Lokad importe l'historique des données de ventes et produit directement des prévisions sur le stock. Cette opération est vraiment directe ; il n'y a absolument aucune configuration statistique à effectuer pour obtenir les prévisions de Lokad. Notre solution est donc très facilement utilisable, même sans aucune connaissances en matière de statistiques.
Lorsque des interventions manuelles sont nécessaires pour s'assurer que l'on obtient des prévisions correctes, le processus est sans fin : il y a tout simplement trop de produits et trop de magasins.
Beaucoup de solutions de prévision classiques offrent la possibilité de « paramétrer » les prévisions, mais nous avons pu observer que, dans le secteur de la distribution, l'utilisation de telles fonctionnalités est souvent trompeuse. Lorsque des interventions manuelles sont nécessaires pour s'assurer que l'on obtient des prévisions, le processus est sans fin : il y a tout simplement trop de produits et trop de magasins. L'automatisation totale est la seule option dans ce cas.
La technologie unique de Lokad exploite les corrélations entre produits. En effet, si l'on ne prend en compte qu'un seul produit à la fois, il n'y a presque jamais assez de données historiques disponibles. Heureusement, les entreprises vendent souvent des centaines, voire des milliers de produits. Par conséquent, en analysant les comportements de vente en lien avec les autres produits du catalogue, Lokad peut se permettre d'éliminer l'étape complexe qu'est celle du « paramétrage » manuel. Avec ce type de fonctionnement, on pourrait reprocher à Lokad de se comporter comme une "boîte noire", mais en pratique, même les modèles de prévision les plus simples et les plus linéaires se comportent comme des boîtes noires lorsqu'il s'agit de réseaux de distribution, puisqu'il y n'y a jamais suffisamment de temps pour vérifier à la main plus qu'une infime fraction des résultats produits quotidiennement.
Les systèmes de prévision classiques se heurtent également aux cas aux limites : les produits avec trop peu d'historiques de vente, les produits ayant un faible volume de vente, les produits avec une saisonnalité mal définie, etc. Notre technologie de prévision ne met aucun produit de côté et permet de couvrir 100 % du catalogue.
Les modèles de prévision avancés qui exploitent les corrélations entre produits et entre magasins sont indispensables aux réseaux de distribution, qui disposent justement d'importants volumes de données exploitables.
Au niveau des magasins, la vaste majorité des produits sont associés à des comportement de demande intermittente ; les produits dont il se vend plusieurs unités chaque jour ne sont qu'une poignée. Pourtant, même si un produit n'est vendu qu'une fois par semaine, la plupart des distributeurs visent un taux de service élevé afin de satisfaire leurs clients. Grâce à sa technologie de prévision quantile, Lokad peut fournir des prévisions de stock précises même pour les produits vendus peu fréquemment.
Les solutions classiques reposent sur des prévisions médianes, c'est-à-dire des prévisions qui ont 50 % de chances d'être au-dessus ou au-dessous de la demande future. Cependant, au niveau des magasins, les prévisions classiques fonctionnent mal, car la majorité des produits sont vendus moins d'une fois par jour.
Une technologie de prévision qui répond directement à cette simple question : combien d'unités du produit X dois-je commander pour obtenir le taux de service Y que je souhaite atteindre ?
Certains outils essayent de résoudre ce problème en faisant des prévisions au niveau hebdomadaire ou mensuel, dans le but de désagréger des prévisions de haut "niveau" pour en faire des prévisions fractionnées, mais le nombre d'erreurs associées à une telle méthode est effrayant. L'utilisation de prévisions classiques pour l'optimisation du stock revient tout simplement à prendre le problème sous le mauvais angle.
Lokad a développé une technologie de prévision statistique pour la distribution qui répond directement une question simple : combien d'unités du produit X dois-je commander pour obtenir le taux de service Y que je souhaite atteindre ? Au lieu d'essayer de répondre à cette question avec une méthode à la fois très indirecte et inexacte, qui implique généralement des prévisions médianes et des stocks de sécurité, la technologie Lokad donne une réponse directe grâce aux prévisions quantiles. Par conséquent, puisqu'il s'agit d'une méthode directe, les stocks gérés avec des prévisions quantiles sont bien plus performants que ceux gérés avec une approche classique.
Fournir des prévisions statistiques à des milliers de magasins nécessite une puissance de calcul énorme. Lokad a accès à une telle puissance de calcul grâce à Microsoft Azure, la plateforme cloud computing de Microsoft. Grâce à nos travaux et à notre usage avancé du cloud, en 2010, Lokad s'est vu décerner le Azure Partner Award par Microsoft.
Lokad exploite notamment une technique appelée auto-scaling, qui consiste à réserver dynamiquement, dès que Lokad doit calculer des prévisions, les serveurs de Microsoft Azure (potentiellement plusieurs centaines, en fonction de la taille du réseau de distribution), et à les utiliser immédiatement pour fournir des résultats en moins de 60 minutes. Dès que le calcul est terminé, tous les serveurs sont libérés.
Etant donné que, pour chaque client, il est rarement nécessaire de faire des prévisions de stock plus d'une fois par jour, la technique d'auto-scaling réduit les coûts matériels d'un facteur 24 - une réduction qui peut être répercutée directement sur nos tarifs. Cependant, la véritable réduction des coûts vient surtout du fait que nous avons développé une technologie tout particulièrement orientée vers un traitement efficace des données du secteur de la distribution.
Tandis que le processus de commande an niveau d'un magasin est en règle générale relativement simple, les stratégies d'achat au niveau entrepôt peuvent être assez complexes. Grâce au moteur de scripts de Lokad, il est possible de transformer des prévisions de la demande en ordres d'achat précis, prenant en compte les ruptures de prix, les frais de transport, la capacité de l'entrepôt, les délais d'approvisionnement variables, etc. Priceforge peut également être utilisé pour fournir tous les indicateurs de performance (KPIs) spécifiques à l'entreprise, qui sont nécessaires aux dirigeants pour suivre les performances des stocks sur l'ensemble du réseau.
