Fonctionnalités de planification de la demande avec SAP IBP Foundation

Objective

After completing this lesson, you will be able to utilisez les algorithmes de prévision SAP IBP dans l'application Gestion des modèles de prévision pour générer des prévisions de la demande précises.

Phase de révision de la demande

SAP Integrated Business Planning (SAP IBP) est une solution dynamique et complète qui prend en charge différents aspects de la planification et de la prévision statistiques interactives :

Les types de prévisions incluent la prévision immédiate de la demande, la prévision de la demande à moyen ou long terme, la prévision des quantités et la prévision des prix et du chiffre d'affaires.
  • Prévision immédiate de la demande (perception de la demande) : prévisions basées sur les demandes immédiates des consommateurs.

  • Prévision de la demande à moyen ou long terme : aligne stratégiquement les plans d'entreprise en anticipant les demandes sur une période étendue.

  • Prévision des quantités : anticipe la quantité exacte de produits nécessaires, en éliminant les problèmes de surplus ou de rupture de stock.

  • Prévision des prix et du chiffre d'affaires : anticipe les aspects financiers, ce qui permet une planification financière efficace.

Les fonctionnalités de prévision statistique de SAP IBP permettent de créer des prévisions pour différents scénarios ou segments d'activité spécifiques. Par exemple, il peut générer automatiquement des prévisions de quantité basées sur l'historique des expéditions ou des prévisions de prix et de chiffre d'affaires pour prévoir les fluctuations des prix de l'essence dues aux variations saisonnières. Ces outils offrent une adaptabilité et une précision prédictive dans un environnement de marché en constante évolution.

Sujets clés

À mesure que vous progressez dans cette leçon, il est important de vous concentrer sur plusieurs sujets clés qui sont essentiels pour maîtriser le contenu. Ces domaines d'intérêt ne sont pas seulement des sujets à apprendre, ils sont vos tremplins vers une compréhension plus approfondie et pour atteindre les objectifs d'apprentissage du cours. En mettant l'accent sur ces domaines cruciaux, vous créerez une solide base de connaissances qui améliorera vos compétences et votre efficacité dans la gestion de la chaîne logistique.

Perception de la demande : méthode de prévision immédiate de la demande qui prédit les demandes des consommateurs en temps réel.

Moyenne simple : algorithme de prévision qui calcule la moyenne de toutes les données historiques dans un horizon temporel donné.

Moyenne glissante simple : algorithme de prévision qui calcule la moyenne des sous-ensembles de données historiques sur un nombre spécifique de périodes.

Lissage exponentiel simple : algorithme de prévision qui affecte des pondérations décroissantes de manière exponentielle à des points de données plus anciens, utile pour les données sans tendance ni saisonnalité.

Lissage exponentiel double : algorithme de prévision qui gère à la fois les valeurs de tendance et d'indicateurs, utile pour les données avec une tendance.

Lissage exponentiel triple : algorithme de prévision qui gère la tendance, la saisonnalité et les valeurs d'indicateurs, utile pour les données avec tendance et saisonnalité.

Étapes de pré-traitement : étapes initiales d'un modèle de prévision qui traitent les problèmes dans les données historiques avant de générer des prévisions.

Étapes de post-traitement : étapes finales d'un modèle de prévision, en mettant l'accent sur les actions après la génération de la prévision, y compris la mesure des erreurs.

Gérer modèles de prévision

​L'application Gestion des modèles de prévision vous permet de créer et de modifier des modèles qui sous-tendent les processus de prévision dans SAP IBP. Les utilisateurs peuvent décrire les étapes de prétraitement, de prévision et de post-traitement dans des onglets distincts pour faciliter la navigation.

  • Options générales

    Établissez les paramètres applicables à l'ensemble du modèle.

  • Étapes de pré-traitement :

    Sélectionnez des algorithmes pour atténuer les problèmes dans les données de séries chronologiques avant de générer des prévisions.

  • Étapes de post-traitement :

    Sélectionnez les options pour les actions effectuées par le système après la prévision, y compris les calculs de mesure d'erreur.

Résumé de la vidéo

Lors de la définition d'un modèle de prévision statistique, l'utilisateur dispose d'une flexibilité dans trois domaines clés : le prétraitement, qui implique la préparation des données, les étapes de prévision, qui incluent l'exécution de la prévision et le post-traitement, qui implique des tâches telles que la sauvegarde des mesures d'erreur. Ces sections sont organisées sous forme d'onglets dans l'écran de configuration des modèles statistiques, fournissant un processus de configuration clair et structuré.

Vous pouvez sélectionner des options valides pour l'ensemble du modèle, quels que soient les algorithmes sélectionnés, en sélectionnant Général.

En sélectionnant Étapes de pré-traitement, vous pouvez sélectionner des algorithmes utilisés pour résoudre d'éventuels problèmes dans les données de séries chronologiques avant le calcul de la prévision. Les types de problèmes suivants peuvent survenir :

  • Certaines valeurs d’indicateurs peuvent être manquantes dans les données d’entrée.

  • Les données d'entrée peuvent contenir des valeurs inhabituelles (valeurs aberrantes).

En sélectionnant Étapes de prévision, vous pouvez sélectionner les options qui définissent la manière dont le système calcule les prévisions pour les indicateurs sélectionnés. Les prévisions sont calculées à la fois pour le passé et le futur à l'aide des algorithmes sélectionnés.

En sélectionnant Étapes de post-traitement, vous pouvez sélectionner les options des étapes exécutées par le système après la prévision. Vous pouvez sélectionner des méthodes pour calculer les mesures d'erreur.

Options générales

La figure illustre l’écran Options générales de la vignette Gérer modèle de prévision dans SAP IBP.

Dans l'onglet Options générales, vous pouvez déterminer les options valables pour l'ensemble du modèle de prévision.

Les options que vous définissez ici sont prises en compte lors de la prévision et déterminent plusieurs autres options dans les autres onglets, y compris les indicateurs disponibles comme entrées principales dans la section Paramètres globaux de l'onglet Étapes de prévision.

Les options générales suivantes sont disponibles :

  • Périodicité :

    Il s'agit du niveau de profil de temps utilisé par un modèle de prévision lors du calcul des prévisions de la demande.

  • Périodes historiques :

    Nombre de périodes dans le passé utilisées par le système pour calculer une prévision future.

  • Périodes de prévisions :

    Nombre de périodes dans le futur pour lesquelles vous voulez que le système calcule la prévision. La période actuelle (par exemple, la semaine en cours) est la première période à prévoir.

  • Décalage pour périodes historiques :

    Nombre de périodes dont les données de saisie doivent être décalées. Par exemple, si la périodicité est mensuelle, que le mois en cours est avril et que vous définissez le décalage pour les périodes historiques sur -12, les données de saisie sont lues jusqu'au dernier avril. Cela est utile, par exemple, si vous voulez mesurer l'exactitude des prévisions : vous pouvez obtenir des valeurs exactes en comparant les prévisions historiques générées sur les 3 années précédant le mois d'avril dernier aux données de vente des 12 derniers mois.

  • Décalage pour périodes de prévisions :

    Il s'agit du nombre de périodes dont la prévision doit être décalée. Par exemple, si la périodicité est mensuelle, que le mois en cours est mars et que vous définissez le décalage de prévision sur 2, la prévision est calculée à partir de mai. Cela est utile, par exemple, si un nouveau produit est planifié pour validation en mai, mais que vous voulez prévoir sa demande dès le mois de mars car il est requis pour le processus S&OP.

  • Horizon de calcul de la mesure d'erreur :

    Le nombre de périodes pour lesquelles vous voulez que le système calcule les mesures d'erreur que vous sélectionnez dans l'onglet Étapes de post-traitement. Le calcul est basé sur la prévision ex post, qui est calculée différemment par chaque algorithme de prévision.

  • Périodes de prévision gelées :

    Il s’agit du nombre de périodes pour lesquelles le système doit calculer une prévision mais ne doit pas la sauvegarder dans l’indicateur cible. Par exemple, si la périodicité est mensuelle, que le mois en cours est mars et que vous définissez le nombre de périodes de prévisions gelées sur 1, la prévision est calculée à partir de mars mais sauvegardée uniquement à partir d'avril. Cela est utile, par exemple, si la prévision calculée pour la période en cours n'est pas pertinente pour votre plan d'entreprise, mais que l'omettre en ajoutant une période de décalage fausserait la prévision globale.

  • Ignorer les valeurs nulles principales :

    Si vous sélectionnez cette option, les périodes qui se trouvent au début de l'historique des ventes et qui ne contiennent aucune valeur sont ignorées lors des calculs des prévisions.

  • Tenir compte des informations sur le cycle de vie du produit :

    Si vous cochez cette case, le système remplace les nouveaux produits par des produits de référence lors de la lecture des données historiques pour les prévisions. Les produits de référence peuvent être affectés à de nouveaux produits dans l'application Gérer cycle de vie du produit.

  • Prévision manuelle :

    Si vous cochez cette case, vous pouvez créer des prévisions pour de nouveaux produits qui ne sont pas basés sur les valeurs de vente historiques d'autres produits mais sur des hypothèses que vous faites en fonction de votre expérience de planification. Cela est utile si aucun produit de référence n'est disponible ou si les références potentielles ne sont pas assez similaires aux nouveaux produits, par exemple en ce qui concerne la tendance ou la saisonnalité.

  • Planification du cycle de vie agrégée pour lancement sur le marché et fin de vie :

    Si vous cochez cette case, les prévisions peuvent être calculées pour le lancement sur le marché et la fin de vie des produits au niveau d'une famille de produits ou d'une famille de produits, même si les dates prévisionnelles sont indiquées pour des produits individuels.

Étapes de pré-traitement

La figure illustre l’écran des options de prétraitement de la vignette Gérer modèle de prévision dans SAP IBP.

Dans les étapes de prétraitement, les données historiques peuvent être préparées pour la prévision à l'aide des algorithmes de prétraitement que vous sélectionnez. Si les données contiennent des valeurs aberrantes, le système peut les détecter et les corriger. Si des promotions planifiées entraînent des valeurs aberrantes, elles peuvent être identifiées et supprimées de l'ensemble de données. Si certaines valeurs sont manquantes dans les données historiques, elles peuvent être remplacées par la moyenne ou la médiane des valeurs existantes. En outre, vous pouvez configurer des algorithmes de prétraitement personnalisés dans votre système externe et les ajouter à vos modèles de prévision.

Remarque

Les options des étapes de prétraitement ne sont pas incluses dans la licence SAP IBP Foundation. L'utilisation de ces fonctionnalités requiert une licence pour SAP IBP, Advanced Demand.

Onglet Étapes de prévision

La figure illustre l'écran des options de prévision de la vignette Gérer modèle de prévision dans SAP IBP.

Les fonctionnalités prédictives de divers modèles de prévision constituent le cœur de la prévision statistique. SAP IBP améliore continuellement ses fonctionnalités en introduisant de nouveaux modèles pour améliorer l'utilité et la précision. C'est dans l'application "Gérer modèle de prévision" que ces modèles sont définis. La combinaison de plusieurs algorithmes robustes améliore la précision des prévisions de l'entreprise.

Cependant, il est essentiel de choisir une perspective spécifique pour vos algorithmes. Les algorithmes de prévision à court, moyen et long terme ne peuvent pas coexister dans un modèle unique. Cette spécificité assure des résultats précis et bénéfiques.

Comprendre les algorithmes de prévision statistique inclus dans la licence SAP IBP Foundation peut considérablement améliorer l'efficacité de la planification de la demande, permettant ainsi des stratégies prédictives avec compétence et confiance.

Remarque

Vous pouvez uniquement utiliser des algorithmes d'application SAP IBP pour lesquels votre entreprise dispose d'une licence.

Les algorithmes de modèle de prévision suivants sont pris en charge avec la licence SAP IBP Foundation :

Exemples d'algorithmes de modèle de prévision inclus dans SAP IBP Foundation.

Remarque

L'utilisation des algorithmes de modèle de prévision décrits requiert une licence pour SAP IBP et la demande avancée.

Les algorithmes de prévision sont des méthodes mathématiques sophistiquées qui aident à projeter la demande de produit future en fonction des valeurs de séries chronologiques historiques. Voici une synthèse des algorithmes utilisés dans la solution de planification industrielle et commerciale (S&OP) :

  • Moyenne simple :

    Calcule la moyenne de toutes les valeurs historiques dans un horizon temporel spécifique, en l'utilisant comme prévision future. La prévision est une valeur uniforme basée sur l'historique hebdomadaire ou mensuel.

  • Moyenne mobile simple :

    Calcule la moyenne des valeurs de séries chronologiques dans des sous-ensembles successifs de périodes. Le nombre de périodes dans ces sous-ensembles est le paramètre clé.

  • Lissage exponentiel simple :

    Modélise une série chronologique sans tendance ni saisonnalité, en affectant moins d'importance aux données plus anciennes via des pondérations diminuant de manière exponentielle (coefficient alpha compris entre 0 et 1).

  • Lissage exponentiel double :

    Modèles des séries chronologiques avec tendance ou saisonnalité, en gérant les valeurs de tendance et d'indicateurs à l'aide des coefficients alpha et bêta (entre 0 et 1).

  • Lissage exponentiel triple :

    Gère les séries chronologiques avec tendance et saisonnalité, en minimisant leur influence sur les projections à l'aide des coefficients alpha, bêta et gamma (tous compris entre 0 et 1).

  • Méthode Croston :

    Modélise la demande pour les produits avec une demande sporadique, ce qui entraîne un grand nombre de valeurs nulles dans les séries chronologiques. En définissant la manière dont le système traite les valeurs différentes de zéro lors du calcul d'une prévision, vous pouvez contrôler les distorsions que les valeurs nulles peuvent provoquer dans le calcul.

  • Méthode Croston TSB :

    Croston TSB est une variante de la méthode Croston. Il a été proposé par Teunter, Syntetos et Babai, dont les noms sont classiquement abrégés en TSB. Tout comme la méthode Croston, Croston TSB modélise la demande de produits avec des séries chronologiques intermittentes. Pour cela, les deux algorithmes calculent la demande et les longueurs d'intervalles entre les périodes avec demande.

    Cependant, les deux algorithmes diffèrent par ce qui suit :

    • La méthode Croston lisse à la fois les valeurs de la demande et les intervalles à l'aide du même coefficient.

    • La méthode Croston TSB lisse la demande et la probabilité de la demande dans chaque période à l'aide de deux coefficients différents. Il détermine ensuite les longueurs des intervalles en prenant les valeurs réciproques des valeurs de probabilité.

  • Copier les périodes passées

    Utile pour les modèles récurrents, cet algorithme convient aux scénarios dans lesquels les données de vente mensuelles reflètent les tendances des années précédentes.

Utilisation de plusieurs algorithmes.

Lors de l'intégration de plusieurs algorithmes de prévision dans un modèle, l'engagement du système avec chaque algorithme peut être contrôlé :

  • Choisir la meilleure prévision :

    Le système utilise une mesure d'erreur indiquée pour identifier et appliquer l'algorithme de prévision le plus précis.

  • Calculer prévision moyenne pondérée :

    Les pondérations sont affectées à des algorithmes de prévision et une prévision moyenne est calculée en multipliant chaque résultat par son poids correspondant.

Remarque

Pour plus d'informations, voir http://help.sap.com/.

Étapes de post-traitement

La figure illustre l’écran des options de post-traitement de la vignette Gérer modèle de prévision dans SAP IBP.

Dans cet onglet, vous pouvez définir des options pour les étapes à exécuter après la prévision, telles que le calcul des mesures d'erreur qui reflètent le niveau de précision des prévisions ou d'adaptation du modèle. Les mesures d'erreur sont calculées sur la base des différences entre la prévision ex post et les valeurs de vente historiques.

Remarque

Les options des étapes de post-traitement sont incluses dans la licence SAP IBP Foundation.

Prévisions avec SAP IBP Foundation

La prévision statistique fonctionne sur des modèles de prévision créés sur un domaine de planification et peut être implémentée à la fois au niveau de la planification de base et au niveau agrégé de l'indicateur.

Conditions préalables pour le cycle de prévision statistique

L'image affiche un menu déroulant d'une application logicielle sous le bouton Exécuter prévision statistique dans la section Job d'application. Les options répertoriées dépendent de la personnalisation et des autorisations affectées.

Vous pouvez exécuter des prévisions statistiques à court, moyen et long terme au niveau de la planification de base et au niveau agrégé de l'indicateur. Vous pouvez exécuter une prévision uniquement au niveau de la période indiquée dans le modèle de prévision.

Conditions préalables pour le cycle de prévision statistique

Les conditions suivantes sont requises pour le cycle de prévision statistique :

  • Un modèle de prévision a été défini.

  • Vous disposez des autorisations requises pour exécuter la prévision statistique.

    Si vous ne disposez pas des autorisations requises, le bouton Prévision statistique n'apparaît pas dans l'onglet SAP IBP de Microsoft Excel.

Exécution des prévisions dans SAP Integrated Business Planning

L'exécution des prévisions peut être essentielle en tant qu'événement ad hoc ou partie d'un calendrier régulier. Les planificateurs peuvent exécuter les prévisions de manière interactive ou planifier leur exécution en arrière-plan. L'exécution est possible via l'interface utilisateur Web SAP IBP ou Excel, ce qui permet aux planificateurs d'accéder facilement aux résultats.

L'image affiche un menu déroulant d'une application logicielle sous le bouton Simuler. Les options répertoriées dépendent de la personnalisation et des autorisations affectées. Ce menu fait partie d'une interface logicielle pour la gestion et la simulation des processus de planification de la chaîne logistique.

Résumé de la vidéo

SAP IBP, add-in pour Microsoft Excel vous permet de vérifier et de modifier vos données de planification et d'exécuter des simulations.

L'exécution d'une prévision peut être nécessaire à une occasion à la demande ainsi que dans le cadre d'un ordonnancement régulier. Le gestionnaire peut souhaiter exécuter la prévision en arrière-plan de manière interactive et avoir les résultats prêts dès que possible.

L'exécution d'un cycle prévisionnel est possible à la fois à partir de l'IU Web SAP IBP (en définissant d'abord le modèle, puis en créant un job d'application qui exécute le modèle) et à partir de l'IU Excel.

Un gestionnaire peut vouloir planifier l'exécution de la prévision en arrière-plan. Il peut s'agir d'un processus hebdomadaire une fois que les unités commerciales ont mis à jour leur historique des ventes. Cela permettrait aux planificateurs d'avoir les résultats prêts lorsqu'ils commencent à travailler.

De la prévision statistique à la demande de consensus

La figure affiche la première partie du flux technique pour la planification de la demande dans SAP IBP, y compris la quantité de prévision statistique et les indicateurs pour les quantités de planification de la demande locale et globale.
La figure affiche la deuxième partie du flux technique pour la planification de la demande dans SAP IBP, y compris la quantité du plan de demande global final, le plan de demande combiné final et la quantité du plan de demande par consensus.
La figure affiche la troisième partie du flux technique pour la planification de la demande dans SAP IBP, y compris le plan de demande combiné final, la quantité du plan de demande par consensus, la quantité du plan de demande de consensus ajustée, la quantité du plan de demande du consensus final et la demande par consensus.

Flux technique – Planification de la demande

La section suivante décrit la progression des ratios dans l'exemple de modèle de planification (I_SAPIBP2) et leurs descriptions respectives :

  • Quantité de prévision statistique (I_STATISTICALFCSTQTY)

    Il s'agit de la sortie de la prévision statistique. Il peut être sélectionné comme indicateur cible pour les modèles de prévision définis dans l'application Gérer modèles de prévision.

  • Quantité de planification de la demande locale (I_LOCALDEMANDPLANQTY)

    Cette sortie est égale à la quantité de prévision statistique et est utilisée par le gestionnaire de la demande locale.

  • Quantité de planification de la demande locale ajustée (I_ADJLOCALDEMANDPLANQTY)

    Le gestionnaire local de la demande utilise cet indicateur. Ils peuvent éventuellement remplacer la quantité du plan de demande locale en saisissant manuellement de nouveaux numéros.

  • Quantité de planification de la demande locale finale (I_FINALLOCALDEMANDPLANQTY)

    Cet indicateur est égal à la quantité du plan de demande locale tant que la quantité du plan de demande locale ajustée ne l'écrase pas.

  • Quantité de planification de la demande globale (I_GLOBALDEMANDPLANQTY)

    Cette sortie est égale à la quantité de planification de la demande locale finale et est utilisée par le planificateur de la demande régional ou global.

  • Quantité de planification de la demande globale ajustée (I_ADJGLOBALDEMANDPLANQTY)

    Le planificateur de la demande régional ou global utilise cette sortie. Ils peuvent saisir manuellement leurs numéros de demande et ainsi remplacer le plan des gestionnaires de la demande locale.

  • Quantité de planification de la demande globale finale (I_FINALGLOBALDEMANDPLANQTY)

    Cet indicateur est égal à la quantité du plan de demande globale tant que la quantité du plan de demande globale ajustée ne l'écrase pas.

  • Plan de demande combiné final (I_FINALCOMBINEDDEMANDPLANQTY)

    ​Cet indicateur permet de combiner les prévisions de la planification de la demande et de la perception de la demande. Si la perception de la demande est utilisée, l'indicateur sera égal aux résultats de la planification à court terme de la perception de la demande dans le passé et dans le futur proche (en fonction du nombre de périodes futures générées avec la perception de la demande) et aux résultats de la planification à moyen/long terme de la planification de la demande par la suite. S'il n'existe aucune donnée de perception de la demande, l'indicateur sera égal à la quantité de planification de la demande globale finale. Le plan de demande combiné final est le résultat du processus de planification interactive dans la phase de révision de la demande du processus de planification industrielle et commerciale (S&OP). Il sera utilisé comme entrée dans la phase d'approvisionnement du processus de planification industrielle et commerciale (S&OP) et, lors de l'utilisation de SAP IBP, pour l'optimisation avancée des stocks, également comme entrée dans le processus d'optimisation des stocks.

  • Quantité du plan de demande de consensus (I_CONSDEMANDPLANQTY)

    Cet indicateur est utilisé comme information stable dans la phase d'approvisionnement du processus de planification industrielle et commerciale (S&OP). Cet indicateur d'entrée, résultat du processus de planification de la demande, est utilisé pour exécuter la planification sur l'ensemble du réseau. La fonction Opérateur de copie est utilisée pour définir cette valeur sur la base du plan de demande combiné final et représente le plan de demande convenu après la phase de révision de la demande du processus S&OP.

  • Quantité du plan de demande de consensus ajustée (I_ADJCONSDEMANDPLANQTY)

    L’indicateur Quantité du plan de la demande de consensus ajustée dans SAP IBP représente la demande convenue finale après le processus de consensus S&OP collaboratif. Il consolide les entrées des prévisions statistiques, des plans commerciaux et des ajustements manuels en un signal de demande unique et validé qui sert de base aux activités de planification des approvisionnements. Ce ratio capture essentiellement « ce que nous pensons que nous vendrons » une fois que toutes les parties prenantes ont examiné et aligné le plan de la demande, ce qui en fait le point de transfert critique entre la planification de la demande et les processus de planification des approvisionnements.

  • Quantité du plan de demande de consensus final (I_FINALCONSDEMANDPLANQTY)

    L’indicateur Quantité du plan de demande de consensus final dans SAP IBP représente le plan de demande bloqué ultime une fois que toutes les revues, approbations et ajustements finaux ont été terminés dans le cycle S&OP. Si aucun ajustement de la demande n'a été effectué via l'indicateur Quantité du plan de demande de consensus ajustée, la valeur de l'indicateur Quantité du plan de demande de consensus sera reprise. Cet indicateur représente la demande "gelée" ou validée officiellement approuvée par la direction et utilisée pour l'exécution et la mesure des performances.

  • Catégorie de demande de quantité de plan de demande de consensus final (I_FINALCONSDEMANDPLANQTYCAT)

    L'indicateur offre une fonctionnalité d'analyse étendue via l'intégration d'une caractéristique de catégorie et sera calculé sur la base de l'indicateur Quantité du plan de demande de consensus final. Cette quantité planifiée catégorisée permet aux utilisateurs d'éclater et de différencier les quantités de demande planifiée par différentes catégories de planification. Les catégories possibles peuvent inclure, par exemple, différents types de flux de trésorerie, niveaux de priorité, statut de planification ou d'autres classifications spécifiques à l'entreprise.

  • Demande de consensus (I_CONSDEMAND)

    Cet indicateur sert de produit principal du processus de planification de la demande et devient l'entrée critique pour les activités de planification des approvisionnements en aval. En capturant la demande par consensus, elle garantit que toutes les parties prenantes, des ventes et du marketing à la chaîne logistique et à la finance, sont alignées sur un seul signal de demande, éliminant ainsi la confusion liée aux multiples versions de prévision.

Ces indicateurs et leurs interactions permettent de rationaliser et de gérer avec précision le processus de planification de la demande dans SAP IBP.

Une fois qu'une prévision statistique est déployée à l'aide de modèles de prévision, elle peut être finalisée pour représenter le consensus débattu lors de l'étape de révision de la demande du processus de vente et des opérations.

L'exemple de domaine de planification I_SAPIBP2 comprend plusieurs indicateurs et opérateurs de copie modélisant la progression technique des indicateurs de demande.

Le modèle flexible permet des entrées de prévision manuelles si les utilisateurs ont une connaissance spécifique des événements et des modèles influençant la demande. Sans entrées manuelles, les calculs reviennent aux données existantes. Les indicateurs tels que Quantité de prévision des ventes et Quantité de prévision du directeur commercial fournissent une entrée supplémentaire pour la génération de la demande. L'équipe d'implémentation SAP IBP peut adapter la configuration en fonction des exigences de gestion, de la complexité et de la maturité des processus S&OP.

  • Perception de la demande : méthode de prévision immédiate de la demande qui prédit les demandes des consommateurs en temps réel.

  • Moyenne simple : algorithme de prévision qui calcule la moyenne de toutes les données historiques dans un horizon temporel donné.

  • Moyenne glissante simple : algorithme de prévision qui calcule la moyenne des sous-ensembles de données historiques sur un nombre spécifique de périodes.

  • Lissage exponentiel simple : algorithme de prévision qui affecte des pondérations décroissantes de manière exponentielle à des points de données plus anciens, utile pour les données sans tendance ni saisonnalité.

  • Lissage exponentiel double : algorithme de prévision qui gère à la fois les valeurs de tendance et d'indicateurs, utile pour les données avec une tendance.

  • Lissage exponentiel triple : algorithme de prévision qui gère la tendance, la saisonnalité et les valeurs d'indicateurs, utile pour les données avec tendance et saisonnalité.

  • Étapes de pré-traitement : étapes initiales d'un modèle de prévision qui traitent les problèmes dans les données historiques avant de générer des prévisions.

  • Étapes de post-traitement : étapes finales d'un modèle de prévision, en mettant l'accent sur les actions après la génération de la prévision, y compris la mesure des erreurs.

Réflexion personnelle

Réfléchissez à un moment où votre entreprise a dû faire face à des difficultés pour anticiper la demande d'un produit ou d'un service. Comment ces défis ont-ils eu un impact sur vos opérations et quelles mesures votre équipe a-t-elle prises pour les relever ? Comment les méthodes et outils de prévision décrits dans SAP IBP ont-ils pu vous aider à améliorer votre processus de planification de la demande ?

Pause ici un moment et prends un peu de temps pour partager tes réflexions sur la question de la réflexion personnelle. Une fois que vous avez enregistré votre réponse, vous avez la possibilité de la comparer à la réponse d'un expert dans SAP Supply Chain. Cet exercice vous donnera un aperçu de votre compréhension et de la manière dont il s'aligne sur les perspectives professionnelles.

Réponse de l'expert

Réfléchissant aux défis passés liés à la prévision de la demande, une entreprise de distribution de détail a eu du mal à faire face à des ruptures de stock pendant les pics de saison et à des stocks excédentaires en dehors des saisons. Cela a entraîné une perte de ventes, une augmentation des coûts et une utilisation inefficace du magasin. Pour résoudre ces problèmes, l'équipe a utilisé des modèles statistiques de base, des révisions périodiques des prévisions et une meilleure communication entre les services. Cependant, ces efforts avaient des limites.

SAP IBP pourrait grandement améliorer cette situation. La prévision immédiate de la demande (perception de la demande) fournirait des prévisions précises à court terme, réduisant ainsi les ruptures de stock. Les prévisions à moyen et à long terme aligneraient les plans stratégiques sur les tendances du marché, ce qui permettrait de mieux se préparer aux fluctuations saisonnières. Des outils avancés de prévision des quantités permettraient de prévoir avec précision la demande de produits, en minimisant les excédents et les ruptures de stock.

L'utilisation d'algorithmes sophistiqués comme le lissage exponentiel triple améliorerait la précision en tenant compte des tendances et de la saisonnalité. L'application Gestion des modèles de prévision permet d'obtenir des prévisions flexibles et précises, adaptées aux besoins de l'entreprise. L'intégration des entrées des parties prenantes pour créer une prévision de la demande par consensus alignerait tous les services, améliorant ainsi la planification de la demande globale.

​En résumé, les méthodes et outils de prévision avancés de SAP IBP amélioreraient la précision des prévisions, réduiraient les inefficacités et répondraient mieux à la demande des clients, améliorant ainsi les performances de l'entreprise.

Post-traitement de la leçon

Dans ce sujet, nous avons exploré les éléments clés de la prévision de la demande à l'aide de SAP Integrated Business Planning (SAP IBP). Nous avons abordé différents types de prévisions, y compris la perception de la demande, qui se concentre sur les données immédiates des consommateurs, et les prévisions à moyen et à long terme qui alignent les plans d'entreprise sur les tendances du marché sur de longues périodes. Nous avons également couvert les prévisions de quantité, de prix et de chiffre d'affaires pour prévoir les besoins précis des produits et les aspects financiers pour une meilleure planification.

​Le sujet a introduit divers algorithmes de prévision, y compris la moyenne simple et la moyenne mobile simple pour les prévisions de base, et les méthodes de lissage exponentiel (simple, double et triple) pour modéliser les tendances et la saisonnalité. Nous avons également examiné la méthode "Copier périodes passées" pour répliquer des modèles historiques.

​Nous nous sommes penchés sur la gestion des modèles de prévision à l'aide de l'application "Gérer modèles de prévision", qui permet de définir et de combiner des algorithmes pour obtenir des prévisions précises. Cela inclut les étapes de prétraitement, de prévision et de post-traitement pour gérer efficacement les données et les prévisions. Nous avons également appris à exécuter des prévisions via l'IU Web SAP IBP ou Excel, de manière interactive ou selon un calendrier, et à intégrer les entrées des parties prenantes pour la planification de la demande par consensus.

Globalement, en exploitant les outils et méthodes avancés de SAP IBP, les entreprises peuvent considérablement améliorer la précision de la planification de la demande, réduire les inefficacités et mieux répondre aux besoins des clients, améliorant ainsi la performance globale de l'entreprise.