Pourquoi les détaillants et fournisseurs peinent à s'aligner sur la prévision de la demande

Comment dans le monde les détaillants et fournisseurs sont-ils censés produire des prévisions de demande précises s'ils ne partagent pas les mêmes données de la même manière au même moment ?

La COVID-19 est à juste titre blâmée pour beaucoup des problèmes qui ont tourmenté les chaînes d'approvisionnement de produits de consommation tout au long de 2020. Mais les pénuries de papier toilette, d'eau en bouteille et d'autres essentiels ont été rendues encore pires par le désalignement des stratégies de données de demande entre fournisseurs et acheteurs. C'est la conclusion d'un rapport récent de la société d'ingénierie logicielle CI&T.

« La relation détaillant-fournisseur n'est pas organisée de la manière la plus propice à une prévision de demande confiante », déclare le rapport plutôt poliment. Mais les conséquences sont sérieuses, présentant la chaîne d'approvisionnement de détail avec une multitude de problèmes découlant de l'échec à prédire la demande avec précision.

Les deux côtés ne peuvent même pas s'accorder sur la nature du problème. Les fournisseurs disent que leur défi numéro un dans la prévision de la demande est la visibilité et l'accès aux données. Les détaillants disent que c'est le dimensionnement de la plateforme de données. « Stratégiquement, comment ils pensent la prévision de la demande est vraiment différent », dit Melissa Minkow, responsable de l'industrie du détail chez CI&T et co-auteure du rapport.

La déconnexion commence avec l'approche de base de la prévision par les deux ensembles de partenaires nominaux. La majorité des fournisseurs disent qu'ils sont susceptibles de décomposer les données pertinentes par géographie, tandis que les détaillants le font par canal, comme les ventes e-commerce et en magasin.

En outre, la plupart des fournisseurs comparent les données de vente pour un mois donné avec la même période de l'année précédente afin de prédire les ventes du mois suivant, tandis que les détaillants comparent les chiffres à ceux du mois précédent. Les deux méthodes peuvent produire des conclusions très différentes sur la quantité de produit à fabriquer, stocker et mettre en rayon pour les 30 prochains jours.

Les parties s'accordent sur le type d'information qu'elles considèrent comme ayant la plus grande valeur pour formuler une prévision de demande : des données détaillées sur les consommateurs telles que le genre, l'âge et la taille du ménage. Mais elles ne semblent pas parvenir à échanger cette intelligence en temps réel.

Il y a une réticence persistante à partager des données sensibles et propriétaires, « ce qui signifie que c'est une lutte pour eux de travailler ensemble », dit Minkow. Ce manque de transparence est au moins en partie responsable des approches divergentes prises pour interpréter les données.

À une époque où des perturbations telles que la COVID-19 menacent la stabilité des chaînes d'approvisionnement de produits de consommation, il n'a jamais été plus urgent de visualiser les données clés à travers un seul prisme. Mais les détaillants et fournisseurs semblent ne pas atteindre cet objectif. « Il y a eu beaucoup de complaisance » au cours des 15 derniers mois, dit Minkow. « Les deux parties jouent le jeu entier très près du gilet. Et ça ne va faire qu'empirer dans les six prochains mois, avec les fêtes qui arrivent. »

Pour être sûr, beaucoup des problèmes tourmentant les chaînes d'approvisionnement aujourd'hui sont hors du contrôle des détaillants et fournisseurs. Mais les deux côtés peuvent faire plus pour atténuer l'impact des crises externes en harmonisant leur approche de l'analyse de données et de la prévision de la demande. En temps incertains, la résilience est clé. « Il y a beaucoup de place pour que les données soient partagées », dit Minkow.

Le rapport CI&T exhorte un nouveau cadre pour créer des prévisions de demande, un qui ne les développe pas en isolation. Pour l'instant, dit Minkow, « ils ne se donnent même pas la peine de regarder les prévisions de demande de l'autre. S'ils le faisaient, ils verraient où ils peuvent apprendre l'un de l'autre. »

À l'ère des médias sociaux, plus de données sont disponibles pour la chaîne d'approvisionnement de détail que jamais. C'est à la fois une bénédiction et une malédiction — correctement analysées et partagées, l'information peut être utilisée pour identifier les besoins des clients et adapter les produits en conséquence. Mais le volume pur de celle-ci menace de submerger les fournisseurs qui manquent de la capacité d'en faire sens, et de coordonner son flux entre partenaires.

Minkow dit que les détaillants et fournisseurs n'exploitent pas pleinement les données qui leur sont disponibles. En plus de l'intelligence au niveau consommateur, ils devraient aussi s'appuyer sur les données de vente ou de panier pour les achats e-commerce et en magasin, les tendances saisonnières, les modèles météorologiques, les jours fériés et les stratégies de prix des concurrents.

CI&T propose que le détaillant possède la relation de partage de données, puis détermine quels types de données personnalisées chaque fournisseur devrait connaître dans un système de « sur-prévision ». « Nous mettrions plus de pouvoir dans les mains des détaillants, mais nous sommes aussi ouverts aux fournisseurs étant les premiers à bouger », dit Minkow. « L'idée est d'être au milieu, où tous les ensembles de données existent. Ensuite, vous pouvez ajuster la relation comme vous le jugez bon. »

L'échec de coordonner la relation cruciale entre détaillants et fournisseurs pour des fins de prévision de la demande est coûteux pour toutes les parties, mais surtout celles à la fin de la chaîne d'approvisionnement. « S'il n'y a pas de stratégie de partage de données optimisée, les consommateurs sont ceux qui perdront », dit Minkow. « Et quand le consommateur perd, tout le monde perd. »