TIRER PARTI DE PREVISIONS DE « MAUVAISE QUALITE »

Cet article de Jean-Patrice Netter, Président de Diagma et Nathan Mayes, Directeur de Diagma USA, vous propose une méthode pour améliorer vos prévisions, en tenant compte de leur incertitude, et ainsi optimiser toute votre Supply Chain.

Comment tirer parti de prévisions de « mauvaise qualité »

Pour obtenir un avantage concurrentiel et assurer la réussite de son entreprise, il faut continuellement améliorer ses Supply Chains. Cela suppose de trouver en permanence le compromis optimal pour fournir des produits de bonne qualité, avec de bons niveaux de service, à un coût minimal.  Mais que faire si des problèmes de prévision de la demande s’immiscent dans vos processus de planification et dégradent votre service et vos coûts ?

Un processus en 4 étapes pour améliorer vos prévisions

L’approche de Diagma consiste à transformer toute méthode de prévision de la demande (quelle que soit sa qualité) en une méthode supérieure pour optimiser la planification. En effet, il y aura toujours de l’incertitude dans vos prévisions.  Trop d’entreprises se préoccupent de cette incertitude sans la calculer et sans l’exploiter pleinement à leur avantage.  Au lieu de se soucier de l’incertitude de la demande, nous recommandons aux entreprises de suivre le processus suivant :

  • Suivez votre erreur de prévision actuelle sous forme de valeur numérique

Si vous considérez l’erreur de prévision comme un pourcentage de la demande, vous risquez de masquer le biais et la valeur absolue de l’erreur. Or, ces données, présentes dans votre méthode de prévision actuelle, sont utiles.  Il vaut mieux représenter la valeur numérique de l’erreur de prévision par rapport à la prévision numérique pour chaque période de prévision, afin de repérer rapidement biais et erreur réelle.

  • Déterminez si vos prévisions sont biaisées

Si 50 % des erreurs de prévision de la période sont négatives et 50 % sont positives, c’est un bon indicateur que votre prévision n’est probablement pas biaisée.  Souvent, la simple modélisation par une ligne de régression à travers le tracé des erreurs de prévision révélera un biais d’erreur de prévision, optimiste ou pessimiste, en fonction de la quantité prévue.  Si vous constatez que votre prévision présente un biais, vous pouvez passer à l’étape suivante.

  • Utilisez la méthode Diagma pour éliminer le biais de prévision

Chez Diagma, nous utilisons une méthode analytique pour appliquer un facteur correctif à toute méthode de prévision de la demande afin d’éliminer le biais de prévision observé.

  • Exploitez la prévision améliorée et son erreur pour optimiser la planification

Utiliser la méthode de prévision mise à jour pour alimenter vos processus de planification vous permet d’optimiser vos flux et l’allocation de vos ressources, ainsi que de réduire vos stocks.  Et vous obtenez un meilleur service clients, tout en réduisant vos coûts.

Ceux qui n’ont pas analysé leur méthode de prévision pour déterminer si elle est biaisée sont probablement pénalisés par un service client insatisfaisant et du gaspillage de ressources.  Mais ceux qui suivent la méthode de Diagma et tiennent compte de l’incertitude inhérente à toute prévision peuvent en tirer pleinement profit et optimiser leur planification.

Jean-Patrice Netter, President of DIAGMA
Jean-Patrice Netter, Président de DIAGMA, jpnetter@diagma.com
Photo de Nathan Mayes
Nathan Mayes, Directeur DIAGMA USA, nmayes@diagma.com

Autres articles de Jean-Patrice Netter :

Juste à temps, Onde Verte, DDMRP?

Hashgraph, l’avenir de la Blockchain pour les Supply Chains complexes