Text mining pour de meilleures prévisions de la demande
Nous sommes fiers d’annoncer que Lokad propose désormais des capacités de text mining qui assistent son moteur de prévision pour fournir des prévisions précises de la demande, même lorsqu’il s’agit de produits associés à une demande sporadique et intermittente qui ne bénéficient pas d’attributs tels que des catégories et des hiérarchies. Cette fonctionnalité est en direct, consultez l’option label de notre moteur de prévision.
Le principal défi de prévision auquel sont confrontées les chaînes d’approvisionnement est la rareté des données : la plupart des produits n’ont pas une décennie de données historiques pertinentes et ne sont pas servis par des milliers d’unités lorsqu’on considère les extrémités du réseau de la chaîne d’approvisionnement. Les méthodes de prévision traditionnelles, qui reposent sur l’hypothèse que les séries temporelles sont à la fois longues et non rares, fonctionnent mal pour cette raison même.
Lokad examine les données historiques de la chaîne d’approvisionnement sous un autre angle : au lieu de se concentrer sur la profondeur des données, qui tend à être inexistante, nous nous intéressons à la largeur des données, c’est-à-dire à toutes les corrélations qui existent entre les produits. Comme il y a souvent des milliers de produits, de nombreuses corrélations peuvent être utilisées pour améliorer significativement la précision des prévisions. Cependant, lors de l’établissement de ces corrélations, nous ne pouvons pas compter sur l’historique de la demande car de nombreux produits, tels que les produits qui sont sur le point d’être lancés, n’ont même pas encore de données historiques. Ainsi, le moteur de prévision de Lokad a introduit un mécanisme pour exploiter les catégories et les hiérarchies à la place.
L’exploitation des catégories et des hiérarchies pour une précision accrue des prévisions fonctionne très bien. Cependant, cette approche souffre d’une limitation spécifique : elle repose sur la disponibilité des catégories et des hiérarchies. En effet, de nombreuses entreprises n’ont pas investi beaucoup dans la mise en place de données maîtres, et, par conséquent, ne peuvent pas bénéficier d’informations très détaillées sur les produits qui circulent dans la chaîne d’approvisionnement. Auparavant, lorsque aucune catégorie et aucune hiérarchie n’étaient disponibles, notre moteur de prévision était essentiellement handicapé dans sa capacité à gérer une demande sporadique et intermittente.
Les nouvelles capacités de text mining du moteur de prévision de Lokad changent la donne : le moteur est désormais capable de traiter la description en texte brut des produits pour établir les corrélations entre les produits. En pratique, nous constatons que même si les entreprises peuvent manquer de catégorisations appropriées pour leurs produits, une description en texte brut des produits est presque toujours disponible, ce qui améliore considérablement l’applicabilité de la perspective de prévision axée sur la largeur de Lokad.
Par exemple, si un ensemble diversifié de produits est nommé Something Christmas, et que tous ces produits présentent une augmentation saisonnière cohérente 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 interne chez Lokad lorsque des étiquettes en texte brut sont fournies au moteur de prévision.
Notre exemple ci-dessus est simpliste, mais, en pratique, le text mining consiste à découvrir des relations complexes entre les mots et les tendances de la demande qui peuvent être observées dans les données historiques. Les produits partageant des descriptions similaires peuvent avoir des tendances similaires, des cycles de vie similaires, des saisonnalités similaires. Cependant, deux produits avec des descriptions similaires peuvent avoir la même tendance mais pas la même saisonnalité, etc. Le moteur de prévision de Lokad est basé 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 aucune prétraitement des descriptions de produits.
Notre devise est de tirer le meilleur parti des données que vous avez. Grâce aux capacités de text mining, nous réduisons une fois de plus les exigences pour amener votre entreprise à l’ère des supply chains quantitatives. Une question ? Envoyez-nous simplement un message à contact@lokad.com.
