Vizions par Zalando : La première conférence européenne sur les plateformes
le 20 avril 2017 à Berlin
Commençons par une question innocente. A votre avis, pourquoi y a-t-il des soldes ? De nos jours, les soldes d'hiver, les soldes d'été et un certain nombre de petits événements intermédiaires sont une institution, surtout dans le domaine de la mode. (...) Mais pourquoi les soldes ont-elles été inventées ? Elles existent pour permettre aux détaillants de se débarrasser de leurs surstocks. Les soldes sont donc avant tout la manifestation d'une prévision qui a été mal réalisée. Aujourd'hui, on peut néanmoins dire qu'elles sont bien plus que cela, ce qui est vrai même sil'objectif initial demeure.
Joannes Vermorel, fondateur de Lokad
Regardez nos interviews sur Lokad TV et apprenez-en davantage sur la supply chain et la mode.
De nombreuses marques lancent des milliers de nouvelles références par collection, prenant en compte les tailles, les couleurs, les points de vente, etc.
Au cours des dix dernières années, les marques les plus performantes ont démontré leur capacité à toujours mieux s'adapter aux dernières tendances, en augmentant le nombre de leurs collections par an et en réduisant leur délai d'approvisionnement.
La technologie d'optimisation prédictive de Lokad aborde chaque décision tout au long du cycle de vie pour chacun des produits de la marque. Notre technologie est un mélange d'apprentissage automatique - utilisé pour extraire des modèles ou des prédictions à partir des données - et d'optimisation numérique - utilisée pour générer des décisions optimisées.
.
La préparation de la nouvelle collection commence par la livraison d'une optimisation de l'assortiment - également appelée plan de gamme. La technologie Lokad vous permet de composer la bonne gamme de tailles, de couleurs et de formes en plus des modèles initiaux. Ce plan de gamme est destiné à correspondre au mieux aux souhaits et attentes de votre clientèle. Nous pouvons également vous aider à mener l'analyse de rentabilité qui soutient le plan de gamme. Lokad offre aussi aux planificateurs la possibilité d'affiner le plan grâce à nos connaissances de haut niveau, plutôt que de micro-gérer chaque variante de produit.
Une fois le plan de gamme finalisé, nous fournissons une optimisation des achats, en vous conseillant exactement combien d'unités produire ou acheter pour chaque variante de produit, ainsi que le moment idéal pour commander. De toute évidence, la plupart des produits n'ont jamais été vendus auparavant. Cette tâche est généralement compliquée par de multiples contraintes de quantité minimale de commande (MOQ), des prix cassés, ainsi que des délais d'approvisionnement variables (le Nouvel An chinois qui ralentit par exemple la production en Asie). Lokad peut également optimiser la coordination de divers transports (comme le fret maritime ou aérien) et celle de sources (fournisseurs étrangers ou locaux par exemple).
A titre d'exemple, notre solution concernant la MOQ peut traiter plusieurs contraintes relatives à la MOQ qui se chevauchent : il peut y avoir une MOQ au niveau du produit (par exemple, un minimum de 100 unités par produit pour chaque commande), une autre MOQ au niveau du tissu (par exemple, un minimum de 3000 mètres de tissu par couleur), et une dernière MOQ au niveau du fournisseur (par exemple, un minimum de 50 000 dollars de marchandises par commande). Traiter toutes ces MOQ tout en gardant les niveaux de stock sous contrôle est un véritable casse-tête lorsque les MOQ sont traitées manuellement. Lokad rationalise entièrement le processus grâce à des outils numériques qui permettent d'identifier l'"enveloppe" de commande qui sera à la fois la plus rentable et saura répondre toutes les contraintes données.
Lorsque le lancement de la collecte se profile, nous procédons à une optimisation de l'allocation des stocks, en décidant exactement du nombre d'unités à allouer à chaque centre de distribution et/ou à chaque magasin. En magasin, le stock a deux objectifs : servir la demande d'une part, mais aussi attirer la clientèle dans le magasin. En conséquence, l'optimisation de l'allocation prend en compte cet angle de merchandising, en tirant le meilleur parti de chaque magasin. L'optimisation tient compte des limites de la capacité de stockage (par exemple, l'espace des étagères), ainsi que de la capacité limitée des équipes sur le terrain pour faire face aux grands lots de produits entrants. Les paquets et les lots, pratiques pour réduire les coûts de manutention, sont également pris en charge.
Afin de s'adapter aux dernières tendances, on identifie les best-sellers et les slow-movers. L'identification des best-sellers, destinée à déclencher des réapprovisionnements précoces, peut se faire avec des quantités de stock limitées, en n'examinant le marché que dans un nombre restreint de magasins, voire potentiellement en n'examinant le marché qu'à travers la plateforme de commerce électronique. À l'inverse, l'identification rapide des produits à rotation lente est également importante afin de retirer le plus rapidement possible ces produits des rayons qu'ils occupent au détriment de meilleurs produits.
Pour la plupart des marques de fast fashion, les réductions et autres mécanismes promotionnels font partie de l'identité de la marque. Lokad offre des capacités d'optimisation des prix, en suggérant quand baisser le prix afin de s'assurer qu'il n'y aura pas de reste à la fin de la collection, tout en maximisant le montant global de la marge brute.
Nous prenons également en compte les réductions provenant de programmes de fidélité qui sont appliquées uniformément sur de nombreux produits et peuvent remplacer voire compléter les réductions à échelle des produits.
Optimisation de l'assortiment, optimisation des achats, optimisation de la répartition des stocks, identification des best-sellers et des slow-movers, optimisation des prix : Lokad peut être utilisé pour optimiser toutes ces décisions et plus encore, car notre entreprise envisage le cycle de vie complet des produits de A à Z et de manière cohérente. Toutefois, il est également possible de commencer par un champ d'application plus restreint. Pour toute question, écrivez-nous à l'adresse suivante : contact@lokad.com
L'optimisation des décisions concernant les stocks et les prix nécessite de prévoir l'avenir avec exactitude. Cependant, la perspective classique de prévision de la demande est généralement dysfonctionnelle en ce qui concerne le secteur de la mode. Lokad a donc développé des capacités de prévision uniques, conçues pour répondre tout particulièrement aux défis auxquels sont confrontées les entreprises de mode.
Nous travaillons avec des prévisions probabilistes : nous considérons toutes les possibilités à venir, et nous calculons leurs probabilités respectives. En effet, dans le secteur de la mode, l'incertitude de la demande est irréductible. Il est impossible de produire une prévision "parfaite". Les méthodes traditionnelles s'attendent à ce que les décisions soient prises en fonction de la prévision "unique", ce qui rend ces décisions fragiles face aux erreurs de prévision.
Nous embrassons l'incertitude au lieu de la rejeter. Nos prévisions probabilistes nous permettent de trouver un équilibre entre risques et opportunités.
Les prévisions opèrent à échelle de l'assortiment afin de prendre en compte les effets de cannibalisation et de substitution. Prévoir la demande d'un produit de manière isolée n'est pas pertinent car la demande concernant le produit en question est fortement influencée par la présence - ou l'absence - de produits similaires qui sont tous en concurrence car ils visent la même clientèle. Les méthodes traditionnelles axées sur les prévisions de séries temporelles passent totalement à côté de ce point. Par ailleurs, la situation s'aggrave généralement lors de l'utilisation de stocks de sécurité ou de niveaux de service.
La demande est conditionnée par la tarification, qui fait partie intégrante de nos prévisions. Non seulement la demande future est une question de probabilités, mais ces probabilités sont influencées par le prix du produit, un levier d'action à la disposition de l'entreprise.
Une fois de plus, l'assortiment importe, et l'augmentation de la demande dépend de l'intensité globale de la promotion. Il n'est pas judicieux de s'attendre à la même augmentation si le produit est le seul à être sujet à une réduction dans le magasin, ou si une promotion est appliquée à l'ensemble du magasin. Les prévisions ne s'arrêtent pas à la demande ; il faut également prévoir les retours et les délais.
Chaque source d'incertitude nécessite des prévisions statistiques appropriées, et, si la demande future est centrale, il existe des besoins qui vont au-delà de la prévision de la demande et nous avons conçu notre technologie en conséquence. Ces prévisions sont aussi généralement probabilistes et tendent à être combinées avec les prévisions de la demande elles-mêmes, comme par exemple la prévision de la demande sur le délai d'exécution. La dernière génération de notre technologie de prévision repose sur la programmation différentiable. Ce descendant du deep learning est particulièrement adapté à la gestion d'une demande éparse et intermittente, comme c'est souvent le cas dans le secteur de la mode.
Qu'en est-il de la météo et des réseaux sociaux ?
Notre expérience indique que la plupart des entreprises sous-utilisent considérablement leurs propres données historiques "de base". La plupart des prévisions de la demande n'exploitent même pas les données de fidélisation de la clientèle, et la plupart des commandes sont passées sans prévision formelle des délais. Ainsi, bien que nous ne soyons pas contre le fait de prendre en compte des indices venant de sources de données externes comme les réseaux sociaux ou les données météorologiques, nous croyons profondément que les entreprises devraient commencer par tirer le meilleur parti des données dont elles disposent déjà.
La mode à grande échelle implique des centaines de magasins et des dizaines de milliers de variantes. Par conséquent, le moteur de prévision doit être capable de prendre en compte des millions de positions SKU (unités de gestion des stocks). Notre moteur de prévision a été initialement conçu pour le cloud computing. Contrairement aux solutions traditionnelles, pour Lokad, le cloud n'est pas une réflexion menée dans un second temps : Lokad peut traiter des téraoctets de données par jour.
En outre, contrairement aux approches traditionnelles, notre capacité de prévision ne repose pas sur un lien entre les produits plus anciens et plus récents établit manuellement en indiquant au système quel produit plus ancien doit être considéré comme le plus pertinent pour prévoir le nouveau produit.
Au lieu de cela, notre moteur de prévision s'appuie exclusivement sur des algorithmes avancés d'apprentissage automatique pour détecter automatiquement les similitudes qui pourraient exister entre les produits et pour identifier, par lui-même, les produits spécifiques qui sont pertinents pour prévoir un nouveau produit dans la collection.
Cette détection automatique des similitudes s'appuie sur les nombreuses caractéristiques des produits qui sont typiquement présents dans la mode : type de produit, famille de produits, taille, couleur, tissu, style, prix, marque, etc. Si l'on pourrait s'inquiéter de la quantité de données nécessaires, l'expérience de Lokad montre que les données du catalogue, telles qu'elles existent pour faire fonctionner les facettes d'un front-end de commerce électronique par exemple, sont généralement suffisantes pour obtenir de bons résultats.
Les solutions de prévision traditionnelles, qui reposent sur l'association manuelle des produits, prennent trop de temps pour être efficaces car il y a trop d'éléments à prendre en compte et que c'est précisément l'association qui constitue l'ingrédient principal des prévisions.
En raison de l'inefficacité de cette méthode, les entreprises ont tendance à revenir à leurs feuilles de calcul, car la solution d'association de prévision manuelle n'apporte pas la valeur nécessaire. Lokad s'attaque de front à ce défi, en se concentrant sur la difficulté fondamentale du problème, au lieu de faire porter le fardeau aux utilisateurs.
Cependant, chez Lokad, si nous pouvons appeler ce processus de prévision "association de produits", nous ne partons pas du principe qu'il existe une correspondance 1 à 1 entre les produits d'une ancienne et d'une nouvelle collection. Par exemple, un produit peut être divisé en plusieurs variantes, ce qui peut générer des cannibalisations. Un autre produit peut ensuite être totalement "nouveau", et n'avoir aucun lien avec un produit précédent. Dans ce cas, le moteur de prévision s'appuie sur des considérations plus larges, telles que la catégorie, la famille, la marque ou le prix du produit.
Les décisions doivent être optimisées par rapport aux rendements qu'on attend d'elles exprimés en dollars ou en euros, et non en pourcentages.
Tous les facteurs qui façonnent le coût et la récompense d'une décision sont collectivement appelés moteurs économiques : ils comprennent la marge brute, le coût de possession des stocks, le coût du transport, le coût d'opportunité des linéaires, la clientèle, etc. Lokad modélise explicitement tous ces facteurs économiques, en tenant compte des spécificités du marché de la mode.
Par exemple, lorsqu'un produit est vendu avec une réduction, le client s'attend à bénéficier d'une remise similaire à l'avenir.
Le premier objectif de ces moteurs économiques est de soutenir le processus d'optimisation numérique qui génère les décisions (par exemple, les quantités des commandes d'achat ou les remises sur les produits). Il n'y a pas d'optimisation sans mesure : les facteurs économiques sont littéralement ce qui fait fonctionner le processus d'optimisation.
Lokad ne remplace pas les connaissances stratégiques profondes (qui proviennent de l'expertise de votre équipe), notre technologie est simplement conçue pour permettre de déployer à grande échelle ces connaissances stratégiques - telles qu'elles sont reflétées par les moteurs économiques - dans chaque décision prise par l'entreprise.
Le deuxième objectif de ces moteurs est le processus de "whiteboxing". L'objectif de ce processus est de fournir à vos équipes un haut degré de transparence pour chaque décision générée par Lokad. Votre équipe doit comprendre pourquoi cette décision est suggérée par Lokad. Pour ce faire, chaque décision générée par Lokad est accompagnée de son propre ensemble de mesures (mesurées en euros ou en dollars) qui expliquent l'intention commerciale de la décision. Ces mesures reflètent les moteurs économiques. Notre expérience montre que cette approche est supérieure à celle qui consiste à essayer de faire la lumière sur les détails algorithmiques du calcul, ce qui est non seulement incroyablement fastidieux, mais également non pertinent, sauf pour les experts en apprentissage automatique ou en optimisation numérique.
Du point de vue management, les moteurs économiques sont un mécanisme puissant pour orienter l'entreprise dans la bonne direction. Ces moteurs ne sont pas considérés comme "immuables", mais sont au contraire toujours susceptibles de changer, afin de refléter l'évolution du marché. La technologie de Lokad est conçue pour offrir une grande souplesse : avec des efforts limités, il est possible d'élaborer des scénarios de simulation complexes décrivant diverses stratégies alternatives.
