Dans une période volatile et incertaine comme celle d'aujourd'hui (avec les impacts difficiles à mesurer de l’épidémie de coronavirus), l'amélioration des prévisions de la demande est au premier rang des priorités pour les organisations. Le recours aux nouvelles technologies pourrait permettre d'anticiper les niveaux de stocks.
Anticiper le futur ! Quels décideurs n’a jamais rêvé d’avoir une boule de cristal lui montrant avec précisions ce qui va se passer dans les prochains mois ? Tout le monde est en quête d’informations précises.
C’est encore plus important pour les responsables de la supply chain comme le montre cette étude menée par AIMMS. Cette société spécialisée dans les logiciels d'analyse normative a interrogé des responsables de diverses industries, allant des produits chimiques à l'électronique grand public, en passant par l'alimentation et les boissons, et la fabrication.
Les 300 professionnels ayant répondu travaillent dans plusieurs régions, notamment en Amérique du Nord, en Europe, en Amérique latine et dans la région Asie-Pacifique.
Ainsi, 61 % de ces professionnels ont indiqué que l'amélioration de la précision des prévisions est soit « importante », soit « extrêmement importante » pour leur organisation. Pour eux, la prévision de la demande représente un élément crucial du processus de planification des activités.
Seuls 2 % des répondants se sont déclarés « extrêmement satisfaits » de la précision de leurs prévisions. La neutralité semble être la norme, avec 49 % des répondants qui attribuent une note de 5 à 7 concernant leur niveau de satisfaction par rapport à leur technologie actuelle. Mais presqu’un tiers (27 %) avouent ne pas être satisfaits.
Manifestement, beaucoup de professionnels mettent cette frustration et ce manque de précisions sur le dos des solutions déployées dans leur organisation. 39 % indiquent utiliser des feuilles de calcul pour la prévision de la demande.
Or, près de 45 % de ceux qui utilisent des tableurs sont insatisfaits. Cette solution ne permet plus de répondre à leurs besoins de disposer d’une visibilité globale et quasi en temps réel afin de prendre rapidement les bonnes décisions.
L’intégration de nouvelles solutions plus performantes et intuitives progresse néanmoins. Un tiers des professionnels ont déclaré utiliser un progiciel de prévision spécialisé, et 61 % d'entre eux se sont déclarés satisfaits.
Près d'un quart des répondants (23 %) utilise des fonctionnalités groupées de l'ERP, et la majorité d'entre eux se sentent indifférents à cet ensemble d'outils.
Cette enquête montre que les organisations étudient plusieurs techniques pour améliorer la prévision de la demande. Beaucoup parient sur les nouvelles technologies comme le machine learning (ML) et la détection de la demande.
56 % des professionnels se penchent sur la modélisation statistique de la demande historique de leur organisation, et 41 % sur l'apprentissage machine (ou machine learning). 41 % des professionnels étudient actuellement la détection de la demande.
Parmi les autres techniques étudiées, citons la fonctionnalité et la segmentation « best fit ». 60 % des personnes interrogées ont également indiqué qu'elles étaient « quelque peu » à « extrêmement curieuses » des nouvelles techniques comme le DDMRP (Demand Driven Material Requirement Planning ) pour découpler l'exécution des impacts de la précision des prévisions.
Créé aux États-Unis dans les années 2000, le DDMRP est une méthode de planification et d’exécution permettant un pilotage de la supply chain "end to end", par la demande, en l’incluant totalement dans la gestion des flux de production.
« Avec les défis actuels, comme la gestion des saisons et les changements géopolitiques à l'horizon, il n'est pas surprenant de voir que les organisations se penchent sur de nouvelles techniques et technologies pour la prévision de la demande », déclare Brian Dooley, directeur de l'AIMMS SC Navigator.
Source : Aimms
