Transformer la complexité de la supply chain en excellence de service supérieure

Si Amazon apparaissait aujourd'hui de nulle part, peu de gens sains d'esprit seraient confiants quant à la capacité de le gérer rentablement.

À l'échelle mondiale, l'entreprise vend plus de 3 milliards de produits via 11 places de marché nationales différentes. Aux États-Unis seulement, Amazon a introduit 208 millions de nouveaux produits en 2018 — dont la plupart sont des produits à rotation lente, ou articles « long-tail ». Pourtant, malgré sa complexité et son échelle extrêmes, les bénéfices d'Amazon en juillet 2018 ont doublé les attentes des actionnaires, réalisant un bénéfice trimestriel faramineux de 2,5 milliards de dollars.

Le succès d'Amazon pourrait sembler un coup de chance impossible à reproduire. Cependant, en le décomposant, Jeff Bezos est devenu l'homme le plus riche du monde en arrivant à faire trois choses apparemment contradictoires à la fois : offrir des niveaux de service exceptionnels, au coût le plus bas possible, et gérer la complexité. J'affirme qu'atteindre les trois avec un vrai succès est difficile pour toute entreprise sans capacités technologiques avancées.

Premièrement, changez votre état d'esprit. Malheureusement, dans un marché de volatilité de la demande croissante et d'attentes de service plus élevées, trop d'entreprises restent enfermées dans des processus traditionnels et une spirale descendante familière. Incapables de prévoir de manière fiable un nombre croissant de combinaisons de SKU, elles chargent l'inventaire pour accommoder la demande erratique du long-tail. Cela mène inévitablement à des problèmes comme des coûts de fret supplémentaires et des stocks excédentaires et obsolètes qui doivent être dépréciés ou vendus avec une forte décote. Les planificateurs sont continuellement en mode « lutte contre l'incendie » réactif et inefficace, passant la plupart de leur temps à modifier les réapprovisionnements suggérés et manipuler les niveaux de service au lieu de piloter la performance.

Les problèmes de supply chain sont souvent les plus difficiles à corriger car ils ont des solutions contre-intuitives. Si vous voulez atteindre un succès « à l'amazonienne », la première chose à faire est de vous sortir de votre propre chemin et d'essayer une nouvelle approche. Comme le dit l'adage bien connu, le signe sûr de la folie est de faire la même chose encore et encore en espérant des résultats différents.

Le secret de la planification pilotée par le service est la prévision probabiliste et l'optimisation du mix de stocks. La façon de gérer la complexité et d'atteindre des niveaux de service élevés est de d'abord franchir la barrière de la précision des prévisions : au lieu de prévoir un seul chiffre, comprenez la gamme des possibilités de la demande dans votre prévision. Cette méthode s'appelle la prévision probabiliste. En utilisant cette approche, vous obtenez toujours un chiffre associé au résultat le plus probable. Cependant, autour de ce chiffre, vous obtenez une gamme d'autres résultats possibles, chacun avec une probabilité différente attachée. C'est une alternative à la prévision traditionnelle « à un chiffre », basée sur la moyenne des historiques de commandes agrégés.

La prévision probabiliste est idéale pour les supply chains qui incluent un grand nombre d'articles long-tail et font face à une variabilité et une incertitude de la demande dues à l'énorme nombre de facteurs qu'elles ne peuvent pas modéliser adéquatement. Comme l'a conclu l'experte supply chain 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, c'est avant tout de meilleures maths, et l'adéquation du modèle de données pour piloter les résultats. »

Votre supply chain n'a pas besoin de devenir trop complexe pour bénéficier de la prévision probabiliste. Voici un exemple simplifié pour illustrer. Disons que vous voulez prévoir la demande pour un SKU spécifique de pneu de voiture. Un système de prévision à chiffre unique regarderait l'historique de vente de ce pneu à quatre unités par mois et identifierait la demande moyenne à un pneu par semaine. Comme cette prévision ne prend pas en compte les clients qui remplacent les quatre pneus à la fois, elle proposerait continuellement la mauvaise prévision et donc les mauvais niveaux de stock pour atteindre les niveaux de service cibles.

Pour la planification des stocks, vous devez connaître la probabilité de chaque quantité de commande par ligne — pour un pneu, deux pneus, trois pneus, quatre pneus, etc. La prévision probabiliste fournit exactement cette information, identifiant les motifs de commande (ex: taille de commande, fréquence) que les stocks peuvent utiliser pour servir la demande.

Nous faisions figure isolée dans le monde supply chain au début des années 1990, quand nous avons commencé à défendre cette approche comme alternative à la prévision traditionnelle. Aujourd'hui, face à une complexité supply chain écrasante, il y a plus une plateforme brûlante pour que les entreprises l'essaient. Invariablement, le retour que nous obtenons est : « Je regrette seulement de ne pas avoir commencé plus tôt ! »

Secondairement, l'optimisation du mix de stocks permet ce que nous appelons la « planification pilotée par le service », en tirant parti de l'échelle et de la variabilité — la complexité — de votre portefeuille SKU à travers le réseau. Au lieu d'attribuer le même niveau de service pour chaque SKU dans un groupe, chaque emplacement SKU à travers la supply chain se voit attribuer son propre niveau de service optimisé pour atteindre les objectifs business. 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 individuels par emplacement SKU à 99 %, 97 %, 99,5 %, etc., atteignant le même objectif global de service client avec bien moins de dépenses d'inventaire.

Le fabricant mondial de lentilles ophtalmiques Shamir Optical a appliqué la prévision basée sur la probabilité pour devenir plus piloté par le service. Au lieu d'utiliser une politique d'inventaire unique pour tous, Shamir a analysé les motifs 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 d'inventaire de plus de 25 % au total, tout en atteignant constamment des niveaux de service dépassant 99 %.

La prévision probabiliste ne peut pas être exécutée assez rapidement en pratique par des planificateurs humains. Pour la faire fonctionner, vous devez automatiser le processus de planification avec un système auto-adaptatif utilisant la technologie d'apprentissage automatique — une forme d'intelligence artificielle. Pour générer des prévisions probabilistes, vous devez d'abord modéliser votre supply chain. La plupart des entreprises commencent avec un groupe d'échantillons de SKU pour tester et monter en charge au fil du temps. Contre votre modèle, vous devez ensuite prendre en compte l'impact d'une large gamme de variables de demande potentielles. Cela peut être des entrées traditionnelles comme l'historique des commandes, d'autres sources d'entreprise comme les données du système de gestion de la relation client (CRM), et même des sources externes comme la météo, la bourse et les tendances des médias sociaux. Parce qu'un modèle de supply chain est un système « vivant », l'apprentissage automatique apprend et ajuste continuellement les résultats au fil du temps, vous permettant d'introduire de nouvelles sources de données selon les besoins. L'application de l'IA fournit une compréhension approfondie du comportement de la demande et des stocks pour améliorer les résultats.

La bonne nouvelle pour les humains, cependant, est que les prévisions probabilistes sont, par conception, un point de départ — pas une fin en soi. Elles sont conçues pour donner aux planificateurs les données dont ils ont besoin à temps pour faire des appels de jugement éclairés sur les politiques de service et les niveaux de stock optimaux correspondants à travers leurs supply chains.

Cette prévision probabiliste augmentée par l'IA représente la symbiose idéale entre humains et machines. Le système devient plus intelligent au fil du temps en intégrant les apports humains, et les humains deviennent plus intelligents en apprenant du taux de succès des prévisions probabilistes. Cela libère les planificateurs pour se concentrer sur le service, travailler sur des projets stratégiques et ajouter leurs insights business au système.

Votre entreprise peut prospérer grâce à la complexité aussi. La beauté de la prévision probabiliste est que pendant que les niveaux de service montent, les coûts, le gaspillage et l'inefficacité baissent. Des centaines d'entreprises comme Shamir Optical ont obtenu une large gamme de bénéfices, de la libération de fonds de roulement à la réduction de l'obsolescence, des coûts de transport et d'expédition express et des rabais. De nombreuses entreprises rapportent devenir plus réactives aux changements de marché et être capables de prendre de meilleures décisions stratégiques.

Pour les gens attachés à l'approche déterministe « à un chiffre », la prévision probabiliste semblera contre-intuitive. Cependant, à moins que vous ne soyez dans une activité de commodité avec peu d'articles et une demande totalement prévisible, l'approche à un chiffre ne suffira pas. Amazon non seulement utilise cette méthode, mais offre aussi un outil de prévision probabiliste aux vendeurs partenaires. N'est-il pas temps que vous l'essayiez ?

Joseph Shamir est directeur général de ToolsGroup.