Fouille de textes pour de meilleures prévisions de demande
Nous sommes fiers d’annoncer que Lokad propose désormais des capacités de fouille de textes qui assistent son moteur de prévision pour fournir des prévisions de demande précises, même lorsqu’il s’agit de produits associés à une demande sporadique et intermittente qui ne bénéficient pas d’attributs tels que les catégories et les hiérarchies. Cette fonctionnalité est en ligne, découvrez l option label de notre moteur de prévision.
Le principal défi de prévision auquel font face les supply chain est la rareté des données : la plupart des produits ne disposent pas d’une décennie de données historiques pertinentes et ne sont pas desservis par des milliers d’unités lorsqu’on considère les bords du réseau de supply chain. Les méthodes de prévision, qui reposent sur l’hypothèse que les séries temporelles sont à la fois longues et non clairsemées, fonctionnent mal pour cette raison même.
Lokad aborde les données historiques de la supply chain sous un autre angle : au lieu de se concentrer sur la profondeur des données, qui tend à être inexistante, nous examinons la largeur des données, c’est-à-dire l’ensemble des corrélations qui existent entre les produits. Comme il y a fréquemment des milliers de produits, de nombreuses corrélations peuvent être exploitées pour améliorer significativement la précision des prévisions. Pourtant, lors de l’établissement de ces corrélations, nous ne pouvons pas compter sur l’historique de la demande car de nombreux produits, tels que ceux sur le point d’être lancés, ne disposent même pas encore de données historiques. Ainsi, le moteur de prévision de Lokad a introduit un mécanisme pour exploiter à la place les catégories et les hiérarchies.
Exploiter les catégories et les hiérarchies pour améliorer la précision des prévisions fonctionne très bien. Cependant, cette approche souffre d’une limitation particulière : elle repose sur la disponibilité des catégories et des hiérarchies. En effet, de nombreuses entreprises n’ont pas beaucoup investi dans la mise en place de master data, et, par conséquent, ne peuvent pas bénéficier d’informations très détaillées sur les produits qui circulent dans la supply chain. Auparavant, lorsqu’aucune catégorie et aucune hiérarchie n’étaient disponibles, notre moteur de prévision était essentiellement paralysé dans sa capacité à gérer une demande clairsemée et intermittente.
Les nouvelles capacités de fouille de textes du moteur de prévision de Lokad bouleversent la donne : le moteur est désormais capable de traiter la description en texte brut des produits pour établir les corrélations entre eux. En pratique, nous constatons que, bien que les entreprises puissent manquer de catégorisations adéquates pour leurs produits, une description en texte brut est presque toujours disponible, améliorant considérablement l’applicabilité de la perspective de prévision axée sur la largeur chez Lokad.
Par exemple, si un ensemble diversifié de produits porte le nom Something Christmas, et que tous ces produits présentent un pic saisonnier constant avant Noël, alors le moteur de prévision peut identifier ce schéma et appliquer automatiquement la saisonnalité déduite à un nouveau produit qui contient le mot-clé Christmas dans sa description. C’est exactement ce qui se passe en coulisses chez Lokad lorsque des étiquettes en texte brut sont fournies au moteur de prévision.
Notre exemple ci-dessus est simpliste, mais, en pratique, la fouille de textes consiste à découvrir des relations complexes entre les mots et les schémas de demande que l’on peut observer dans les données historiques. Des produits partageant des descriptions similaires peuvent présenter des tendances similaires, des cycles de vie similaires, des saisonnalités similaires. Cependant, deux produits avec des descriptions similaires peuvent partager la même tendance mais pas la même saisonnalité, etc. Le moteur de prévision de Lokad repose sur des algorithmes d’apprentissage automatique qui identifient automatiquement les informations pertinentes à partir des descriptions en texte brut des produits. Le moteur ne nécessite aucun prétraitement des descriptions des produits.
Notre devise est de tirer le meilleur parti des données dont vous disposez. Grâce aux capacités de fouille de textes, nous abaissons à nouveau les exigences pour amener votre entreprise à l’ère des supply chains quantitatives. Une question ? Envoyez-nous simplement un message à contact@lokad.com.