Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Composantes des modèles de demande
L'analyse des modèles de demande s'effectue selon trois dimensions :
-
Modèles de demande (basés sur l'évolution de la demande au fil du temps et en quantité)
-
Demande annuelle (quantité totale demandée sur une période de 12 mois)
-
Durée de l'historique (période pour laquelle les données historiques de la demande sont disponibles)
L'analyse classe vos modèles de demande en quatre types distincts : fluide, intermittent, erratique et grumeleux. Chacun est déterminé en analysant la fréquence et la variabilité de la demande. S'il existe des produits éligibles sans données historiques, ils sont regroupés dans la section Zero Forecast Demand. Pour plus d'informations, consultez la section Modèle de demande.
La répartition des modèles de demande entre vos produits fournit des informations précieuses sur la fiabilité attendue des prévisions. Les produits présentant des modèles de demande réguliers (avec des volumes de commandes et des fréquences constants) fournissent généralement les prévisions les plus fiables, car leur comportement est plus prévisible. En revanche, les modèles irréguliers ou grumeleux, caractérisés par des pics irréguliers et des fréquences de commande variables, se traduisent généralement par une baisse de la fiabilité des prévisions en raison de leur caractère imprévisible. En comprenant cette distribution, les planificateurs de la demande peuvent définir des attentes appropriées et prendre des mesures proactives.
Le système analyse également votre demande sur les 12 derniers mois (sous réserve de la configuration de découpage), également connue sous le nom de demande annuelle, juste avant la date de début de vos prévisions. Supposons, par exemple, que la date de début des prévisions soit le 15 janvier 2024 (lundi) et que le bucket de planification soit hebdomadaire. Le système considère que la période d'analyse des 12 derniers mois va du 16 janvier 2023 au 14 janvier 2024. L'analyse de la demande sur les 12 derniers mois aide les planificateurs de la demande à faire la distinction entre les produits actifs et inactifs, tout en identifiant les produits en transition entre ces états, des modèles qui ont un impact direct sur la fiabilité des prévisions. En vous concentrant sur l'historique récent plutôt que sur les modèles de données plus anciens, vous pouvez prendre des décisions plus éclairées quant aux produits nécessitant une attention particulière ou à d'autres approches de prévision, en particulier pour les cas tels que les articles saisonniers, les produits abandonnés ou les articles en voie d'élimination progressive. Pour plus d'informations, consultez Forecast Algorithms.
La durée de l'historique en années est calculée pour chaque granularité de prévision (par exemple, combinaison produit/emplacement) en fonction des dates les plus anciennes et les plus récentes disponibles dans vos données de demande historiques prétraitées, après avoir ajusté les dates au début de la période par défaut. Cette analyse permet de déterminer si les produits ont accumulé suffisamment de données historiques pour générer des prévisions fiables, un minimum de deux ans étant généralement nécessaire pour saisir les modèles saisonniers et les tendances à long terme.
