DOSSIER A P S Yves
Cointrelle, Directeur de la Stratégie et du Développement Business Intelligence, Viseo
le comportements des clients que les composantes de la demande. Il décèle les rela- tions entre les produits par de la reconnaissance de modèles (pattern recognition) », expose Robert Byrne, DG et Fonda- teur de Terra Technology, pro- moteur du Demand Sensing, avec notamment Smartops (acquis par SAP) et Tool- groups. Cela peut aussi consis- ter à trouver des variables exogènes (ex : météo sensibi- lité, données de panélistes, cours du pétrole…) qui expli- quent l’évolution de la demande d’un marché. Si la demande est fortement corré-
30% 25% 20% 16,7 % 16,7 % 15% 10% 5,6 % 5,6 % 5% 0%
To enhance demand planning capabilities
To increase visibility
Beringer, Directeur de Quintiq France
Henri
lée à cette variable, et si cette dernière est prévi- sible, cela revient à établir des prévisions sur cette variable pour en déduire la prévision de la demande du produit. Mais en général, le problème est plus complexe car il se peut que plusieurs variables exogènes entrent en jeu et que leur degré d’influence évolue. L’e-commerce devient à ce titre un terrain d’analyse intéressant. « Amazon croise ce que consultent les internautes sur le site, dans une zone donnée, avec l’anticipation des stocks. Par exemple, si 150 personnes regardent le Nikon J3 dans le département 93, statistiquement, 25 vont l’acheter et Amazon avance la quantité en stock dans l’entrepôt le plus proche », illustre Nicolas Commare, Directeur de l’activité Supply Chain de Viseo. Amazon va même plus loin en proposant aux internautes de les livrer avant qu’ils n’achètent, quitte à retourner les produits sur l’entrepôt s’il s’est trompé… A voir si ce modèle tapageur sur le plan marketing sera via- ble et pour quels produits !
Gilles Alais, Country Manager France, Barloworld Supply Chain Software
Planifier à long terme pour être agile « Dans les premières étapes de la maturité, l’ana- lyse des données requiert beaucoup de ressources et d’énergie afin de bien comprendre la demande et de déceler les corrélations. Une fois que l’on a bien compris les corrélations, on peut les modéli- ser et enfin, comparer avec la réalité », décrit Liam Harrington (Oliver Wight). Il met cependant en garde les entreprises sur la vision « court-terme » du Demand Sensing. « Le Demand Sensing est focalisé sur les variations de la demande à court terme (les deux à trois semaines à venir). Mais si les entreprises sont à l’aise avec ces process court terme, elles le sont moins sur la planification moyen-long terme (de 3 à 24 semaines). Appré- hender la demande avec plus de précision n’a pas grand intérêt si vous n’êtes pas en mesure d’y
78 N°88 ■ SUPPLY CHAIN MAGAZINE - OCTOBRE 2014 S&OP planning
Analytics around Supply Chain risk
To enhance 2,8 %
To support sustainability initiatives
segmentation strategies Product and market
Analysing data from social media to detect new market trends
répondre ! Il devient donc essentiel pour les entre- prises de planifier à plus long terme, avec une stratégie de segmentation, et de gagner en agilité pour répondre aux aléas, une fois que le reste a été planifié », recommande-t-il.
DDMRP, mieux planifier sur le court-terme
Dans la droite ligne de ces conseils avisés, le DDMRP veut aider les entreprises à mieux répon- dre à une demande fluctuante avec plus d’effica- cité. « Le Demand Driven MRP est une solution de planification multi-niveaux des stocks et des matières, et une solution d’exécution », résume Carol Ptak (Demand Driven Institute). Selon elle, toutes les SC souffrent d’une distribution bimodale des stocks : elles en ont trop ou pas assez. Le DDMRP propose de modéliser l’environnement puis de réajuster cette modélisation en cinq étapes : 1. Concevoir la Supply Chain en définissant où placer les points de découplage stratégiques, 2. Déterminer le niveau de stock nécessaire, 3. Comment ajuster ces stocks de manière dyna- mique, 4. Etablir le plan tiré par la demande et 5. Exécuter de manière visible et collaborative. « Ce système tient compte de six facteurs : le degré de tolérance du client en matière de délai, les délais potentiels du marché, la variabilité de l’of- fre et de la demande, la flexibilité des stocks et la matrice de la nomenclature, la structure de l’amont et de l’aval de la SC, ainsi que les res- sources critiques. Il réagit aux évolutions de la demande et aligne en permanence un taux de ser- vice élevé avec une diminution des stocks et des urgences », assure Carol Ptak, résultats d’Unilever, de Le Tourneau Technology, d’Oregon Freeze Dry, Romac Industries… à l’appui. « Le DDMRP est une synthèse du MRP, du DRP et du Lean Manufactu- ring qui reprend la force de ces trois concepts.
BIG DATA : Areas with the greatest expected level of ROI in Supply Chain 27,8 %
25,0 %
©C.POLGE
©QUINTIQ
©VISEO
SOURCE LORA CECERE, FONDATRICE DE SUPPLY CHAIN INSIGHTS
Page 1 |
Page 2 |
Page 3 |
Page 4 |
Page 5 |
Page 6 |
Page 7 |
Page 8 |
Page 9 |
Page 10 |
Page 11 |
Page 12 |
Page 13 |
Page 14 |
Page 15 |
Page 16 |
Page 17 |
Page 18 |
Page 19 |
Page 20 |
Page 21 |
Page 22 |
Page 23 |
Page 24 |
Page 25 |
Page 26 |
Page 27 |
Page 28 |
Page 29 |
Page 30 |
Page 31 |
Page 32 |
Page 33 |
Page 34 |
Page 35 |
Page 36 |
Page 37 |
Page 38 |
Page 39 |
Page 40 |
Page 41 |
Page 42 |
Page 43 |
Page 44 |
Page 45 |
Page 46 |
Page 47 |
Page 48 |
Page 49 |
Page 50 |
Page 51 |
Page 52 |
Page 53 |
Page 54 |
Page 55 |
Page 56 |
Page 57 |
Page 58 |
Page 59 |
Page 60 |
Page 61 |
Page 62 |
Page 63 |
Page 64 |
Page 65 |
Page 66 |
Page 67 |
Page 68 |
Page 69 |
Page 70 |
Page 71 |
Page 72 |
Page 73 |
Page 74 |
Page 75 |
Page 76 |
Page 77 |
Page 78 |
Page 79 |
Page 80 |
Page 81 |
Page 82 |
Page 83 |
Page 84 |
Page 85 |
Page 86 |
Page 87 |
Page 88 |
Page 89 |
Page 90 |
Page 91 |
Page 92 |
Page 93 |
Page 94 |
Page 95 |
Page 96 |
Page 97 |
Page 98 |
Page 99 |
Page 100 |
Page 101 |
Page 102 |
Page 103 |
Page 104 |
Page 105 |
Page 106 |
Page 107 |
Page 108 |
Page 109 |
Page 110 |
Page 111 |
Page 112 |
Page 113 |
Page 114 |
Page 115 |
Page 116 |
Page 117 |
Page 118