Chapitre 2 - Dépollution des historiques : quelles évolutions dans ce process?
Dans notre 2ème chapitre sur les prévisions, nous nous penchons sur les nouveautés en matière de dépollution des historiques.
Pourquoi dépolluer?
- Des évènements non reconductibles qui ont perturbé les ventes (outlier, point erratique…)
- Des ruptures qui ont impacté les ventes en période de rupture ou post rupture (rattrapage)
- Des promos reconductibles (à décaler) ou à enlever (si elles étaient one shot)
Mais un temps conséquent à investir
En moyenne la dépollution de l’historique représente entre 10 à 20% du temps total consacré aux prévisions des ventes.
Modèle classique : lissage exponentiel
Modèle plus récent : prophet
Notre conviction
- Bascule d’une correction manuelle par article à gestion des évènements, facteurs explicatifs (météo, inflation, rupture…) à l’échelle du périmètre complet qui est un gain de temps.
- Investissement plus fort dans la qualification des données internes (rupture, promos et pricing associé) et des données externes (météo, inflation…)
- Bascule d’une problématique d’interfaces entre APS & ERP à une gouvernance de la donnée maîtrisée.
- Garder un système auditable, le système doit informer l’utilisateur de l’impact de chaque facteur explicatif de la prévision.
Des questions ? Un avis divergent ou complémentaire ?