Dans l'environnement commercial rapide d'aujourd'hui, prendre des décisions sans données revient à naviguer sur un navire sans boussole. Comme l'a dit W. Edwards Deming : « Sans données, vous n'êtes qu'une autre personne qui a une opinion ». Cette citation résume parfaitement l'importance de la prise de décision basée sur les données dans les pratiques commerciales modernes. Pourtant, disposer de données ne suffit pas : c'est ce que vous en faites qui compte vraiment.
La première étape d'un processus de prise de décision basé sur les données consiste à les collecter et à les analyser. L'étape suivante consiste à les transformer en informations exploitables à partir desquelles vous pourrez obtenir des informations, dans le but ultime de prendre les meilleures mesures possibles.
Cette transformation est cruciale, en particulier lors de la mise en œuvre d'un nouveau système de planification pour faire face à la complexité des chaînes d'approvisionnement mondiales d'aujourd'hui. Les chaînes d'approvisionnement ne sont plus des « chaînes » linéaires mais des réseaux complexes et interconnectés. Une bonne transformation peut donc créer un avantage concurrentiel significatif.
Ainsi, avant de se lancer dans un projet de planification de grande envergure de « collecte et transformation des données », j'encourage tous les dirigeants à se poser une question essentielle au début de ce processus : « Ces informations nouvelles, précises, mises à jour et enrichies sont-elles pertinentes pour les décisions réalisables que vous attendez de votre équipe ? »
Dans le monde de la planification MRP axée sur la demande (DDMRP), cette question a été posée à propos de l'information la plus connue et la plus recherchée :les prévisions. Le DDMRP s'interroge sur la pertinence d'utiliser les prévisions comme principal signal de demande dans la zone opérationnelle. La zone opérationnelle est la période au cours de laquelle tout changement ou toute décision est limité par le délai. Ainsi, au lieu de prendre des décisions de planification opérationnelle en fonction des prévisions, dans DDMRP, nous pensons que les commandes réelles des clients sont plus pertinentes et nous construisons donc nos processus pour répondre à la demande réelle plutôt que pour satisfaire une prévision, qui n'est pas une demande réelle. Merci, LEAN !
Chez B2Wise, nous avons pu constater de première main comment notre approche a transformé des centaines d'entreprises, entraînant une hausse des niveaux de service, une diminution des stocks, une diminution des expéditions, une plus grande stabilité dans la zone opérationnelle et, dans l'ensemble, une réduction du chaos. Cela dit, cela ne signifie pas que nous n'avons pas besoin de prévisions dans le cadre de notre processus de planification de bout en bout de la chaîne d'approvisionnement ! Cela reste très pertinent pour la planification stratégique, où nous utilisons le S&OP (Sales & Operations Planning) pour maximiser l'utilisation des capacités ou déterminer le besoin de capacités supplémentaires. Il en va de même pour la planification tactique, où nous utilisons des processus tels que le RCCP (Rough-Cut Capacity Planning) pour nous assurer de disposer de suffisamment de ressources bien avant de passer des commandes. Dans ces horizons de planification, les prévisions sont très pertinentes.
Dans cette optique, chez B2Wise, notre équipe d'innovation travaille sur une nouvelle approche des prévisions, que nous appelons la prévision basée sur la stabilité. Il s'appuie sur des processus industriels de pointe tels que le nettoyage des données, les prévisions hiérarchiques et les algorithmes d'IA pour transformer les données. Cependant, la différence essentielle est que lorsqu'un utilisateur ajuste une prévision dans la zone opérationnelle, nous testons la pertinence de cet ajustement en vérifiant si la mémoire tampon peut l'absorber, en nous assurant qu'aucune modification inutile n'est apportée, protégeant ainsi la stabilité du plan. S'il est nécessaire d'appliquer une modification au signal de demande, nous créons un « ordre d'événement » qui oblige l'utilisateur à être très précis quant à cette modification du signal de demande. Nous traitons ensuite cela comme un ordre de pointe, ce qui vous permet de contrôler exactement la manière dont cette demande supplémentaire est priorisée et gérée au lieu d'être perdue dans un seul chiffre prévisionnel.
En conclusion, la valeur des décisions fondées sur les données ne peut être surestimée. Mais n'oubliez pas qu'il ne s'agit pas seulement de disposer de données, mais de les transformer en informations pertinentes qui permettent de prendre des décisions de planification stables, efficientes et efficaces. Demandez-vous toujours si ces nouvelles informations améliorées par l'IA sont pertinentes pour la décision que je m'apprête à prendre.
Think flow,
Kévin Boake
