SOLUTIONS SAS

  • SAS® Decision Pack Analytics Suite

    Cette solution pensée pour les PME permet de réaliser des statistiques simples et complexes, d’effectuer des modélisations descriptives et prédictives, d’établir des prévisions, de lancer des simulations, de constituer des bases de modélisation, d’accéder aux données diverses dans l’entreprise (bases de production, tableaux Excel, Access...). Pour en savoir plus
  • SAS® Forecast Server

    C’est la solution SAS pour réaliser rapidement et facilement des modèles de prévision à partir de séries chronologiques grâce à une interface graphique conviviale. Pour en savoir plus
  • Fil R.S.S.
SAS

expérience à la Une

perspective à la Une

enjeu

Planification stratégique Quand les prévisions s’affinent

Gouverner, c’est prévoir. La maxime vaut aussi dans l’industrie, où une bonne prévision de la demande peut significativement augmenter les marges. Pilotage des stocks, supply chain, politique de prix... Les solutions décisionnelles font franchir un nouveau palier aux entreprises industrielles - de la planification opérationnelle à une véritable planification stratégique.

Hakim Taalba, coordinateur avant-vente de SAS-France pour le secteur industrie, nous explique les enjeux de la mutation en cours.

Qu’appelle-t-on « prévision » dans l’univers du décisionnel ?

La notion de prévision est vaste dans le secteur industriel. Celle qui nous intéresse est la prévision de la demande - dont découlent à la fois la planification financière et la planification industrielle.

Quel est aujourd’hui l’enjeu de la prévision pour les entreprises industrielles ?

Le principal enjeu, c’est l’optimisation du niveau de stocks. La problématique est simple : toute sur-estimation entraîne des coûts excessifs (coût de stockage, bien sûr, mais aussi coût de transport et tous les coûts induits) ; de l’autre côté, une sous-estimation peut entraîner non seulement des pertes d’opportunités, un impact négatif sur l’image de l’entreprise et la satisfaction client, mais aussi des pénalités en cas d’obligations contractuelles. Bien sûr, au-delà des stocks c’est toute la supply chain qui est en jeu ici.

Quels sont les secteurs d’activité concernés ?

Les entreprises les plus sensibles à la prévision des stocks sont celles qui fournissent directement la grande distribution - l’agro-alimentaire, par exemple, où les grands groupes gèrent plusieurs millions de références avec des schémas concurrentiels spécifiques pour chaque produit. Les secteurs de l’énergie ou des télécoms utilisent également des solutions de prévision pour gérer la fluidité de leur réseau et prévoir à long terme les pics de consommation. Sans oublier le tourisme - transport et hôtellerie- avec une problématique plus large encore puisque la prévision de la demande est à la base de la politique de « yield management », qui détermine le nombre et le prix des places à mettre en vente.

Les entreprises sont-elles déjà mûres dans leurs réflexions sur le sujet ?

Certains secteurs ont pris de l’avance - le transport aérien, par exemple, avec des politiques tarifaires très complexes et un enjeu particulier lié au surbooking. les entreprises utilisant l’intelligence prévisionnelle peuvent espérer 33 % de réduction potentielle de leurs stocks Dans l’industrie manufacturière, l’idée est encore relativement neuve, mais les entreprises sont prêtes : toutes ont mis en place leur ERP, elles peuvent désormais passer d’une planification opérationnelle à une planification stratégique qui intègre l’intelligence prévisionnelle.

Comment établir une bonne prévision ?

Le principe est simple : c’est le passé qui éclaire l’avenir. Les modèles statistiques se basent avant tout sur l’historique de données-clés, auquel s’ajoutent des variables explicatives de plus en plus fines comme l’élasticité prix, les promotions, les effets de cannibalisation entre produits, la concurrence...

Que permettent concrètement les solutions d’informatique décisionnelle ?

Le premier apport, c’est la rapidité et la puissance de calcul. Là où les statisticiens ne pouvaient raisonner que produit par produit, les nouvelles solutions décisionnelles peuvent intégrer un très grand nombre de variables et calculer en même temps des prévisions sur plusieurs milliers de séries. L’autre apport, c’est la fiabilité. Les progrès des systèmes experts permettent d’assurer des niveaux de pertinence des prévisions toujours plus élevés - avec à la clé des enjeux financiers importants !

Les résultats sont-ils mesurables ?

Tout à fait. Des études internationales estiment à 33 % la réduction de stocks pour les entreprises utilisant l’intelligence prévisionnelle. Sur le terrain, nous réalisons régulièrement des tests pour vérifier la fiabilité de nos systèmes. En outre, l’amélioration continue des solutions permet d’accroître constamment le niveau de fiabilité sur lequel nous nous engageons. Chez l’un de nos clients du secteur de la grande consommation, par exemple, nous sommes passés de 75 % à 90 % de fiabilité. Cela a permis de réduire de 500 000 à 200 000 le nombre d’unités en stock- et de faire passer le coût complet du stockage de 5 à 3 millions d’euros annuels.

Avec SAS® Forecast Server, vous proposez aux entreprises une « solution intégrée » de prévision. Que signifie cette notion « d’intégré » ?

SAS Forecast Server se présente comme une solution complète, allant de la collecte des données jusqu’à la diffusion des prévisions. En amont, les pré-traitements (intégration des données et des co-variables, éliminations de données historiques « faussées » par des éléments exceptionnels...) sont réalisés de façon automatique. Au cœur du système se trouve une bibliothèque de plus de cent modèles-types desquels la solution rapproche automatiquement la série statistique étudiée. En aval, enfin, les résultats sont rendus disponibles sous forme de tableaux de bord pour les décideurs opérationnels (chefs de produit, responsables supply chain, directeurs régionaux, etc.), avec des rapports d’alerte quand nécessaire. C’est l’un des points-clés de la solution : les résultats ne sont plus réservés aux seuls statisticiens, mais peuvent être compris et utilisés par des responsables opérationnels. Leur donner tous les éléments pour prendre des décisions-clés : c’est bien là l’objectif des solutions décisionnelles.

publié le 11/10/2007


En savoir plus