Technologie de Prévisions

Technologie de Prévision



Fournir ce que la technologie peut produire de plus exact en termes de prévisions de la demande

Corréler grâce à l'apprentissage profond

Calculer grâce au cloud computing et aux processeurs graphiques

Optimiser grâce aux données logistiques





Technologie du logiciel d'optimisation de stock

Lorsque l'on n'observe qu'un seul produit à la fois, il n'y a tout simplement pas assez de données pour produire une prévision statistique précise. En effet, dans la plupart des marchés de consommation, le cycle de vie des produits est inférieur à 4 ans, ce qui signifie qu'en moyenne, la plupart des produits possèdent moins de 2 ans d'historique - ce qui représente la profondeur d'historique minimum pour effectuer une analyse fiable de la saisonnalité lorsqu'on travaille sur une seule série temporelle.

Nous solutionnons ce problème en exploitant les corrélations statistiques : l'information obtenue sur un produit nous aide à affiner la prévision d'un autre produit. Par exemple, Lokad peut auto-détecter la saisonnalité applicable à un produit, même si celui-ci est en vente depuis moins de 3 mois. En effet, bien qu'aucune saisonnalité ne puisse être observée avec moins de 3 mois de données, si des produits plus anciens sont présents dans l'historique, on peut en extraire la saisonnalité pour l'appliquer aux nouveaux produits.

Bien que l'exploitation des corrélations au sein de l'historique de données puisse augmenter considérablement la précision des prévisions, elle augmente également la quantité de calculs à effectuer. Par exemple, pour corréler 1 000 produits en recherchant toutes les paires possibles, il faut compter environ 1 000 000 de combinaisons. Et il s'avère que beaucoup d'entreprises ont bien plus de 1 000 produits...

Grâce au cloud computing et aux processeurs graphiques (GPU), lorsque les clients nous envoient leurs données, nous allouons les machines uniquement lorsque cela est nécessaire. Puis, en moins de 60 min, nous retournons les résultats et nous désallouons du même coup les machines. Étant donné que le cloud que nous utilisons (Microsoft Azure) facture à la minute, nous ne consommons que ce dont nous avons réellement besoin. Comme aucune entreprise n'a besoin de prévisions plus d'une fois par jour, cette stratégie nous permet d'emblée de diviser par 24 les coûts hardware par comparaison avec les approches traditionnelles.

Une prévision traditionnelle est une prévision médiane, c'est-à-dire une valeur qui a 50% de chance d'être au-dessus ou en-dessous de la demande future. Malheureusement, cette vision classique ne correspond pas aux préoccupations centrales du domaine de la logistique, à savoir éviter les ruptures de stocks et réduire les stocks.

En 2016, Lokad a lancé la notion de prévisions probabilistes pour la chaîne logistique dans lesquelles les probabilités respectives de chaque niveau de demande sont estimées. Au lieu de prévoir une valeur par produit, Lokad fournit toute la distribution des probabilités.

Les prévisions probabilistes surpassent très largement les prévisions classiques pour les produits à rotation lente, les ventes erratiques et les produits qui présentent des pics de demande. Nous sommes convaincus que dans 10 ans, toutes les entreprises pour lesquelles l'optimisation des stocks est importante seront passées aux prévisions probabilistes en exploitant probablement les descendants de cette technologie.












La prévision en mode SaaS (Software as a Service)

Nos clients nous envoient leurs données, généralement sous forme de fichiers plats, parfois via des bases de données, et nous retournons les résultats. Les prévisions sont fournies en mode SaaS, comme un service. Aucune expertise statistique n'est requise de la part de nos clients : Lokad gère intégralement le processus de prévision.

Aucune configuration statistique n'est impliquée. Une fois que les données ont été poussées dans le bon format - un nettoyage des données n'étant pas nécessaire - Lokad retourne les résultats en moins de 60 minutes. Peu importe que ce soit la 1ère ou la 10ème fois que vous poussiez vos données vers Lokad, notre moteur de prévision est entièrement robotisé et ne nécessite pas d'intervention manuelle.

Nos modèles statistiques

Nous possédons une vaste bibliothèque de modèles statistiques. Elle inclut des grands classiques tels que Box-Jenkins, le lissage exponentiel, les modèles auto-régressifs et toutes leurs variantes. Cependant, les modèles classiques n'exploitent que médiocrement les corrélations. Par conséquent, nous avons développé des modèles plus performants qui tirent profit de l'ensemble des données disponibles.

Par ailleurs, nous ne cessons de surveiller la qualité des prévisions que nous produisons. Chaque jour, nous effectuons des simulations de prévision pour évaluer soigneusement et réduire les points faibles de notre technologie. Nous pouvons ainsi concentrer nos efforts de développement sur les points essentiels et faire bénéficier nos clients d'une technologie qui s'améliore constamment.