Comment transformer la complexité de la chaîne d'approvisionnement en un excellent service

Si Amazon se matérialisait aujourd'hui de nulle part, peu de personnes sensées se sentiraient confiantes de pouvoir l'exploiter de manière rentable.

À l'échelle mondiale, la société vend plus de 3 milliards de produits sur 11 marchés nationaux différents. Rien qu'aux États-Unis, Amazon a introduit 208 millions de nouveaux produits en 2018, dont la plupart sont des produits lents ou des articles à «longue queue». Pourtant, malgré son extrême complexité et son ampleur, les bénéfices d'Amazon en juillet 2018 ont doublé les attentes des actionnaires, réalisant un bénéfice trimestriel de 2,5 milliards de dollars.

Le succès d'Amazon peut sembler un coup de chance impossible à reproduire. Cependant, lorsque vous le décomposez, Jeff Bezos est devenu l'humain le plus riche du monde en trouvant comment faire trois choses apparemment contradictoires à la fois :offrir des niveaux de service exceptionnels, au coût le plus bas possible, et gérer la complexité. Je soutiens qu'il est difficile pour une entreprise d'atteindre les trois avec un véritable succès sans capacités technologiques avancées.

Tout d'abord, changez d'état d'esprit. Malheureusement, dans un marché caractérisé par une volatilité croissante de la demande et des attentes de service plus élevées, trop d'entreprises se retrouvent enfermées dans des processus traditionnels et dans une spirale descendante familière. Incapables de prévoir de manière fiable un nombre croissant de combinaisons de SKU, ils se chargent de l'inventaire pour répondre à une demande erratique à longue traîne. Cela entraîne invariablement des problèmes tels que des frais de transport supplémentaires et des stocks excédentaires et obsolètes qui doivent être radiés ou vendus à un prix très avantageux. Les planificateurs sont continuellement en mode « lutte contre les incendies » réactif et inefficace, passant le plus clair de leur temps à modifier les réapprovisionnements suggérés et à manipuler les niveaux de service au lieu d'améliorer les performances.

Les problèmes de chaîne d'approvisionnement sont souvent les plus difficiles à résoudre car ils ont des solutions contre-intuitives. Si vous voulez atteindre le succès « amazonien », la première chose que vous devez faire est de sortir de votre propre chemin et d'essayer une nouvelle approche. Comme le dit l'adage éculé, le signe certain de la folie est de faire la même chose encore et encore et d'attendre des résultats différents.

Le secret de la planification axée sur les services réside dans la prévision des probabilités et l'optimisation de la composition des stocks. Le moyen de gérer la complexité et d'atteindre des niveaux de service élevés consiste d'abord à franchir la barrière de la précision des prévisions :au lieu de prévoir un chiffre, comprenez l'éventail des possibilités de demande dans vos prévisions. Cette méthode est appelée prévision de probabilité. En utilisant cette approche, vous obtenez toujours un nombre associé au résultat le plus probable. Cependant, regroupés autour de ce nombre, vous obtenez une gamme d'autres résultats possibles, chacun avec une probabilité différente. Il s'agit d'une alternative aux prévisions traditionnelles « à un chiffre », qui sont basées sur la moyenne des nombres agrégés de l'historique des commandes.

La prévision de probabilité est idéale pour les chaînes d'approvisionnement qui incluent un nombre élevé d'articles à longue traîne et font face à la variabilité et à l'incertitude de la demande en raison du grand nombre de facteurs qu'elles ne sont pas en mesure de modéliser de manière adéquate. Comme l'a conclu la gourou de la chaîne d'approvisionnement Lora Cecere dans son blog Probabilistic Forecasting :Right Fit for Your Business ? :« Pour les profils de demande difficiles, la prévision probabiliste est une technique nouvelle et puissante. C'est un type de moteur. La prévision repose sur de meilleures mathématiques et l'ajustement du modèle de données pour générer des résultats. »

Votre chaîne d'approvisionnement n'a pas besoin d'être trop complexe pour pouvoir bénéficier des prévisions de probabilité. Voici un exemple simplifié à l'extrême pour illustrer. Supposons que vous souhaitiez prévoir la demande pour le SKU d'un pneu de voiture spécifique. Un système de prévision à chiffre unique examinerait l'historique de vente de ce pneu de quatre unités par mois et identifierait la demande moyenne comme un pneu par semaine. Étant donné que cette prévision ne s'adresse pas aux clients qui remplacent les quatre pneus à la fois, elle proposera continuellement la mauvaise prévision et donc les niveaux de stock pour atteindre les niveaux de service cibles.

Pour la planification des stocks, vous devez connaître la probabilité de chaque quantité commandée en ligne — pour un pneu, deux pneus, trois pneus, quatre pneus, etc. La prévision probabiliste fournit exactement cette information, identifiant les modèles de commande (par exemple, taille de la commande, commande fréquence) que l'inventaire peut utiliser pour répondre à la demande.

Nous avons fait une figure solitaire dans le monde de la chaîne d'approvisionnement au début des années 90, lorsque nous avons commencé à défendre cette approche comme alternative aux prévisions traditionnelles. Aujourd'hui, face à la complexité écrasante de la chaîne d'approvisionnement, les entreprises disposent davantage d'une plate-forme brûlante pour l'essayer. Invariablement, le retour que nous recevons est "J'aurais seulement aimé que nous ayons commencé à le faire plus tôt !"

Deuxièmement, l'optimisation de la composition des stocks permet ce que nous appelons une « planification axée sur les services », en tirant parti de l'échelle et de la variabilité (la complexité) de votre portefeuille de SKU sur l'ensemble du réseau. Au lieu d'attribuer le même niveau de service à chaque SKU d'un groupe, chaque emplacement SKU de la chaîne d'approvisionnement se voit attribuer son propre niveau de service optimisé pour atteindre les objectifs commerciaux. Par exemple, au lieu d'attribuer à tous les SKU d'une classe un niveau de service de 98 %, un objectif global de 98 % est atteint en définissant de manière optimale les niveaux de service d'emplacement de chaque SKU à 99 %, 97 %, 99,5 %, etc. objectif global de niveau de service client avec beaucoup moins de dépenses d'inventaire.

Le fabricant mondial de verres de prescription Shamir Optical a appliqué des prévisions basées sur la probabilité pour devenir davantage axé sur les services. Plutôt que d'utiliser une politique d'inventaire unique, Shamir a analysé les modèles de demande pour créer un mélange de différents objectifs de niveau de service pour chaque SKU individuel dans chaque emplacement. L'entreprise a réduit les niveaux de stocks de plus de 25 % dans l'ensemble, tout en atteignant régulièrement des niveaux de service supérieurs à 99 %.

Les prévisions probabilistes ne peuvent pratiquement pas être exécutées assez rapidement par des planificateurs humains. Pour que cela fonctionne, vous devez automatiser le processus de planification avec un système auto-adaptatif qui utilise la technologie d'apprentissage automatique, une forme d'intelligence artificielle. Pour générer des prévisions de probabilité, vous devez d'abord modéliser votre chaîne d'approvisionnement. La plupart des entreprises commencent avec un échantillon de SKU à tester et à développer au fil du temps. Par rapport à votre modèle, vous devez ensuite prendre en compte l'impact d'un large éventail de variables de demande potentielles. Il peut s'agir d'entrées traditionnelles telles que l'historique des commandes, d'autres sources d'entreprise telles que les données du système de gestion de la relation client (CRM) et même de sources externes telles que la météo, les tendances boursières et les médias sociaux. Étant donné qu'un modèle de chaîne d'approvisionnement est un système « vivant », l'apprentissage automatique apprend et ajuste en permanence les résultats au fil du temps, vous permettant d'introduire de nouvelles sources de données si nécessaire. Appliquer l'IA fournit un aperçu approfondi du comportement de la demande et des stocks pour améliorer les résultats.

La bonne nouvelle pour les humains, cependant, est que les prévisions de probabilités sont, par conception, un point de départ et non une fin de partie. Ils sont conçus pour fournir aux planificateurs les données dont ils ont besoin à temps pour porter un jugement éclairé sur les politiques de service et les niveaux de stock optimaux correspondants dans leurs chaînes d'approvisionnement.

Cette prévision de probabilité augmentée par l'IA représente la symbiose idéale entre l'homme et les machines. Le système devient plus intelligent au fil du temps en prenant en compte l'apport humain, et les humains deviennent plus intelligents en apprenant du taux de réussite des prévisions de probabilité. Cela permet aux planificateurs de se concentrer sur le service, de travailler sur des projets stratégiques et d'ajouter leurs connaissances commerciales au système.

Votre entreprise peut également prospérer grâce à la complexité. La beauté de la prévision probabiliste est que tandis que les niveaux de service augmentent, les coûts, le gaspillage et l'inefficacité diminuent. Des centaines d'entreprises comme Shamir Optical ont obtenu un large éventail d'avantages, allant de la libération d'un fonds de roulement à la réduction de l'obsolescence, en passant par l'accélération des coûts de transport et des démarques. De nombreuses entreprises déclarent devenir plus réactives aux changements du marché et être en mesure de prendre de meilleures décisions stratégiques.

Pour les personnes mariées à l'approche déterministe « à un chiffre », la prévision des probabilités semblera contre-intuitive. Cependant, à moins que vous ne soyez dans une entreprise de produits de base avec peu d'articles et une demande totalement prévisible, l'approche à un chiffre ne suffira pas. Amazon n'utilise pas seulement cette méthode, il propose également un outil de prévision de probabilité aux fournisseurs partenaires. N'est-il pas temps d'essayer ?

Joseph Shamir est directeur général de ToolsGroup.