La prévision de la demande à travers Envision - Workshop #4
La dernière nouveauté de notre série d’ateliers Envision1 (Atelier #4 : Prévision de la demande) est désormais disponible pour les universitaires, éducateurs, étudiants universitaires et professionnels de la supply chain. Cet atelier offre des informations pratiques sur la manière dont nos Supply Chain Scientists (SCS) utilisent la perspective de la Supply Chain Quantitative (et ses outils) pour aborder la prévision de la demande dans les supply chains. Cet atelier est particulièrement important compte tenu de l’importance cruciale de la prévision de la demande pour produire des décisions de stocks optimisées risk-adjusted.

Cet atelier, comme ses prédécesseurs, adopte la forme d’une étude de cas fictive2 dans le secteur de la vente au détail. Il fournit aux étudiants toutes les informations, orientations et données nécessaires pour élaborer des prévisions de la demande afin d’anticiper la future demande et favoriser des décisions de stocks opportunes qui minimisent les risques financiers pour l’entreprise de vente au détail.
Pour les éducateurs, l’atelier fournit toutes les ressources requises pour un cours captivant et instructif en planification de la supply chain moderne, y compris un ensemble de données avec un schéma de données relationnel, un environnement de travail interactif, et une étude de cas avec des liens intégrés pour aider les étudiants à localiser et utiliser le code/fonctionnalité Envision pertinent3.

Le principal objectif de ces ateliers est de fournir aux étudiants des directives structurées pour analyser les supply chains modernes. Ce processus imite les situations commerciales réelles pour lesquelles les Supply Chain Scientists de Lokad génèrent quotidiennement des recommandations. Il imite également la progression des initiatives supply chain que Lokad met en œuvre avec ses clients. Chaque atelier est autonome, toutefois il est utile de les étudier dans l’ordre proposé, car ils utilisent tous des données pour la même entreprise fictive, chaque atelier concentrant son attention sur différents aspects de la supply chain de l’entreprise.
L’atelier commence par une présentation de l’entreprise fictive, une introduction des termes et définitions clés, ainsi qu’une description détaillée des données. Cette description complète imite un Manuel de Procédure Conjointe (JMP) de la vie réelle - le document fondamental pour chaque initiative supply chain avec Lokad.
Ce nouvel atelier devrait être particulièrement intéressant pour les prévisionnistes supply chain et planificateurs de la demande, car il offre l’opportunité d’en apprendre davantage sur la prévision probabiliste, qui est la méthode la plus complète pour appréhender l’incertitude future4. Il présente également les types d’outils que Lokad utilise pour automatiser complètement la génération de prévisions quotidiennement. Cette automatisation nécessite une conception minutieuse des recettes numériques par le Supply Chain Scientist - une compétence que nous pensons indispensable à tout futur praticien de la supply chain.
À mon avis (comme le partagent les professeurs qui utilisent actuellement nos supports pédagogiques), le cursus classique de la supply chain ne forme pas des praticiens capables de gérer efficacement même les supply chains d’aujourd’hui - sans parler des supply chains, plus complexes et dynamiques, de demain. Je soutiens que le domaine d’étude de la supply chain mérite des supports éducatifs appropriés qui répondent directement à ces défis, et j’espère que notre contribution continue aidera à former davantage de futurs Supply Chain Scientists.
Pour conclure, j’aimerais exprimer de nouveau ma profonde gratitude à Paul Jan5 pour ses contributions significatives, tant passées qu’en cours, à ce projet. Sans ses efforts, cette série d’ateliers n’aurait pas connu le succès ni la qualité que je lui attribue.
-
Tous les ateliers publiés ainsi que d’autres exercices pratiques sont disponibles dans la section Envision Gallery de la documentation publique de Lokad. ↩︎
-
Supply Chain Personae est une approche alternative développée par Lokad pour étudier les supply chains réelles, et pour remédier aux lacunes des études de cas traditionnelles. ↩︎
-
Une feuille de réponses est disponible sur demande. ↩︎
-
Comme illustré sur l’image, les prévisions probabilistes n’ont généralement pas l’aspect aussi élégant que les distributions gaussiennes. Par conception, l’optimisation de la prévision, à la fois en termes d’efficacité computationnelle et de précision, élimine la symétrie frappante d’une distribution normale (gaussienne). De plus, les données (et problèmes) supply chain ne suivent pas une distribution normale. Plongez dans les supports de l’atelier pour comprendre pourquoi. ↩︎
-
Paul Jan est, entre autres, maître de conférences à la Rotman School of Management de l’Université de Toronto, où il enseigne les Opérations et la gestion de la supply chain. Il possède plus de 19 ans d’expérience dans les domaines de l’éducation, de la fabrication et de la supply chain. ↩︎