Récemment, les résultats d’une enquête menée par une grande société de recherche américaine sur un large échantillon d’entreprises ont montré que, pour 85 % des entreprises “best-in-class” en matière de performance logistique (c’est-à-dire les entreprises les plus prudentes et les mieux organisées, bien que cela soit également vrai pour 68 % des autres entreprises), l’action stratégique la plus importante pour réduire les stocks et améliorer en même temps le niveau de service est “l’analyse et la compréhension du phénomène de la demande”, capacité qui doit naturellement permettre d’aboutir à une “prévision fiable“.
Ainsi, la capacité à obtenir une prévision fiable de la demande future reste une priorité dans le processus d’amélioration des logiques de Supply Chain Management :
il s’agit d’une conclusion presque évidente, si l’on pense à la nécessité absolue d’une prévision aussi fiable que possible comme élément fondamental de toute décision en matière de planification (des achats, de la production et de la distribution).
Malgré cela, selon notre expérience, les entreprises italiennes n’investissent souvent pas suffisamment de ressources (humaines et technologiques) dans cette phase fondamentale, ou bien ont une vision de la planification de la demande biaisée par une série d’habitudes ou de lieux communs qui ne favorisent pas la meilleure approche au problème.
La première erreur (souvent décisive) est de ne pas intégrer le processus de prévision et de planification de la demande dans le bon work flow de l’entreprise, c’est-à-dire dans un processus coordonné et cohérent, capable de valoriser à la fois une approche “scientifique” de la prévision basée sur les données historiques, et les informations précieuses que seuls ceux qui sont plus proches du marché (par ex. la fonction Commerciale) sont en mesure de fournir.
Il n’est donc pas rare de trouver des situations où l’on travaille en “silos”, avec une fonction de l’entreprise (par exemple la logistique) qui peut produire une prévision statistique intéressante, mais qui n’est ensuite pas utilisée comme élément de confrontation et de validation avec toutes les autres fonctions de l’entreprise, et qui est plutôt utilisée “localement” par la fonction qui l’a produite, sans se soucier d’articuler ces informations avec celles que d’autres fonctions pourraient valablement fournir.
L’entreprise risque alors d’adopter un point de vue “strabique”, où coexistent des prévisions plus ou moins contradictoires entre elles : même en laissant de côté des aspects fondamentaux comme la duplication des efforts prévisionnels et le fait de ne pas exploiter toutes les informations disponibles pour parvenir à une prévision aussi fiable que possible, les problèmes sont évidents dès lors que l’entreprise ne va pas de l’avant de manière unie et cohérente vers le même objectif de satisfaction du marché.
Les organisations les plus avisées, au contraire, comprennent à quel point il est fondamental, pour une action cohérente et coordonnée, de disposer du fameux “one number”, c’est-à-dire d’une vision unique et partagée entre les différentes fonctions de l’entreprise du futur marché, sur laquelle fonder toutes les décisions : pour parvenir au “one number”, toutefois, un certain investissement en ressources internes est nécessaire, afin de mettre en œuvre un processus de confrontation et de collaboration entre les divers acteurs (éventuellement aussi externes à l’entreprise et faisant partie de sa “chaîne d’approvisionnement”) qui soit réellement fructueux.
Le résultat final de ce processus est le fameux “plan de demande” (demand plan) : ce plan ne coïncide pas nécessairement avec la prévision de la demande, car il incorpore également la prise en compte des propres limites de production et/ou de distribution, qui peuvent parfois empêcher de satisfaire 100 % de la demande prévue. Dans ce cas, l’entreprise devra faire des choix précis sur la manière d’employer au mieux ses ressources, en tenant compte de la marge des produits qu’elle choisira de vendre et/ou de la stratégicité des clients ou des marchés qu’elle voudra servir.
La prévision “non conditionnée” de la demande (c’est-à-dire, brute des contraintes de production / distribution), en outre, ne devrait pas provenir uniquement du “sentiment” de la fonction Commerciale / Ventes (même en admettant que celle-ci ait eu la lucidité de fournir une prévision “froide” de ce que le marché nous demandera réellement, en la distinguant du processus fondamentalement différent d’élaboration d’un budget), ni seulement d’un analyste qui s’appuie sur des techniques ou outils plus ou moins sophistiqués d’extrapolation à partir de données historiques.
L’idéal est que ces compétences (et d’autres encore, comme par exemple le marketing qui peut et doit informer rapidement des futures actions promotionnelles) puissent se confronter de manière systématique et constante, dans le cadre d’un processus clair et univoque, dans lequel chacun sait ce qu’il doit attendre des autres et ce que les autres attendent de lui. Ce n’est qu’ainsi que l’on peut espérer tirer le maximum de valeur ajoutée de ce qui est – nous le répétons – vraiment l’activité fondamentale pour le succès de la planification des ressources.
Ce processus doit être défini et conçu avec soin avant toute autre intervention pour améliorer la prévision, même avant de penser à l’introduction d’outils sophistiqués et flexibles, que le marché propose aujourd’hui comme jamais auparavant à des coûts même raisonnables : en effet, même le meilleur outil risque de rester sous-utilisé (voire relégué dans un coin) si une organisation appropriée des processus n’a pas d’abord été mise en place pour valoriser toutes les compétences et savoir-faire de l’entreprise. Par ailleurs, même le meilleur processus de prévision – même s’il est soutenu par les outils les plus sophistiqués – doit être surveillé en permanence et de manière critique, en mesurant de façon impartiale la fiabilité de la prévision finale (selon des métriques appropriées de forecast accuracy : mais nous en parlerons plus en détail dans un prochain article), en cherchant à comprendre et à interpréter la nature des erreurs commises, afin de les “gérer” (par exemple, en dimensionnant correctement les stocks de sécurité en fonction de l’imprévisibilité réelle de la demande) et d’éviter de répéter les mêmes erreurs à l’avenir.
