LinkedInEmailWhatsApp

Prévisions des ventes : comment améliorer leur fiabilité?

La fiabilité est un indicateur stratégique lorsque l'on fait des prévisions de ventes, découvrez comment l'améliorer.

Pourquoi est-ce si important d’améliorer la qualité de ses prévisions ?

L’utilisation d’un outil de Demand Planning permet de prévoir la demande future en analysant des données d’historique de ventes. Il faut alors prendre conscience qu’une sous ou sur évaluation de cette demande va avoir des effets négatifs à différents niveaux :

Quand la demande est sous-estimée, l’entreprise risque de ne pas avoir suffisamment de stock pour satisfaire tous ses clients. Cette non capacité à répondre à la demande du client pourrait conduire le client à aller voir ailleurs, ce qui traduirait à plus long terme une perte des parts de marché au profit de ses concurrents.  La rupture de stock a un coût qui peut donc aller au-delà de la marge perdue par la non-vente du produit. Elle créera une perte de confiance et une dégradation de l’image de l’entreprise auprès de ses clients.

Dans le cas inverse, où la demande est surestimée, l’entreprise va avoir plus de stock pour couvrir un besoin qui ne viendra peut-être jamais. Avoir trop de stock revient à immobiliser des ressources. Le surstock a un coût. Un coût humain, avec la main d’œuvre nécessaires pour manipuler ce stock. Et un coût de stockage avec des produits qui prennent de la place dans les entrepôts. Enfin, si le produit a une durée de vie limité le surstock peut même être assimilé à des déchets, ou une perte nette, puisque ces produits devront être jetés quand le contrat date sera dépassé.

Là est tout l’enjeu d’une bonne prévision. Une solution pour réduire les coûts et améliorer le taux de service est alors d’utiliser un outil d’aide à la décision (Advanced Planning & Scheduling) comme Colibri afin d’améliorer la qualité des prévisions de ventes actuelles ce qui permettra de dimensionner au plus juste les différents stocks aux différents niveaux de la Supply Chain.

Comment améliorer la qualité de sa prévision ?

1 – Prévoir au plus proche du client final

Chaque maillon de la Supply Chain introduit un stock qui va découpler la demande aval et les approvisionnements amont. L’objectif est d’éviter au maximum l’effet coup de fouet (Bullwhip effect), phénomène bien connu dans les chaines logistiques. Cet effet consiste à une amplification extraordinaire des variations de la demande au fur et à mesure qu’on s’éloigne du client final. Plusieurs facteurs viennent expliquer ce phénomène :

  • Une information non précise et non partagée entre les différents acteurs avec un manque de transparence
  • Des lead times très longs
  • Et surtout un découplage entre la consommation (demande réelle) et la production (activité réelle)

2 – Travailler par exceptions

L’idée simple derrière ce concept est qu’il vaut mieux travailler et passer du temps sur ce qui a de l’importance que de vouloir traiter des cas spécifiques si petits en termes de volumes que l’impact ne serait même pas perceptible à un niveau macro.

Des outils et méthodes simples existent pour mettre en place ce travail par exceptions

  • L’analyse ABC est très connue et permet de classer les produits suivant leur poids. Cette méthode s’appuie sur l’idée que ce sont 20% des produits qui créent 80% de la valeur.  On pourra alors appliquer des règles de gestion suivant la classe en question. L’idée étant de se concentrer en priorité sur les produits de Classe A plus importants ou la demande à un fort impact. 
  • La gestion d’un cycle de vie.  Un produit va passer par plusieurs grandes étapes dans sa vie. Dans le monde des produits de grande consommation, le schéma est souvent le même quand on regarde les historiques : une phase d’introduction suivie d’une période de croissance au début de la vie du produit (phase de lancement) puis une phase de maturité et enfin une phase de déclin. Avoir un critère pour décrire le statut d’un produit est une information précieuse qui permet à des outils de demand planning comme Colibri de mettre en place des règles de gestion propres à chaque étape du workflow.

Avoir ces informations attachées en tant qu’attributs dans les hiérarchies Colibri permet ainsi de construire des périmètres de travail, des alertes à chaque étape du workflow standard de l’outil aidant ainsi le travail de la personne qui doit construire le plan prévisionnel.

3 – La mise en place d’un process collaboratif

Les utilisateurs peuvent apporter des informations qualitatives pouvant améliorer significativement la qualité des prévisions de ventes. Le prévisionniste est avant tout un chasseur où la proie reste l’information.

Avoir un outil comme Colibri gérant nativement la collaboration est une véritable force pour enrichir la prévision et ainsi tirer parti de l’ensemble des informations qualitatives à disposition. Que ce soit pour de la correction d’historique afin d’expliquer des événements exceptionnels ou que ce soit pour l’enrichissement de la prévision statistique avec les autres types de prévisions (Promo / Event). L’utilisation d’Excel n’est souvent pas propice à ce type de fonctionnement car très vite les échanges de fichiers répétitifs deviennent trop lourds pour les équipes.

4 – Mesurer, Evaluer et Suivre la fiabilité

Améliorer la fiabilité passe déjà par la mesure et l’analyse de cette fiabilité. Colibri archive jusqu’à 12 mois de prévisions permettant ainsi de suivre la qualité de la prévision au niveau souhaité sur une année entière. Communiquer régulièrement cet indicateur permettra à l’ensemble des acteurs d’avoir une vision partagée de la situation et permettra de construire un plan d’action concret pour ajuster les erreurs trop importantes et ainsi atteindre les objectifs fixés en début d’année

Mais améliorer la précision des prévisions de ventes c’est également veiller à ne pas créer un biais avec des actions qui pourraient venir dégrader la prévision

Comment ne pas détériorer sa prévision ?

Comme le dit l’adage, « une prévision est toujours fausse ». Avoir une bonne fiabilité passe aussi par le fait de ne pas rajouter de l’erreur à celle déjà présente nativement. Choisir un modèle robuste permet de limiter les erreurs additionnelles.

1/ Préférer un modèle robuste dans le temps si un produit est fortement erratique en termes de ventes

En effet, une prévision comporte par définition une part d’erreur. Il vaut mieux essayer d’avoir une prévision robuste dans le temps, c’est-à-dire une prévision qui ne change pas du tout au tout le mois suivant avec l’import d’un nouveau mois d’historique.  Le choix d’un modèle statistique est donc une première étape importante pour garantir la robustesse de la prévision brute qui sert de base pour l’étape d’enrichissement.

2/ Travailler à un niveau agrégé facilite la modélisation et réduit le nombre de modèles à réaliser (principe de la loi des grands nombres) mais en voulant travailler trop haut les risques sont multiples :  

  • En travaillant sur un niveau trop agrégé vous allez venir gommer les effets de tendance et de saisonnalité, informations précieuses pour la modélisation
  • L’éclatement de la prévision sur des niveaux inférieurs introduit par définition une erreur supplémentaire.  Il est donc important de ne pas avoir trop de niveaux d’écarts entre le niveau de travail et le niveau final pour éviter d’ajouter des erreurs à l’erreur

3/ La prévision doit venir driver le budget et non l’inverse.

Enrichir la prévision avec des données basées sur des faits certains est un excellent principe. Par contre, mettre un objectif à atteindre comme valeur de prévision finale n’est pas une solution souhaitable pour atteindre une bonne qualité de prévision surtout quand on sait à l’avance que cela ne sera jamais possible d’atteindre cet objectif avec les moyens actuels. Les objectifs, qu’ils soient personnels ou d’entreprise, sont à confronter avec la prévision actuelle afin d’évaluer la faisabilité et le cas échéant à mettre en place un plan d’action pour atteindre cet objectif.

4/ Ne pas travailler qu’avec des quantités.

Valoriser les prévisions permet d’avoir une idée plus fine sur les impacts d’une décision visant à modifier la prévision.

Colibri permet de gérer un prix de vente par périmètre ce qui permet de valoriser la prévision et de se rendre compte des effets liés au prix.

Fiabilité des prévisions de ventes : ce qu’il faut retenir

En résumé, la fiabilité est un indicateur essentiel à suivre lorsque l’on réalise des prévisions des ventes. Plus les prévisions sont fiables et moins l’entreprise risquera de se retrouver dans une situation de sur stock ou de ruptures.

Plusieurs actions peuvent être mises en place pour améliorer cette fiabilité mais également pour ne pas la détériorer par des erreurs additionnelles.

In-fine cet indicateur doit être partagé par tous et doit correspondre à la stratégie de votre entreprise.

Découvrez en vidéo comment Colibri a aidé Vitacuire à gérer leurs prévisions des ventes

Découvrez la vidéo