Exigences de données pour l'optimization de la supply chain

00:00:03 Signification des données historiques dans la technologie de Lokad.
00:01:40 Profondeur historique pour l’optimization de la supply chain.
00:04:24 Jeux de données clés : catalogue, commandes, ventes, stock actuel.
00:04:56 Rôle des données du catalogue dans la prévision, saisonnalité.
00:07:06 Importance de l’historique complet des ventes.
00:08:42 Suivi des nuances du cycle de vente d’un produit.
00:11:16 Historique des commandes d’achat dans la prédiction des prix.
00:13:53 Marge bénéficiaire, risques de stocks, difficultés de prévision.
00:14:32 Enregistrement précis des dates de commande, des livraisons, impact du contrôle qualité.
00:16:01 Contrôle qualité dans les expéditions de fraises, influence sur les commandes.
00:16:55 Comprendre la signification des stocks actuels.
00:17:36 Des niveaux de stocks théoriques peuvent entraîner des inexactitudes.
00:18:39 ‘Ruptures de stock’ et importance de l’historique des niveaux de stocks.
00:20:59 Jeux de données secondaires : activité promotionnelle.
00:22:00 Impact des activités promotionnelles sur les tendances des ventes.
00:23:13 Erreur courante : le choix d’un système ERP complexe.
00:24:39 Erreur deux : des lacunes dans l’enregistrement des données de commandes.
00:25:35 Erreur trois : négliger les instantanés des stocks.
00:26:30 Importance d’un enregistrement précis des données.

Résumé

Dans une interview avec l’animateur Kieran Chandler, Joannes Vermorel, le fondateur de Lokad, expose les complexités de l’optimization de la supply chain. Il souligne l’importance de la profondeur historique et du niveau de détail des données, un défi auquel de nombreuses entreprises sont confrontées. Vermorel suggère qu’il faut dix fois la durée des lead times en données historiques pour une prévision précise. Il insiste sur la nécessité de quatre jeux de données clés : le catalogue, l’historique des commandes d’achat, l’historique des ventes, et les stocks actuels. Selon lui, ces jeux de données permettent de révéler des tendances, d’optimiser les prévisions, et de gérer efficacement les stocks. Enfin, Vermorel identifie des erreurs courantes commises par les clients, telles que le choix de systèmes ERP difficiles et le défaut d’enregistrer les commandes d’achat ou l’historique des niveaux de stocks.

Résumé Étendu

Dans l’interview, Kieran Chandler, l’animateur, engage une conversation avec Joannes Vermorel, le fondateur de Lokad, une entreprise spécialisée dans l’optimization de la supply chain. Ils discutent de la nature complexe des exigences de données pour la technologie de Lokad et des défis rencontrés par les clients lorsqu’ils essaient de s’adapter à ces exigences.

Vermorel explique que le principal défi réside dans la profondeur historique et le niveau de détail des données nécessaires pour l’optimization de la Supply Chain Quantitative. Alors que l’état actuel d’une entreprise est relativement facile à appréhender, comprendre l’historique de l’entreprise nécessite d’analyser un ensemble de données plus étendu. De nombreuses entreprises rencontrent des difficultés lorsqu’elles tentent de collecter les données pertinentes à cet effet, notamment si elles ne s’étaient pas auparavant concentrées sur de tels détails.

L’étendue de l’historique nécessaire, selon Vermorel, varie en fonction du type d’entreprise. Des données historiques de moins d’un an compliquent la détection de n’importe quelle saisonnalité, et cela serait le cas pour toute méthode statistique. Cela commence à fonctionner efficacement avec trois ans de données. Néanmoins, la quantité de données historiques dépend également des lead times. Une entreprise avec des lead times courts peut fonctionner avec moins de données, tandis que celles disposant de lead times plus longs nécessitent une profondeur plus importante. En règle générale, il est suggéré d’avoir dix fois la valeur de l’historique correspondant aux lead times pour une prévision précise.

Vermorel souligne qu’il n’y a pas de magie dans la prévision : sans des données adéquates, ni les prévisions statistiques ni celles manuelles ne seront précises.

La conversation se tourne ensuite vers les quatre jeux de données principaux que Lokad utilise : le catalogue, l’historique des commandes d’achat, l’historique des ventes, et un instantané des stocks actuels. Vermorel explique l’importance du catalogue, qui permet à leur technologie de prévision de tirer parti des relations entre les produits pour affiner la prévision de chacun. Cela s’avère particulièrement bénéfique lors de la prévision de nouveaux produits, qui ne disposent d’aucun historique de ventes. Les attributs qui décrivent le produit, tels que les catégories de produits, les tailles et les couleurs, peuvent être utilisés pour déduire des schémas saisonniers à partir de produits similaires.

L’historique des ventes est essentiel, affirme Vermorel, mais il est crucial d’en vérifier l’exhaustivité. Un historique des ventes incomplet peut résulter de la disparition des données de vente de produits qui ne sont plus commercialisés. À ce stade, la conversation est interrompue, Vermorel promettant de fournir plus d’informations sur l’importance de l’historique des ventes.

Vermorel commence par souligner la nécessité d’un historique des ventes complet, incluant les détails sur les produits qui ne sont plus en vente. Cela est dû au fait que, dans certains cas, ces produits sont retirés du catalogue, entraînant ainsi des données historiques de ventes biaisées. Il mentionne également la différence entre ventes et demande, affirmant que les ventes ne reflètent pas toujours la demande réelle en raison de divers facteurs. Par exemple, le taux de vente immédiatement après le lancement d’un produit peut fournir une estimation de la demande future.

Vermorel aborde ensuite l’importance d’enregistrer avec précision les dates de début et de fin des ventes de produits. Ces données peuvent révéler des tendances dans le comportement des consommateurs, comme des changements soudains vers de nouveaux produits ou l’arrêt brutal des ventes dû à la suppression du catalogue en ligne. Il est également important de suivre l’historique des ventes sur différents canaux, tels que les magasins physiques et diverses plateformes en ligne.

La conversation se tourne ensuite vers l’historique des commandes d’achat. Vermorel explique qu’il est avantageux d’observer combien a été payé pour divers articles de stock au fil du temps. Cependant, il souligne que prédire les prix futurs est compliqué en raison de facteurs tels que les fluctuations monétaires. Bien que ces fluctuations puissent influencer les marges et les décisions relatives aux stocks, Vermorel affirme que prévoir ces changements n’est pas l’objectif principal de Lokad.

Vermorel souligne également l’importance de comprendre les dates associées aux commandes d’achat et aux livraisons. Ces dates offrent un aperçu des lead times, qui sont essentiels pour l’optimization de la supply chain. Les lead times peuvent varier en fonction des saisons ou d’événements tels que le Nouvel An chinois. Il ajoute qu’il est crucial de documenter toute divergence

entre les quantités commandées et livrées, car cela peut affecter les commandes futures, surtout lorsqu’une partie des produits ne passe pas le contrôle qualité.

Vermorel souligne la nécessité de disposer d’un instantané des stocks actuels. Il reconnaît que, en théorie, ces niveaux pourraient être reconstitués à partir des historiques des ventes et des commandes d’achat, mais des inexactitudes dans les stocks surviennent souvent. Ces inexactitudes peuvent s’accumuler avec le temps, entraînant des écarts importants. Par conséquent, il est essentiel de maintenir des instantanés et des contrôles réguliers des stocks pour une gestion efficace de la supply chain.

Vermorel discute de l’importance de comprendre à la fois les niveaux de stocks actuels et historiques. Le niveau de stock permet de savoir s’il faut réapprovisionner, tout en fournissant des informations sur l’historique des ventes. Par exemple, les ruptures de stock — des situations où la demande n’a pas pu être satisfaite en raison d’un stock insuffisant — ne doivent pas être interprétées comme un manque de demande. En réalité, la demande non satisfaite due aux ruptures de stock reste une demande, bien que non observée. Les niveaux de stocks historiques aident ainsi à déterminer la fréquence et l’impact des ruptures de stock. Vermorel envisage également une compréhension plus nuancée des ruptures de stock, où il ne s’agit pas toujours d’avoir zéro unité en stock. Dans certains cas, si les clients requièrent une quantité spécifique d’un produit, le fait de ne pas en disposer en quantité suffisante pourrait également être considéré comme une rupture de stock.

La conversation se poursuit sur l’importance des jeux de données secondaires. Vermorel indique que les activités promotionnelles constituent un jeu de données crucial à considérer, non seulement en termes de tarification, mais aussi concernant les produits promus à travers divers canaux. Ces données peuvent expliquer des pics dans l’historique des ventes. Par exemple, un pic pourrait être dû à une promotion ou à une véritable augmentation de la demande. Comprendre cette distinction aide à prévoir la demande future.

Vermorel aborde également les erreurs courantes commises par les clients. La première consiste à choisir un système ERP d’où il est difficile d’extraire les données. Ce choix peut entraîner une lutte considérable pour l’extraction des données, même si le système est local. La deuxième erreur est de ne pas enregistrer les commandes d’achat. Alors que les petites entreprises peuvent gérer leurs commandes avec des tableurs, cette approche devient problématique lorsqu’il s’agit d’analyser les lead times. La troisième erreur est de ne pas enregistrer les niveaux de stocks historiques. Vu le faible coût de stockage, Vermorel soutient qu’il n’y a aucune excuse pour ne pas conserver ces données.

Transcription Complète

Kieran Chandler: Aujourd’hui sur Lokad TV, nous allons examiner en détail la profondeur de données requise pour travailler avec nous et comprendre certaines des réelles insuffisances auxquelles certains de nos clients ont été confrontés. Alors, Joannes, pourquoi les clients ne sont-ils pas tout à fait capables de travailler avec la technologie de Lokad ?

Joannes Vermorel: L’un des plus grands défis auxquels les clients sont confrontés est effectivement les données. En pratique, cela ne devrait pas être le cas, mais c’est généralement ainsi. L’idée clé est que les données nécessaires pour faire fonctionner votre entreprise ne sont pas les mêmes que celles requises pour l’optimization quantitative de la supply chain. Pour cette dernière, il faut disposer de l’historique complet de votre entreprise. Il ne s’agit pas de remonter deux décennies en arrière, mais vous devez certainement disposer d’une certaine profondeur et d’un certain niveau de détail dans votre historique. De nombreuses entreprises qui n’ont pas réussi à mettre en place un tel système par le passé, ou pour lesquelles cela n’a même pas été essayé, n’ont pas forcément prêté attention à tous les détails afin de réunir toutes les données pertinentes. Ainsi, elles peuvent rencontrer des complications lorsqu’il s’agit de rassembler l’ensemble des données pertinentes pour obtenir des résultats réellement probants.

Kieran Chandler: Nous avons parlé de la profondeur historique. Quel est le délai minimum d’historique dont vous devriez disposer ?

Joannes Vermorel: La profondeur historique dépend du type de données et du type d’entreprise que vous avez. En règle générale, si vous disposez de moins d’un an d’historique, il est très difficile pour Lokad de capter une quelconque saisonnalité. Cela serait vrai pour toute méthode statistique. Si vous avez moins d’un an, vous n’avez pas observé la saisonnalité de l’entreprise. Pour commencer à appréhender la saisonnalité avec un certain degré de précision, il faut environ 18 mois. Cela commencera à fonctionner correctement avec deux ans et sera très efficace avec trois ans. Mais la quantité d’historique nécessaire dépend également de vos lead times. Si votre lead time est d’un jour, vous pouvez vous en sortir avec seulement deux mois d’historique, car la saisonnalité importe peu. Mais si vos lead times sont de quatre mois, alors il devient beaucoup plus important de capturer cette saisonnalité. Donc, si vous voulez quelque chose qui fonctionne bien, vous auriez probablement besoin d’environ 10 fois la durée des lead times applicables en historique.

Kieran Chandler: Parlons maintenant des données elles-mêmes. Chez Lokad, nous travaillons sur quatre jeux de données clés, n’est-ce pas ? Les jeux de données clés sont le catalogue, l’historique des commandes d’achat, l’historique des ventes, et également un instantané des stocks actuels. Examinons cela plus en détail. Si nous commençons par le catalogue lui-même, pourquoi est-il intéressant ? Je veux dire, nos clients comprennent sans doute ce qu’ils vendent et connaissent précisément les détails à ce sujet. Quoi de plus peut-on dire sur ce catalogue ?

Joannes Vermorel: Le catalogue revêt une importance primordiale. Il constitue une partie très significative des données.

Kieran Chandler: Nous parlons de la technologie de prévision de Lokad et de la manière dont elle tire parti de la relation entre les produits pour affiner la prévision de chacun. Pouvez-vous élaborer à ce sujet ?

Joannes Vermorel: Absolument, par exemple, lors de la prévision de nouveaux produits, nous ne disposons d’aucun historique des ventes sur lequel nous appuyer. Nous nous fondons donc sur les attributs qui décrivent les produits. Nous utilisons ces techniques de manière extensive pour les produits déjà lancés.

Kieran Chandler: Pouvez-vous nous donner un exemple ?

Joannes Vermorel: Bien sûr, prenons un produit qui a été vendu pendant trois mois. Peut-on appliquer un schéma saisonnier à la demande projetée pour ce produit ? La réponse est que si vous ne regardez que l’historique de ce produit, vous ne le pouvez pas, car vous ne disposez que de trois mois de données. Cependant, si votre entreprise existe depuis des années, vous pouvez examiner des produits comparables et détecter leur saisonnalité. Ainsi, avec seulement trois mois d’historique plus les attributs des produits, nous sommes en mesure d’en déduire la saisonnalité applicable pour ce produit.

Kieran Chandler: Donc, le catalogue, avec des éléments tels que les catégories de produits, les attributs de produit comme la taille et la couleur, est très important ?

Joannes Vermorel: Oui, absolument. Le catalogue est essentiel. Nous traitons également l’étiquette en texte brut si elle est présente, ce qui peut aider dans les domaines où le catalogue lui-même est mal structuré. L’objectif est d’étendre ces attributs afin de pouvoir exploiter toutes ces corrélations et affiner la prévision pour chaque produit, même si les informations dont nous disposons sur ce produit sont limitées.

Kieran Chandler: Parlons de l’historique des ventes. D’un point de vue prévisionnel, j’imagine que l’historique des ventes est l’aspect le plus important à examiner. Quelles autres informations nous intéressent, à part cela ?

Joannes Vermorel : La première chose est de vous assurer que votre historique des ventes est complet. Il peut être incomplet de façons subtiles. Par exemple, si vous n’avez pas de données de vente pour des produits que vous ne vendez plus ou si vous n’avez pas les informations produits associées à ces données de vente. Pour avoir un historique complet des ventes sur les trois dernières années, vous devez disposer de toutes les ventes qui ont eu lieu à l’époque, y compris les produits que vous ne vendez plus.

Kieran Chandler : Alors, les anciens produits qui ne se vendent plus peuvent fausser les données ?

Joannes Vermorel : Exactement, nous voyons parfois des configurations où les produits qui ne se vendent plus sont supprimés du catalogue et de l’historique des ventes. Cela aboutit à un historique des ventes biaisé où les données des produits qui ne se vendent plus ne sont pas immédiatement disponibles. Un autre aspect subtil de l’historique des ventes est de se souvenir du moment où vous avez commencé à vendre un produit. Les ventes ne sont pas la même chose que la demande. Il existe des biais, par exemple, si vous commencez à vendre un produit et que vous avez zéro demande pendant un mois, puis que vous vendez enfin une unité, c’est différent de vendre un produit le même jour de sa mise en ligne.

Kieran Chandler : Pouvez-vous nous en dire plus à ce sujet ?

Joannes Vermorel : Bien sûr, si vous mettez un produit en ligne et que vous vendez une unité le même jour, cela suggère que vous pourriez finir par vendre un produit par jour. Cependant, si vous mettez un produit en ligne et que vous devez attendre un mois pour vendre votre première unité, cela suggère que vous vendrez environ une unité par mois. Ainsi, comprendre quand vous avez commencé à vendre un produit est également crucial.

Kieran Chandler : Un moteur statistique peut-il faire la différence ? Le forecasting engine ne peut faire la différence entre deux situations que si vous avez correctement enregistré la date à laquelle la demande a réellement commencé, et la date de fin quand vous avez cessé de vendre le produit.

Joannes Vermorel : Absolument. Mais il est également important de savoir pourquoi un produit a cessé de se vendre. Est-ce qu’il a chuté brusquement à cause de l’arrivée d’un nouveau produit supérieur sur le marché, déclenchant un changement soudain dans le comportement des consommateurs ? Ou bien a-t-il cessé de se vendre parce que vous l’avez retiré de votre catalogue en ligne ou de vos étagères en magasin ?

De même, il est nécessaire d’avoir un enregistrement approprié des dates de fin. Il peut également y avoir d’autres facteurs si vous avez un produit qui est sur et hors du marché, ou si un produit est vendu, mais pas sur tous vos canaux. Par exemple, si vous vendez en magasins physiques, en ligne, ou peut-être via un canal B2B, vous devez enregistrer l’historique de ce qui influençait la demande, comme les canaux disponibles à tout moment.

Kieran Chandler : Passons maintenant à l’historique des bons de commande. J’imagine que l’avantage d’examiner l’historique des bons de commande est que vous pouvez voir combien vous avez payé pour divers articles en stock. Je suppose donc que nous utilisons cela pour prévoir le prix probable que nous allons payer pour un article. Est-ce correct ?

Joannes Vermorel : Ça dépend. Parce que le prix probable dépend du fournisseur. Pour la plupart des secteurs, le prix que vous payez aux fournisseurs est relativement stable. Cependant, il peut y avoir des surprises, généralement en raison des fluctuations monétaires. Par exemple, vous pourriez vous retrouver avec un devis en yuan alors que vous vendez réellement des produits en dollars. S’il y a une fluctuation de 15 % des taux de change, vous pouvez avoir une surprise où les choses sont significativement moins chères ou plus chères.

Kieran Chandler : Est-ce quelque chose que nous pouvons inclure dans la prévision, ce type de fluctuation monétaire ?

Joannes Vermorel : Cela dépend de ce que vous voulez prévoir. Les fluctuations monétaires auront un impact, mais pas directement sur votre prévision de la demande. Elles influenceront davantage la manière dont vous optimisez vos décisions au-delà de la prévision.

Par exemple, si votre marge pour un produit donné est plus élevée ou plus faible, vous ne prendriez pas autant de risque de stocks sur celui-ci. Si vous avez un article qui a une marge énorme, il est littéralement criminel d’avoir une rupture de stock. Dans un cas extrême, si vous avez une marge de 95 %, vendre une unité permet de compenser le surstock de vingt autres unités. Par conséquent, vous voulez être en surstock si vous avez des articles qui se vendent régulièrement avec une marge aussi élevée.

Par contre, si vous avez une marge de 5 %, vous devez faire très attention à la quantité que vous avez en stocks. Si vous avez un peu de surstock, vous aurez besoin d’un volume de ventes énorme pour compenser l’argent immobilisé dans cette unité supplémentaire en stocks. Si vous finissez par effectuer une dépréciation de stocks, cela va coûter très cher.

En général, nous ne prévoyons pas typiquement les marges futures parce que cela dépend de tellement de facteurs. Nous pouvons le faire, mais ce n’est généralement pas l’élément principal, car personne ne peut réellement prévoir les fluctuations monétaires. Les seules personnes capables de le faire sont celles qui négocient directement sur le marché afin de tirer profit des fluctuations attendues. Ce n’est pas notre spécialité, donc nous ne prétendons pas être meilleurs que le marché en matière de trading forex.

Kieran Chandler : Passons donc du trading. Mais en ce qui concerne les bons de commande, qu’est-ce qui peut également être intéressant ?

Joannes Vermorel : Ainsi, les dates impliquées dans un bon de commande et la livraison sont cruciales car elles fournissent les délais de livraison. Lorsque nous cherchons à optimiser les supply chains, nous devons considérer que toutes les décisions dépendent, dirais-je, des délais de livraison. De plus, ces délais peuvent varier selon les saisons. Par exemple, il peut y avoir des périodes chargées pour vos fournisseurs lorsqu’ils ne sont pas aussi disponibles. Celles-ci peuvent être saisonnières selon le calendrier occidental, mais elles peuvent également suivre le calendrier oriental, comme le Nouvel An chinois, ce qui peut ajouter environ deux semaines aux délais de livraison pour les produits venant de Chine ou de l’Asie en général.

Absolument, et il y a aussi des subtilités à prendre en compte. Par exemple, si vous commandez cent unités et que votre fournisseur en livre quatre-vingts, enregistrez-vous cette information ? Si vous avez mis en place des mesures de contrôle qualité où le fournisseur livre cent unités mais que vingt ne passent pas le contrôle qualité, c’est un facteur significatif. Cela est particulièrement pertinent dans le secteur de l’alimentation fraîche, par exemple, où des produits comme les fraises sont facilement abîmés. Vous pouvez vous retrouver avec 20 % des livraisons qui échouent au contrôle qualité. Cela peut être anticipé, car chaque année, une certaine fraction des livraisons de fraises ne répondra pas aux critères de contrôle qualité. Ainsi, si votre besoin est de cent unités, il vaudrait peut-être mieux commander cent vingt, car statistiquement, vous savez à l’avance que 20 % ne passeront pas le contrôle qualité.

Kieran Chandler : Exactement, donc les bons de commande et l’attention portée à la notation des dates et des quantités où le fournisseur pourrait faire des erreurs sont tous très cruciaux.

Joannes Vermorel : Oui, et c’est également ce niveau de granularité qui vous intéresse vraiment. Cela m’amène à la dernière pièce du puzzle : l’instantané des niveaux de stocks actuels. Nous connaissons déjà l’historique des commandes et nous savons également ce qu’était l’historique des ventes. Nous avons d’intelligents supply chain scientists ici chez Lokad. Alors, avons-nous vraiment besoin de cet instantané actuel ? Ne peuvent-ils pas le générer à partir des deux autres historiques ?

Kieran Chandler : En théorie, oui, vous pourriez reconstituer les niveaux de stocks simplement en sachant exactement combien d’unités sont entrées et combien d’unités sont sorties. Cela vous donnerait votre niveau de stock théorique à tout moment. Le défi est que des inexactitudes dans les stocks se produisent de temps en temps. Si tout ce que vous faites est de reconstituer l’historique complet pour déterminer les niveaux de stocks, ces inexactitudes s’accumuleraient au fil du temps jusqu’à atteindre un point où cela serait grandement inexact.

Joannes Vermorel : C’est exact. En pratique, nous avons besoin d’instantanés et de contrôles de stocks. Tout d’abord, nous devons connaître les niveaux de stocks actuels, car si nous ne savons pas ce que nous avons actuellement, nous ne pouvons pas nous fier uniquement à la demande future projetée pour passer des bons de commande. Nous devons tenir compte de ce que nous possédons déjà. Si nous avons déjà une montagne de produits, même si nous prévoyons une demande très élevée, nous ne repasserons pas de commande simplement parce que nous en avons assez. Ainsi, nous avons besoin du niveau de stock actuel, ainsi que des niveaux de stocks passés. Cela revient à l’historique des ventes. Les ventes ne représentent pas la demande. Si vous avez connu une rupture de stock, vous n’avez essentiellement observé aucune demande pendant probablement plusieurs jours, mais ce n’est pas parce qu’il n’y avait pas de demande, c’est simplement parce que vous ne pouviez pas la satisfaire. Ainsi, disposer de l’historique des niveaux de stocks est le moyen de connaître vos ruptures de stocks historiques, et la situation peut être un peu délicate.

Certaines personnes veulent acheter, disons, quelque chose comme une poignée de porte. Elles ont un appartement et souhaitent posséder cinq poignées de porte identiques. Si elles entrent dans votre magasin et n’en trouvent que trois identiques, elles n’achèteront pas trois en espérant en trouver deux identiques dans un autre magasin. Elles préféreront tout simplement trouver cinq qui se ressemblent ou essayer un autre magasin capable de leur vendre cinq identiques. Ainsi, la rupture de stock n’est pas un concept binaire, où soit vous avez exactement zéro unité et vous êtes en rupture, soit ce n’est pas le cas. Parfois, les gens recherchent des quantités spécifiques, ce qui donne une conception plus nuancée de la rupture de stock. C’est pourquoi vous devez suivre les niveaux de stocks, et l’historique des niveaux de stocks peut également être utile pour détecter automatiquement les inexactitudes les plus probables.

Kieran Chandler : Vous avez beaucoup parlé des ensembles de données principaux, ceux dont Lokad a besoin. Qu’en est-il de ces ensembles de données secondaires ? Y a-t-il quelque chose qui pourrait également nous intéresser à ce sujet ?

Joannes Vermorel : Oui, l’ensemble des données transactionnelles de base est ce que nous utilisons principalement. Le second cercle concerne probablement tout ce qui est lié à l’activité promotionnelle. Les promotions, dans le sens le plus élémentaire du terme, visent à mettre en valeur ou à promouvoir. Il ne s’agit pas seulement du prix. C’est également ce que vous mettez en avant sur vos différents canaux. Par exemple, une entreprise de le e-commerce peut organiser des promotions qui impliquent simplement les cinq produits qui finissent par être listés en permanence dans la newsletter envoyée à l’ensemble de la clientèle. C’est une sorte de promotion, même si elle ne s’accompagne pas d’une remise sur le prix. C’est un produit qui apparaît sur la page d’accueil de la boutique en ligne. Ainsi, le second cercle englobe tout ce qui est lié aux promotions, y compris la publicité. Ce type de données comprend probablement également toutes les données de trafic du le e-commerce qu’ils possèdent sur le site web.

Kieran Chandler : Discutons de certains des clients actuels de Lokad. Y a-t-il des erreurs courantes que nous avons constatées et dont les futurs clients pourraient peut-être tirer des leçons ?

Joannes Vermorel : Je pense que la plus grande erreur, numéro un, est de choisir un système ERP où il est extrêmement difficile d’extraire les données. C’est une forme de verrouillage fournisseur. De nombreuses entreprises choisissent un système où, même s’il est en interne, elles disposent d’un serveur local qui fait tout localement. Elles pensent être en contrôle parce que la machine se trouve dans leurs bureaux.

Kieran Chandler : La réalité, c’est qu’il est incroyablement difficile d’extraire les données parce que le système n’a pas été correctement conçu pour faciliter cela. Par exemple, extraire quoi que ce soit de QuickBooks sur le marché américain est un défi de taille. Je ne veux manquer de respect à Intuit, c’est une excellente entreprise, mais extraire des données est tout simplement incroyablement difficile.

Joannes Vermorel : En effet, c’est probablement la première erreur. La deuxième erreur consiste probablement à ne pas enregistrer les lacunes dans les statistiques, ce qui se produit généralement avec les bons de commande. Pour une entreprise plus petite, disons avec un chiffre d’affaires de dix millions de dollars, vos bons de commande pourraient tenir sur une feuille Excel. Cependant, si vous n’avez pas un système plus performant pour les enregistrer, le jour où vous voudrez faire une analyse des délais, vous aurez des difficultés car les données sont dispersées sur des dizaines de feuilles de calcul.

La troisième erreur pourrait être de ne pas prendre d’instantané des niveaux de stocks. De nos jours, les disques durs sont très bon marché, pourtant de nombreuses entreprises n’enregistrent pas les niveaux de stocks historiques. Ainsi, lorsque nous disons que nous avons besoin de connaître la situation passée des stocks ou celle des ruptures de stocks, les données n’ont jamais été enregistrées. C’est regrettable car nous parlons de quelques gigaoctets de données qui devraient littéralement coûter des centimes. Il n’y a aucune raison de ne pas enregistrer ces données et de les conserver indéfiniment.

Kieran Chandler : Pour résumer, si nos auditeurs devaient retenir un point clé de la discussion d’aujourd’hui, lequel serait-ce ?

Joannes Vermorel : Je dirais, faites attention à vos données. Elles ne sont pas naturellement très coûteuses, mais le meilleur moment pour commencer à enregistrer correctement toutes les données dont vous avez besoin est aujourd’hui. Dans trois ans, lorsque vous aurez besoin de quelques années d’historique, si vous ne commencez pas aujourd’hui, vous ne les aurez pas. La collecte et la maintenance de données correctement organisées ne peuvent être retardées, il faut le faire maintenant.

En tant que gestionnaire de la supply chain, vous ne pouvez pas prendre des décisions correctes sans données. Vous ne pouvez pas optimiser ce que vous ne mesurez pas, que vous utilisiez ou non quelque chose d’aussi sophistiqué que Lokad pour optimiser votre supply chain. Cela s’applique non seulement aux algorithmes statistiques que Lokad utilise, mais aussi aux humains. Sans données, les décisions que vous prenez ne seront pas bonnes. Vous ne pouvez pas simplement deviner combien d’unités vous allez vendre pour des centaines de milliers de produits.

Tout commence par le choix du bon logiciel pour gérer votre entreprise et s’assurer que vous avez accès aux données. Sinon, vous serez enfermé dans la solution du fournisseur que vous avez choisie.

Kieran Chandler : Super. C’est une idée fondamentale pour quelqu’un comme moi qui a tendance à remettre les choses à demain. C’est tout pour cette semaine. Nous reviendrons la semaine prochaine avec un autre épisode, mais d’ici là, à bientôt. Au revoir pour l’instant.