Hybrid Demand Sensing :préparer les chaînes d'approvisionnement pour les temps incertains

Les chaînes d'approvisionnement d'aujourd'hui sont confrontées à la prolifération des gammes de produits, à la réduction des cycles de vie des produits, à une complexité accrue et à des quantités massives de données. Pour ajouter à cette liste, les clients deviennent de plus en plus exigeants et imprévisibles; Les tendances alimentées par Internet changent en un rien de temps, et les promotions et les ventes sont soumises à la météo, aux lancements de nouveaux produits et à l'économie.

Pour être prêtes à ce que demain pourrait apporter, les entreprises doivent comprendre comment les changements dans les chaînes d'approvisionnement affectent la demande. Ce n'est qu'alors qu'ils peuvent s'assurer que les produits souhaités par les clients sont disponibles au bon moment.

La détection de la demande, comme son nom l'indique, est essentiellement l'art et la science de détecter immédiatement les tendances à court terme, afin de mieux prédire ce que les consommateurs voudront. La demande est impossible à prédire parfaitement car elle est affectée par un nombre infini de variables connues et inconnues. Selon une étude de KPMG et de l'Economist Intelligence Unit, seulement 22% des prévisions des entreprises étaient exactes à cinq points de pourcentage près. En moyenne, les prévisions étaient décalées de 13 %, ce qui a eu un effet significatif sur le cours de l'action.

Il y a beaucoup de puristes qui s'en tiennent à des approches de prévision qui utilisent des moyennes pondérées et d'autres méthodes traditionnelles faciles à comprendre. Cette approche peut sembler confortable et accessible, mais elle ne peut produire que des prévisions basées sur des modèles de demande historiques. Il manque de données en ligne et externes cruciales qui peuvent fournir une vue en temps quasi réel de la demande et de ce qui l'influence.

Aujourd'hui, il existe un meilleur moyen. Comme pour la prévision météorologique, il est possible de former des systèmes intelligents de détection de la demande pour prédire le chaos apparent de la demande des consommateurs avec un degré élevé de précision. Ces systèmes hybrides de détection de la demande appliquent plusieurs techniques de prévision et types de données.

La détection hybride de la demande est plus robuste, fiable et durable que les simples alternatives de prévision. Il bénéficie non seulement de l'application de différentes approches de planification, mais devient également plus fort et plus réactif à mesure que l'intelligence humaine et les ensembles de données supplémentaires sont pris en compte.

Un énorme avantage de la détection de la demande est qu'elle intègre immédiatement les tendances à court terme dans les prévisions. Au lieu d'avoir à utiliser les mêmes prévisions dans une fenêtre de 60 ou 90 jours, les planificateurs obtiennent des informations qui leur permettent d'affiner en permanence les prévisions à l'aide des dernières données de vente. Cette capacité à réagir plus rapidement et plus fréquemment aux changements de la demande conduit à des bénéfices et des niveaux de service plus élevés, et à moins de gaspillage.

Voici quelques exemples de la façon dont la détection de la demande aide les entreprises à transformer les informations en actions rentables :

• Simplifiez la planification en amont en extrayant directement les données PoS. La détection de la demande permet d'extraire des informations pertinentes directement à partir des données des points de vente (PoS). Cela aide les fabricants à améliorer la précision des prévisions de ventes sans avoir à attendre les commentaires des distributeurs et des détaillants.
• Améliorer l'efficacité de la planification de la production . La détection de la demande fournit une entrée plus fréquente aux opérations de production et d'approvisionnement. Cela permet d'ajuster le plan de production en conséquence en accélérant ou en désexpédiant les commandes, par exemple.
• Ajustez en permanence l'inventaire en amont. La détection de la demande permet d'optimiser dynamiquement les stocks et d'équilibrer le réseau en prenant en compte les stocks disponibles dans les entrepôts régionaux, ainsi que la demande prévue des clients, par emplacement.
• Combler l'écart entrant/sortant. Les équipes entrantes veulent remplir les entrepôts à pleine capacité ; les équipes sortantes s'efforcent de les vider en les expédiant aux détaillants et aux clients. La détection de la demande synchronise ces deux groupes en affichant une seule image globale de la demande.
• Prévoir la demande saisonnière avec plus de précision. Améliorer la visibilité du réseau de distribution est la clé d'une meilleure réactivité de la chaîne d'approvisionnement. Ceci est particulièrement important pour bien gérer les articles saisonniers qui pourraient ne se vendre que dans une fenêtre de temps annuelle. La détection de la demande permet, par exemple, de savoir immédiatement quand les principaux détaillants sont en rupture de stock. De même, lorsqu'un article ne se vend pas comme prévu, les fabricants peuvent réagir rapidement en ajustant la production et les stocks pour éviter l'obsolescence.
• Inventaire de bonne taille pour le lancement de nouveaux produits. Alors que les cycles de vie des produits continuent de se raccourcir, la gestion du remplacement des articles est un défi permanent. La détection de la demande aide les entreprises à déterminer les niveaux de stock optimaux des versions de produits nouvelles et antérieures pour répondre aux niveaux de service client.
• Améliorez les performances des promotions. La détection de la demande peut prendre en compte les données de vente telles que les attributs de promotion et les détails du produit et du marché, pour aider les planificateurs à comprendre les facteurs à l'origine de l'augmentation promotionnelle. Cela aide les planificateurs à mieux prévoir l'impact des futures promotions.

TireHub, un distributeur de pneus de remplacement, intègre des données PoS locales dans son modèle de détection de la demande, qui est amélioré par l'apprentissage automatique. Le double défi de la prolifération des SKU et de la saisonnalité a rendu difficile pour TireHub de positionner son inventaire de manière optimale. Aujourd'hui, il prévoit non seulement les fluctuations prévisibles de la demande (comme les ventes de pneus neige atteignant un pic en hiver), mais également les complexités de la demande locale, en prenant en compte le nombre de modèles de voitures différents vendus localement et régionalement. Grâce à ce modèle, TireHub a été en mesure d'automatiser entièrement une grande partie de sa planification de réapprovisionnement, d'améliorer les résultats commerciaux et de renforcer la capacité de desservir 70 000 points de livraison en seulement 18 mois.

Il existe plusieurs façons de détecter la demande, et chaque nouvelle information peut accélérer le temps de réaction et augmenter les bénéfices. Les retours les plus importants des processus de détection de la demande se situent dans trois domaines :

Prévisions à court terme avec données de vente. Le moyen le plus simple pour les entreprises de commencer à détecter la demande est d'utiliser les données historiques les plus granulaires disponibles. Cela implique généralement d'analyser les données quotidiennes de vente/d'expédition à la demande en utilisant des horizons temporels courts et d'ajuster les prévisions en conséquence. Ce type de facteurs de détection de la demande dans l'historique des expéditions, qui est facilement disponible dans la plupart des systèmes de planification de la chaîne d'approvisionnement ou de planification des ressources d'entreprise (ERP). Certains outils de planification incluent des prévisions statistiques à court terme, pour améliorer la réactivité des prévisions aux changements continus de la demande.

Incorporez les données de vente. Lors de la détection de la demande, il est important de réfléchir à toutes les sources de données utiles et possibles susceptibles d'améliorer les prévisions. Les informations sur les ventes en aval, telles que les données sur les clients, les points de vente ou les canaux, par exemple, peuvent aider à identifier les tendances de la demande, à avertir rapidement des problèmes et à combler l'écart entre le plan et ce qui se passe réellement dans la chaîne d'approvisionnement.

Ajoutez des données externes et des causalités de la demande. La détection de la demande peut et doit également intégrer des variables corrélées à la demande pour créer une prévision robuste capable de répondre à un large éventail d'événements futurs, du connu à l'inconnaissable. Il s'agit notamment des fluctuations du marché boursier, des promotions des concurrents, des tendances virales des médias sociaux, des lancements de nouveaux produits, de la météo et d'autres facteurs externes.

Rassembler les trois éléments – les données de vente et de vente ainsi que les cas de demande pertinents – fournit l'image la plus complète et la plus commune possible de la demande. Il jette également les bases d'une détection de la demande hautement automatisée, qui permet aux planificateurs d'appliquer leurs connaissances commerciales afin d'améliorer davantage les prévisions et le service client.

D'innombrables variables internes et externes ont un impact sur la variabilité de la demande, et celles-ci ne feront qu'augmenter au cours de l'énorme période de changement qui nous attend. Le meilleur outil pour gérer la variabilité et garantir un service élevé est l'inventaire. La détection de la demande aide les entreprises à utiliser les stocks de manière aussi optimale que possible. Il extrait les signaux importants du bruit pour affiner la précision des prévisions, améliorer la visibilité de la demande à court terme et minimiser les stocks, tout en améliorant le service aux clients. Les entreprises qui investissent aujourd'hui dans les outils, les processus et les compétences pour augmenter leurs capacités de détection de la demande peuvent vraiment être prêtes pour tout ce que demain pourrait apporter.

Robert Kaufholz est directeur de la conception de solutions chez ToolsGroup.