiles ont déjà été appliqués avec succès depuis des décennies dans d’autres métiers. Cependant, il y a un aspect qui explique partiellement cette arrivée tardive : les modèles de quantiles nécessitent généralement environ 10 fois plus de puissance de traitement par rapport aux modèles de prévision classiques. Sans le cloud computing, nous n’aurions pas pu mettre les quantiles en production, tout en préservant une tarification agressive.