00:00:08 Introduction à Flowcasting et ses origines.
00:02:04 Contraste entre Flowcasting et les techniques traditionnelles d’approvisionnement.
00:04:40 Pertinence et défis du Flowcasting aujourd’hui.
00:06:06 Analyse de l’échec du Flowcasting et des connaissances nécessaires.
00:07:06 Comment la stochasticité peut causer des échecs du Flowcasting.
00:08:06 Limitations de la prévision de la demande fractionnée.
00:10:15 Mise en œuvre pratique et échecs du Flowcasting.
00:11:13 Points positifs du Flowcasting : données de demande désagrégées.
00:13:46 Approche holistique du Flowcasting pour l’optimisation de la supply chain.
00:15:14 Différence entre le Flowcasting et l’approche de Lokad.
00:17:31 Complexités de scénarios spécifiques de la supply chain.
00:19:37 Prévisions sur les tendances futures dans les mises en œuvre de l’IA.
00:21:43 Valeur du livre Flowcasting malgré ses défauts.
Résumé
Dans l’interview, Joannes Vermorel, le fondateur de Lokad, discute des forces et des faiblesses du Flowcasting, une méthode de planification de la supply chain. Il apprécie son accent sur la prévision désagrégée centrée sur la demande et l’automatisation, mais critique son approche déterministe pour ne pas prendre en compte l’aléa de la supply chain. Lokad tente de gérer ces complexités avec un langage de programmation appelé Envision, mais Vermorel admet qu’aucun système ne peut encapsuler complètement les subtilités de la supply chain. Vermorel est également sceptique quant au rôle de l’IA dans la gestion de la supply chain, faisant une distinction entre l’IA en tant que terme à la mode et les véritables techniques algorithmiques. Malgré ses lacunes, il reconnaît la valeur des informations fournies par le Flowcasting dans la gestion de la supply chain du commerce de détail.
Résumé étendu
Dans l’interview, l’animateur Kieran Chandler et Joannes Vermorel, le fondateur de Lokad, discutent de la technique du Flowcasting dans le contexte de la planification de la supply chain axée sur la demande. Introduit dans un livre du même nom en 2006, le Flowcasting est considéré comme le ‘Graal’ de ce domaine, car il promet une efficacité optimale en ne prévoyant qu’au point de vente.
Le Flowcasting cible les réseaux de vente au détail. Vermorel explique son principe de base comme suit : prévoir chaque produit dans chaque emplacement, chaque jour, et viser la plus grande précision possible. L’image complète obtenue à partir de ces prévisions permet de reconstruire toutes les décisions de la supply chain nécessaires. La vision du flowcasting offre des aperçus précieux, en mettant l’accent sur la proximité avec la demande, un facteur qui n’a pas été priorisé dans les techniques plus anciennes. Elle accorde également de l’importance à l’évaluation de chaque produit individuel par magasin, plutôt qu’à des regroupements agrégés, ce qui constitue une approche plus désagrégée par rapport aux prévisions par catégorie, de haut en bas, alors prédominantes.
Cependant, la mise en œuvre du flowcasting s’avère être une autre histoire. Vermorel observe que cela ne fonctionne “jamais” comme prévu. Les réseaux de vente au détail qui tentent de concrétiser ce concept théorique le trouvent “brutalement non fonctionnel”. La cause profonde est identifiée comme le mépris total du concept de “stochastique” - la randomité inhérente des ventes de produits au niveau du magasin.
Le flowcasting repose sur des prévisions déterministes, en supposant que l’on peut prédire avec certitude exacte la quantité exacte d’un produit à vendre à l’avenir. Il ne tient pas compte de la randomité inhérente des ventes au détail du monde réel et de la demande fractionnée au niveau du produit et du jour. Cette approche irréaliste rend les prévisions inefficaces. Plus critique encore, elle conduit à l’omission des facteurs économiques, cruciaux pour équilibrer les risques, des processus d’optimisation de la supply chain, ce qui déstabilise davantage la stratégie.
Lorsqu’on lui demande les conséquences pratiques de la mise en œuvre du flowcasting, Vermorel admet que, d’après son expérience, les réseaux de vente au détail avec lesquels il est familier ne dépassent jamais vraiment le stade du prototype en raison des complications exposées. Par conséquent, bien que le flowcasting continue d’offrir des aperçus précieux, l’interview souligne la nécessité de faire face à ses limitations inhérentes et aux réalités de la stochastique de la supply chain pour l’opérationnaliser efficacement dans un environnement de vente au détail réel.
Un point critique de la conversation concerne le ‘flowcasting’, une technique bien connue de la supply chain. Malgré les défis, Vermorel reconnaît que le flowcasting offre des aperçus précieux. Il met l’accent sur l’approche de la technique consistant à se rapprocher le plus possible de la demande au niveau le plus désagrégé. Le niveau le plus désagrégé, affirme Vermorel, n’est pas par produit, par magasin, mais plutôt chaque unité vendue à des clients individuels. Cette idée, selon lui, donne naissance au concept de graphiques temporels sur les séries temporelles, en reconnaissant les identités des clients et leurs comportements d’achat.
De plus, Vermorel apprécie l’accent mis par le flowcasting sur l’automatisation, insistant sur le fait que Lokad adopte également cette stratégie. Il explique les avantages des rafraîchissements quotidiens des données, affirmant que ne pas le faire entraîne une complexité inutile et des opportunités manquées, car on travaillerait avec des données obsolètes. Cette complexité inutile, dit-il, est absurde et gaspille des ressources.
Le prochain aperçu que Vermorel tire du flowcasting est l’idée de synchronicité et la nécessité d’une vue holistique de la supply chain. En examinant l’ensemble du réseau et tous ses flux, de la production à la demande du client final, il suggère que les problèmes de la supply chain peuvent être résolus de manière plus efficace, plutôt que de simplement les déplacer. Cela contraste avec l’approche plus courante qui consiste à optimiser chaque étape indépendamment, ce qui peut négliger les impacts interconnectés.
La critique de Vermorel à l’égard du flowcasting porte sur sa simplification excessive. Bien que la simplicité soit généralement un objectif admirable, il met en garde contre le fait qu’elle ne doit pas conduire à une représentation mathématique naïve d’une réalité complexe. Alors que le flowcasting se présente comme étant aussi simple qu’Excel, Vermorel soutient qu’il simplifie à outrance les complexités des supply chains.
L’approche de Lokad diffère du flowcasting par son acceptation de la complexité inhérente des supply chains, selon Vermorel. Il souligne que les supply chains sont intrinsèquement désordonnées et compliquées. Le modèle de Lokad intègre l’incertitude, qu’il considère comme irréductible. Ainsi, leur approche implique une algèbre probabiliste, qui, bien que plus compliquée, conduit à des résultats plus réalistes. Par conséquent, la méthodologie de Lokad ne cherche pas à éliminer l’incertitude, mais plutôt à la reconnaître et à travailler avec elle.
Pour compliquer davantage la gestion de la supply chain, Vermorel détaille les nombreux cas particuliers qui existent, tels que les demandes différentes en matière d’emballage ou de formats de produits spécifiques dans les magasins et chez les clients individuels. De telles variations, soutient Vermorel, nécessitent des solutions nuancées et flexibles qui tiennent compte de ces complexités plutôt qu’une approche unique pour tous.
Pour faire face à ces complexités, Lokad développe un langage de programmation appelé Envision, conçu pour maintenir la simplicité sans compromettre les réalités de la gestion de la supply chain. Ce système offre une meilleure approximation de la réalité, mais Vermorel admet qu’aucun système ne peut capturer pleinement les complexités des supply chains du monde réel.
Au cours de la discussion, le concept de flowcasting, une méthodologie de la supply chain, est examiné de près. Vermorel spécule que le flowcasting aurait peut-être mieux réussi s’il avait incorporé une forme d’algèbre probabiliste. Il souligne que malgré ses lacunes, le flowcasting était une vision audacieuse pour son époque.
En se concentrant sur les technologies émergentes, Vermorel exprime son scepticisme quant à l’utilisation de l’intelligence artificielle (IA) dans la gestion de la supply chain. Il affirme que l’IA, bien qu’elle soit souvent présentée comme une solution magique, décevra probablement de nombreuses entreprises, qui constateront que les avancées technologiques impressionnantes dans des domaines tels que la reconnaissance d’images ne se traduisent pas directement par la résolution de problèmes de la supply chain.
Cependant, Vermorel fait la distinction entre le buzzword de l’IA et les techniques algorithmiques fondamentales, telles que l’apprentissage profond et la programmation différentiable. Selon lui, celles-ci pourraient être incroyablement utiles si elles sont soigneusement alignées sur les défis uniques de la gestion de la supply chain.
Revenant au flowcasting, Vermorel affirme que malgré ses lacunes mathématiques, le livre sous-jacent reste une lecture intéressante, principalement en raison de ses idées utiles sur la gestion de la supply chain dans le secteur de la vente au détail. Alors que bon nombre de ses concepts restent encore à être pleinement exploités, ces idées restent valables et précieuses à ce jour.
Enfin, la conversation met en évidence le fait que le monde de la gestion de la supply chain est complexe, sans solution unique et simple. En soulignant l’importance de systèmes flexibles et adaptables qui peuvent mieux approximer les réalités complexes de la dynamique de la supply chain, Vermorel conclut en promouvant une approche globale et nuancée.
Transcription complète
Kieran Chandler: Aujourd’hui, sur Lokad TV, nous allons en apprendre davantage sur cette technique et discuter de sa pertinence actuelle. Alors Joannes, peut-être devrions-nous commencer par expliquer un peu plus en détail ce qu’est réellement le flowcasting et comment cela fonctionne ?
Joannes Vermorel: Le flowcasting est un terme qui a été créé avec la publication d’un livre en 2006, également intitulé “Flowcasting”. Il s’agit d’une technique dédiée aux réseaux de vente au détail, offrant une optimisation de la supply chain pour ces réseaux. Le livre présente de nombreuses idées intéressantes et des recettes sur la façon de le mettre en œuvre. En résumé, l’idée est de prendre chaque produit dans chaque emplacement, de prévoir chaque jour à l’avance, idéalement avec des prévisions très précises, puis d’obtenir une image complète de tout ce qui va se passer, basée sur les ventes de vos clients. Vous pouvez ensuite reconstruire toutes les décisions de la supply chain dont vous avez besoin en prenant ces prévisions super désagrégées qui sont au niveau du produit par emplacement quotidiennement, et en ré-agrégeant ces données. Cela vous permet de reconstruire toutes les décisions de la supply chain en marchant simplement en arrière à partir de ces prévisions, du magasin jusqu’à l’entrepôt, puis jusqu’aux fournisseurs.
Kieran Chandler: Intéressant. Alors, qu’est-ce qui différenciait cette vision ? En quoi différait-elle des techniques qui existaient à l’époque ?
Joannes Vermorel: Elle différait par une série d’idées très pertinentes, en particulier l’importance d’être aussi proche que possible de la demande. Ce n’était pas une découverte nouvelle, mais à ma connaissance, c’était l’un des premiers livres qui soulignait la nécessité d’être très proche du meilleur signal de demande que vous avez : vos ventes à la toute fin de la chaîne. Cela diffère de nombreuses supply chains où, généralement, un échelon ne regarde que ce qui se passe au niveau de l’échelon suivant. Par exemple, en tant que fournisseur, vous regarderiez ce qui se passe dans l’entrepôt qui vous achète, mais vous ne regarderiez pas ce qui se passe dans les magasins. Le flowcasting, à cet égard, était très cohérent. Il préconisait de se rapprocher du signal de demande et suggérait qu’il y avait de la valeur à regarder le niveau le plus désagrégé - produit par magasin - au lieu de tout ré-agréger par semaine par produit, simplement parce que c’est plus facile à traiter numériquement.
Kieran Chandler: Donc, par “désagrégé”, vous voulez dire décomposer cela jusqu’au niveau de chaque SKU dans chaque magasin ?
Joannes Vermorel: Exactement. C’est quelque chose que Flowcasting suggère et qui diffère de la plupart des techniques de l’époque. En général, les gens faisaient des prévisions de haut en bas, où vous prévoyez par catégories, les divisez par sous-catégories, puis par régions, et ainsi de suite. À la fin, vous pouvez avoir quelques clusters de magasins types et dire, “eh bien, si j’ai un magasin de type A, de type B, de type C, je vais simplement allouer en fonction du profil du magasin,” et ainsi de suite. Cette méthode évite de traiter la phase la plus désagrégée, qui est chaque produit individuel dans chaque emplacement, où la quantité de données explose.
Kieran Chandler: Alors, pourquoi en parlons-nous aujourd’hui ? N’y a-t-il pas des techniques plus modernes qui l’ont remplacé ? Pourquoi est-ce encore pertinent ?
Joannes Vermorel: Eh bien, il y a dix ans, Flowcasting était très en vogue, et j’ai vu au moins une demi-douzaine de grands réseaux de vente au détail s’y intéresser beaucoup. Cependant, cela n’a jamais fonctionné en pratique. C’était comme un livre rempli d’idées apparemment excellentes, mais quand les gens ont essayé de le mettre en œuvre, cela a échoué complètement. C’était brutalement non fonctionnel, ce qui était inattendu compte tenu de la simplicité des idées. Le livre donnait l’impression que vous pouviez facilement le faire avec des prévisions quotidiennes, et il donnait quelques recettes simples pour produire ces prévisions et les exploiter ensuite pour les décisions de la chaîne d’approvisionnement. Il s’est avéré que lorsque vous avez essayé de le mettre en pratique, cela ne fonctionnait pas du tout. La raison pour laquelle Flowcasting a échoué est qu’il a manqué des éléments supercritiques. Cependant, la plupart du marché et la plupart des acteurs ignorent encore ces idées. Flowcasting est sorti de la mode après une décennie, mais les raisons de ses échecs ne sont toujours pas bien connues. Cela signifie que sauf si de nombreux acteurs améliorent leur compréhension, ils seront confrontés aux mêmes problèmes.
Kieran Chandler: Donc, en surface, en regardant un point de vente, prévoir là-bas et le faire remonter dans toute votre chaîne d’approvisionnement semble assez logique. Alors, où tout cela se dégrade-t-il ?
Joannes Vermorel: Cela se dégrade en raison de la stochasticité ou de l’incertitude. Les ventes au niveau du magasin sont très erratiques et aléatoires. Oui, vous pourriez vendre environ une unité par semaine, mais vous ne savez jamais quel jour de la semaine. Flowcasting reposait sur une prévision déterministe où vous pouviez dire avec une précision parfaite que vous alliez vendre exactement une bouteille de shampooing dans deux jours pour une référence donnée. Cependant, cela n’est pas réaliste en raison de l’aléatoire inhérent aux ventes au détail.
Kieran Chandler: Et c’est là que tout se dégrade réellement. Ces prévisions n’ont aucun moyen de refléter une quelconque incertitude. C’est là que la prévision s’effondre complètement - l’incertitude est absente. Ainsi, parce que l’incertitude est absente et que vous supposez que vos prévisions sont exactes, vos prévisions échouent à refléter précisément l’avenir. Ce ne sont pas des prévisions probantes. En ce qui concerne l’optimisation de la chaîne d’approvisionnement, vous agissez comme si vos prévisions étaient correctes, et vous ignorez ce que nous appelons les moteurs économiques, en équilibrant tous ces risques. Essentiellement, vous avez un problème qui ignore l’incertitude, et par conséquent, vous ignorez également les moteurs économiques qui sont essentiels pour optimiser dans l’incertitude. Alors, s’il y avait tant de problèmes avec cette approche, qu’est-il réellement arrivé lorsque les détaillants ont essayé de la mettre en œuvre ? Y a-t-il eu des catastrophes généralisées ?
Joannes Vermorel: Les réseaux de vente au détail avec lesquels j’étais en contact n’ont jamais vraiment dépassé le stade du prototype. Ils étaient prudents, ils l’ont essayé à très petite échelle. Mais en réalité, les chiffres qui en sont ressortis étaient tellement absurdes que les praticiens de la chaîne d’approvisionnement disaient : non, nous ne pouvons pas le pousser jusqu’au magasin. C’était soit beaucoup trop peu, soit beaucoup trop, cela n’avait tout simplement aucun sens. À ma connaissance, aucun réseau de vente au détail à grande échelle n’est allé au-delà du stade du prototype qui ne comprenait que quelques dizaines de produits dans quelques magasins, quelque chose de très petit, et qui a été rapidement abandonné car cela dysfonctionnait brutalement.
Kieran Chandler: Donc tout ne peut pas être mauvais alors. Le flowcasting était une technique assez connue, avait une bonne réputation. Quelles sont certaines des bonnes idées qui nous ont été données ?
Joannes Vermorel: Il y avait plusieurs idées intéressantes. Ils suggéraient de se rapprocher le plus possible de la demande et que le niveau le plus désagrégé est par magasin, par produit. Je suis d’accord avec l’idée qu’il faut être aussi désagrégé que possible, mais je ne suis pas d’accord que par produit, par magasin soit le niveau le plus désagrégé. Le niveau le plus désagrégé est directement chaque unité vendue à chaque client. De nos jours, la plupart des réseaux de vente au détail ont un suivi des clients grâce aux programmes de fidélité. Donc, vous savez non seulement que vous avez vendu ce produit dans cet endroit à cette date, mais vous savez aussi à qui vous avez vendu ce produit. Vous devriez donc penser non seulement en termes de séries temporelles, comme décrit dans le flowcasting, mais comme un graphe temporel où vous savez exactement à qui vous vendez. Cela contient encore plus d’informations. Cependant, l’idée clé du flowcasting selon laquelle il faut arriver au niveau le plus désagrégé est profondément correcte.
Un autre aspect sur lequel ils ont raison est l’idée d’automatiser tout avec des rafraîchissements quotidiens. C’est exactement ce que Lokad suggère jusqu’à présent. Si vous n’avez pas une automatisation complète - obtenir les données du dernier jour, les traiter et rafraîchir toutes vos prévisions et décisions en fonction de vos prévisions - alors vous laissez beaucoup d’argent sur la table. Juste parce que si vous utilisez des données de la semaine dernière, vous essayez de prévoir les ventes d’hier. Mais vous n’avez pas besoin de prévoir les ventes d’hier. Vous les connaissez déjà. Donc, avoir ces rafraîchissements quotidiens est une bonne pratique, sinon vous finissez par utiliser des données de la semaine dernière pour prédire ce qui s’est passé hier, ce qui est absurde.
Une autre bonne idée du flowcasting est ce qu’ils appellent la synchronicité. Ils expriment l’idée que les chaînes d’approvisionnement ont besoin d’une vision holistique de vos échelons. C’est ce que nous avons fait avec le cas Bridgestone que nous avons discuté dans un épisode précédent. Si vous voulez optimiser votre chaîne d’approvisionnement, vous devez avoir une perspective holistique sur l’ensemble du réseau et sur tous les flux, de la demande du client final jusqu’à la production. Si vous n’avez pas ce genre de perspective holistique, alors vous ne faites que déplacer les problèmes au lieu de les résoudre. Ainsi, le flowcasting avait cette idée très juste selon laquelle vous devez embrasser le réseau dans son ensemble, au lieu de faire une optimisation par étape, où vous optimisez l’entrepôt sans tenir compte de rien d’autre que de l’entrepôt.
Kieran Chandler: Donc, ce que vous dites en fait, c’est que le flowcasting avait quelques idées précieuses que nous partageons ici chez Lokad. Quelles sont les principales différences entre l’approche du flowcasting et ce que nous faisons ici chez Lokad ? Quelles sont les choses que nous faisons beaucoup mieux à vos yeux ?
Joannes Vermorel: Un des principes clés du flowcasting était qu’il pouvait être rendu extrêmement simple, aussi simple qu’Excel, avec des formules très simples qui peuvent être combinées dans Excel. La simplicité est très bonne. Cependant, lorsque vous modélisez un système complexe, tel que les chaînes d’approvisionnement, vous devez vous assurer que votre modèle n’est pas simpliste. Votre modèle ne doit pas trahir les réalités que vous essayez de représenter en ayant une représentation mathématique très naïve d’une réalité qui n’est pas si simple.
Chez Lokad, nous avons essayé de vraiment embrasser le fait que la réalité dans les chaînes d’approvisionnement est très chaotique et souvent compliquée. Cela signifie que l’incertitude est là pour rester. Si vous dites : “nous avons juste besoin de prévisions précises”, c’est de la pensée magique. Il y a une quantité irréductible d’incertitude. Vous avez besoin d’un système qui embrasse le fait que l’incertitude est là pour rester. Vous vous retrouvez avec une algèbre probabiliste, qui est beaucoup plus compliquée. Mais c’est ce qu’il faut ; sinon, vos résultats sont sans signification.
Et si vous voulez extraire autant d’informations que possible du niveau le plus désagrégé, qui est le graphique temporel même des clients, qui achète quel produit, où et quand, alors soudainement vous ne pouvez pas extraire toutes les informations que vous devriez de ces données avec seulement des séries temporelles. Oui, c’est un graphique temporel, et c’est plus compliqué, mais c’est la réalité.
Kieran Chandler: Vous avez beaucoup plus d’informations dans ce graphique temporel. C’est ce que vous voulez exploiter. Donc peut-être une autre perspective est au lieu d’essayer de vendre la simplicité, vous voulez avoir un système qui est aussi simple que possible, mais jamais plus simple que ce que la réalité exige réellement.
Joannes Vermorel: Oui, en effet. Je pourrais développer sur le fait qu’il y a beaucoup de cas particuliers, particulièrement difficiles, dans les chaînes d’approvisionnement. Par exemple, considérez un entrepôt qui expédie des packs de bouteilles aux magasins, mais dans les magasins, ce sont les bouteilles individuelles qui sont vendues car les clients déballent parfois les bouteilles. Et puis il y a des cas où certains clients veulent spécifiquement acheter un pack de bouteilles. Vous ne pouvez pas simplement compter les bouteilles et supposer que c’est la solution. Certains clients sont très pointilleux et insistent pour avoir un pack de six bouteilles. Si ce n’est pas disponible, ils préfèrent acheter ailleurs. Ces choses sont assez délicates.
Je crains qu’il n’y ait pas d’approche simple et miracle pour cela. Chez Lokad, nous avons réalisé ce fait et avons décidé de créer un outil, un langage de programmation appelé Envision. Nous l’avons conçu pour être aussi simple que possible, mais sans simplifier à l’excès les réalités des chaînes d’approvisionnement. Je dois admettre que la réalité dans les chaînes d’approvisionnement est vraiment complexe. Tout ce que vous pouvez espérer, c’est une meilleure approximation. Vous n’aurez jamais le monde réel entièrement modélisé dans votre système.
Kieran Chandler: Donc, si le flowcasting avait eu une partie de cette algèbre probabiliste derrière lui, il aurait peut-être mieux fonctionné par le passé, mais il était en quelque sorte probablement dix ans en avance sur son temps ?
Joannes Vermorel: Exactement, je pense qu’il était en effet environ dix ans en avance sur son temps. À l’époque, nous n’avions pas tous les ingrédients technologiques nécessaires pour exécuter ce qui est encore une vision relativement audacieuse de la chaîne d’approvisionnement.
Kieran Chandler: Et qu’en est-il du Flowcasting de 2019 ? Y a-t-il quelque chose qui semble très bon en surface, mais qui ne fonctionne pas aussi bien une fois que l’on creuse plus profondément ? Quelle sera la prochaine chose qui ressemble à Flowcasting, qui semble prometteuse, mais qui finit par s’effondrer ?
Joannes Vermorel: Je crois que la plupart de ce qui est vendu sous la bannière de l’IA va s’effondrer. Je ne dis pas que le deep learning ou même son descendant, la programmation différentiable, ne sont pas d’excellents outils ; ils le sont en effet. Cependant, si tout ce que vous avez, c’est le mot à la mode et simplement une technologie brute provenant de domaines tels que la reconnaissance d’images qui ne sont pas directement applicables à la chaîne d’approvisionnement, alors de nombreuses entreprises réaliseront que la technologie brute, même si elle est impressionnante et peut gagner contre un champion de Go, ne résout pas magiquement leurs problèmes de chaîne d’approvisionnement.
Je soupçonne qu’à l’avenir, la situation de l’IA sera encore pire que celle du Flowcasting. Même avec le Flowcasting, dix ans plus tard, il y avait encore des aspects intéressants dans le livre. D’un autre côté, je prévois que environ 90% de ce que les fournisseurs poussent actuellement deviendra sans valeur pour les besoins de la chaîne d’approvisionnement dans une dizaine d’années. Ils seront complètement oubliés. Mais j’aimerais faire la distinction entre le mot à la mode de l’IA, qui n’est à mon avis qu’un mot à la mode, et les techniques algorithmiques fondamentales comme le deep learning et la programmation différentiable, qui peuvent être très utiles si elles sont soigneusement alignées sur les défis de votre chaîne d’approvisionnement.
Kieran Chandler: C’est surprenant, étant donné que l’IA est actuellement un mot à la mode dans l’industrie. Pour conclure, le Flowcasting est-il toujours pertinent ? Vaut-il toujours la peine de lire le livre ? Quel est le message clé à retenir aujourd’hui ?
Joannes Vermorel: Oui, je pense que le livre vaut toujours la peine d’être lu. C’est une lecture agréable. Le style est agréable, et c’est une lecture rapide, qui ne prend peut-être que quelques heures. Beaucoup des idées sont toujours correctes. Ce qui est incorrect, ce sont les mathématiques qu’ils illustrent tout au long du livre. Les auteurs, semble-t-il, n’étaient ni mathématiciens ni statisticiens, et cela se voit. Mais si vous ignorez les mathématiques et vous concentrez sur les idées, vous constaterez qu’ils ont sérieusement réfléchi à la chaîne d’approvisionnement dans le commerce de détail et à ses implications. C’est là que je pense que le livre brille vraiment. Beaucoup des idées qu’ils ont soulignées il y a dix ans sont encore très correctes et largement sous-utilisées. Les grands réseaux de vente au détail ne capturent toujours pas la plupart des idées décrites dans ce livre sur le Flowcasting.
Kieran Chandler: Super ! Eh bien, nous avons épuisé notre temps pour aujourd’hui, mais merci pour votre temps. C’est tout pour cette semaine. Merci beaucoup de nous avoir suivi et nous vous reverrons la prochaine fois. Au revoir pour le moment.
