00:00:03 Signification des données historiques dans la technologie de Lokad.
00:01:40 Profondeur de l’historique pour l’optimisation de la supply chain.
00:04:24 Jeux de données clés : catalogue, commandes, ventes, stocks actuels.
00:04:56 Rôle des données du catalogue dans la prévision, saisonnalité.
00:07:06 Importance des données complètes de l’historique des ventes.
00:08:42 Suivi des subtilités du cycle de vente des produits.
00:11:16 Historique des bons de commande 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 des commandes.
00:16:55 Comprendre l’importance des niveaux de stocks actuels.
00:17:36 Les niveaux de stocks théoriques peuvent entraîner des inexactitudes.
00:18:39 Les ruptures de stock et l’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 : choix d’un système ERP complexe.
00:24:39 Deuxième erreur : lacunes dans l’enregistrement des commandes.
00:25:35 Troisième erreur : négligence des instantanés des niveaux de stocks.
00:26:30 Importance de l’enregistrement précis des données.
Résumé
Lors d’une interview avec l’animateur Kieran Chandler, Joannes Vermorel, le fondateur de Lokad, expose les complexités de l’optimisation de la supply chain. Il souligne l’importance de la profondeur et du niveau de détail historique des données, un défi auquel de nombreuses entreprises sont confrontées. Vermorel suggère que dix fois la durée des délais de livraison en termes de données historiques est nécessaire pour une prévision précise. Il met l’accent sur la nécessité de quatre jeux de données clés : le catalogue, l’historique des bons de commande, l’historique des ventes, et les niveaux de stocks actuels. Selon lui, ces jeux de données aident à révéler des tendances, à optimiser les prévisions et à gérer efficacement les niveaux de stocks. Enfin, Vermorel identifie les erreurs courantes commises par les clients, telles que le choix de systèmes ERP complexes et l’omission d’enregistrer les bons de commande ou les niveaux de stocks historiques.
Résumé étendu
Dans cette interview, Kieran Chandler, l’animateur, entretient une conversation avec Joannes Vermorel, le fondateur de Lokad, une entreprise spécialisée dans l’optimisation de la supply chain. Ils discutent de la nature complexe des besoins en données pour la technologie de Lokad et des défis auxquels les clients sont confrontés 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 à l’optimisation de la supply chain quantitative. Alors que l’état actuel d’une entreprise est relativement facile à comprendre, la compréhension de l’historique de l’entreprise nécessite l’analyse d’un ensemble de données plus étendu. De nombreuses entreprises rencontrent des difficultés lorsqu’elles tentent de collecter les données pertinentes à cet égard, en particulier si elles ne se sont pas concentrées auparavant sur de tels détails.
L’étendue de l’historique nécessaire, suggère Vermorel, varie en fonction du type d’entreprise. Un historique de moins d’un an rend difficile la détection de toute saisonnalité pour Lokad, et cela serait également le cas pour toute méthode statistique. Il commence à fonctionner efficacement avec trois ans de données. Néanmoins, la quantité de données historiques dépend également des délais d’approvisionnement d’une entreprise. Une entreprise avec de courts délais d’approvisionnement peut fonctionner avec moins de données, tandis que celles avec des délais plus longs nécessitent une profondeur plus importante. En règle générale, il est recommandé d’avoir un historique dix fois supérieur à la valeur des délais d’approvisionnement applicables pour une prévision précise.
Vermorel insiste sur le fait qu’il n’y a pas de magie dans la prévision : sans données appropriées, ni les prévisions statistiques ni les prévisions manuelles ne seront précises.
La conversation se tourne ensuite vers les quatre principaux ensembles de données utilisés par Lokad : le catalogue, l’historique des bons de commande, l’historique des ventes et un instantané des niveaux de stock actuels. Vermorel explique l’importance du catalogue, qui permet à leur technologie de prévision d’exploiter la relation entre les produits pour affiner la prévision pour chacun d’eux. Cela s’avère particulièrement bénéfique lors de la prévision de nouveaux produits, qui n’ont pas d’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 tendances saisonnières basées sur des produits similaires.
Vermorel affirme que l’historique des ventes est essentiel, mais il est crucial de vérifier son exhaustivité. Un historique des ventes incomplet peut résulter de données de ventes manquantes pour des produits qui ne sont plus vendus. 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 complet des ventes, y compris des détails sur les produits qui ne sont plus en vente. Cela est dû au fait que, dans certains cas, ces produits sont supprimés du catalogue, ce qui fausse les données de l’historique des ventes. Il mentionne également la différence entre les ventes et la demande, affirmant que les ventes ne reflètent pas toujours la demande réelle en raison de divers facteurs. Par exemple, le taux de ventes immédiatement après le lancement d’un produit peut fournir une estimation de la demande future.
Vermorel parle ensuite de 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, telles que des changements soudains vers de nouveaux produits ou l’arrêt brutal des ventes en raison de leur suppression d’un catalogue en ligne. Il est également important de suivre l’historique des ventes sur différents canaux, tels que les magasins physiques et les différentes plateformes en ligne.
La conversation se tourne vers l’historique des bons de commande. Vermorel explique qu’il est bénéfique d’observer combien a été payé pour différents articles en stock au fil du temps. Cependant, il souligne que la prédiction des prix futurs est compliquée en raison de facteurs tels que les fluctuations des devises. Bien que ces fluctuations puissent influencer les marges et les décisions d’inventaire, Vermorel affirme que la prévision de ces changements n’est pas la principale préoccupation de Lokad.
Vermorel souligne également l’importance de comprendre les dates associées aux bons de commande et aux livraisons. Ces dates fournissent des informations sur les délais de livraison, qui sont essentiels pour l’optimisation de la supply chain. Les délais de livraison peuvent varier en fonction des saisons ou d’événements tels que le Nouvel An chinois. Il ajoute qu’il est essentiel de documenter toute divergence entre les quantités commandées et livrées, car cela peut affecter les commandes futures, notamment lorsque certaines marchandises ne passent pas le contrôle qualité.
Vermorel met en évidence la nécessité d’avoir une image actuelle des niveaux de stock. Il reconnaît que théoriquement, ces niveaux pourraient être reconstitués à partir de l’historique des ventes et des bons de commande, mais des inexactitudes d’inventaire surviennent souvent. Ces inexactitudes peuvent s’accumuler au fil du temps, entraînant des écarts importants. Par conséquent, il est crucial de maintenir régulièrement des instantanés et des contrôles d’inventaire pour une gestion efficace de la supply chain.
Vermorel souligne l’importance de comprendre les niveaux de stock actuels et historiques. Le niveau de stock indique la nécessité de réapprovisionner, mais offre également des informations sur l’historique des ventes. Par exemple, les ruptures de stock - situations où la demande ne peut être satisfaite en raison d’un stock insuffisant - ne doivent pas être interprétées comme un manque de demande. En réalité, la demande non satisfaite en raison de ruptures de stock est toujours une demande, bien qu’inobservée. Les niveaux de stock historiques permettent donc de déterminer la fréquence et l’impact des ruptures de stock. Vermorel considère 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 ont besoin d’une quantité spécifique d’un produit, ne pas en avoir suffisamment pour répondre à cette quantité peut également être considéré comme une rupture de stock.
La conversation aborde ensuite l’importance des ensembles de données secondaires. Vermorel indique que les activités promotionnelles sont un ensemble de données crucial à prendre en compte, non seulement en termes de tarification, mais aussi pour savoir quels produits sont promus à travers différents canaux. Ces données peuvent expliquer les pics dans l’historique des ventes. Par exemple, un pic pourrait être dû à une promotion ou à une augmentation réelle 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 à partir duquel il est difficile d’extraire des données. Ce choix peut entraîner des difficultés importantes dans l’extraction de données, même si le système est local. La deuxième erreur consiste à ne pas enregistrer les bons de commande. Alors que les petites entreprises peuvent gérer leurs commandes avec des feuilles de calcul, cette approche devient problématique lorsqu’il s’agit d’analyser les délais de livraison. La troisième erreur consiste à ne pas enregistrer les niveaux de stock historiques. Étant donné le faible coût du stockage, Vermorel affirme qu’il n’y a aucune excuse pour ne pas conserver ces données.
Vermorel aborde également les erreurs courantes commises par les clients. La première consiste à choisir un système ERP à partir duquel il est difficile d’extraire des données. Ce choix peut entraîner des difficultés importantes dans l’extraction de données, même si le système est local. La deuxième erreur consiste à ne pas enregistrer les bons de commande. Alors que les petites entreprises peuvent gérer leurs commandes avec des feuilles de calcul, cette approche devient problématique lorsqu’il s’agit d’analyser les délais de livraison. La troisième erreur consiste à ne pas enregistrer les niveaux de stock historiques. Étant donné le faible coût du stockage, Vermorel affirme 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 la profondeur exacte des données nécessaires pour travailler avec nous et comprendre également certaines des véritables lacunes auxquelles certains de nos clients ont été confrontés. Alors, Joannes, pourquoi les clients ne parviennent-ils pas tout à fait à travailler avec la technologie Lokad ?
Joannes Vermorel: L’un des plus grands défis auxquels les clients sont confrontés est en effet les données. En pratique, cela ne devrait pas être le cas, mais c’est généralement le cas. L’idée clé est que les données dont vous avez besoin pour exploiter votre entreprise ne sont pas les mêmes que celles dont vous avez besoin pour l’optimisation quantitative de la supply chain. Pour cette dernière, vous devez disposer de l’ensemble de l’historique de votre entreprise. Pas en remontant deux décennies, mais vous avez certainement besoin 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 dans le passé, ou pour lesquelles cela n’a même pas été tenté, n’ont pas nécessairement prêté attention à tous les détails pour avoir toutes les données pertinentes. Ainsi, elles peuvent rencontrer des complications lorsqu’il s’agit de rassembler toutes les données pertinentes pour obtenir des résultats vraiment pertinents.
Kieran Chandler: Nous avons parlé de la profondeur de l’historique. Quelle est la durée minimale de l’historique dont vous devez disposer ?
Joannes Vermorel: La profondeur de l’historique dépend du type de données et du type d’activité que vous avez. En règle générale, si vous avez moins d’un an, il est très difficile pour Lokad de capturer toute saisonnalité. Cela serait vrai pour n’importe quelle méthode statistique. Si vous avez moins d’un an, vous n’avez pas observé la saisonnalité de l’entreprise. Pour commencer à examiner la saisonnalité avec un certain degré de précision, vous avez besoin d’environ 18 mois. Cela commencera à fonctionner correctement avec deux ans et fonctionnera très bien avec trois ans. Mais la quantité de profondeur de l’historique dont vous avez besoin dépend également de vos délais de livraison. Si votre délai de livraison est d’un jour, vous pouvez très bien travailler avec seulement deux mois d’historique car vous ne vous souciez pas vraiment de la saisonnalité. Mais si vos délais de livraison sont de quatre mois à l’avance, il devient beaucoup plus important de capturer cette saisonnalité. Donc, si vous voulez quelque chose qui fonctionne bien, vous auriez besoin d’avoir au moins probablement quelque chose comme 10 fois la durée de vos délais de livraison applicables en termes d’historique.
Kieran Chandler: Parlons maintenant des données elles-mêmes. Chez Lokad, nous travaillons sur quatre ensembles de données clés, n’est-ce pas ? Les ensembles de données clés sont le catalogue, l’historique des bons de commande, l’historique des ventes et également un instantané des niveaux de stock actuels. Examinons-les un peu plus en détail. Commençons par le catalogue lui-même, pourquoi est-il intéressant ? Je veux dire, nos clients ont sûrement une bonne compréhension de ce qu’ils vendent et des détails exacts à ce sujet. Que peut-on dire de plus sur ce catalogue ?
Joannes Vermorel: Le catalogue est d’une importance primordiale. C’est une partie très significative des données.
Kieran Chandler: Nous discutons 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 chaque produit individuel. Pouvez-vous développer cela ?
Joannes Vermorel: Absolument, par exemple, lors de la prévision de nouveaux produits, nous n’avons pas d’historique des ventes sur lequel nous appuyer. Nous nous appuyons donc sur les attributs qui décrivent les produits. Nous utilisons ces techniques de manière approfondie pour les produits qui ont déjà été lancés.
Kieran Chandler: Pouvez-vous nous donner un exemple ?
Joannes Vermorel: Bien sûr, prenons un produit qui a été vendu pendant trois mois. Pouvons-nous 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 pouvez pas le faire car vous n’avez que trois mois de données. Cependant, si votre entreprise existe depuis des années, vous pouvez regarder des produits comparables et détecter leur saisonnalité. Ainsi, avec seulement trois mois d’historique plus les attributs des produits, nous sommes en mesure d’inférer la saisonnalité applicable à ce produit.
Kieran Chandler: Donc, le catalogue, avec des éléments tels que les catégories de produits, les attributs des produits 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 que nous puissions opérer toutes ces corrélations et affiner la prévision pour chaque produit individuel, même si les informations que nous avons sur ce produit sont limitées.
Kieran Chandler: Parlons de l’historique des ventes. Du point de vue de la prévision, je suppose que l’historique des ventes est la chose la plus importante à prendre en compte. Quelles autres informations nous intéressent ?
Joannes Vermorel: La première chose est de s’assurer que votre historique des ventes est complet. Il peut être incomplet de manière subtile. Par exemple, si vous n’avez pas de données de vente pour les produits que vous ne vendez plus ou si vous n’avez pas les informations sur les produits associées à ces données de vente. Pour avoir un historique complet des ventes sur les trois dernières années, vous devez avoir toutes les ventes qui ont eu lieu à l’époque, y compris les produits que vous ne vendez plus.
Kieran Chandler: Donc, les anciens produits qui ne sont plus vendus peuvent fausser les données ?
Joannes Vermorel: Exactement, nous voyons parfois des configurations où les produits qui ne sont plus vendus sont supprimés du catalogue et de l’historique des ventes. Cela entraîne un historique des ventes biaisé où les données des produits qui ne sont plus vendus ne sont pas facilement 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 y a des biais comme, si vous commencez à vendre un produit et que vous n’avez aucune demande pendant un mois, puis que vous vendez enfin une unité, c’est différent de vendre un produit le jour même de sa mise en ligne.
Kieran Chandler: Pouvez-vous donner plus d’informations 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. Donc, comprendre quand vous avez commencé à vendre un produit est également crucial.
Kieran Chandler: Est-ce qu’un moteur statistique peut faire la différence ? Le moteur de prévision 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 à laquelle vous avez arrêté de vendre le produit.
Joannes Vermorel: Absolument. Mais il est également important de savoir pourquoi un produit a cessé d’être vendu. Est-ce qu’il a chuté soudainement en raison de l’arrivée d’un meilleur produit sur le marché, entraînant un changement soudain dans le comportement des consommateurs ? Ou est-ce qu’il a cessé parce que vous l’avez retiré de votre catalogue en ligne ou de votre étagère en magasin ?
Même chose, vous devez avoir un enregistrement correct 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 par le biais d’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. Je suppose que le bon côté de l’examen de l’historique des bons de commande est que vous pouvez voir combien vous avez payé pour divers articles en stock. Donc, je suppose que nous l’utilisons pour prévoir à l’avenir le prix probable que nous allons payer pour un article. Est-ce correct ?
Joannes Vermorel: Cela 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 dues aux fluctuations des taux de change. Par exemple, vous pourriez vous retrouver avec un devis en yuans alors que vous vendez réellement des choses en dollars. S’il y a une fluctuation de 15% dans les 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 genre de fluctuation de change ?
Joannes Vermorel: Cela dépend de ce que vous voulez prévoir. Les fluctuations de change auront un impact, mais pas directement sur votre prévision de la demande. Cela aura plus d’impact sur la façon dont vous optimisez vos décisions en plus de la prévision.
Par exemple, si votre marge pour un produit donné est plus élevée ou plus petite, vous ne prendriez pas autant de risque de stock dessus. Si vous avez un article qui a une marge énorme, il est littéralement criminel d’être en rupture de stock. Dans un cas extrême, si vous avez une marge de 95 pour cent, la vente d’une unité paie pour la surstockage de vingt autres unités. Par conséquent, vous voulez être surstocké si vous avez des articles qui se vendent régulièrement avec une marge aussi élevée.
D’autre part, si vous avez une marge de 5 pour cent, vous devez être très prudent quant à la quantité de stock que vous avez. Si vous avez un peu de surstock, vous aurez besoin d’un énorme volume de ventes pour compenser l’argent bloqué dans l’unité supplémentaire en stock. Si vous finissez par faire une annulation d’inventaire, cela va coûter très cher.
En général, nous ne prévoyons généralement pas les marges futures car cela dépend de tellement de facteurs. Nous pouvons le faire, mais généralement ce n’est pas la chose principale car personne ne peut vraiment prévoir les fluctuations de change. Les seules personnes qui le peuvent sont celles qui négocient directement sur le marché pour gagner de l’argent grâce au trading de devises attendu. Ce n’est pas notre spécialité, donc nous ne prétendons pas être meilleurs que le marché pour faire du trading forex.
Kieran Chandler: Quittons le domaine du trading alors. Mais en ce qui concerne les bons de commande, qu’est-ce qui est d’intérêt ?
Joannes Vermorel: Donc, en général, les dates impliquées dans un bon de commande et la livraison sont cruciales car elles fournissent les délais. Lorsque nous cherchons à optimiser les chaînes d’approvisionnement, nous devons prendre en compte le fait que toutes les décisions sont, je dirais, dépendantes du délai. De plus, ces délais peuvent varier selon les saisons. Par exemple, il peut y avoir des périodes chargées pour vos fournisseurs où ils ne sont pas aussi disponibles. Celles-ci peuvent être saisonnières selon le calendrier occidental, mais elles peuvent aussi suivre le calendrier oriental, comme le Nouvel An chinois, ce qui peut ajouter environ deux semaines aux délais de livraison des produits en provenance de Chine ou d’Asie en général.
Absolument, et il y a aussi des captures de sous-totaux 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 des mesures de contrôle de la qualité en place où le fournisseur livre cent unités mais que vingt ne passent pas le contrôle qualité, c’est un facteur important. Cela est particulièrement pertinent dans le secteur des produits frais, par exemple, où des produits comme les fraises sont facilement endommagés. Vous pouvez vous retrouver avec 20 % des envois que vous recevez qui ne passent pas le contrôle qualité. Cela peut être anticipé, car chaque année, une certaine fraction des envois de fraises ne passera pas le contrôle qualité. Donc, si vous avez besoin de cent unités, peut-être devriez-vous en commander cent vingt car statistiquement, vous savez à l’avance que 20 % ne passeront pas le contrôle qualité.
Kieran Chandler: D’accord, donc les bons de commande et l’attention portée à la prise de notes des dates et des quantités où le fournisseur pourrait faire des erreurs sont tous très importants.
Joannes Vermorel: Oui, et c’est aussi ce niveau de granularité qui vous intéresse vraiment. Cela m’amène à la dernière pièce du puzzle : l’instantané des niveaux de stock actuels. Nous savons déjà quelle était l’historique des achats, et nous savons aussi quelle était l’historique des ventes. Nous avons des scientifiques de la supply chain intelligents 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 reconstruire les niveaux de stock en connaissant exactement le nombre d’unités entrées et le nombre d’unités sorties. Cela vous donnerait votre niveau de stock théorique à n’importe quel moment. Le défi est que les inexactitudes d’inventaire se produisent de temps en temps. Si tout ce que vous faites est de retracer toute l’histoire pour déterminer les niveaux de stock, ces inexactitudes s’accumuleraient au fil du temps jusqu’à un point où elles seraient très inexactes.
Joannes Vermorel: C’est exact. En pratique, nous avons besoin d’instantanés et de contrôles d’inventaire. Tout d’abord, nous devons connaître les niveaux de stock actuels, car si nous ne savons pas ce que nous avons en ce moment, nous ne pouvons pas simplement nous fier à la demande future projetée pour passer des commandes d’achat. Nous devons tenir compte de ce que nous avons déjà. Si nous avons déjà une montagne de choses, même si nous projetons une demande très élevée, nous pourrions ne pas recommander simplement parce que nous en avons assez. Donc, nous avons besoin du niveau de stock actuel, mais aussi des niveaux de stock passés. Cela remonte à l’historique des ventes. Les ventes ne sont pas la demande. Si vous avez une rupture de stock, alors fondamentalement vous n’avez pas observé de demande pendant probablement des 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, avoir l’historique des niveaux de stock est le moyen de connaître vos ruptures de stock historiques, et la situation peut être un peu délicate.
Les gens veulent acheter, disons, quelque chose comme une poignée de porte. Ils ont un appartement et ils veulent avoir cinq poignées de porte qui se ressemblent exactement. S’ils entrent dans votre magasin et n’en trouvent que trois qui se ressemblent, ils n’achèteront pas trois en espérant en trouver deux identiques dans un autre magasin. Ils préféreraient simplement en trouver cinq qui se ressemblent ou essayer un autre magasin qui peut leur vendre cinq identiques. Donc, la rupture de stock n’est pas un concept binaire, où soit vous avez exactement zéro unité et vous êtes en rupture de stock, soit vous êtes bon. Parfois, les gens recherchent des quantités spécifiques, donc vous avez un concept de rupture de stock plus nuancé. C’est pourquoi vous devez suivre les niveaux de stock, et les niveaux de stock historiques peuvent également être utiles pour détecter automatiquement les inexactitudes d’inventaire les plus probables.
Kieran Chandler: Vous avez beaucoup parlé des ensembles de données de base, des principaux ensembles de données dont Lokad a besoin. Et qu’en est-il de ces ensembles de données secondaires ? Y a-t-il quelque chose qui pourrait également nous intéresser là-bas ?
Joannes Vermorel: Oui, l’ensemble de données transactionnelles de base est ce que nous utilisons principalement. Le deuxième cercle concerne probablement tout ce qui est lié à l’activité promotionnelle. Les promotions, dans le sens très basique du terme, visent à mettre en avant ou à mettre en avant. Ce n’est pas seulement une question de tarification. C’est aussi ce que vous promouvez sur vos différents canaux. Par exemple, une entreprise de commerce électronique peut faire des promotions qui ne concernent que les cinq produits qui finissent par être répertoriés 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 de prix. C’est un produit qui apparaît en première page du magasin en ligne. Donc, le deuxième cercle englobe tout ce qui est lié aux promotions, y compris la publicité. Ce type de données comprend également toutes les données de trafic e-commerce qu’ils ont sur le site web.
Kieran Chandler: Parlons un peu des clients actuels de Lokad. Y a-t-il des erreurs courantes que nous avons rencontrées et dont les futurs clients pourraient peut-être apprendre ?
Joannes Vermorel: Je pense que la plus grande erreur numéro un est de choisir un système ERP où il est extrêmement difficile d’extraire des données. C’est une forme de verrouillage du fournisseur. Il y a beaucoup d’entreprises qui choisissent un système où, même s’il est interne, elles ont un serveur local qui fait tout localement. Ils pensent qu’ils ont le contrôle parce que la machine est dans leurs bureaux.
Kieran Chandler: La réalité est que c’est incroyablement difficile d’extraire des données parce que le système n’a pas été correctement conçu pour le rendre pratique. Par exemple, extraire quoi que ce soit de QuickBooks sur le marché américain est un défi énorme. Je ne veux manquer de respect envers 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 est probablement de ne pas enregistrer les écarts de statistiques, ce qui se produit généralement avec les bons de commande. Pour une petite entreprise, 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 meilleur système pour les enregistrer, le jour où vous voulez faire une analyse des délais de livraison, vous aurez du mal car les données sont réparties dans des dizaines de feuilles de calcul.
La troisième erreur pourrait être de ne pas prendre de clichés des niveaux de stock. De nos jours, les disques durs sont très bon marché, pourtant de nombreuses entreprises n’enregistrent pas les niveaux de stock historiques. Donc, quand nous disons que nous avons besoin de la situation de stock passée ou de la situation de stock basse passée, les données n’ont jamais été enregistrées. C’est dommage car nous parlons de quelques gigaoctets de données qui devraient littéralement coûter quelques centimes. Il n’y a aucune raison de ne pas enregistrer ces données et de les conserver indéfiniment.
Kieran Chandler: Pour conclure, si nos auditeurs devaient retenir un point clé de la discussion d’aujourd’hui, quel serait-il ?
Joannes Vermorel: Je dirais, faites attention à vos données. Ce n’est pas naturellement très cher, mais le meilleur moment pour commencer à enregistrer correctement toutes les données dont vous avez besoin, c’est aujourd’hui. Dans trois ans, lorsque vous aurez besoin de quelques années d’historique, si vous n’avez pas commencé aujourd’hui, vous ne l’aurez pas. Collecter et maintenir des données correctement organisées est quelque chose que vous ne pouvez pas retarder, cela doit être fait maintenant.
En tant que responsable de la supply chain, vous ne pouvez pas prendre de bonnes décisions sans données. Vous ne pouvez pas optimiser ce que vous ne mesurez pas, que vous utilisiez quelque chose d’aussi sophistiqué que Lokad pour optimiser vos supply chains. Cela s’applique non seulement aux algorithmes statistiques utilisés par Lokad, mais aussi aux humains. Sans données, les décisions que vous prenez ne seront pas bonnes. Vous ne pouvez pas deviner combien d’unités vous allez vendre pour des centaines de milliers de produits.
Tout commence par le choix du bon logiciel pour exploiter votre entreprise et en vous assurant d’avoir 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 plus tard. C’est tout pour cette semaine. Nous serons de retour la semaine prochaine avec un nouvel épisode, mais d’ici là, à bientôt. Au revoir pour le moment.
