Principe
Les prévisions agrégées sont plus précises que les prévisions détaillées. Top-down : on prévoit au niveau famille puis on désagrège selon des clés de répartition. Bottom-up : on somme les prévisions détaillées. Middle-out : on part d'un niveau intermédiaire. Le S&OP travaille en familles, l'approvisionnement en articles et sites.
Comprendre pas à pas
1. La situation
Une famille de 20 articles a une prévision précise à 92 % au niveau famille, mais seulement à 70 % article par article. Le planificateur ne comprend pas comment la somme de mauvaises prévisions peut donner une bonne prévision. Question : pourquoi, et comment en tirer parti ?
2. Un mois de l'exemple (5 articles sur 20)
| Article | Prévision | Réel | Écart |
|---|---|---|---|
| Rouge | 200 | 240 | −40 |
| Bleu | 200 | 165 | +35 |
| Vert | 150 | 172 | −22 |
| Noir | 300 | 281 | +19 |
| Blanc | 150 | 158 | −8 |
| Total | 1 000 | 1 016 | −16 |
3. L'idée
Les erreurs des articles se compensent quand on les additionne : un client qui prend du rouge au lieu du bleu ne change pas le total de la famille. C'est pourquoi les prévisions agrégées (famille, région, mois) sont plus précises que les prévisions détaillées.
Top-down
On prévoit la famille, puis on répartit entre articles selon leur part récente.
Bottom-up
On prévoit chaque article, puis on additionne.
Middle-out
On prévoit à un niveau intermédiaire, et on agrège ou désagrège.
Variabilité de la famille ≈ variabilité d'un article / √(nombre d'articles) (si les demandes sont indépendantes)
4. Le déroulé
Constat. Sur les 5 articles, les écarts vont de −40 à +35, mais le total ne s'écarte que de 16 (1,6 %).
Application. Le planificateur prévoit désormais la famille avec Holt-Winters, puis répartit entre articles selon leur part des 3 derniers mois.
Résultat. Précision article : de 70 % à 74 %. Et le S&OP travaille au niveau famille, où la prévision est fiable à plus de 90 %.
5. À vous de jouer
Choisissez la variabilité d'un article et le nombre d'articles de la famille : la variabilité de la famille baisse avec la racine carrée du nombre d'articles.
6. Ce qu'il faut retenir
- Les erreurs se compensent quand on agrège : la famille est plus prévisible que l'article.
- Prévoyez au niveau le plus stable, puis désagrégez.
- Revoyez régulièrement les clés de répartition.
Mise en œuvre
- Acteurs
- Prévisionniste
- Durée
- Paramétrage initial, revue trimestrielle
- Livrables
- Hiérarchie de prévision, clés de répartition
- Définir la hiérarchieProduits, clients, géographies.
- Choisir le niveau statistiqueCelui où la série est assez stable et volumineuse.
- Définir la désagrégationClés basées sur un historique récent, revues régulièrement.
- RéconcilierLes niveaux doivent rester cohérents après ajustements.
Exemple d'application
Prévision en famille (WMAPE 9 %) désagrégée par articles selon les parts des 3 derniers mois : meilleure précision qu'une prévision directe par article (WMAPE 24 % contre 29 %).
Points de vigilance
- Clés de désagrégation figées alors que le mix évolue