FABRICANT MONDIAL DE PNEUS
Improve sell-in forecast processes and accuracy using AI models
Notre client veut mieux prévoir ses produits "long tail", qui présentent un comportement de vente très erratique et saisonnier. Cette complexité a été gérée au préalable en prévision des ventes au niveau macro à l'aide de méthodes statistiques traditionnelles, dont les forts taux d'erreurs ont été observés après désagrégation au niveau des SKU.
Scope : 2000 SKUs, Europe
Notre Rôle
- Développer des variables pertinentes basées sur les caractéristiques des produits pour alimenter le modèle de prévision.
- Évaluer l'impact positif de l'inclusion d'autres sources de données en plus de l'historique des ventes : prix, données relatives aux marchés de véhicules, offres des concurrents etc.
- Développer un algorithme de prévision par Machine Learning pour prévoir les ventes futures au niveau de la SKU.
Résultats
- +15pts amélioration du Forecast Accuracy des prévisions, mesurée au niveau de la SKU (lag de 0 à 6 mois)
- -10pts amélioration du biais
- Modèle de Machine Learning entièrement mis en production après 6 mois de double exécution sans perte de performance.
- Un soutien et un engagement forts de la part des équipes de prévisionnistes opérationnels, qui ont été pleinement impliqués dans le projet dès le début.