À l’occasion de la huitième édition du salon Supply Chain Event qui s’ouvre demain, pour deux jours à Paris, InterSystems donne la parole à ses experts pour une trilogie d’articles consacrés à la Supply Chain. 3e volet consacré au monitoring de la demande. (3/3)
Au terme de mesure d’« erreur de prévision », je préfère la notion d’écart entre la demande et la prévision. Nous savions au moment où nous l’avons validée que cette prévision serait fausse et nous avons anticipé (si nous avons bien fait notre travail de planification), le plus souvent en dimensionnant un stock de sécurité.
Aussi, la question essentielle est de déterminer si cet écart a été correctement anticipé. Concrètement, le dimensionnement du stock de sécurité a-t-il permis d’absorber la demande réelle et sa variation dans le temps ?
L’erreur n’est donc pas d’avoir une prévision fausse, ce qui était annoncé de façon certaine, mais d’avoir mal planifié sur la base d’une mauvaise estimation de l’incertitude prévisionnelle.
Le monitoring de la demande pour améliorer la prévision, mais surtout la planification
La mesure de l’écart a posteriori entre la prévision et la demande réelle est classique, dans le cadre d’un process mensuel par exemple, à des fins d’amélioration continue de la prévision.
Cependant, la prévision n’est pas une fin en soi, elle s’inscrit dans un process de planification.
Le monitoring de la demande est donc pleinement efficace s’il met sous contrôle la demande réelle par rapport à la ressource planifiée au moyen de la prévision, mais aussi du stock de sécurité (ou du seuil de commande le cas échéant).
Le monitoring de la demande pour gagner en réactivité
La mise en place d’un monitoring quotidien, voire temps réel, de la demande fait partie des axes d’optimisation de la Supply Chain la plus rentable et paradoxalement la moins exploitée.
La détection des divergences entre les ventes et la prévision permet d’anticiper les ruptures et a un impact direct sur le chiffre d’affaires.
Ce monitoring permet d’une manière générale de réagir beaucoup plus tôt à de nombreux types d’aléas et dans certains cas d’être proactif vis-à-vis des clients.
- Détecter le changement de comportement de commande d’un client, approvisionnements réguliers devenant espacés et très erratiques par exemple, permet d’entamer un échange avec ce client. Cet échange peut dans certains cas rétablir un comportement de commande plus stable et fluidifier la chaîne au profit des deux acteurs. À défaut, il peut être décidé de revoir les conditions commerciales de ce client et/ou adapter le stock de sécurité.
- Détecter la baisse brutale des ventes d’un article sur un site web peut permettre de corriger un bug d’affichage d’une photo ou toute autre anomalie impactant la visibilité de ce produit. En l’absence de monitoring adapté, la correction de l’aléa peut être très tardive et peser longtemps sur les ventes.
Malgré son intérêt, la surveillance fine de la demande est un process encore peu déployé. Le pilotage des chaînes logistiques comprend en général une phase de planification suivie de l’exécution. Le monitoring de la demande implique de mettre en place une boucle de rétroaction de l’exécution vers la planification, qui fait partie des zones d’ombre des process et outils actuels de pilotages des chaînes logistiques.
La difficulté de la maîtrise des données fait certainement partie des causes importantes de cette zone d’ombre. La détection des divergences entre le planifié et le réalisé demande une capacité avancée d’analyse de la donnée.
L’IA appliquée au monitoring de la demande
Si l’on peut discuter le bien fondé et l’efficacité de l’IA pour automatiser la prise de décision, celle-ci est sans aucun doute particulièrement adaptée pour extraire des informations pertinentes d’une masse de données.
Ces informations pertinentes extraites et exposées à l’utilisateur sont parfois appelées « insight ». Ce terme que l’on peine à traduire en français a le sens dans ce contexte de « information induisant une prise de décision ».
Toute vente exceptionnelle induisant un risque élevé de rupture sur un article devrait être détectée automatiquement et signalée immédiatement sous forme d’une notification ou d’un workflow. Le système n’a pas vocation à prendre une décision à la place de l’utilisateur. En revanche il peut être extrêmement performant pour indiquer à l’utilisateur qu’une commande d’approvisionnement doit être passée en urgence.
De même, toute anomalie de comportement de la demande sur une multitude d’articles sur l’ensemble d’un réseau de distribution, peut être détectée immédiatement et signalée pour une réactivité maximale.
snext propose une solution de pilotage de la Supply Chain sous forme d’un écosystème de services
Trois questions se révèlent mal couvertes par les outils existants :
- Catégorisation des produits
- Dimensionnement des stocks de sécurité et des seuils de commande
- Monitoring de la demande
Pour répondre à chacune, snext propose une solution modulaire sous forme d’un catalogue de services (SaaS). Ces services peuvent être souscrits indépendamment ou interconnectés. Ils viennent en complément des outils déjà implémentés dans les organisations et échangent des données par API.
snext a choisi InterSystems IRIS Data Platform comme socle pour sa solution de pilotage de la Supply Chain.
Supply Chain Event Paris 2020, les 17 et 18 novembre 2020
Pour en savoir plus :
Transformation numérique des entreprises de la distribution
