Processus de prise de décision.
Une prévision n'a de sens que si elle est utilisée pour prendre des décisions.
Différentes décisions utilisent différentes prévisions.
Décision | Horizon | Niveau de détail |
---|---|---|
Planning de trésorerie de l'entreprise | 1 mois | Au niveau global de l'entreprise |
Réapprovisionnement des centres de distribution | 1 mois | À la référence et au centre de distribution |
Planning de production des produits finis | 1 - 3 mois | À la référence de produit fini |
Approvisionnement des matières premières | 3 - 6 mois | À la référence de matière première |
Dimensionnement des équipes de production | 3 - 6 mois | À la ligne de production |
1. Performance de la prévision
Le générateur et l'utilisateur des prévisions ne voient pas la même performance.
On doit définir des indicateurs différents pour mesurer les deux aspects.
Pour bien cibler les références qui demandent une attention particulière, on peut effectuer différentes analyses.
On peut analyser et classifier les références en fonction des ventes réalisées.
Plusieurs classifications simples existent pour définir les références qui méritent plus d'attention du prévisionniste :
- Classification en fonction du volume de ventes (chiffres d'affaires).
- Classification en fonction du profil de la demande.
- Classification en fonction de la valeur du produit / la marge générée.
- Classification en fonction d'importance stratégique du produit.
Pour plus de finesse, on peut croiser ces classifications (ABC – 123).
Du point de vue du prévisionniste, le profil de la demande est souvent plus important que le volume.
Une façon efficace de cibler les efforts de prévisions peut aussi être de valoriser les erreurs de prévision.
Erreur de prévision | Volume | |||
---|---|---|---|---|
Pareto erreur de prévision | A | B | C | Total |
A | 50% | 20% | 10% | 80% |
B | 2% | 5% | 7% | 14% |
C | 0% | 1% | 5% | 6% |
Total | 52% | 26% | 22% | 100% |
Le type d'erreur de prévision donne une indication sur la composante qui pose problème.
Sur les évènements, on peut encore détailler l'analyse des causes des erreurs.
La comparaison d'une nouvelle prévision avec l'ancienne prévision permet d'identifier des changements importants.
Changement de comportement d'un produit ?
- Changement de tendance.
- Changement cycle de vie.
Ou instabilité du modèle de prévision ?
- Changement de paramètres / de modèle.
- Prise en compte d'une fausse tendance / saisonnalité.
Les indicateurs peuvent être les mêmes que ceux que l'on utilise pour mesurer la performance de la prévision.
Dans tous les cas, l'analyse doit être suivie par une action.
- Changer le modèle de prévision.
- Focaliser l'effort de prévision commerciale sur le produit.
- Corriger l'historique.
- Revoir le stock de sécurité.
2. Conclusion
En fin de compte, n'oubliez pas que :
La performance qui compte est celle perçue par le client.
Une bonne mesure doit permettre d'agir si besoin
Et
Début mars : mesurer la performance de la prévision du mois de février, faite en janvier.
De là on peut se poser la question de la pertinence statistique d'une seule observation ?
Meilleure pratique : au moins 4 mois, idéalement sur 6 mois.
Ce qu'il faut retenir...
- La prévision est la base de la plupart des décisions de gestion.
- Une prévision parfaite n'existe pas même si cela reste un objectif.
- La flexibilité du système peut compenser les erreurs de prévisions.
- Bien souvent, les modèles simples donnent des résultats satisfaisants.
- Il faut suivre la précision du modèle de prévision.
Les méthodes classiques sont rapides et peu coûteuses.
Elles donnent des informations intéressantes à court terme mais moins fiables dès qu'on s'éloigne dans le temps.
Les modèles plus complexes et plus récents sont beaucoup plus coûteux mais fournissent en général des prévisions valables à plus long terme.
Il reste du ressort de chaque entreprise de choisir la méthode qui lui conviendra en fonction de l'objectif fixé, ainsi que des critères de données et de coûts.
L'expérience, l'intuition et le bon sens seront des facteurs fondamentaux pour réaliser une bonne prévision et détecter toute anomalie.
Le plus important n'est pas d'avoir un outil sophistiqué mais plutôt un outil maitrisé par les gestionnaires.
Développer la collaboration interne et externe à l'entreprise pour être au plus prêt des clients.
Développer le digital afin de mieux connaître les clients et donc de mieux prévoir !