Dans notre article précédent, Comment améliorer vos performances grâce aux KPIs de prévision, nous avons exploré comment des métriques comme la précision et le biais indiquent si vos prévisions sont justes. Mais il existe un autre élément crucial souvent négligé : la variabilité.
La variabilité mesure dans quelle mesure vos prévisions changent d'un cycle de planification à l'autre. Son principal objectif est de vous aider à prioriser votre temps de révision — les SKUs avec la variabilité la plus élevée sont ceux qui ont le plus évolué depuis le dernier cycle, et donc ceux qui méritent votre attention en premier.
Voici un aperçu de la variabilité des prévisions et comment l'utiliser dans SKU Science.
Qu'est-ce que la variabilité des prévisions ?
La variabilité des prévisions mesure dans quelle mesure une prévision change d'un cycle de planification à l'autre.
Imaginez que vous réalisez une prévision sur 12 mois chaque mois :
En janvier, vous prévoyez de février à janvier.
En février, vous la mettez à jour.
Les deux versions partagent 11 mois communs.
Pour mesurer la variabilité, on regarde uniquement ces mois communs et on observe combien les chiffres ont évolué entre l'ancienne version (F ancien) et la nouvelle version (F nouveau).
Comment est-elle calculée ?
La formule combine deux façons dont une prévision peut changer, puis la normalise pour pouvoir comparer une petite gamme de produits à une grande.
Variabilité = ( Σ|F_nouveau − F_ancien| + |ΣF_nouveau − ΣF_ancien| ) / ( (ΣF_nouveau + ΣF_ancien) / 2 )
Le numérateur additionne deux éléments : la somme des écarts absolus mois par mois, plus l'écart absolu sur le volume total. Le dénominateur est la moyenne des prévisions ancienne et nouvelle — cela normalise le résultat pour pouvoir comparer des produits de tailles très différentes.
Décomposition du calcul :
Les écarts mois par mois — Capturent dans quelle mesure les mois individuels ont fluctué à la hausse ou à la baisse.
Le changement de volume global — Capture si l'estimation globale de la demande a augmenté ou diminué.
L'échelle de référence (dénominateur) :
Divise les écarts par la taille moyenne de la prévision. Cela garantit qu'un écart de 100 unités sur un produit qui se vend à des millions n'est pas perçu comme une crise.
Pourquoi s'en préoccuper ?
Une prévision qui change constamment provoque un effet de "coup de fouet" dans toute votre organisation.
Une variabilité élevée entraîne : des ajustements de production constants, des paniques de stocks, et des planificateurs qui perdent confiance dans les données — et finissent par ignorer le système pour faire des estimations à la main.
Une faible variabilité apporte : des plannings de livraison et de fabrication stables, des niveaux de stocks prévisibles, et une équipe de planification qui fait réellement confiance aux chiffres.
L'équilibre : Stabilité vs. Réactivité
Un score de variabilité parfait de 0 % n'est pas l'objectif — cela signifierait simplement que vos prévisions sont figées et ignorent les changements réels. L'enjeu est d'équilibrer trois éléments :
Le trio gagnant de la prévision :
Précision : À quel point vous êtes proches de la réalité.
Biais : Éviter de systématiquement surestimer ou sous-estimer.
Variabilité : S'assurer que le chemin pour y arriver est fluide, pas une montagne russe.
La variabilité dans SKU Science
SKU Science expose la variabilité à trois endroits :
Dans le Navigateur, le pourcentage de variabilité est calculé entre le consensus de prévision actuel et le dernier consensus archivé, selon la formule décrite ci-dessus.
Dans Edition de prévisions, vous pouvez mesurer la variabilité à un niveau agrégé. Triez par variabilité décroissante pour identifier immédiatement les SKUs ou familles qui ont le plus évolué — ce sont ceux qui nécessitent votre attention en priorité.
Dans les Rapports, vous pouvez exporter vos SKUs avec leurs pourcentages de variabilité et les trier selon vos besoins pour une analyse plus approfondie ou pour les partager avec votre équipe.
Le pourcentage affiché correspond à la variabilité calculée entre le consensus de prévision actuel et le dernier consensus archivé, selon la formule décrite ci-dessus.
Dans Edition de prévisions, vous pouvez mesurer la variabilité à un niveau agrégé et trier les résultats pour identifier les agrégations les plus ou les moins stables.
Enfin, dans Rapports, vous pouvez exporter vos prévisions agrégées ou non avec leurs pourcentages de variabilité et les trier selon vos besoins.
La variabilité est votre raccourci vers une révision de prévisions plus intelligente. En triant les SKUs du plus variable au moins variable, vous concentrez votre temps là où cela compte — sur les prévisions qui ont réellement changé.