Le dernier ajout à notre série d’ateliers Envision1 (Atelier #4 : Prévision de la demande) est maintenant disponible pour les universitaires, les enseignants, les étudiants universitaires et les professionnels de la supply chain. Cet atelier offre des informations pratiques sur la façon dont nos Supply Chain Scientists (SCSs) utilisent la perspective de la Supply Chain Quantitative de Lokad (et ses outils) pour aborder la prévision de la demande pour les supply chains. Cet atelier est particulièrement important étant donné l’importance cruciale de la prévision de la demande pour produire des décisions d’inventaire optimisées et ajustées au risque2.

Une image combinée d'une partie du script Envision codé en couleur chargeant les données et le schéma de données correspondant.

Cet atelier, tout comme ses prédécesseurs, prend la forme d’une étude de cas fictive3 dans le secteur de la vente au détail. Il fournit aux étudiants toutes les informations, orientations et données nécessaires pour produire des prévisions de la demande afin d’anticiper la demande future et prendre des décisions d’inventaire en temps opportun qui minimisent les risques financiers pour l’entreprise de vente au détail.

Pour les enseignants, l’atelier fournit toutes les ressources nécessaires pour une leçon engageante et instructive sur la planification moderne de la supply chain, 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 pertinents4.

Un écran de tuiles et de tableaux de bord affichant des prévisions probabilistes et leurs métriques de précision.

L’objectif principal de ces ateliers est de fournir aux étudiants une orientation structurée pour analyser les supply chains modernes. Ce processus imite les situations commerciales réelles pour lesquelles les Supply Chain Scientists (SCSs) de Lokad génèrent des recommandations quotidiennement. Il imite également la progression des initiatives de supply chain que Lokad met en œuvre avec ses clients. Chaque atelier est indépendant, mais il est intéressant de les étudier dans l’ordre fourni car ils utilisent tous des données pour la même entreprise fictive, chaque atelier se concentrant sur différents aspects de la supply chain de l’entreprise.

L’atelier commence par une présentation de l’entreprise fictive, une introduction des termes clés et des définitions, ainsi qu’une description détaillée des données. Cette description complète imite un manuel de procédure conjoint (JMP) réel - le document fondamental pour chaque initiative de supply chain avec Lokad.

Cet atelier devrait être particulièrement intéressant pour les prévisionnistes de la supply chain et les planificateurs de la demande, car il offre l’opportunité d’en apprendre davantage sur la prévision probabiliste, qui est la manière la plus complète d’appréhender l’incertitude future2. Il montre également les outils que Lokad utilise pour automatiser complètement la génération de prévisions quotidiennes. Cette automatisation nécessite une conception minutieuse de recettes numériques par le Supply Chain Scientist - une compétence que nous pensons que chaque futur praticien de la supply chain devra posséder.

À mon avis (partagé par les professeurs qui utilisent actuellement nos supports), le programme d’études de la supply chain traditionnel 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 pédagogiques appropriés qui abordent directement ces défis, et j’espère que notre contribution continue aidera à former davantage de futurs Supply Chain Scientists.

En conclusion, je tiens à exprimer une fois de plus ma gratitude immense envers Paul Jan5 pour ses contributions passées et continues à ce projet. Sans ses efforts, cette série d’ateliers n’aurait pas été aussi réussie, ni d’aussi grande qualité selon moi.


  1. Tous les ateliers publiés ainsi que d’autres exercices pratiques peuvent être trouvés dans la section Envision Gallery de la documentation publique de Lokad. ↩︎

  2. Comme le montre l’image, les prévisions probabilistes ne ressemblent généralement pas à des distributions gaussiennes. Par conception, l’optimisation de la prévision pour l’efficacité computationnelle et la précision supprime la symétrie accrocheuse d’une distribution normale (gaussienne). De plus, les données (et problèmes) de la supply chain ne sont pas normalement distribuées. Plongez dans les supports de l’atelier pour en savoir plus. ↩︎ ↩︎

  3. Supply Chain Personae est une approche alternative développée par Lokad pour étudier de vraies supply chains et remédier aux défauts des études de cas traditionnelles. ↩︎

  4. Une feuille de réponses est disponible sur demande↩︎

  5. Paul Jan est, entre autres, professeur agrégé à la Rotman School of Management de l’Université de Toronto, où il enseigne la gestion des opérations et de la supply chain. Il compte plus de 19 ans d’expérience dans les domaines de l’éducation, de la fabrication et de la supply chain. ↩︎