Prévision 4.0 avec des prévisions probabilistes
Il y a un peu plus d’un an, nous avons dévoilé les grilles quantiles en tant que technologie de prévision 3.0. Plus que jamais, Lokad s’engage à fournir les meilleures prévisions que la technologie puisse produire, et aujourd’hui, notre 4ème génération de technologie de prévision, à savoir notre moteur de prévision probabiliste, est en ligne et disponible en production pour tous les clients. Ce nouveau moteur consiste en une réécriture complète de notre pile technologique de prévision et résout de nombreux défis de longue date auxquels nous étions confrontés.
Des probabilités réelles
L’avenir est incertain, quelle que soit la qualité de la technologie de prévision. En 2012, lorsque Lokad s’est aventuré pour la première fois dans les profondeurs de la prévision quantile, nous avons rapidement réalisé que l’incertitude ne devrait pas être négligée comme c’est le cas avec l’approche de prévision classique, mais plutôt être embrassée. En d’autres termes, les coûts de la supply chain sont concentrés aux extrêmes statistiques : c’est la demande étonnamment élevée qui provoque les ruptures de stock, et la demande étonnamment faible qui provoque les stocks morts. Au milieu, la supply chain fonctionne généralement assez bien.
Avec les grilles quantiles, Lokad fournissait une vision beaucoup plus détaillée des résultats futurs possibles. Cependant, comme son nom l’indique, nos grilles quantiles étaient construites sur nos prévisions quantiles, en réalité plusieurs couches de quantiles. Ces grilles quantiles se sont révélées extrêmement utiles au cours de l’année écoulée, mais tandis que notre moteur de prévision produisait des probabilités, en interne, presque toute sa logique ne fonctionnait pas directement avec des probabilités. Les probabilités que nous calculions étaient un sous-produit d’un système de prévision par régression quantile.
En raison de ces racines quantiles, notre moteur de prévision 3.0 avait plusieurs limitations subtiles. Et bien que la plupart de ces limitations soient trop subtiles pour être remarquées par les clients, elles n’ont pas été ignorées par l’équipe R&D de Lokad. Ainsi, nous avons décidé de redémarrer toute notre technologie de prévision avec une perspective de prévision probabiliste véritablement native ; et c’est ainsi que le moteur de prévision 4.0 a commencé.
Prévision des délais d’approvisionnement
Les délais d’approvisionnement sont souvent considérés comme acquis. Cependant, alors que les délais d’approvisionnement passés sont connus, les délais d’approvisionnement futurs ne peuvent être qu’estimés. Pendant des années, Lokad avait sous-estimé le défi de l’approximation précise des délais d’approvisionnement futurs. Les délais d’approvisionnement sont subtils : la plupart des modèles statistiques, tels que la saisonnalité (et le Nouvel An chinois en particulier), qui impactent la demande, impactent également les délais d’approvisionnement.
Dans notre moteur de prévision 4.0, les délais d’approvisionnement sont devenus des éléments de premier ordre avec leur propre mode de prévision des délais d’approvisionnement. Les délais d’approvisionnement bénéficient désormais de modèles de prévision intégrés dédiés. Naturellement, avec notre moteur étant un moteur de prévision probabiliste, les prévisions des délais d’approvisionnement sont une distribution de probabilités associée à une période incertaine.
Prévision intégrée de la demande
Les délais d’approvisionnement varient, et pourtant, notre moteur de prévision 3.0 était bloqué avec des délais d’approvisionnement fixes. D’un point de vue traditionnel, l’analyse classique des stocks de sécurité suppose que le délai d’approvisionnement suit une distribution normale, alors que presque toutes les mesures que nous avons effectuées indiquent que les délais d’approvisionnement variables ne sont clairement pas normalement distribués. Alors que nos expériences montraient régulièrement qu’avoir un délai d’approvisionnement fixe était préférable à avoir un modèle défectueux, être bloqué avec des délais d’approvisionnement statiques n’était néanmoins pas la solution parfaitement satisfaisante que nous recherchions.
Le moteur de prévision 4.0 introduit le concept de prévision intégrée de la demande, avec intégrée signifiant intégrée sur le délai d’approvisionnement. Le moteur prend une distribution complète de probabilités de délai d’approvisionnement et produit la prévision de demande probabiliste correspondante. En pratique, la distribution des délais d’approvisionnement est également calculée par le moteur de prévision comme vu précédemment. La prévision intégrée de la demande apporte enfin une réponse satisfaisante au défi de la gestion des délais d’approvisionnement variables.
Prévision des nouveaux produits
Prévoir la demande pour un nouveau produit est tout simplement difficile. Dans ce cas, la prévision ne peut évidemment pas reposer sur l’historique des ventes, le moteur de prévision doit donc s’appuyer sur d’autres données connues sur le produit avant son lancement. Notre moteur de prévision 3.0 disposait déjà d’un cadre de tags, spécifiquement conçu pour ce cas d’utilisation particulier. Cependant, les tags ne portaient malheureusement pas autant d’informations que nous l’aurions souhaité et une certaine précision était laissée de côté.
Avec la version 4.0, ce défi spécifique est revu avec l’introduction de catégories et de hiérarchies. Les catégories et les hiérarchies sont plus expressives et plus structurées que les tags, et transmettent beaucoup plus d’informations. Le moteur de prévision 4.0 tire pleinement parti de ce cadre de données plus riche pour fournir des prévisions plus précises, la prévision des nouveaux produits étant le cas d’utilisation le plus aigu.
Ruptures de stock et promotions
L’objectif du moteur de prévision est de prévoir la future demande. Cependant, notre connaissance de la demande passée est généralement imparfaite, seules les ventes passées étant réellement connues. Les ventes tendent généralement à être une approximation raisonnable de la demande, mais les ventes sont sujettes à de multiples biais, les cas les plus courants étant les ruptures de stock et les promotions. Notre moteur 3.0 disposait déjà de quelques heuristiques pour faire face à ce biais, et les prévisions quantiles sont intrinsèquement plus robustes que les prévisions moyennes (classiques). Pourtant, une fois de plus, la situation n’était pas entièrement satisfaisante pour nous.
Le moteur 4.0 introduit la notion de demande biaisée, qui peut être soit censurée soit gonflée. Lorsque la demande d’un produit donné un jour donné est marquée comme censurée, nous indiquons au moteur de prévision que la demande aurait dû être plus élevée et que la demande réelle pour ce jour reste inconnue. Le moteur utilise cette information pour affiner les prévisions, même lorsque l’historique est rempli d’événements qui ont faussé le signal de demande.
Demande ultra-faible
Bien que les prévisions quantiles soient nettement supérieures aux prévisions moyennes ou médianes classiques lorsqu’il s’agit d’estimer les probabilités d’événements rares, les quantiles commencent à montrer leurs limites lorsqu’il s’agit d’estimer des événements super rares. Par exemple, nos modèles quantiles avaient du mal à gérer correctement les articles vendus seulement une ou deux fois par an, ainsi que les taux de service supérieurs à 98%.
Les modèles probabilistes natifs, tels qu’implémentés dans notre moteur 4.0, se comportent beaucoup mieux lorsqu’il s’agit de demandes ultra-faibles et d’événements “rares” en général. Ces modèles auraient pu être implémentés dans un cadre de prévision quantile (une prévision probabiliste peut facilement être transformée en prévision quantile), mais notre moteur 3.0 ne disposait pas de l’infrastructure nécessaire pour les prendre en charge. Ils ont donc été implémentés dans le moteur 4.0 à la place.
Intégré dans Envision
Les versions 2.0 et 3.0 de notre moteur de prévision étaient accompagnées d’une interface utilisateur web. À première vue, cela semblait facile. Cependant, l’interface utilisateur négligeait en réalité le facteur qui représente le véritable défi de l’utilisation de (n’importe quel) moteur de prévision, à savoir fournir un contrôle complet des données transférées dans le moteur de prévision. En effet, la règle “garbage-in, garbage-out” reste un problème trop fréquent.
Le moteur 4.0 est interfacé depuis Envision, notre langage spécifique au domaine axé sur l’optimisation quantitative pour le commerce. Appeler le moteur de prévision nécessite une série d’arguments de données fournis à partir d’un script Envision. Cette approche nécessite un peu plus d’efforts initiaux, cependant, les avantages en termes de productivité se manifestent rapidement ; dès que des ajustements sont apportés aux données d’entrée.
La sortie de notre moteur de prévision 4.0 n’est que la première partie d’une série d’améliorations importantes qui ont été apportées à Lokad au cours des dernières semaines. Restez à l’écoute pour en savoir plus.
