Comme expliqué dans l'article Ajouter de nouvelles données de vente dans SKU Science, vous pouvez obtenir de nouvelles prévisions de ventes à chaque cycle si vous téléchargez réguliÚrement vos données de ventes.

Cela vous permettra de suivre les indicateurs clĂ©s de performance (KPI) afin d'amĂ©liorer vos prĂ©visions cycle aprĂšs cycle, ce qui devrait ĂȘtre votre objectif final.

Notez que cette fonctionnalité n'est accessible que si vous disposez d'un abonnement "Core", "Pro" ou "Enterprise".

Visualisation des KPI

Vous pouvez afficher les KPI au niveau le plus bas ou au niveau agrégé.

  • Si vous accĂ©dez aux dĂ©tails des prĂ©visions, Ă  partir du navigateur, par exemple, vous pouvez afficher les KPI en cliquant sur l'onglet Indicateurs clĂ©s de performance.

  • Pour afficher les KPI Ă  diffĂ©rents niveaux d'agrĂ©gation, cliquez sur KPI dans le menu de gauche. Vous pouvez afficher les dĂ©tails en cliquant sur l'icĂŽne des dĂ©tails dans le tableau.

Dans les deux cas, vous pouvez basculer entre les graphiques et le tableau en cliquant sur les boutons :

Choisir le bon lag (décalage)

Un menu déroulant permet de sélectionner le lag pour lequel vous souhaitez suivre les KPI.


Le lag est le nombre de périodes entre la génération des prévisions et la période cible des prévisions.
Le lag que vous sĂ©lectionnez devrait gĂ©nĂ©ralement ĂȘtre Ă©gal Ă  votre lead time (dĂ©lai de mise Ă  disposition). Le lead time Ă©tant le dĂ©lai aprĂšs lequel l'article est disponible, votre prĂ©vision doit ĂȘtre aussi prĂ©cise que possible en prenant en compte ce dĂ©lai particulier.

Par exemple, si vous avez besoin de 3 mois entre la fabrication d'un article et le moment oĂč l'article est disponible pour les clients, vous devez anticiper la demande 3 mois avant les ventes rĂ©elles. Par consĂ©quent, vous devez prendre soin de crĂ©er une prĂ©vision prĂ©cise en juin pour septembre. Autrement dit, vous devez surveiller la prĂ©cision de vos prĂ©visions Ă  Lag 3 et essayer de l'amĂ©liorer. Les autres retards sont moins intĂ©ressants pour vous car il y a une valeur faible pour amĂ©liorer vos prĂ©visions Ă  Lag 1 ou Lag 2.

Comprendre les KPI et la valeur ajoutée de prévision

Voici un exemple d'un tableau de KPI :

Une premiÚre colonne affiche les valeurs moyennes des indicateurs clés de performance. Chaque colonne affiche ensuite le KPI pour un cycle donné, en fonction du lag sélectionné. Par exemple, si vous affichez le Lag 3, les indicateurs de performance clés de la colonne avril sont calculés en comparant la prévision que vous avez générée en janvier (pour avril) aux ventes réelles d'avril.

Il y a 4 KPI différents :

  • Biais : le biais est la diffĂ©rence entre la prĂ©vision et la demande (p-d), en unitĂ©s.

  • Biais (%) : rapport entre biais et demande, en pourcentage (100x(p-d)/d).

  • Erreur : l'erreur de prĂ©vision est le rapport entre le biais et la demande, en valeur absolue. Notez que la moyenne correspond Ă  l'erreur absolue moyenne (MAE - Mean Absolute Error).

  • PrĂ©cision : (100 - erreur), en pourcentage.

Pour chaque KPI, il y a 3 lignes :

  • SKU Science : KPI pour les prĂ©visions gĂ©nĂ©rĂ©es par SKU Science.

  • Utilisateur : KPI calculĂ©s en tenant compte de vos ajustements.

  • Valeur ajoutĂ©e : amĂ©lioration (ou dĂ©gradation) due Ă  vos ajustements. Une valeur ajoutĂ©e nĂ©gative est une amĂ©lioration dans le cas des biais et erreurs. Une valeur ajoutĂ©e positive est une amĂ©lioration dans le cas de la prĂ©cision.

Les couleurs des cellules permettent de comparer les valeurs des KPI aux seuils définis par l'utilisateur :

  • Rouge : l'erreur ou le biais est plus grand que le seuil supĂ©rieur.

  • Orange : l'erreur ou le biais se situe entre les seuils infĂ©rieur et supĂ©rieur.

  • Vert : l'erreur ou le biais est plus petit que le seuil infĂ©rieur.

Les seuils peuvent ĂȘtre modifiĂ©s dans ParamĂštres / RĂšgles / Seuils des KPI.

Graphiques de KPI

Le graphe peut montrer l'Erreur, le Biais ou la Précision selon l'option choisie dans le menu déroulant.

Avez-vous trouvé votre réponse?