Nos conseils pour mieux utiliser la data de votre Supply Chain
Si vous êtes Responsable Approvisionnement, Planificateur des Ventes ou encore Directeur Supply Chain, vous êtes forcément confronté à un sujet stratégique : l’utilisation des données. De par l’envergure et l’impact d’un tel projet, nous observons beaucoup d’entreprises freinées par une peur légitime du changement.
Par où commencer ? Comment mesurer les performances de votre data ? Parcourons ensemble les étapes pour que la mise en place et l’utilisation des données dans votre Supply Chain soit une réussite !
Pourquoi utiliser la data de votre Supply Chain ?
Vous êtes bien placé pour savoir que vos clients sont devenus plus volatiles que jamais, et qu’ils cherchent avant tout un service plus rapide et des prix plus bas, exigences auxquelles s’ajoute un choix plus large dans le cas des distributeurs et industriels. Pour pouvoir répondre à ces exigences, et savoir si vous le faites ou non, vous avez à votre portée différentes sources de data (qu’elles soient internes ou externes à votre organisation) qui peuvent vous donner une vision claire de votre activité et vous aider à la piloter avec plus de justesse.
En utilisant au mieux la data de votre Supply Chain, vous serez en mesure de :
Suivre votre activité : C’est le premier niveau d’information que vous procure une donnée de qualité. La finalité est ici de diagnostiquer en continu votre Supply Chain et d’être en mesure de suivre les indicateurs qui sont importants pour vos process S&OP.
Détecter les anomalies : Vous pourrez être alerté des phénomènes qui s’opposent au bon fonctionnement de votre Supply Chain et les résoudre plus rapidement pour en limiter les conséquences.
Mieux prévoir : Avec un système de données qualitatives, vous pourrez prévoir votre activité future avec plus de justesse et de certitude, et gagnerez en réactivité, en précision, et en performances.
Les prérequis pour bien utiliser la data de votre Supply Chain
Avoir une data accessible
La première condition pour une bonne utilisation des données… c’est de disposer de données. Bonne nouvelle, c’est votre cas ! Les différents départements de votre entreprise utilisent déjà leur propre système de data.
La mauvaise nouvelle, c’est qu’elle est donc dispersée un peu partout dans votre organisation et vous allez devoir la réunir. C’est une première étape fastidieuse car à ce stade, rien n’est standardisé. Chaque équipe a sa propre façon de structurer sa donnée, et même parfois, chaque personne au sein d’une même équipe !
Au niveau des nouvelles données que vous n’avez pas encore et que vous allez commencer à collecter, veillez à partir sur de bonnes bases et à ce qu’elles respectent le prérequis que nous détaillons ci-dessous !
Prévoir un socle technique solide
Pour supporter toutes ces informations, il est primordial de prévoir un socle technique solide. Côté collecte, il est important que les pratiques et les outils soient homogènes dans toute l’organisation, ou que les différences soient connues et volontaires. D’autre part, l’hébergement doit s’effectuer sur des serveurs et datawarehouses assez puissants et dotés d’une capacité suffisante. Quant à la donnée, elle doit être redondée (stockée et à jour à plusieurs endroits).
Ne pas prévoir de socle technique suffisant, c’est limiter les capacités de son projet dès sa source et multiplier les risques de dysfonctionnements. Avec des capacités de stockage limitées, vous devrez restreindre l’historique de vos données, ou faire une croix sur des informations qui auraient pu s’avérer utiles. Avec des serveurs bon marché, vous vous exposez à des lenteurs ou des crashs réguliers qui occasionneront des pertes d’informations.
En bref, avant de penser à collecter et utiliser la data de votre Supply Chain, pensez à lui fournir un environnement stable et puissant !
Pouvoir évaluer la qualité de la data
Vous avez beaucoup de données à votre disposition ? C’est bien ! Vous avez les moyens techniques de supporter ce volume dans de bonnes conditions ? Super ! Mais sont-elles qualitatives ..? C’est ici la condition la plus importante, car il vaut mieux agir en ayant connaissance de peu d’informations vraies, qu’en se basant sur beaucoup d’informations fausses.
Plusieurs critères incontournables définissent une data de qualité. Elle doit être cohérente avec la réalité, unique (ne pas avoir une même information définie de plusieurs manières), compréhensible, structurée et documentée. Si vos données ne remplissent pas ces critères, vous pourrez bien sûr les utiliser, mais les résultats ne seront pas au rendez-vous. Imaginez si votre médecin vous prescrivait un traitement en ayant connaissance de mauvais symptômes : vous ne guéririez pas et cela pourrait même avoir des effets secondaires indésirables !
Au-delà d’un prérequis, le contrôle de qualité est un travail à effectuer en continu pour perpétuer la valeur de votre base, qui est agrémentée chaque jour de nouvelles données générées automatiquement ou manuellement.
Préparer la sécurité de ses données
Une autre exigence que vous devez avoir, concerne la sécurité de vos données. Vous manipulez des informations confidentielles sur votre entreprise et vos clients, pouvant aller jusqu’à leurs informations de paiement. Il est de votre responsabilité de faire en sorte que ces informations ne soient pas à la portée de n’importe qui.
Si pendant longtemps les entreprises faisaient le choix de conserver leurs données bien au chaud chez elles, la norme réside aujourd’hui dans l’utilisation du Cloud. Aujourd’hui, des acteurs clouds vous permettent de mettre l’ensemble de votre base dans un serveur distant (chez Vekia, nous avons choisi Microsoft Azure). Outre la sécurité que vous apporte un acteur comme Microsoft, ce procédé vous libère des contraintes de maintenance de serveur, de risques d’instabilité, et permet à votre data d’être accessible par vos différentes centrales partout dans le monde. De plus, le cloud offre un service de géo-redondance qui permet de dupliquer ses données dans plusieurs centres du monde pour se préserver des incidents techniques ou naturels.
Être prêt pour le changement
Le dernier prérequis ne relève pas de l’opérationnel, mais de votre mindset. Se lancer dans un projet de valorisation de la donnée en pensant qu’il suffit d’avoir un budget à investir serait idyllique. Le métier de vos équipes va évoluer, laissant derrière elles des tâches devenues obsolètes technologiquement (comme remplir des fichiers excel sur des centaines de lignes) pour les remplacer par plus d’automatisation, de supervision, d’analyse et de décisions.
Ces changements ne s’opèrent que si vous y êtes préparés et que vous y avez préparé vos équipes, qui verront leur quotidien changer.
Quelle data collecter ?
La data de base de votre Supply Chain
En tant qu’expert Supply Chain, il vous est essentiel de collecter certains indicateurs types de votre Supply Chain. En parallèle, disposer d’un historique de qualité sur ces données est un vrai plus qui pourra notamment accélérer le ROI de votre projet.
Vous devez au minimum disposer de référentiels articles (volumétrie, marque, prix, durée de vie…) et fournisseurs (nom, conditions d’achat, types de remises négociées, cadencier, catalogue, …), des informations de votre réseau logistique (entrepôts, hubs, magasins/agences, …), de vos mouvements (ventes, stocks, commandes, réceptions, inventaires) et de vos clients (contrats, fidélisation, …).
Évidemment, selon votre secteur, d’autres informations s’ajouteront ou remplaceront les précédentes. Si vous gérez des services de terrain, vous devrez par exemple posséder les données de vos camionnettes (emplacement, distance parcourue, frais d’entretien, …). Au-delà des données de base citées ci-dessus, à vous, donc, de trouver quelles données sont spécifiquement pertinentes pour votre entreprise.
Les autres données dont vous disposez déjà
Cette étape rejoint le premier prérequis que nous avons évoqué. Pour savoir de quelles données votre organisation dispose d’ores et déjà, vous aurez besoin d’un chef de projet data. Son rôle sera simple : il devra être garant de réunir et rendre accessible aux collaborateurs l’ensemble des données de l’organisation.
Pour cela, il fera un état des lieux des données utilisées et dans quel état elles se trouvent (cf le prérequis de qualité), par le biais d’une cartographie de la data détenue par les différents services par exemple.
Les données exogènes pour aller plus loin
En introduction, nous évoquions la possibilité d’exploiter, en plus des données internes à votre organisation, des données externes, ou exogènes. En observant l’environnement dans lequel vous évoluez et en détectant les synergies avec votre activité, vous pourrez mieux prévoir un mouvement de la demande, ou mieux identifier les opportunités qui s’offrent à vous. Par exemple, pour une entreprise de service à la personne, un vieillissement de la population d’une zone définie pourra représenter une opportunité. Le développement d’une épidémie entraînera un bond de la demande urgente, donc des ressources humaines ou matérielles à mobiliser. Dans le cas d’un fabricant textile, on pourra estimer l’impact que la viralité d’une pièce sur les réseaux sociaux entraînera sur la production et l’approvisionnement à prévoir.
Pour collecter ces données, vous pourrez simplement souscrire à des services qui vous procurent les informations souhaitées. En parallèle, les données INSEE sont faciles à intégrer et parfois gratuites. Vous pourrez ainsi implémenter les vacances scolaires, la météo ou les données économiques ou démographiques directement dans vos outils.
Construire une base de données de qualité
Analyser les problèmes de ma data
Comme nous l’avons vu, il est probable que votre base de données soit ponctuée d’erreurs. Le plus souvent, il s’agit de problèmes qu’on peut classer en 2 catégories :
Data irréaliste : Vous pourrez être confronté à des données qui ne peuvent simplement pas refléter la réalité. Un stock négatif ou des ventes supérieures au stock mobilisé sont des exemples flagrants d’un manque de réalisme de la donnée. Des informations de ce type indiquent très clairement un manque de qualité et deviennent inexploitables.
Data déstructurée : Par ailleurs, vos données peuvent très bien être justes, mais ne pas être liées correctement aux autres données. Par exemple, le système n’a pas connaissance du fournisseur chez lequel commander une pièce. Cela vous empêche d’analyser certaines synergies de votre Supply Chain et fait obstacle à l’automatisation de certaines opérations (ici, on ne pourra pas réapprovisionner automatiquement la pièce car l’outil ne saura pas où la commander).
Un travail de data analyse permettra de repérer des erreurs comme celles-ci.
Nettoyer la data
Une fois que vous aurez décelé un problème, vous devrez dans un premier temps en localiser la cause. L’erreur intervient-elle lors du partage de la donnée ? De son traitement ? Ou directement à la collecte ?
Chez Vekia, les data-scientists ont pu observer qu’un problème de data venait souvent d’une étape de manipulation humaine. Dans ce cas, vous pourrez mettre en place des process précis et détaillés qui guideront les intervenants et limiteront les erreurs.
L’objectif du nettoyage de la data est de ressortir avec des données fiables, qui reflètent précisément la réalité, et qui sont détaillées au maximum pour éviter les problèmes de structure. Malheureusement, certaines erreurs restent aujourd’hui difficiles voire impossibles à détecter car elles ne semblent pas irréalistes. On ne peut dont pas être sûrs à 100% qu’une base est totalement saine et nous sommes tous confrontés à une marge d’erreur.
Générer des indicateurs de performance
Collaborer avec les experts data
Au-delà d’être en mesure de générer des KPIs, il vous faut surtout pouvoir les interpréter ! C’est pourquoi vous devrez établir une collaboration entre experts data, et experts Supply Chain (vous). L’équipe Data vous procurera des KPIs mais ne sera pas forcément en capacité de les traduire en faits concrets. Votre rôle sera donc de comprendre ce que témoignent ces indicateurs de vos performances Supply Chain.
Se procurer des outils d’analyse KPI
Vous êtes bien placé pour savoir que l’efficacité de votre Supply Chain est définie par beaucoup de facteurs différents. Pour pouvoir suivre les performances de votre organisation, vous aurez besoin d’outils d’analyse qui vous permettront d’explorer vos données et vos indicateurs via une interface spécialement conçue pour cela. La vraie plus-value de votre data réside dans la manière dont vous pouvez la visualiser et interagir avec elle.
Plus l’outil dont vous vous servez sera puissant, plus vous pourrez inspecter vos données en profondeur, prendre des décisions basées sur des faits avérés, et suivre l’impact de vos actions.
Diagnostiquer sa Supply Chain
Identifier les relations de causes à effets
Ça y est, le moment est venu … Vous pouvez enfin vous servir de votre data ! Ici, votre casquette d’expert Supply Chain est votre meilleure alliée. Grâce à votre travail de la donnée et à votre outil d’analyse, votre Supply Chain est passée d’un colosse immatériel et effrayant, à un terrain de jeu que vous pouvez parcourir de fond en combles pour en découvrir les secrets.
Vous êtes bien sûr aux premières loges pour observer votre Supply Chain que ce soit au niveau macro ou micro. Mais surtout, vous pouvez maintenant enquêter plus facilement que jamais sur les causalités qui s’exercent dans le système qu’est votre Supply Chain. La non-vente d’un produit est-elle due à un manque de demande ? A une rupture ? A une information erronée dans votre base ou celle de votre fournisseur ? Vous pouvez explorer ces différentes pistes rapidement.
Récemment, nous avons pu rencontrer un cas semblable avec notre client Engie Home Services. En travaillant ensemble sur la data, nous avons pu nous détecter une couverture du stock trop importante sur certaines pièces, ce qui représente une trésorerie mobilisée pour des articles qui ne se vendront probablement pas avant plusieurs semaines. Nous avons alors pu travailler à la réduction de la couverture de stock sur ces références, tout en augmentant leur taux de disponibilité.
Sans l’analyse des données, nous serions passés à côté de cette amélioration pourtant primordiale dans le processus d’optimisation des stocks.
Conclusion
Avec cette tribune, nous espérons avoir apporté les réponses aux questions que vous vous posez, et vous permettre d’aborder votre projet plus sereinement.
Avec la multiplication des sources de collecte et la croissance de l’IOT, les données ne vont que gagner en pertinence et en volumétrie dans les prochaines années. Il ne fait aucun doute que les approvisionneurs et autres fonctions de la Supply Chain se verront attribuer des missions jusque-là réservées aux data-scientists.
Parmi les entreprises que nous rencontrons et qui souhaitent intégrer l’intelligence artificielle dans leur Supply Chain Management, beaucoup ne sont malheureusement pas prêtes d’un point de vue données. Nous avons la conviction que c’est un virage à prendre au plus vite pour limiter le retard face à ceux qui l’ont déjà passé.
Utiliser correctement une bonne data est devenu une condition de l’efficacité de votre Supply Chain, vous avez aujourd’hui les cartes en main pour prendre part à ce changement et ne plus le subir.
Qu'est ce que la supply chain ?
La Supply chain : un processus indispensable de notre société.
« Les Supply chains sont en compétition, pas les entreprises » Martin Christopher.
Au cœur de notre activité, la supply chain, ou chaîne d’approvisionnement en français, est un maillon essentiel au bon fonctionnement de notre société et de notre consommation. Elle constitue un réseau mondial, utilisé pour livrer des produits ou services aux consommateurs. Des matériaux bruts jusqu’aux mains du client, elle forme ainsi une chaîne de processus et d’acteurs synchronisés entre eux.
La mondialisation de notre économie ces dernières décennies a engendré une forte accélération et multiplication des échanges. L’amélioration constante de nos technologies permet des délais de livraisons toujours plus rapides, créant le besoin de chaînes logistiques et d’approvisionnements de plus en plus efficaces et compétitives. Pour deux entreprises vendant le même produit, celle possédant la supply chain la plus efficace et assurant une livraison plus rapide et plus qualitative sera toujours privilégiée par le client.
Le défi de la supply chain est donc de rendre accessibles les produits au bon moment, au bon endroit et surtout au bon prix. La réalisation de la promesse client est primordiale.
Les chaînes d’approvisionnements se caractérisent par un ensemble de flux, des flux tout d’abord physiques, à savoir le déplacement, le transport et le stockage de matériaux et produits. Depuis les sites de production, les produits et matériaux passent ensuite entre les mains de transporteurs pour être déplacés dans des entrepôts afin d’y être stockés ou à l’intérieur d’usines pour être manufacturés ou transformés.
Une véritable chaîne d’acteurs, composés d’une variété de maillons communiquant entre eux.
Ces produits transformés peuvent ensuite être livrés à des distributeurs ou grossistes, qui eux même les livrent aux vendeurs et les échangent aux consommateurs en échange d’argent. Enfin, le produit peut être retourné par l’utilisateur pour dysfonctionnement par exemple.
La supply chain intègre donc également des flux financiers, des flux monétaires récompensant les différents acteurs.
Ces flux circulent à l’inverse des flux physiques et comprennent les différentes transactions réalisées par l’ensemble des transporteurs et entreprises du réseau.
Ils incluent donc les facturations, encaissement et autres types de paiements.
Naturellement, la supply chain ne peut fonctionner correctement sans un flux efficace d’informations entre les acteurs. Ces données comprennent les catalogues produits, les prix, l’historique des transactions ,les volumes traités, mais aussi la liste des fournisseurs ou tout autre type de base de données.
Le traitement et l’analyse de celles-ci grâce à des KPIs (Key performance indicators) est prépondérant dans une stratégie d’approvisionnement et dans son efficacité.
Logistique et gestion supply chain, quelles différences ?
Deux termes à ne pas confondre. En effet, la logistique fait partie intégrante de la gestion de la supply chain et en constitue une des branches.
D’origine militaire, le terme « logistique » est un terme ancien qui par définition se décrit comme les activités de transport, déplacement, stockage et packaging d’une entreprise ou d’une organisation. L’ensemble de ces activités sont nécessaires au bon fonctionnement interne et externe de l’entreprise.
Alors que l’objectif principal de la supply chain est l’avantage compétitif via l’optimisation de différents processus, la logistique quant à elle a pour but de répondre aux exigences clients.
La prévision, pilier de la performance supply chain.
Le pire cauchemar pour un détaillant : être en rupture de stock et ne pas être en capacité de répondre à la demande.
C’est le défi principal pour les professionnels de la supply chain, gérer le stock, la demande et effectuer des prévisions de commandes afin de mieux pouvoir l’anticiper.
C’est l’analyse prédictive des données qui va permettre une supply chain performante. En effet, les supply chains se doivent de trouver l’équilibre entre satisfaction client et rentabilité économique, éviter le surstock, mais aussi les ruptures.
Cette capacité d’analyse et de prévision nécessite une très bonne compréhension de son domaine d’activité, du comportement des marchés et des clients.
Une bonne prévision garantit une baisse des coûts notamment lors de la signature de contrat de réapprovisionnement avec les fournisseurs, le prix variant selon les volumes commandés.
Des outils et machines au service de l’humanité : les solutions supply chain.
Les grandes avancées technologiques en matière d’automatisation et d’intelligence artificielle, ont permis aux professionnels de la supply chain de se doter de solutions informatiques puissantes et accessibles en terme d’utilisation.
La supply chain voit de plus en plus loin.
Le rêve de tout professionnel de la supply chain serait de pouvoir prédire l’avenir.
L’idée d’une visibilité à court, moyen et long terme semble vitale sur les volumes à traiter pour pouvoir satisfaire les clients. Les flux commerciaux et les échanges sont de plus en plus conséquents et atteignent un rythme que le travail manuel et humain à lui seul ne suffit plus pour répondre aux besoins des consommateurs.
Les acteurs de la supply chain ont donc su se doter d’outils et développer des solutions, des logiciels et des machines capables de pouvoir faciliter, alléger, ou automatiser les tâches quotidiennes et pénibles, aussi bien physiquement que psychologiquement.
Là où des robots et drones effectueront des tâches d’order picking et d’acheminement, de puissantes solutions logicielles couplées à des algorithmes d’intelligence artificielle et de machine learning permettent aux professionnels d’établir des prévisions précise de la demande, et d’ainsi optimiser leur supply chain.
C’est justement ce que propose la solution Vekia.
Vers une supply chain plus responsable.
La supply chain représente un marché économique conséquent, en proportionnelle croissance avec la mondialisation de notre société et la multiplication des flux commerciaux.
Les problématiques sociales, sociétales et environnementales sont désormais au coeur des stratégies des grandes entreprises, la responsabilité sociale de celles-ci (RSE) est fréquemment liée à leur supply chain.
Le choix des fournisseurs et des partenaires, la réduction des coûts énergétiques et d’émissions de gaz à effet de serre, le respect des lois et de l’éthique du travail font partie des pratiques mises en place par les organisations.
Les solutions supply chain sont là pour accompagner l’humain dans cette transition, et ainsi mettre leurs capacités et leurs technologies au profit d’un monde meilleur, pour l’homme comme pour la planète.
Qu’est-ce que l’analyse prédictive ?
Votre entreprise gère un grand nombre de données au quotidien ? Vous souhaitez affiner votre prise de décision grâce à l’analyse de ces informations ?
Grâce à l’analyse prédictive, vous serez capable d’établir des prévisions précises, basées sur l’historique de votre activité.
Voyons ensemble l’intérêt de son intégration dans la gestion de votre supply chain.
Définition d’analyse prédictive
L’augmentation du nombre de données produites par une entreprise permet aujourd’hui le développement de nouvelles méthodes de prédictions. En effet, le Big Data est utilisé dans de nombreux secteurs d’activités pour optimiser la prise de décisions stratégiques au sein de l’entreprise.
Pour cela, de nombreux professionnels utilisent l’analyse prédictive.
Il s’agit d’une méthode de traitement des données permettant de définir les probabilités de réalisation de divers scénarios en fonction de l’historique de votre entreprise.
En utilisant à la fois des données, des statistiques et des solutions d’apprentissage automatique, il est possible de réaliser des prévisions plus précises, mais également plus rapides, concernant de multiples aspects de votre activité.
Les différents types d’analyse prédictive
L’analyse prédictive consiste à établir les probabilités de divers scénarios en fonction d’un grand nombre de données.
Cette méthode se décline en trois types d’analyse :
Le Machine Learning
Considérée comme une branche de l’IA (Intelligence Artificielle), le Machine Learning est une méthode d’apprentissage automatique basée sur l’utilisation du Big Data.
Elle permet à une machine de définir de manière autonome un algorithme de traitement des données à partir d’un regroupement d’informations.
Le Data Mining
Également appelé “forage de données”, le Data Mining consiste à analyser de larges bases de données afin de regrouper les informations pour en déduire des “patterns”.
Il s’agit de modèles de classification des données permettant de transformer le Big Data en groupes d’informations exploitables.
Les analyses de régression
L’analyse de régression est un type d’analyse prédictive s’intéressant exclusivement à la corrélation entre plusieurs variables. Elle est donc capable de définir si deux éléments sont dépendants ou non entre eux et en quoi cela peut impacter les prédictions.
Grâce à l’analyse de régression, vous pouvez donc évaluer l’impact de l’évolution d’un facteur sur une autre variable.
Les avantages de l’analyse prédictive
La naissance de l’analyse prédictive s’explique par l’augmentation de la quantité de données à disposition des entreprises.
Le Big Data, couplé à des ordinateurs performants et accessibles, a permis la démocratisation de cette méthode de prévision. Celle-ci présente un réel avantage à l’heure où la conjoncture économique exige une forte différenciation de la part des entreprises.
De manière générale, l’analyse prédictive permet d’optimiser le fonctionnement global d’une organisation. Elle est capable de détecter les fraudes, d’améliorer les actions de communication, de faciliter la prise de décision et de réduire les risques.
Ces avantages rendent l’analyse prédictive applicable à de nombreux secteurs d’activités.
Les différentes mises en application : exemples d’analyse prédictive
Grâce à ses divers avantages ainsi qu’à la démocratisation de certaines solutions, l’analyse prédictive est aujourd’hui utilisée dans de nombreux domaines d’activités.
Le secteur industriel
Dans le domaine de l’industrie, l’analyse prédictive est principalement utilisée pour améliorer la maintenance des machines.
En effet, elle est capable, grâce à des capteurs, de détecter les problèmes mécaniques et le niveau d’usure des machines. Cela permet de prévoir en amont la réparation ou le remplacement du matériel.
Le marketing et la vente
Grâce à sa capacité d’analyse du comportement des consommateurs, l’analyse prédictive présente de nombreux atouts pour les professionnels de la vente et du marketing.
En effet, il est possible de déterminer le niveau de maturité d’un prospect grâce à cette solution. Vous pourrez également adapter vos actions de communication en fonction du public ciblé.
Il s’agit là d’une mise en application extrêmement courante de l’analyse du Big Data.
Les entreprises récoltent aujourd’hui une quantité colossale d’informations sur leurs clients et prospects.
Avec l’analyse prédictive, elles peuvent donc personnaliser la relation client afin de fidéliser ces derniers et d’augmenter leurs ventes.
Les ressources humaines
À l’instar du Machine Learning, l’analyse prédictive impacte de plus en plus le secteur des ressources humaines. Les entreprises automatisent leurs processus de recrutement en s’appuyant sur des algorithmes pour analyser les candidatures reçues.
Une solution d’analyse prédictive peut donc déterminer quel candidat sera le mieux adapté à un poste.
Les relations client
Afin de conserver une trace numérique des échanges entre l’entreprise et chaque client, il est essentiel de digitaliser le service des relations client.
Grâce au développement d’outils numériques tels que les sondages de satisfaction, toute entreprise dispose de données importantes concernant la qualité de la relation du client avec la marque.
Les solutions d’analyse prédictive sont capables d’analyser les réponses à vos enquêtes de satisfaction afin de venir alimenter vos bases de données sur votre clientèle.
Vous pourrez ainsi connaître le niveau de satisfaction, le temps de réponse ou encore les termes les plus employés par vos clients.
Le rôle de la transformation digitale des entreprises
Afin de rendre plus précises les prévisions de vos outils d’analyse prédictive, il est essentiel de pouvoir les alimenter en données régulières.
Pour cela, la transformation digitale des entreprises est indispensable. C’est elle qui permettra de conserver une trace numérique de toutes les décisions et actions de la société.
En effet, vous pourrez à la fois digitaliser vos process logistiques, vos actions de marketing ou encore votre relation client.
Cela vous permettra d’alimenter vos bases de données avec divers indicateurs qui permettront aux outils d’analyse prédictive de déterminer des probabilités en fonction de l’historique de votre activité.
Chez Vekia, nous sommes capables d’intégrer notre solution dans une stratégie complète de transformation digitale grâce à notre partenariat avec la société Silverprod Group.
Les limites de l’analyse prédictive
Bien que l’analyse prédictive ait fait ses preuves dans de nombreux domaines, elle présente également des limites sur certains points.
Le caractère probabiliste des résultats de l’analyse prédictive en fait une science inexacte.
Les réponses fournies par cette méthode doivent être considérées comme un outil et non comme une solution.
Au moment de votre prise de décision, vous devez utiliser ces résultats comme un indicateur de la probabilité que tel ou tel autre événement se produise. Il s’agit donc d’une manière de guider vos décisions stratégiques et non une prédiction exacte sur l’avenir.
Toutefois, l’analyse prédictive reste un moyen efficace d’apprendre du passé pour améliorer vos décisions futures.
Logiciel d’analyse prédictive dans la supply chain
Les professionnels de la supply chain ont quotidiennement recours à des solutions de prédictions afin d’affiner la gestion de leurs stocks. Pour cela, il existe de nombreux outils qui s’appuient notamment sur l’analyse prédictive.
En effet, celle-ci permet d’optimiser le résiduel de stock et les coûts qui y sont liés en évaluant le plus précisément possible les besoins en réapprovisionnement.
En fonction des données historiques de l’entreprise, l’algorithme pourra éviter les ruptures de stock tout en évitant les surcoûts.
Grâce aux prévisions probabilistes, vous pourrez prendre une décision en connaissant la probabilité de réalisation de différents scénarios. C’est ce que vous permet de faire la solution développée par Vekia.
Si vous souhaitez en savoir plus sur l’utilisation de l’analyse prédictive chez Vekia, n’hésitez pas à contacter nos équipes. Nous serons ravis de répondre à vos questions et de vous renseigner sur le fonctionnement de nos outils de gestion de votre supply chain.
Blockchain : l'avenir de la Supply Chain ? Interview avec Manuel Davy.
« Nous serons amenés dans les mois et années à venir à positionner des fonctionnalités blockchain dans notre roadmap. »
Alors que le Bitcoin est à son apogée et s’échange actuellement aux alentours de 50 000 euros, la technologie Blockchain elle, gagne petit à petit du terrain et son adoption s’élargit progressivement dans tous les secteurs d’activités.
Voici la définition que l’on peut trouver sur le site economie.gouv.fr :
« Développée à partir de 2008, la blockchain est en premier lieu une technologie de stockage et de transmission d’informations. Cette technologie offre de hauts standards de transparence et de sécurité car elle fonctionne sans organe central de contrôle. Plus concrètement, la blockchain permet à ses utilisateurs – connectés en réseau – de partager des données sans intermédiaire. »
Internet du futur pour certains, illusion sans réglementations pour d’autres, nous avons voulu en discuter avec notre CEO Manuel Davy, afin de connaître son avis sur le sujet et sur son application dans le monde Supply Chain.
Que représente la blockchain pour toi ?
C’est une technologie de rupture en matière de stockage et de certification de l’information. Elle est déjà en train de révolutionner le monde des devises avec le Bitcoin, et elle commence à apporter aussi beaucoup de cas d’usage dans l’industrie, par exemple l’assurance au travers de la notion de smart contracts. Je crois beaucoup à son développement dans tous les champs de l’activité humaine qui impliquent des transactions.
Cette technologie a-t-elle un avenir dans le monde Supply Chain ? Si oui, quels avantages ou innovations pourrait-elle apporter ?
La supply chain est un outil pour réaliser des transactions de biens physiques, on va donc y retrouver inévitablement la blockchain sur des aspects de paiement et d’assurance. Mais je crois que la majorité des cas d’usage reste à identifier. J’en ai quelques-uns en tête.
Tout d’abord, je crois que sous l’effet d’acteurs comme Amazon, les clients B2C et B2B vont devenir encore plus exigeants sur le délai entre leur achat et sa livraison, la fiabilité du service et le choix entre plusieurs produits.
La conséquence est directe : le stock doit se rapprocher des clients. Mais cela a un coût, il faudra donc partager ce coût entre confrères voire entre concurrents, notamment pour avoir des plateformes logistiques communes dans la périphérie de toutes les grandes villes.
La blockchain pourra servir à certifier la propriété du stock dans un entrepôt où tout est mutualisé : deux produits identiques, stockés au même endroit pourront appartenir à deux concurrents. La blockchain permettra d’éviter les conflits entre eux en certifiant la propriété de telle ou telle pièce en stock.
Un autre cas d’usage est lié au développement de l’économie circulaire. En effet, de plus en plus d’entreprises remettent dans le circuit des pièces de rechange encore en état de fonctionnement pour être utilisées pour des réparations d’appareils.
Chacune de ces pièces a une histoire (nombre d’heures de fonctionnement, ancienneté, état d’usage) qui nécessite une traçabilité individuelle et certaines garanties de fonctionnement. La blockchain apporte une technologie qui permet de sécuriser cette information tout au long de la vie de la pièce.
On peut même envisager des smart contracts qui déclenchent automatiquement un remboursement ou un remplacement en cas de défaillance pendant la période de garantie.
Est-ce une technologie plus ou moins chère que les technologies utilisées actuellement ?
Difficile à dire étant donné qu’il n’y a pas d’équivalent actuel pour le moment.
Quelles seraient pour toi les limites de la blockchain pour le monde de la Supply Chain ? Est-elle dans sa conception compatible avec celui-ci ?
Comme beaucoup de technologies nouvelles, la limite est dans la capacité des entreprises à adopter de nouvelles façons de travailler. Elle aura donc des succès plus importants auprès des supply chains qui se créent (nouvelles entreprises) ou en transformation importante.
Au-delà de cette limite, la technologie blockchain est parfaitement adaptée au monde de la Supply Chain
Connais-tu l’écosystème Vechain ? Quel pourrait être son impact sur les supplychains dans les années à venir ?
Vechain est un très bel exemple d’application blockchain dans le domaine de la supply chain, notamment le cas d’usage sur la traçabilité des vins pour en certifier l’authenticité et éviter les contrefaçons.
Je pense que la plupart des marques sujettes à la contrefaçon y voient une vraie solution pour certifier leurs propres produits.
Cela va se développer très largement. On peut aussi y penser dans le domaine du médicament, où la certification du produit est essentielle, tout comme les produits alimentaires avec un label ou une appellation d’origine.
Est-ce qu’un jour Vekia pourrait être amenée à utiliser cette technologie dans sa solution ?
Cela fait partie des technologies que nous suivons car elle a une compatibilité naturelle avec la supply chain (les transactions). Nous serons amenés dans les mois et années à venir à positionner des fonctionnalités blockchain dans notre roadmap.
Possèdes-tu personnellement des cryptomonnaies ?
Non, l’investissement dans lequel je crois le plus, c’est Vekia 🙂
Vers une gestion efficace de la chaîne d'approvisionnement
Gestion de la chaîne d’approvisionnement : un avantage compétitif
La chaîne d’approvisionnement décrit, dans le cadre de la livraison d’un bien ou d’un service à un tiers, l’ensemble du processus de planification et de production depuis le développement des produits jusqu’aux logiciels de gestion.
Deux flux d’approvisionnement
On peut considérer que l’approvisionnement est distingué en deux flux distincts : physique et administratif (informationnel).
Le flux administratif est nécessaire à l’envoi et à la réception de données, ordres, commandes, factures…
Le flux physique est l’art d’acheminer le bien vers le demandeur, par bateau, avion, camion, chemin de fer…
L’approvisionnement répond à toutes les contraintes environnantes. La règle première est de livrer de la marchandise, au bon moment, au bon prix, et au meilleur coût selon le choix du demandeur.
Un avantage compétitif
L’objectif principal d’une meilleure gestion de la chaîne d’approvisionnement est donc de viser l’avantage compétitif via l’optimisation des différents processus qui sont à l’oeuvre.
A quoi ressemble une chaîne d’approvisionnement standard ?
Une version simple d’une chaîne logistique comprend les clients, les fournisseurs et l’entreprise. Par exemple :
- Producteur des matières premières
- Fabricant industriel
- Distributeur
- Retailer
- Client
C’est la bonne gestion des différents maillons de cette chaîne qui permet d’en améliorer la performance et d’augmenter la satisfaction de ses clients.
Deux grands défis liés à la gestion de l’approvisionnement
L’effet Amazon
L’explosion de l’e-commerce met les entreprises sous pression : il faut maintenir des délais rapides de livraison aux clients qui souhaitent recevoir leurs produits dans le monde entier et dans les délais.
C’est l’effet “Amazon” : tous les produits disponibles partout dans le monde en très peu de temps.
Pour s’assurer d’avoir le bon niveau de stock au bon moment et au bon endroit dans le monde, et ainsi éviter les surplus et ruptures de stocks, les entreprises optimisent leur chaîne d’approvisionnement et augmentent leurs rotations de stocks. Pour ainsi augmenter leur trésorerie et réduire les coûts.
Ces demandes obligent les entreprises à penser une chaîne d’approvisionnement flexible, résiliente et surtout capable de s’adapter parfaitement aux nouveaux besoins des consommateurs.
Vers une supply chain responsable
La supply chain représente un marché économique conséquent, en proportionnelle croissance avec la mondialisation de notre société et la multiplication des flux commerciaux.
Les problématiques sociales, sociétales et environnementales sont désormais au coeur des stratégies des grandes entreprises, la responsabilité sociale de celles-ci (RSE) est fréquemment liée à leur supply chain.
Le choix des fournisseurs et des partenaires, la réduction des coûts énergétiques et d’émissions de gaz à effet de serre, le respect des lois et de l’éthique du travail font partie des pratiques mises en place par les organisations.
Les enjeux de la gestion de l’approvisionnement pour les dirigeants
Selon l’étude “Les enjeux stratégiques des opérations en 2021” de Roland Berger, les trois principaux enjeux des COO et des Directeurs Supply Chain en 2021 sont les suivants :
Instabilité de la demande
Risques de rupture d’approvisionnement
Risques d’augmentation des coûts du fait de la hausse de la demande et de la saturation de capacité
Les préoccupations majeures des directeurs opérationnelles sont donc largement liés à l’incertitude de la demande et du marché. La réponse à ces enjeux passe par un renforcement de la résilience et une plus forte digitalisation des chaines d’approvisionnement.
Quels logiciels d’approvisionnement répondent à ces enjeux ?
Vous avez peut-être déjà un logiciel de gestion des approvisionnements. Mais est-il assez robuste pour faire face aux nouveaux défis auxquels doit faire face votre supply chain ?
La 4e génération de solutions pour la gestion de la chaîne d’approvisionnement
Les solutions de la gestion des approvisionnements de 4e génération (qui comprennent notamment du Machine Learning, de l’automatisation) permettent de réellement répondre aux nouveaux défis tout en offrant un avantage concurrentiel.
Aves les challenges évoqués ci-dessus, arrivent aussi plus de complexité dans la gestion de l’approvisionnement : plus de fournisseurs, des contraintes plus nombreuses, plus de références et plus de données.
Les demand planners sont en effet souvent saturés de données multiples issues de plusieurs logiciels différents et difficiles à réconcilier. La performance doit rester maximale mais les ressources ne peuvent pas toujours augmenter.
Simplifier sa gestion des stocks et de l’approvisionnement quel que soit l’état de ses données
Il est aujourd’hui possible de tirer partie de ses données, même si elles sont incomplètes, pour maximiser la performance de sa chaîne d’approvisionnement.
Chez Vekia, nous prenons les données de nos clients en l’état et sommes en mesure de calculer des prévisions facilement grâce à la puissance du forecast probabiliste (+25% de performance par rapport à la génération précédente).
En faisant appel à l’Intelligence Artificielle et au Machine Learning pour le calcul des prévisions, notre solution est capable de s’adapter à tous les contextes clients et pas seulement dans le Retail !
Les avantages d’une solution de gestion de la chaîne d’approvisionnement
Il est possible d’identifier des axes d’économies potentiels grâce à l’utilisation d’une plateforme de 4ème génération comme Vekia.
Nous avons notamment relevé ces 4 typologies de gains :
- Working capital / BFR,
- Ventes additionnelles,
- Coût de gestion du stock,
- Automatisation des tâches liées au réapprovisionnement.
Vous souhaitez mesurer la performance de votre supply chain et identifier les pains potentiels d’une solution de 4e génération, faites le test ! Nous avons créé un formulaire de 10 questions qui permettent d’identifier les gains sur le BFR, sur les ventes additionnelles, sur le coût de gestion du stock ou encore sur l’automatisation du processus de réapprovisionnement.
Quel est le roi du probabiliste en supply chain ?
La démonstration au travers d’un cas d’étude pratique
Un environnement incertain
La valeur d’une prévision ne réside pas tant dans sa précision que dans sa capacité à décrire précisément l’incertitude qui l’accompagne.
Au cours des dernières années, cette idée a suscité de plus en plus d’attention sous l’appellation prévision probabiliste.
Aujourd’hui, dans la plupart des publications, la prévision probabiliste est considérée comme le nouveau « must-have » de la Supply Chain. Elle est d’ailleurs pressentie comme la méthode qui remplacera les bonnes vieilles méthodes de prévision utilisées depuis des décennies.
Mais qu’en est-il réellement ? La prévision probabiliste va-t-elle réellement devenir la nouvelle norme ? Au-delà des considérations purement théoriques et scientifiques, quel ROI une entreprise peut-elle concrètement espérer en retirer ?
Ce billet présente la synthèse d’une des rares études s’intéressant à la prévision probabiliste sous l’angle économique.
De la prévision parfaite
Dans notre billet « les apports du probabiliste dans la Supply Chain » de septembre dernier, nous mettions en avant une caractéristique fondamentale du futur, à savoir son incertitude.
Personne ne peut affirmer connaître précisément l’avenir. Des années d’expérience peuvent aider un expert à prévoir plus justement qu’un néophyte. L’exploitation avancée de données peut permettre à des algorithmes avancés d’améliorer la précision des prévisions. Pour autant, ni l’une ni l’autre ne permettront jamais de décrire le futur avec précision et fiabilité. Une part importante de l’incertitude qui le caractérise est irréductible.
Dès l’autre, l’un des principaux enjeux des Supply Chain moderne est de prendre aujourd’hui les bonnes décisions pour un demain incertain.
De façon surprenante, on note avec effroi que la quasi-totalité des process de décisions aujourd’hui en place font l’hypothèse d’une prévision parfaite, ignorant de fait l’information sans doute la plus importante : l’incertitude qui les accompagne.
Depuis quelques décennies, les choses changent… doucement mais certainement. On commence à promouvoir activement des approches qui à l’opposé des approches historiques embrassent pleinement l’incertitude pour apporter encore davantage de valeur.
Lorsque l’on tente de traiter ces ruptures, cela devient un processus fastidieux, bien souvent manuel, basé sur des règles empiriques, issu de données éclatées dans un système d’information et pour lequel il est souvent difficile d’avoir de la visibilité au-delà de la rupture qui vient de survenir.
Du déterministe au probabiliste
Prévisions déterministes
La prévision déterministe est la prévision utilisée depuis des décennies en Supply Chain. Si vous vous appuyez sur des prévisions, alors il y a 99 % de chances que ce soit sur des prévisions déterministes que votre entreprise applique actuellement.
L’objectif d’une prévision déterministe est de prédire « ce que sera l’avenir », aussi exactement que possible. Bien sûr, comme nous l’avons rappelé en introduction, l’avenir est incertain par nature. Par conséquent, ces prévisions ne se réalisent jamais parfaitement. C’est d’ailleurs pour cela que les prévisions sont si souvent critiquées.
Dans la pratique, les valeurs prédites sont généralement des valeurs médianes ou moyennes. Il y a 50% de chances que la valeur réelle soit supérieure, 50% qu’elle soit inférieure. Pile ou face ?
Pourtant, en dépit de cette réalité mathématique, les process de décision qui consomment ces prévisions la considèrent presque toujours comme « la vérité ». Ils font l’hypothèse que ces prévisions se produiront comme prévu, pas de place pour l’aléa.
Bien sûr, les professionnels sont bien conscients de cette limite. C’est d’ailleurs pour cela, pour se protéger, qu’on ajoute généralement une sécurité.
C’est typiquement le cas des stocks de sécurité. Ces stocks sont établis pour se protéger d’une demande réelle plus élevée que celle prévue. Ils sont généralement définis en partant de l’hypothèse que la demande suit une distribution mathématique classique, comme la loi normale. La mise en place de stocks de sécurité permet ainsi d’augmenter le niveau de service de 50% (sur la base des seules prévisions déterministes) a par exemple 90/95/99% (sur la base des prévisions et de stocks de sécurité).
Prévision quantile
Le concept de la prévision quantile est légèrement différent. Il s’agit non plus de prévoir la médiane (percentile 50%) mais plutôt un percentile spécifique (90/95/99%). Il s’agit donc d’une prévision biaisée délibérément ? !
Le point important ici est que l’incertitude fait désormais partie intégrante de la prévision. Il n’est donc plus nécessaire de définir un stock de sécurité distinct (du moins pour se protéger contre la variabilité de la demande). Le stock cyclique et le stock de sécurité forment désormais un stock unique qui évolue dynamiquement en fonction de la prévision.
Parce qu’elle fait fi d’une pseudo distribution normale, la prévision quantile permet une prise de décision plus adaptée à la réalité.
Prévisions probabilistes
Au lieu de fournir une prévision unique (qu’il s’agisse des valeurs médianes ou des percentiles 90/95/99 %), une prévision probabiliste décrit la distribution de l’incertitude dans son intégralité.
L’objectif de cette approche prévisionnelle est donc de décrire « ce que l’avenir pourrait être » plutôt que de prédire « ce que l’avenir sera ».
« Il vaut mieux avoir vaguement raison qu’exactement tort » – Carveth Read (1920)
Par exemple, une telle distribution pourrait ressembler à ceci :
La somme de ces probabilités est égale à 100 %.
Puisque l’incertitude est désormais intégralement décrite, la prévision probabiliste fournit une information bien plus riche que les autres types de prévision.
Le passage à la prévision probabiliste permet ainsi théoriquement de prendre des décisions plus précises encore. Elle autorise enfin d’inclure les différents scénarios possibles et leur probabilité d’occurrence dans la prise de décision et d’identifier ainsi le scénario optimal (maximisant la valeur, minimisant les coûts).
De la valeur ajoutée des méthodes de prévisions
Même si la théorie probabiliste est séduisante d’un point de vue intellectuel, ce qui importe avant tout c’est la valeur ajoutée qu’elle apporte ou l’économie qu’elle permet de réaliser !
L’internet regorge de « bonnes idées » permettant théoriquement d’améliorer un process, mais qui finalement ne génère que peu de valeur voire parfois en détruise !
Afin de démontrer l’intérêt économique d’une approche probabiliste, nous avons longuement cherché des études de cas déjà publiées… mais sans succès. Beaucoup d’entreprises protègent jalousement le secret de leur réussite ou à l’inverse se retiennent bien d’étaler les causes de leur contre-performance…
Pour combler ce trou béant, nous avons mené par nous-même une étude de cas approfondie. Cette étude illustre l’apport économique des différents forecasts dans un contexte de type « grande distribution ». Elle s’appuie sur les données transmises par Walmart dans le cadre d’une compétition majeure de datascience, la compétition M5. Au total, nous disposons ainsi de 54 méthodes de prévision distinctes, appliquées à 3 réassorts, 3049 articles et 10 magasins, soit plus de 5 millions de décisions d’approvisionnement analysées.
Que démontre cette étude ?
Une première partie de cette étude a été rendu publique (en anglais) ici : https://www.linkedin.com/pulse/roi-probabilistic-forecasting-experimental-casestudy-robette-/
En synthèse, que révèle-t-elle ?
Passer des prévisions déterministes (bleu) aux prévisions quantiles (violet) améliore significativement les performances. Les meilleures méthodes quantiles réduisent ainsi les coûts d’approvisionnement de 11% à 23%.
Passer des prévisions déterministes (bleu) aux prévisions probabilistes (orange) est encore plus significatif. Les meilleures méthodes probabilistes réduisent en effet les coûts d’approvisionnement de 37% à 48%.
Conclusions sur les prévisions probabilistes
Cette étude démontre que la prévision probabiliste est bien plus qu’un simple différenciant marketing.
Cette nouvelle approche est non seulement plus juste d’un point de vue théorique, mais elle est surtout capable d’apporter des avantages massifs aux entreprises, réduisant les coûts de moitié dans les meilleurs des cas, d’un tiers dans les moins favorables.
En fait, en rééclairant les enjeux et en invitant à reconsidérer la valeur de l’incertitude, l’approche probabiliste nous rappelle à des fondamentaux oubliés : l’enjeu clé de nos Supply Chain est de prendre des décisions éclairées dans un environnement hautement incertain.
De cette étude donc, et avec un niveau d’incertitude très faible, nous pouvons prédire un avenir radieux à la prévision probabiliste, appelée remplacer très prochainement les approches déterministes historiques…
Un nouvel outil pour maîtriser ses approvisionnements
« Mieux gérer les ruptures grâce à une fonctionnalité de détection automatique »
Bien souvent dans la gestion quotidienne d’approvisionnement, les directions Supply Chain sont confrontées à des problématiques de rupture. Les causes peuvent être multiples : problème d’approvisionnement, pénurie des semi-conducteurs, flambée des coûts d’énergie et des matières premières…
Les ruptures sont un sujet critique et les conséquences peuvent être plus larges qu’une vente perdue :
- Insatisfaction et perte du client
- Arrêt de processus de production
- Impossibilité d’honorer des engagements contractuels
- Démultiplication des coûts d’envoi.
Lorsque l’on tente de traiter ces ruptures, le processus devient fastidieux, bien souvent manuel, basé sur des règles empiriques et pour lequel il est souvent difficile d’avoir de la visibilité au-delà de la rupture qui vient de survenir.
Fort de ce constat, nous avons développé un nouveau module : BADAS pour Best Automated Distribution of Available Stock.
Retrouvez ci-dessous l’interview de Julien Maillard notre Head of Product !
Vekia & Stéphane Roder, CEO de AI Builders
« L’IA ce n’est que du SI »
Stéphane Roder, le CEO et fondateur de AI Builders, répond aux questions de Fabien Fouissard, Head of Partnerships & Alliance chez Vekia, sur l’adoption des solution data dans les directions Supply Chain des entreprises.
Il rappelle que l’utilisation de l’IA est avant tout une question d’organisation SI. c’est grâce à la mise en place des bons outils et des bons process SI que les data vont pouvoir être encore plus facilement exploitées et mise à profit des opérations.
Il y a aujourd’hui une maturité des solutions data pour la Supply Chain qui ont montrent de véritables impacts en terme de performance. AI Builders a sorti un AI Decision Matrix sur les solutions Supply Chain que vous pouvez consulter ICI.
Vekia & Vincent Criton, Senior Operations Project Manager chez Veepee
« Le gros game changer c’est l’automatisation et l’intégration de l’IA dans le forecasting »
Nouveau point de vue d’expert avec Vincent Criton, Senior Operations Project Manager chez Veepee et créateur du blog Logistique pour tous.
Vincent Criton revient pour nous sur les tendances de la supply chain dans les mois à venir et notamment sur l’importance de la data.
Il raconte aussi son parcours et ce qui l’a amené à créer son blog qui est devenu aujourd’hui une référence dans le milieu de la supply chain.
Un gestionnaire d'approvisionnement pour automatiser ses commandes ?
Vekia met à disposition un nouveau moteur de commande qui agit comme gestionnaire d’approvisionnement et est adapté aux enjeux de la Supply Chain
Depuis plusieurs années, la plateforme Vekia, met à disposition de nos clients issus de secteurs différents un gestionnaire d’approvisionnement qui réalise des propositions de commandes permettant d’automatiser et de fiabiliser leur approvisionnement. Si on parle des résultats concrets, nos clients ont atteint des taux d’automatisation allant jusqu’à 99% sur des millions de points de gestion avec une fréquence quotidienne.
Chez Vekia, nous mettons nos utilisateurs et leurs besoins au centre de nos décisions pour le produit, nos équipes produit ainsi que les équipes projets échangent de façon régulière avec les utilisateurs de la solution.
Après avoir échangé avec nos clients, nous avons fait le constat suivant :
- Nos clients ont tous des spécificités d’approvisionnement
- Ils doivent faire face et gérer l‘incertitude au quotidien notamment dans ce contexte actuel de pénurie des matières premières
- La gestion de l’approvisionnement doit être alignée avec les objectifs de l’entreprise
- Chaque entreprise a besoin de renforcer la résilience de ses chaînes d’approvisionnement
Nous avons donc mis en plat nos certitudes et imaginé avec notre Lab, le moteur du futur qui sera à même de répondre aux enjeux actuels et futurs des directions Supply Chain : ROBOT, notre nouveau moteur pour gérer vos approvisionnements
Un moteur d’approvisionnement adapté aux besoins de nos clients
ROBOT est un moteur gestionnaire d’approvisionnement qui est fondamentalement différents des autres :
- Il est nativement probabiliste, pour gérer toute forme d’incertitude qu’elle soit associée à la demande à venir, à l’exactitude du stock dans vos entités liés à des problématiques d’inventaires ou à la fiabilité des délais ou des quantité de livraison
- Il est entièrement paramétrable en fonction à vos objectifs d’approvisionnement
- Il introduit une notion de contrainte qui permettent de définir le comportement associé à un article que ce soit un comportement « préférentiel » (ex : s’assurer d’un stock minimum) ou « obligatoire » ( ex : quantité minimale de commande)
- La prise en compte de toutes les contraintes logistiques : (Stock Minimum, Stock Maximum, MOQ, Leadtime, fréquence de commande …) ainsi que d’autres contraintes avancées : Service Level ou contrainte par couverture de stock
- L’optimisation financière de la quantité à commande avec l’atteinte de palier de promotions
- L’optimisation du coût global d’une commande : la passation d’une commande (CPC) , couts de transport (Handling costs) et coûts logistiques (Franco), optimisation de l’empreinte carbone
Notre moteur ne contente pas de calculer la quantité à commander pour 1 scénario, ce sont des milliers de scénarii qui sont évalués (variation de la demande à venir, choix du fournisseurs, quantité à commander, choix du packaging …) au travers des contraintes qui auront été définies par l’utilisateur afin que la décision de commande soit la plus proche du souhait de l’utilisateur.
Gestionnaire d’approvisonnement automatisé : des résultats compréhensibles de nos utilisateurs
En pratique, voilà la manière dont cela se concrétise pour nos utilisateurs : chaque jour, nos utilisateurs consultent l’ensemble des propositions de commande qui auront été calculées durant la nuit par nos algorithmes d’IA.
Ils pourront au sein de ces propositions consulter l’ensemble des articles suggérés par l’algorithme entre une source d’approvisionnement et un site approvisionné pour une période à couvrir.
Pour un article donné, ils pourront accéder à l’explication de commande qui permettra de comprendre intuitivement quels ont été les critères que nos algorithmes ont utilisés pour établir la quantité à commander à travers des indicateurs et des graphiques.
Nos clients peuvent y retrouver :
- Des KPIs pour savoir en un clin d’œil la quantité, le coût et la couverture de stock de l’article à la livraison.
- Des graphiques afin de visualiser le comportement du stock à la partir de la date du jour sur les prochains jours dont la période à couvrir. Et cela si vous commandez et si vous ne commandez pas ainsi que les prévisions de l’article sur les prochains jours à partir de la date du jour.
- Visualiser les données d’entrée de l’article, les niveaux de stock Min et Max, le FRANCO…
- Au besoin, vérifier le résultat en détail à travers d’autres métriques tels que les contraintes.
Une hausse de la disponibilité avec une baisse des stocks
Une comparaison sur nos contextes client avec des algorithmes traditionnels ont mis en évidence une amélioration des performances d’approvisionnement à savoir : une augmentation de 5% de disponibilité produit combinée à une baisse de 10% de stock.
Chez Engie Home Services c’est : 10% de baisse de la valeur des stocks, 5% d’augmentation de la disponibilité des pièces et 95% de commandes automatisées.