Description
Les prévisions probabilistes sont utilisées pour tout, de la prédiction de la météo de demain à la génération de cotes de paris sur les événements sportifs. Au lieu de regarder un seul résultat possible, cette technique examine tous les événements possibles et attribue une probabilité à chacun d’entre eux.
L’idée clé ici est qu’au lieu de prétendre savoir exactement ce qui va se passer dans le futur, un utilisateur reconnaît qu’il n’est pas omnipotent et que l’avenir est incertain. Cette approche peut être particulièrement utile lors de la prévision pour nos chaînes d’approvisionnement, car il y a de multiples incertitudes et beaucoup de choses que nous ne connaissons tout simplement pas. En adoptant une approche probabiliste, nous pouvons capturer une partie de cette “imprécision” et permettre un raisonnement plus logique et plus précis des événements futurs.
Mais que cela signifie-t-il concrètement et comment cela se compare-t-il aux techniques plus classiques ? En ce qui concerne les prévisions plus traditionnelles, vous faites généralement une seule déclaration pour l’avenir - une prédiction -, puis vous attendez de voir dans quelle mesure votre résultat diffère de ce qui se passe réellement dans la réalité. Cette différence entre le monde réel et virtuel est appelée variance et c’est souvent ce qui agace quelque peu la direction lorsqu’elle constate que trop ou trop peu de stock a été acheté.
La chose étonnante avec ces approches classiques qui ne regardent qu’un seul avenir possible est qu’elles ne tiennent pas du tout compte de l’incertitude du monde réel. C’est là qu’une approche probabiliste peut aider, car ce sont les extrêmes qui se produisent dans la vie réelle, créant les creux et les pics sur vos graphiques qui doivent être examinés de plus près, car c’est là que les scénarios de sur-stockage et de sous-stockage se produisent réellement.
En conclusion, bien que les prévisions probabilistes puissent sembler très techniques et intimidantes, de nombreux praticiens de la chaîne d’approvisionnement font déjà une prédiction similaire depuis des années. En s’appuyant sur leur expérience, leur connaissance de leur stock et leur “sensibilité”, ils organisent les scénarios les plus probables des scénarios moins probables. Cette expérience et cette connaissance innée peuvent ensuite être améliorées par la technologie pour affiner davantage les prévisions et mieux gérer la chaîne d’approvisionnement.
En savoir plus sur la prévision probabiliste
