La planification de la demande est un processus collaboratif et continu qui laisse toujours place à l’amélioration. La qualité de prévision doit ainsi être mesurée, challengée et analysée afin de distinguer les causes des écarts entre prévision et réalité afin d’affiner les modèles utilisés.

Qualité des données : une base souvent négligée

Toute simulation s’appuie sur des données. Ainsi, l’analyse des données est essentielle avant chacune des simulations. Une gouvernance des données adaptée est essentiel afin de s’assurer que les simulations et les stratégies mises en action se basent sur des faits vérifiés et permettant de se projeter.

Travailler entre différents systèmes augmentent les chances d’informations différentes. Ainsi, imposer des réels processus de maintien des informations entre les systèmes et des veilles sur l’exactitude des informations est essentiel.

En effet, dans le cas de la planification de la demande, des informations exactes permettent de définir les classifications de priorités et identifier les stratégies d’approvisionnement et de production adaptées au besoin des clients en minimisant l’exposition aux incertitudes. On se focalise ainsi sur les délais d’approvisionnement, les délais de production, le lancement de nouveaux clients, les positions d’inventaires, les ventes pertinentes…

Exactitude des données : un moyen d’évaluation des performances

Une fois les données nettoyées et uniformisées entre tous les systèmes, l’ensemble de parties prenantes de la chaine opérationnelle partent avec les mêmes bases de connaissances et peuvent ainsi collaborer dans l’amélioration des prédictions.

Ainsi, il est plus facile de mettre en place des contrôles et suivi continues des variables autour de la demande afin de s’assurer que les données utilisées sont toujours les plus pertinentes.

Un suivi de certaines métriques comme les temps de production, les quantités produites, temps de livraison, usages des clients permet de s’assurer que les mesures de sécurités mises en place (délais de sécurité, stock de sécurité…) sont toujours les plus adéquates. Ce suivi peut être dynamique via la mise en place de tableaux de bord comme avec Power BI, Tableau ou plus simplement Excel, et permet de s’assurer des niveaux des indicateurs de performances et identifier les raisons d’une baisse de qualité pour mettre en place les actions correctives nécessaire.

De plus, ce suivi continu est important car il peut servir de base dans les renégociations de contrats avec les fournisseurs, clients ou encore transporteurs et identifier les leviers stratégiques ou les actions à entreprendre auront les meilleurs retours sur investissement.

Prévision : Quels indicateurs utiliser ?

Une multitude d’indicateurs existent afin de mesurer la qualité de prévision et identifier les sources d’écarts.

• MAE (Mean Absolute Error – Écart Moyen Absolu) est une mesure de la dispersion des données dans un ensemble statistique. 
• MAPE (Mean Absolute Percentage Error – Erreur Moyenne Absolue en pourcentage) est une métrique qui mesure la moyenne des écarts absolus entre les valeurs réelles et les valeurs prédites dans un ensemble de données.
• Bias (Forecast Bias – Biais de prédiction) est une erreur d’auto-prévision, qui consiste à surestimer dans quelle mesure notre futur moi partagera les mêmes croyances, valeurs et comportements que notre moi actuel. 
• FVA (Forecast Value Added – Valeure ajoutée à la prévision) est un concept qui mesure l’amélioration de la précision des prévisions grâce aux différentes étapes et contributions d’un processus. 

Identifier les indicateurs est important, mais savoir où, quand et comment les utiliser est mieux afin d’en tirer le meilleur parti.

En effet, une analyse en profondeur de ces indicateurs permet d’identifier les tendances par produit, fournisseurs, catégories sur des périodes temporelles afin d’identifier les actions à entreprendre. Ceci à pour intérêt de maximiser le service au client tout en minimisant l’exposition au risque par l’identification: des saisonnalités, des tendances des marchés, des pénuries de produit et remplacements temporaires, de sources alternatives…

La mise en place d’outils de planification comme SlimStock, Blue Ridge ou de solutions temporaires dynamiques avec Excel, permet de favoriser la collaboration entre l’ensemble des acteurs de la chaîne et minimiser l’erreur en focalisant l’énergie sur les produits à fort impact par des classifications dynamiques pertinentes.

Chez Avalon CSC

Nous vous accompagnons dans la mise en place de solutions adaptées à vos besoins et votre stratégie. Nous sommes présents pour évaluer vos requis, uniformiser vos données et mettre en place la solution adaptée en apportant le soutien et les formations nécessaires à l’ensemble des usagers dans le changement vers les meilleures pratiques de l’industrie.