Prévisions probabilistes

Prévisions probabilistes

Accueil » Prévisions » Ici

Les prévisions probabilistes améliorent sensiblement la technologie de prévision développée par Lokad qui, jusqu'ici, reposait sur des grilles quantiles. Par rapport aux méthodes classiques de prévision, les prévisions probabilistes représentent une véritable avancée. Leur meilleur niveau d’exactitude se traduit par des bénéfices opérationnels au niveau de la gestion logistique, du stock et de la production.

Image

Accepter l’incertitude

Beaucoup d’entreprises sont frustrées par des prévisions sur lesquelles elles ne peuvent compter. Lokad a mis des années à identifier le nœud du problème : les approches traditionnelles des prévisions visent à fournir des chiffres « justes ». Mais, par nature, le futur est incertain et lorsqu’un outil ou une solution ne fournit pas les chiffres justes attendus, les bénéfices ne sont pas au rendez-vous. D’après notre expérience, aucun ajustement des modèles existants ni aucun nouveau modèle — au sens classique du terme — ne peut résoudre le problème. Les méthodes comme l’analyse du stock de sécurité sont supposées gérer l’incertitude mais, dans les faits, une telle analyse n’est qu’un élément ajouté à la dernière minute. Les prévisions probabilistes offrent une toute nouvelle façon d’envisager le futur En logistique, les coûts sont alimentés par des événements extrêmes : un niveau de demande exceptionnellement haut entraîne des ruptures de stock et la frustration des clients, tandis qu’un niveau de demande exceptionnellement bas crée du stock mort et des radiations coûteuses. Tout cadre dirigeant le sait bien, les entreprises doivent espérer le meilleur et se préparer au pire. Lorsque la demande est exactement au niveau attendu, tout se passe bien. Le défi majeur des prévisions commerciales ne consiste pas à fournir de bons résultats dans les cas « simples », lorsque tout se passe bien même avec une moyenne mobile approximative. Le défi majeur porte sur les cas « coriaces », ceux qui perturbent votre approvisionnement et rendent vos équipes folles.

Lokad a développé une toute nouvelle façon d’aborder les prévisions à travers les prévisions probabilistes. Des prévisions probabilistes de la demande ne donnent pas simplement une estimation de la demande, elles indiquent la probabilité de chaque futur possible. La probabilité que le niveau de demande soit de 0 (zéro) unité est estimé, ainsi que la probabilité qu’il soit de 1, de 2, etc. Chaque niveau de demande est associé à une probabilité jusqu’à ce que les probabilités soient si faibles qu’elles puissent être ignorées sans danger.

Ces prévisions probabilistes offrent une toute nouvelle façon d’envisager le futur. Au lieu de devoir prendre leurs désirs pour des réalités et espérer que les chiffres prévus se réalisent, les utilisateurs des prévisions probabilistes savent que tout est toujours possible, mais pas avec la même probabilité. Ainsi, les prévisions probabilistes sont un puissant moyen de se préparer au pire en analysant quantitativement les risques (tandis que les prévisions classiques y sont hermétiques).
Si l’analyse des risques est souvent un élément secondaire des méthodes de prévision classiques,
Lokad la met au premier plan à travers les prévisions probabilistes.

Du point de vue des professionnels

Les prévisions probabilistes peuvent sembler très intimidantes et techniques. Pourtant, si vous êtes un professionnel de la logistique, il y a de grandes chances pour que fassiez déjà des prévisions probabilistes « intuitivement », depuis des années : pensez à toutes les fois où vous avez du réviser à la hausse ou à la baisse vos prévisions initiales parce que le risque était trop élevé... C’est exactement ce que font les prévisions probabilistes : elles mettent en balance des décisions, de façon réaliste, lorsque le futur est incertain. Si l’analyse des risques est souvent un élément secondaire des méthodes de prévision classiques, Lokad la met au premier plan à travers les prévisions probabilistes.

Le moteur de prévisions probabilistes fournit des distributions de probabilités. D’un point de vue pratique, même si les informations sont très riches (c’est un aperçu des nombreux futurs possibles), elles sont presque inexploitables dans leur forme brute. Par conséquent, Lokad fournit une plateforme complète ainsi que l’ensemble des outils et du support humain nécessaires à la transformation de ces probabilités en décisions commerciales, telles que des quantités à commander.

L’application Web de Lokad comprend des fonctionnalités Big Data et permet de créer la logique métier de transformation des prévisions en décisions spécifiques à votre entreprise. Ces décisions peuvent être ajustées à vos contraintes logistiques, telles que des quantités minimales de commande par exemple, à vos moteurs économiques, les risques associés aux dates d’expiration par exemple, et à vos processus, tel qu’un passage de commande quotidien avant 8h00 le matin. Image
Quel que soit le temps passé à ajuster la solution,
celle-ci peut l’être toujours plus.

L’automatisation à travers le machine learning

La gestion logistique implique souvent de déplacer plusieurs produits entre plusieurs emplacements. Les solutions de prévision classiques ont tendance à fortement s’appuyer sur des ajustements manuels lorsqu’entrent en jeu des particularités statistiques avancées, comme les effets de nouveaux produits ou des cycles de vie des produits. Mais l’expérience de Lokad a montré que, dès lors qu’une solution de prévision requiert des ajustements, ces derniers sont sans fin : quel que soit le temps passé à ajuster la solution, celle-ci peut l’être toujours plus, simplement parce qu’il y a trop de produits, d’emplacements et que l’activité évolue en permanence.

Ainsi, chez Lokad nous avons opté pour une automatisation totale du processus de prévision.

  • Aucune connaissance statistique n’est nécessaire à l’obtention de prévisions.
  • Aucun ajustement des prévisions n’est requis.
  • Aucune intervention n’est nécessaire à l’alignement des prévisions sur votre activité.

Un tel niveau d’automatisation est possible grâce au machine learning. Intuitivement, si l’on prend les produits un par un, les informations disponibles sont souvent trop peu significatives pour effectuer une analyse statistique précise. Pourtant, grâce aux corrélations qui existent entre les produits vendus, les modèles de prévision peuvent être ajustés automatiquement et de meilleures prévisions calculées, en exploitant non seulement les données sur le produit lui-même mais aussi celles des produits identifiés comme similaires d’un point de vue des prévisions.

Les algorithmes capables de traiter ce type de problèmes statistiques sont généralement appelés algorithmes de « machine learning » ou algorithmes d’« apprentissage statistique ». Lokad exploite ces algorithmes — plusieurs d’entre eux d’ailleurs — pour fournir ses prévisions. L’inconvénient mineur est que ces algorithmes consomment beaucoup plus de puissance de traitement que leurs équivalents classiques. Cependant, grâce au cloud computing, le moteur de prévisions tourne sans problème, quel que soit le volume de données traité.
Chez Lokad, les prévisions sont un métier que nous remettons sans cesse sur notre ouvrage.

L’origine des prévisions probabilistes

Ce n’est pas Lokad qui a inventé les prévisions probabilistes mais d’autres mathématiciens, en utilisant le concept pour résoudre des problèmes très différents comme prévoir le prix des matières premières ou la météo. De plus, Lokad n’a pas utilisé les prévisions probabilistes dès le début. Nous avons commencé avec des prévisions classiques (2008) puis utilisé des prévisions quantiles (2012) et les grilles quantiles (2015). Ainsi les prévisions probabilistes correspondent à la quatrième génération de notre technologie de prévision.

Grâce à l’expérience gagnée au cours des itérations précédentes, notre savoir-faire s’est considérablement développé en matière de conception d’un moteur de prévisions capable de couvrir une large gamme de situations commerciales. Image

L’idée d’estimer des probabilités plutôt qu’une moyenne est née alors que nous essayions encore de faire fonctionner l’approche classique. Plusieurs échecs nous ont permis de réaliser que cette dernière est intrinsèquement défectueuse et que, quels que soient nos efforts de recherche et développement nous ne pourrions y remédier. C’est le cadre statistique lui-même qu'il fallait changer pour que le modèle de prévision fonctionne.

De plus, chaque itération de notre moteur de prévisions était une « généralisation » —du point de vue mathématique — de la version précédente. Chaque nouvelle génération du moteur permet de prendre en compte plus de cas que la précédente. En effet, mieux vaut avoir approximativement raison qu'exactement tort. Les situations les plus difficiles sont celles dans lesquelles le moteur de prévisions ne peut générer de prévisions appropriées à un cas commercial donné parce que le moteur n’est pas assez expressif. Ou bien lorsque le moteur de prévisions ne peut traiter des données d’entrée qui serait réellement pertinentes et significatives par manque, une fois encore, d’expressivité.

Chez Lokad, les prévisions sont un métier que nous remettons sans cesse sur notre ouvrage. Nous sommes fiers de ce que nous avons construit avec notre moteur de prévisions probabilistes mais ce dernier ne marque pas la fin de nos efforts. À la différence des solutions installées chez les clients, pour lesquelles une mise à jour est un projet à elle seule, la nouvelle génération de notre moteur de prévisions est disponible pour tous nos clients dès sa mise en service.

Notre FAQ sur les prévisions


Quels modèles de prévision utilisez-vous ?

Nous en utilisons plusieurs. La plupart de ceux que nous utilisons actuellement sont considérés comme des algorithmes de « machine learning ». Ces modèles ont été développés par Lokad et n’ont pas d’équivalents dans la littérature scientifique. Lorsque nous avons commencé en 2008, nous avions implémenté tous les classiques (Box-Jenkins, ARIMA, Holt-Winters, lissage exponentiel, etc.) mais ceux-ci ne sont plus utilisés car ils ne font pas le poids par rapport nos modèles les plus récents.

Comment sélectionnez-vous les modèles à utiliser ?

La moitié du chemin vers de bonnes prévisions est déjà parcourue une fois le bon modèle ou de la bonne combinaison de modèles sélectionné(e). Du point de vue statistique, un système capable de toujours choisir le meilleur modèle serait strictement équivalent à un modèle qui choisisse toujours les prévisions « parfaites ». En pratique, notre moteur de prévisions utilise largement le backtesting pour sélectionner le meilleur ensemble de modèles.

Votre moteur de prévisions gère-t-il la saisonnalité des produits, les tendances, les jours de la semaine ?

Oui, le moteur de prévisions gère tous les cycles les plus courants. Nos modèles utilisent largement les séries temporelles multiples pour exploiter les cycles observés sur d’autres produits afin d’améliorer l’exactitude des prévisions de chaque produit. Naturellement, il se peut que deux produits partagent la même saisonnalité mais pas la même évolution en fonction des jours de la semaine. Nous disposons de modèles dédiés à ce cas également.

De quelles données avez-vous besoin ?

Pour prévoir la demande, le moteur de prévisions a besoin, au minimum, de l’historique de la demande quotidienne. Un historique des commandes désagrégé est encore mieux. Plus l’historique est long, mieux c’est. Aucune saisonnalité ne peut être détectée avec un historique de moins de 2 ans. Un historique de 3 ans est considéré comme une bonne base tandis qu’un historique de 5 ans est excellent. Pour prévoir les délais d'approvisionnement, le moteur a généralement besoin des commandes d’achat avec à la fois les dates de commande et de livraison. Les attributs des produits ou SKU permet également d’affiner considérablement les prévisions. Enfin, les niveaux de stock sont utiles pour obtenir une première analyse de stock significative.

Pouvez-vous établir des prévisions à partir de mon fichier Excel ?

En règle générale, si toutes vos données tiennent dans un fichier Excel, nous ne pourrons pas grand-chose pour vous et, honnêtement, personne ne le pourra. Les données d’un fichier Excel sont surement agrégées par semaine ou par mois et la plupart des informations sur l’historique est perdue lors de l’agrégation. De plus, dans ce cas, votre feuille de calcul ne contiendra pas non plus beaucoup d’information sur les catégories et les hiérarchies qui s’appliquent à vos produits. Notre moteur de prévisions exploite toutes les données dont vous disposez et un test sur un échantillonnage de celles-ci ne donnera pas de résultats satisfaisants.

Qu’en est-il des ruptures de stock et des promotions ?

Les ruptures de stock et les promotions représentent des biais dans l’historique des ventes. L’objectif étant de prévoir la demande, et non les ventes, ces biais doivent être pris en compte. Une façon courante, mais incorrecte, de gérer ces événements consiste à corriger l’historique, pour compléter les creux ou atténuer les pics. Cependant, nous n’aimons pas cette approche qui, en réalité, consiste à donner des prévisions au moteur de prévisions et peut générer des problèmes de surapprentissage. Notre moteur prend donc en charge des « codes » qui indiquent si la demande a été limitée ou exagérée.

Effectuez-vous des prévisions sur de nouveaux produits ?

Oui. Cependant, pour cela, le moteur a besoin des dates de lancement des autres produits plus anciens, ainsi que de l’historique de leur demande au moment du lancement. Il est également conseillé d’indiquer des catégories de produit et/ou une hiérarchie. En effet, le moteur établit les prévisions des nouveaux produits en détectant automatiquement les produits plus anciens comparables aux nouveaux. Mais, aucune demande n’ayant encore été observée pour les nouveaux articles, les prévisions reposent entièrement sur les attributs qui leur sont associés.

Est-il possible d’ajuster les prévisions ?

Notre expérience de près de dix ans en prévisions statistiques nous a appris qu’ajuster les prévisions n’est « jamais » une bonne idée. Si les prévisions doivent être ajustées, alors le moteur de prévisions ne fonctionne surement pas correctement et doit être corrigé. Si aucune réparation n’est nécessaire et que les prévisions sont établies « comme prévu » d’un point de vue statistique, alors les ajuster est probablement une mauvaise solution au problème que vous rencontrez. Généralement, le besoin d’ajustement des prévisions reflète la nécessité de prendre en compte un moteur économique, qui doit impacter l’analyse des risques qui repose sur les prévisions mais pas les prévisions elles-mêmes.

Avez-vous de l’expérience dans mon secteur d’activité ?

Nous avons de l’expérience dans de nombreux secteurs d’activité : la mode, les aliments frais, l’électronique, les pièces détachées, l’aéronautique, la fabrication de luminaires, l’industrie lourde, etc. Nous pouvons travailler avec différents types d’entreprises : e-commerçants, grossistes, importateurs, fabricants, distributeurs, détaillants, etc. Le moyen le plus sûr de savoir si nous connaissons votre secteur d’activité est de nous contacter directement.

Utilisez-vous des données externes pour affiner les prévisions ?

Non. Nos prévisions bénéficient de tout le savoir-faire accumulé en travaillant avec d’autres clients et de tous les ajustements apportés au système au fur et à mesure mais les prévisions établies pour votre entreprise n’utilisent pas de données issues de sources externes, que ce soit d’autres clients de Lokad ou des ensembles de données publics. Inversement, vos données sont utilisées uniquement pour votre compte.