Alors que les entreprises de biens de consommations poursuivent leurs croissances, avec des programmes adressés directement aux consommateurs et un marketing multi canal, les prévisions de la demande sont en perte d’efficacité. L’introduction de nouveaux produits, le portefeuille de produits et les produits longue traîne ont augmenté. A celà s‘ajoute l’influence accrue de la Demand shaping (médias, promotions, lancements de nouveaux produits), et le comportement d’achat en ligne ; les planificateurs expérimentent de nombreuses erreurs de prévision.
Malheureusement les systèmes d’approvisionnement et d’analyse de la demande de beaucoup d’entreprises ne peuvent pas le gérer. La plupart utilisent toujours des approches de prévisions obsolètes basées sur d’encombrants algorithmes et sur l’historique de ventes agrégés. Cette incapacité d’analyser et de tirer profit de nouvelles données peut empirer la précision des prévisions de vente alors que celles-ci pourraient être améliorer.
La bonne nouvelle est que la majorité des entreprises disposent déjà des données nécessaires pour améliorer grandement leurs prévisions et leur chaîne logistique. Nous aidons les entreprises de biens de consommation à générer plus de signal avec moins de bruit afin d’améliorer les prévisions, les stocks et les niveaux de services. La modélisation de la demande (Demand modeling) peut énormément améliorer la prévision “longue traîne”. La perception de la demande (Demand sensing) peut utiliser les points de ventes quotidiens (Point of Sale – POS) ou les données du canal pour détecter les changements à court-termes. La Machine Learning quant à elle peut modeler de manière fiable les données de marketing et mesurer l’opinion et le comportement des clients, en incluant même les médias sociaux. Les analyses de la demande (Demand Analytics) et l’optimisation de la chaîne d’approvisionnement peuvent aider les entreprises à évoluer vers une prévision dictée par le marché.
