PRÉVISIONS DES STOCKS POUR LES RÉSEAUX DE DISTRIBUTION AVEC LOKAD
La technologie derrière Lokad aide les détaillants de produits de grande consommation, quelle que soit leur taille, à augmenter la disponibilité de leurs produits tout en minimisant la quantité de stocks détenus tant au niveau des magasins qu’au niveau des entrepôts. Le très haut niveau d'automatisation associé à Lokad le rend adapté même à des sélections de produits complexes sans avoir besoin d'engager du personnel supplémentaire. La technologie de prévisions par quantiles est spécialement conçue pour supporter des taux de service élevés, même lorsque les ventes sont à la fois intermittentes et erratiques. De plus, grâce au cloud computing, Lokad est capable de s'étendre jusqu'à des milliers de magasins.
Worten, un détaillant en électronique, possède plus de 300 magasins et le e-commerce, proposant une gamme diversifiée de produits pour les passionnés de technologie.
Worten prône une stratégie digitale alliant magasins et approche humaine. Notre partenariat avec LOKAD nous permet de digitaliser et de renouveler l'intelligence de notre gestion, garantissant que nos magasins soient mieux préparés pour offrir aux clients ce qu'ils désirent. En fin de compte, ce partenariat constitue une percée technologique et managériale dans la manière dont nous envisageons et gérons la supply chain.
Bruno Thiago Saraiva, Responsable des stocks chez Worten
Automatisation complète pour des assortiments complexes
Lokad importe des données de ventes historiques et produit directement des prévisions des stocks; et quand nous disons « directement », nous le pensons. Aucune configuration statistique de quelque nature que ce soit n’est impliquée lors de la génération de prévisions avec Lokad. Cela rend Lokad facilement accessible à ses utilisateurs, même à ceux dépourvus de compétences statistiques.
Lorsque des interventions manuelles sont nécessaires pour garantir le bon fonctionnement des prévisions, cela n’en finit pas : il y a trop de produits, trop de magasins.
De nombreuses solutions de prévision classiques offrent la possibilité de « régler » les prévisions, mais, en ce qui concerne le commerce de détail de produits de grande consommation, nous avons constaté à maintes reprises que ces fonctionnalités
sont gravement trompeuses. Lorsque des interventions manuelles sont nécessaires pour garantir le bon fonctionnement des prévisions, cela n’en finit pas : il y a trop de produits, trop de magasins. L’automatisation totale est tout simplement la seule option dans ce cas.
La technologie unique de prévision de Lokad exploite les corrélations entre les produits. En effet, lorsqu’on examine un seul produit, il ne dispose presque jamais de suffisamment de données historiques. Heureusement, les entreprises vendent souvent des centaines, voire des milliers de produits simultanément, et ainsi, en tirant parti de l’ensemble des schémas observables concernant les autres marchandises d’un catalogue de produits, Lokad évite le besoin complexe de « régler » les prévisions manuellement. Cela peut être perçu comme un comportement type « boîte noire » indésirable, mais notre expérience montre que même des modèles de prévision linéaires simples se comportent en pratique comme des boîtes noires pour les réseaux de distribution, parce qu’il n’y a jamais assez de temps pour examiner manuellement plus qu’une infime fraction des résultats produits quotidiennement.
Les systèmes de prévision classiques sont également confrontés à des cas particuliers : des produits avec une historique de ventes insuffisant, des produits avec des volumes de ventes trop faibles, des produits avec des profils de saisonnalité incertains, etc. Notre technologie de prévision ne laisse aucun produit de côté, afin d’assurer une couverture à 100 % de l’ensemble de l’assortiment.
Des modèles de prévision avancés qui exploitent les corrélations entre produits et magasins sont indispensables pour les réseaux de distribution, précisément parce qu'ils disposent, dès le départ, de tant de données à corréler.
Des taux de service élevés pour une demande intermittente
Au niveau des magasins, la grande majorité des produits présente des schémas de demande intermittente, de sorte que seule une poignée d’unités distinctes est vendue chaque jour. Pourtant, même si un produit n’est vendu qu’une fois par semaine, la plupart des détaillants cherchent à offrir des taux de service élevés pour satisfaire leurs clients. Grâce à sa technologie de prévision par quantiles, Lokad peut fournir des résultats précis de prévisions des stocks, même pour des produits vendus très rarement.
Les solutions de prévision classiques s’appuient sur des prévisions traditionnelles, c’est-à-dire des prévisions médiannes, en d’autres termes des prévisions qui ont 50 % de chances d’être supérieures ou inférieures à la demande future. Cependant, au niveau des magasins, les prévisions traditionnelles ne fonctionnent tout simplement pas, car la majorité des produits est vendue à moins d’une fois par jour.
Une technologie de prévision qui répond directement à une question simple : combien d’unités du produit X me faut-il pour atteindre le taux de service Y ?
Certains outils tentent de résoudre ce problème en prévoyant à l’échelle hebdomadaire voire mensuelle afin de désagréger des prévisions de haut niveau en prévisions fractionnées, mais le nombre d’erreurs associé à de telles méthodes est assez stupéfiant. Utiliser les prévisions classiques pour l’optimisation de stocks aborde le problème sous un angle erroné.
Lokad a développé une technologie de prévision statistique pour le commerce de détail qui répond directement à la question simple suivante : combien d’unités du produit X me faut-il pour atteindre le taux de service Y ? Au lieu d’essayer de répondre à cette question par une approche très indirecte et hautement imprécise, qui implique généralement des prévisions médiannes et des stocks de sécurité, la technologie de Lokad permet de fournir une réponse directe grâce aux prévisions par quantiles. En conséquence, puisque la méthode de prévision de Lokad est directe, et non indirecte comme avec les prévisions classiques, la performance des stocks obtenue grâce aux prévisions par quantiles dépasse largement la performance obtenue par l’approche classique.
Passer à l'échelle de milliers de magasins
Fournir des prévisions statistiques avancées pour jusqu’à des milliers de magasins peut nécessiter une quantité énorme de puissance de traitement. Lokad offre cette puissance de traitement grâce à son utilisation de Microsoft Azure, la plateforme de cloud computing de Microsoft. Grâce à notre travail chez Lokad, nous avons reçu le premier Azure Partner Award de Microsoft en 2010.
En particulier, Lokad exploite une technique appelée auto-scaling, signifiant que dès qu’une tâche de prévision doit être effectuée par Lokad, nous provisionnons dynamiquement les serveurs sur Microsoft Azure (potentiellement des centaines d’entre eux en fonction de l’ampleur du réseau de distribution), et nous utilisons immédiatement ces serveurs pour fournir des résultats de prévision en moins de 60 minutes. Dès qu’un calcul est terminé, tous les serveurs sont déprovisionnés.
Puisque les prévisions de stocks ne sont presque jamais nécessaires plus d’une fois par jour, l’auto-scaling offre une réduction directe des coûts matériels d’un facteur 24 ; une réduction qui peut être répercutée sur nos clients. Cependant, la véritable réduction du coût du matériel découle du fait que nous avons développé une technologie fortement orientée vers le traitement haute performance des données de distribution.
Stratégies d’achat complexes au niveau de l’entrepôt
Alors que le processus de réapprovisionnement au niveau des magasins est généralement relativement simple, les stratégies d’achat au niveau de l’entrepôt peuvent être assez complexes. Grâce au moteur de script de Lokad, il est possible de transformer des prévisions de demande ordinaires en commandes d’achat précises qui tiennent compte des remises sur prix, des frais d’expédition, des capacités d’entrepôt, des variations des délais de livraison, etc. Priceforge peut également être utilisé pour établir l’ensemble des indicateurs clés de performance (KPI) très spécifiques à l’industrie requis par les gestionnaires pour suivre la performance globale des stocks du réseau.