Description
La prévision est la pratique d’analyser des données historiques pour prédire les conditions anticipées dans le futur et est au cœur des supply chains. Naturellement, augmenter leur précision est devenu très recherché. Mais quels facteurs affectent la précision des prévisions ?
Il est peut-être surprenant de découvrir que la méthode de prévision utilisée a peu d’effet 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 prochaine. En ce qui concerne les données, des données de demande relativement stables produiront des prévisions précises par rapport 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 ont la même échéance et sont basées sur des données historiques présentant des niveaux de stabilité similaires.
