Et si les prévisions étaient précises et fiables ?

Par Bernard Milian
man wearing specialized binoculars to repair a watch

Je lisais récemment une démonstration d’un cabinet de conseil prônant la recherche d’une « Forecast Excellence ».

La démonstration était imparable, elle tendait à démontrer qu’améliorer la fiabilité des prévisions avait des effets bénéfiques pour toutes les fonctions de l’entreprise.

En gros le message était :

« SI vous améliorez la fiabilité des prévisions, ALORS vous pourrez viser un meilleur stock, organiser un programme de production plus stable, disposer d’une projection financière sans surprise, etc.

Nous pouvons vous accompagner dans cette quête de l’excellence des prévisions, sous le volet des personnes et compétences, de l’orchestration du processus, des outils informatiques, et de la business intelligence pour mesurer les résultats de vos efforts »

C’est exact.

SI je savais prédire très précisément l’avenir, ALORS je serais riche.

Ce qui est plus étonnant c’est que le « SI » n’est pas questionné…

On a donc pléthore de promesses sur le marché, avec des approches IA / ML, des algorithmes probabilistes, de la technologie et du conseil, de quoi remplir votre feuille de route métier et informatique pour un moment.

Rien n’y fait. Les évènements ont beau prouver encore et encore que nous évoluons dans un environnement largement imprévisible, un pan entier de l’industrie du conseil et des logiciels supply chain reste focalisé sur l’amélioration de la sacro-sainte fiabilité des prévisions.

Et SI ? Et s’il n’était pas vraiment possible d’améliorer la fiabilité des prévisions ? Ou si ce n’était possible qu’à la marge ? Ou si ce n’était possible que sur un très court terme ?

Est-ce que passer une fiabilité de prévisions de 65 à 70% change radicalement la donne ? Que diriez-vous si votre processus de fabrication délivrait seulement 70% de bons produits ?

Il est indéniable que prendre en compte la météo ou les évènements spécifiques – départs en vacances, promotions, etc. – est indispensable pour plusieurs scénarios de déploiement de stock, mais le plus souvent sur un horizon court terme – notamment quand il s’agit de météo…

Renversons le postulat.

Et SI vous ne pouviez pas compter sur des prévisions fiables ALORS que feriez-vous ?

ALORS ?

Alors ne chercheriez-vous pas à raccourcir vos délais, à établir de l’agilité avec des buffers bien dimensionnés et pilotés, à cadencer vos opérations au plus près possible de la consommation de votre marché, à réduire la latence des signaux de réapprovisionnement ? Bien sûr que nous avons besoin de prévisions, mais ce processus doit être avant tout simple, collaboratif, capable de capter les informations marché significatives – notre attention et nos efforts doivent être concentrés en amont, sur l’orchestration d’une supply chain adaptable en continu.

Prenez contact avec nous

Partagez cet article, choisissez votre plateforme !

Facebook
Twitter
LinkedIn

Articles récents

Inscrivez-vous à notre newsletter

Vous aimerez aussi

blue boxes everywhere, representing excess inventory

Piloter les stocks : le grand bleu invisible

Dans la grande majorité des entreprises, le rôle premier d’un approvisionneur est d’éviter les ruptures. Si vous approvisionnez des composants pour une usine d’assemblage, la production sera sur votre dos pour chaque manquant – ça empêche de fabriquer, et la ligne risque d’être à l’arrêt !