Pour améliorer les performances de votre supply chain, il est essentiel d'avoir les bons outils pour accompagner la planification de demande au sein de votre S&OP. Vous pouvez ainsi limiter les ruptures de stock et maintenir votre inventaire à un niveau raisonnable, tout en garantissant un taux de service élevé. Un élément clé de la planification de demande est l’obtention de bonnes prévisions.
Bien souvent, ces prévisions proviennent des commerciaux et des distributeurs, cependant la qualité de ces prévisions est fréquemment remise en cause par les personnes en charge de la supply chain.
Focus sur les KPI de prévisions des équipes commerciales
En pratique, il faut organiser la mesure de la qualité de ces prévisions (les fameux KPI). Mais c'est un exercice difficile à effectuer avec Excel. De plus, on peut écrire sans risque, qu’il y a autant de façons d’évaluer ces prévisions qu’il y a d’entreprises. Nous proposons ci-dessous un tableau de suivi des performances, pour identifier rapidement les articles, ou les niveaux dans l'organisation nécessitant des mesures correctives.
SKU Science apporte une solution pour sensibiliser tous les acteurs de la chaîne logistique à l’amélioration des prévisions. Il est possible de recréer ce tableau à la main sous Excel, mais c'est un exercice compliqué et qui demandera une maintenance mensuelle. Plusieurs clients nous ont demandé de pouvoir comparer les prévisions fournies par leurs services commerciaux à celles calculées par notre plateforme.
Sur le tableau vous pouvez voir deux types de prévisions. Ainsi tous les KPI sont calculés à la volée pour les 2 deux types de prévisions (en fonction des délais d'approvisionnement de votre supply chain, sinon cela n’a pas vraiment d’intérêt) et comparés entre eux pour calculer la valeur ajoutée de votre équipe commerciale.
Mesurer la valeur ajoutée de vos équipes
Vos équipes passent du temps à faire des prévisions, mais cela n’a du sens que si elles améliorent vraiment les prévisions issues d’un outil comme SKU Science ou d'une autre plateforme. En comparant ces deux valeurs, vous saurez enfin si vous ajoutez de la valeur ajoutée, ce qui doit être votre seul et unique objectif.
Concrètement comment ça se passe?
A partir des données historiques de la demande, la plateforme calcule des prévisions pour les derniers cycles. Lors de chaque période, une nouvelle prévision externe a été chargé à partir d’Excel sur la plateforme. Ces prévisions (“Rolling forecast” en anglais) issues de la plateforme et des commerciaux sont archivées à chaque nouveau cycle.
Dans l'exemple ci-dessous, nous analysons les données de prévision avec un mois d'écart pour chaque période.
Au lieu de nous concentrer sur les prévisions au niveau d'une SKU (vous pouvez en avoir beaucoup), nous étudions les prévisions à un niveau plus macroscopique, celui d'un territoire ou d'un entrepot (ici Paris). Cet exercice est réplicable à n’importe quel niveau.
La plateforme nous permet d'obtenir sans effort les tableaux de KPI calculés à partir des quantités ou valorisés financièrement.
Dans l'exemple ci-dessous, un tableau de KPI pondérés est généré à partir du chiffre d’affaires de chaque SKU. Cela reste la meilleure option pour analyser les KPI et avoir un réel impact sur la société.
Chaque KPI de prévision calculé comporte 3 lignes.
• SKU Science: indique les valeurs concernant les prévisions de la plateforme.
• Utilisateur: indique les valeurs pour la prévision issue du service commercial et chargée sur la plateforme.
• Valeur ajoutée: représente l’amélioration ou la dégradation apportée par l’utilisateur par rapport à SKU Science.
Valeur ajoutée des prévisions et KPI pondérés
Il est aisé de constater dans ce tableau que la valeur ajoutée de la précision, en rouge, est inférieure de 5% à celle obtenue par la plateforme. Il faut donc prendre des mesures correctives lors des prochains cycles, pour faire passer ce chiffre en positif. Nous donnerons quelques conseils à ce sujet dans un autre article. Sans amélioration lors des prochains cycles, il est préférable de ne rien changer aux prévisions de la plateforme et d'éviter de faire perdre du temps à vos équipes.
Une autre information importante que l’on peut extraire de ce tableau est l’écart moyen entre le chiffre d’affaires réalisé pour chaque période et le biais de prévision. Ici on constate grâce au signe négatif, que le service commercial sous évalue en moyenne de 414k€ par mois par rapport au CA réalisé. Sans une bonne politique de stock, les ruptures sont à redouter sur certains articles sur la zone de Paris. Un signe positif traduirait une tendance à la surestimation des quantités, ce qui se traduirait immanquablement par une augmentation de l’inventaire. L’idéal serait d’avoir un biais en pourcentage proche de zero.
De manière générale, il est de bonne pratique d’analyser les KPI de prévision par rapport au CA ou par rapport à la marge dégagée par l’entreprise.
Pour certains articles clés, il peut être cependant intéressant d’analyser ce tableau sous l’angle des quantités.
