Supply Chain Science
Retour au blog ›
ROI = Retour Sur Stocks?
Trop de stocks réduisent le retour sur capital investi, trop peu diminue les bénéfices. Comment optimiser le ROI ?
Sparsité : quand la mesure d’exactitude se trompe
Découvrez ce que nous considérons être les métriques d'erreur qui provoquent le plus de ravages dans la prévision des ventes.
Trilemme de rupture de stock
Sensibilité, précision et latence : 3 options défavorables à équilibrer. Découvrez comment !
Combien obtenez-vous pour 1% de précision supplémentaire ?
Les gains générés par une meilleure précision de prévision ne devraient pas être nébuleux. Voyez comment nous les calculons.
Taux de service optimal et quantité de commande optimale
Découvrez les deux formules que nous avons développées afin de vous aider à tirer le meilleur parti de ces deux concepts.
Big data dans le retail, un électrochoc à la réalité
En raison des contraintes de main-d'œuvre, les détaillants font très peu usage de leurs données de panier d'achat. Découvrez ce que big data peut accomplir.
L’out-of-shelf peut expliquer 1/4 de l’erreur de prévision du magasin
L'OOS peut faire bien pire que de simplement dégrader la précision des prévisions, l'OOS peut également l'améliorer...
Saisonnalité illustrée
Les séries temporelles longues sont plus visuelles et attrayantes. Lokad s'oppose plutôt aux séries temporelles courtes - découvrez pourquoi !
Deux KPI pour votre détecteur OOS
Découvrez pourquoi la sensibilité et la précision sont les deux métriques fondamentales pour évaluer un système OOS.
L’activité est en hausse mais les prévisions sont en baisse
Learn how to reverse your thinking and go against what seems logical for more accurate demand forecasting.