Passer au contenu principal

đŸ“¶ Tableau de suivi des prĂ©visions : analyser l'historique et la fiabilitĂ© de vos prĂ©visions

Découvrez comment le tableau de suivi des prévisions de SKU Science permet d'analyser l'historique de vos forecasts, de mesurer leur précision et de suivre leur évolution dans le temps.

Qu'est-ce que le tableau de suivi des prévisions ?

Accessible depuis l'onglet KPI en cliquant sur l'icÎne Détails, le tableau de suivi des prévisions permet d'analyser l'historique des prévisions et d'évaluer leur qualité dans le temps.

Contrairement Ă  une vue classique, qui n'affiche que la derniĂšre prĂ©vision, ce tableau conserve toutes les prĂ©visions archivĂ©es Ă  chaque pĂ©riode. Il devient ainsi possible de comparer les diffĂ©rentes versions d'une mĂȘme prĂ©vision, de mesurer leur Ă©volution et d'identifier les Ă©carts entre les prĂ©visions successives et la demande rĂ©ellement observĂ©e.

AccĂšs et navigation

Dans l’onglet KPI, cliquer sur l’icĂŽne DĂ©tails pour ouvrir la fenĂȘtre pop-up contenant le tableau.

Le tableau de suivi des prévisions correspond à la premiÚre icÎne (1), sous les flÚches de navigation. Les flÚches de l'interface (2) permettent de passer d'un élément à un autre ; Vous pouvez également utiliser les flÚches du clavier pour une navigation plus rapide.

En haut Ă  droite de la fenĂȘtre, le bouton DĂ©tails de prĂ©vision (3) donne accĂšs au tableau dĂ©taillĂ© de l'onglet Édition de prĂ©vision.

ParamĂštres d'analyse

Deux menus déroulants, situés en haut du tableau, permettent de personnaliser l'analyse :

  • Lag : dĂ©calage entre la date de prĂ©vision et la pĂ©riode analysĂ©e.

  • FenĂȘtre d'analyse des KPI : nombre de pĂ©riodes prises en compte pour le calcul des indicateurs de performance (par exemple, les 2 derniĂšres pĂ©riodes).

Les cellules encadrées en bleu signalent les prévisions correspondant au lag sélectionné. Lorsque vous modifiez le lag, cette sélection se déplace automatiquement dans le tableau pour afficher les prévisions utilisées pour le calcul des KPI avec le nouveau lag choisi.

KPI de synthĂšse

Trois indicateurs, affichés sous les filtres, donnent une vue d'ensemble de la qualité des prévisions sur la période sélectionnée :

  • Erreur moyenne : Ă©cart moyen entre les prĂ©visions et la demande rĂ©elle.

  • Biais moyen : indique si les prĂ©visions tendent Ă  ĂȘtre systĂ©matiquement sur- ou sous-estimĂ©es.

  • PrĂ©cision moyenne : reflĂšte le niveau global de fiabilitĂ© des prĂ©visions.

Ces trois KPI se recalculent automatiquement selon le lag et la fenĂȘtre d'analyse choisis.

Personnalisation de l'affichage

Un bandeau de navigation permet d'adapter la lecture du tableau selon vos besoins :

  • Erreur, Biais ou PrĂ©cision : choisissez le KPI Ă  visualiser dans la matrice.

  • % / UnitĂ©s : affichez les rĂ©sultats en pourcentage ou en valeurs absolues.

  • Échelle d'affichage (Full / k / M) : affichez les valeurs complĂštes, en milliers ou en millions — utile notamment pour arrondir des montants financiers et faciliter leur lecture.

  • PrĂ©vision de base : superposez la prĂ©vision initiale gĂ©nĂ©rĂ©e par SKU Science pour la comparer aux prĂ©visions ajustĂ©es par les planificateurs.

Lecture du tableau

Le tableau présente, pour chaque période de demande, les différentes prévisions réalisées au fil du temps.

Chaque ligne correspond Ă  une prĂ©vision archivĂ©e, c'est-Ă -dire une version enregistrĂ©e lors d'un cycle de planification antĂ©rieur. Les en-tĂȘtes de colonnes indiquent les dates des pĂ©riodes passĂ©es et futures.

Cette organisation permet de :

  • visualiser l'ensemble des prĂ©visions historiques conservĂ©es dans les archives ;

  • suivre l'Ă©volution de la prĂ©vision d'une pĂ©riode Ă  l'autre ;

  • comparer les prĂ©visions successives Ă  la demande rĂ©ellement observĂ©e ;

  • analyser la stabilitĂ© des prĂ©visions et l'impact des ajustements effectuĂ©s au cours du processus de Planification de la demande.

Cette vue aide Ă  comprendre comment une prĂ©vision s'est construite dans le temps, Ă  mesurer l'amĂ©lioration — ou la dĂ©gradation — de sa qualitĂ©, et Ă  identifier des opportunitĂ©s d'optimisation du processus de prĂ©vision.

Exemple concret d'analyse

Prenons l'article 00-1 au lag 1. La prévision de base de l'outil était de 1 063 unités, l'utilisateur l'a ajustée à 1 000. Or la demande réelle s'est élevée à 1 872 : l'erreur entre cette demande et la prévision de l'utilisateur au lag 1 (1 000) est donc de 47 %.

Lorsque l'option d'affichage de la Prévision de base est activée, un code couleur indique si l'ajustement de l'utilisateur l'a rapproché ou éloigné de la demande réelle : en rouge, la modification a dégradé la prévision (l'écart avec la demande réelle s'est creusé) ; en vert, elle l'a améliorée (l'écart s'est réduit).

L'exemple ci-dessous permet également de suivre l'évolution d'une prévision d'un cycle à l'autre. C'est l'objet de la partie droite du tableau, intitulée Horizon de prévision : les pourcentages qui y figurent indiquent cette évolution. Par exemple, la prévision du mois de juillet enregistrée en avril était de 800 unités ; passée à 1 000 unités en mai, elle affiche une évolution de +25 %.

Ce qu'il faut retenir

Le tableau de suivi des prévisions offre une vue d'ensemble unique sur la maniÚre dont une prévision se construit et évolue au fil des cycles de planification. En conservant l'historique complet des versions archivées, il permet non seulement de mesurer la précision et le biais des prévisions passées, mais aussi d'évaluer si les ajustements réalisés par les planificateurs ont réellement amélioré ou dégradé la qualité des prévisions. C'est un outil précieux pour identifier les points de friction dans le processus de prévision et cibler les axes d'amélioration, au service d'une planification de la demande plus fiable et plus performante.

Avez-vous trouvé la réponse à votre question ?