Description

La prévision est la pratique d’analyser des données historiques pour prédire les conditions anticipées dans l’avenir et est au cœur des supply chains. Naturellement, améliorer leur précision est devenu très recherché. Mais quels facteurs influent sur la précision des prévisions?

Peut-être surprenant, on découvre que la méthode de prévision utilisée a peu d’impact sur la qualité de la prévision produite. Au contraire, l’horizon temporel de la prévision et le niveau d’agrégation et de variabilité des données ont un impact direct sur la précision.

Plus la période sur laquelle la prévision est faite est longue, moins elle est susceptible d’être précise. Par exemple, une prévision pour la semaine prochaine sera presque toujours plus précise qu’une prévision pour le mois ou l’année à venir. En ce qui concerne les données, des données de demande relativement stables donneront des prévisions très précises comparativement à des points de données présentant un degré élevé de variabilité. En raison de cela, les comparaisons de prévisions n’ont de signification que lorsqu’elles concernent la même période et se fondent sur des données historiques affichant des niveaux de stabilité similaires.