Data Science for operations
Nous utilisons les données, la technologie et l'IA pour augmenter les ventes, le niveau de service et optimiser les stocks et les coûts. Notre équipe de data scientists, d'ingénieurs, de consultants et d'experts métier accompagnent les projets de bout en bout.
Services
Nous contribuons à améliorer les performances opérationnelles
PREVISIONS DES VENTES
L'utilisation de l'IA pour les prévisions de ventes apporte une plus grande précision, moins de biais et plus d'automatisation. Nous aidons généralement nos clients à atteindre une forecast accuracy de +10pts à +20pts
Les modèles de machine learning exploitent de multiples sources de données, comme les ventes, les stocks, les ruptures de stock, les promotions, les attributs des produits, les prix. Nos modèles apprennent également des modèles et des corrélations complexes à partir de situations passées
- Prévisions des sell-in et des sell-out
- Prévision de nouveaux produits
- Prévisions de ventes anticipées
- Prévisions des recettes
- Modélisation de l'impact sur les ventes des influenceurs / leaders d'opinion
Gestion des stocks et réduction de l'obsolescence
La réduction des stocks est un puissant levier de performance. La pression sur les liquidités et la réglementation environnementale croissante maintiennent ces sujets en tête de l'agenda de la supply chain
Utiliser l'IA pour faire face à la complexité. L'IA permet d'optimiser le niveau d'inventaire de milliers d'SKU et d'anticiper les futurs inventaires obsolètes. Les modèles de machine learning offrent généralement de bonnes performances sur les articles à faible rotation, où les prévisionnistes des ventes ont généralement moins de temps à consacrer.
- Optimisation des stocks au niveau magasin
- Détections de fin de vie des produits
Merchandising et planification de l'assortiment
La planification de l'assortiment est un processus complexe au carrefour de plusieurs fonctions.
Nous utilisons des données historiques, des données structurées, mais aussi des images, des descriptions de produits et des données sur le profil des clients pour construire des moteurs de recommandation. Nous aidons les équipes de planification dans leur processus de planification, en utilisant l'IA comme soutien pour la prise de décision.
L'un des défis consiste à traduire en données les directives en matière de marchandisage. Un autre élément est de trouver des similitudes entre produits.
- Recommandation d'open-to-buy
- Marchandising au niveau magasin et personnalisation
- Segmentation des magasins
- Planification dynamique de l'assortiment
Détection des ruptures de stock
La complexité de la supply chain va au-delà de ce que l'homme peut contrôler manuellement chaque jour. Les délais d'approvisionnement erratiques, les problèmes de qualité, les événements imprévus, les variations de ventes... sont autant de raisons pour lesquelles un produit n'est pas au bon endroit au bon moment.
Nous utilisons l'apprentissage machine pour détecter les anomalies. Cela va au-delà de ce que feraient les modèles DRP et les logiciels APS typiques, en tirant les leçons des situations passées qui sont des risques potentiels de ruptures de stock.
- Détection de la pénurie de produits
- Prévision des délais
Planification des ressources logistiques
La livraison le lendemain étant la norme, la pression sur le niveau de service est très forte. Ce contexte crée une demande très fluctuante en matière de logistique, avec un effet d'entraînement sur les opérations d'entrepôt, le transport et les fonctions administratives.
L'utilisation du machine learning permet de créer une prévision précise de l'activité logistique en utilisant des données historiques, mais aussi des informations contextuelles et des données exogènes, comme la météo, le trafic ou les vacances.
- Prévision d'activité du dernier kilomètre
- Prévision des ressources des entrepôts
Costing de nouveaux produits
Dans de nombreuses industries, il peut être étonnamment difficile d'anticiper le COGS des nouveaux produits. Des variations du prix des matières premières à la productivité de la fabrication, un grand nombre de variables influencent le coût réel d'un produit.
Pour les nouveaux produits, nous avons développé une méthodologie permettant d'identifier les principaux facteurs de coût, de produits similaires antérieurs. Nous utilisons également le machine learning pour modéliser l'industrialisation, en fonction de la complexité du produit, des matériaux, du site de production, etc.
- Modélisation de coût des nouveaux produits
Maintenance prédictive
Les opérations de maintenance sont à l'aube d'un changement de paradigme avec la croissance et l'accessibilité des technologies de pointe, telles que l'Internet des objets et le machine learning.
Ces évolutions vont entraîner une amélioration significative de notre capacité à prévoir les changements dans les performances de fonctionnement des machines.
L'utilisation des modèles de machine learning permet de prédire les défaillances et d'optimiser les opérations de maintenance. Ces modèles utilisent généralement les données des machines, les données IoT, mais aussi des données exogènes telles que la température, le calendrier, l'humidité, etc.
Les principaux sujets sont les suivants
- Maintenance prédictive
- Optimisation des stocks de pièces de rechange
Gestion de la qualité
La qualité peut générer beaucoup d'incertitude dans un processus de production. Nous utilisons des modèles d'intelligence artificielle pour identifier les facteurs clés qui influencent la qualité, pour aider les équipes de fabrication et de qualité à anticiper les problèmes et à prendre des mesures proactives.
Les modèles de machine learning qui prédisent la qualité sont généralement plus performants que les modèles statistiques, car ils permettent de mieux interpréter les situations complexes et multicritères. Le machine learning permet également de mieux identifier les valeurs aberrantes, c'est-à-dire les points de données qui sont extrêmes et parfois non pertinents.
Les projets typiques sur lesquels nous avons travaillé sont :
- Modèles de qualité prédictive
- Planification des ressources de qualité
Modélisation prédictive des dépenses
Prévoir les dépenses avec précision aide les équipes opérationnelles et d'approvisionnement à mieux acheter, planifier et négocier.
Nous combinons notre connaissance des processus d'approvisionnement et nos capacités de modélisation des données pour développer des modèles prédictifs de dépenses d'achat . Ces modèles sont capables de quantifier l'impact des principaux facteurs sur les dépenses. Nous utilisons généralement les factures, les données comptables, les informations sur les fournisseurs, les données sur les catégories, les produits et les prix pour initier ce travail. Nous collectons également des données externes telles que des index, des critiques de produits, des données démographiques, etc., pour alimenter nos algorithmes d'IA.
Nous accompagnons nos clients dans le développement et l'industrialisation de modèles d'approvisionnement qui reposent sur l'exploitation des données:
- Prévisions de dépenses par catégorie