Accueil / Décryptage / Innovation / Planification & prévisions : la supply chain voit toujours plus loin

Innovation

Planification & prévisions : la supply chain voit toujours plus loin

05.10.2017 • 11h11
|
par Matthew PERGET
D_2

5. Planification : l'analyse de Yves Cointrelle

Responsable stratégie business intelligence et big data chez Viseo, Yves Cointrelle dispose d’une vingtaine d’années d’expérience dans l’analyse décisionnelle au service des directions IT. Interrogé sur les nouveautés impactant les prévisions dans la supply chain, il partage sa vision et sa connaissance du marché.

Quels types de données externes peut-on exploiter aujourd’hui pour de la prévision à très long terme et comment se les procurer ?

Nous voyons apparaître des cabinets d’études qui, à la manière des analystes marchés et grâce aux données big data, commencent à pouvoir croiser des données socio-économiques, socio-démographiques et d’autres telles que les prévisions météo. Pour un certain nombre d’industriels, la maille prévisionnelle à un ou deux ans [celle utilisée couramment lors des réunions stratégiques d’entreprise avec des processus S&OP et IBP, ndlr] est trop faible. Une ou deux années ne suffisent pas pour acheter des terrains, contractualiser, monter une usine et un site de production, recruter et former des gens… Nous sommes plutôt sur un horizon de trois à cinq ans. Les entreprises veulent être capables de prévoir à plus long terme, en grosse maille, un certain nombre d’éléments ne demandant pas une grande justesse.

 

Il y a trois possibilités pour obtenir ces informations, qui sont des méta-indicateurs macroéconomiques : une société peut choisir de confier, sous la forme d’études, ses questionnements à des personnes aptes à lui apporter des réponses comme des panelistes ou des analystes. La deuxième option consiste à s’abonner à des flux pour aller chercher, à la demande, les données intéressantes, payantes ou non. La troisième possibilité, pour ceux qui préfèrent avoir tout chez eux, est de monter une infrastructure, une sorte de lac de données brutes avec tous les capteurs payants ou gratuits d’information nécessaires pour permettre d’assoir leurs analyses.

 

Nous avons donc trois modèles de coûts différents. Dans le premier cas, l’entreprise n’a pas les moyens ou la volonté d’avoir des bons analystes en interne et achète un service. Dans le deuxième elle est capable d’exploiter les données mais n’a pas envie d’investir des sommes énormes dans des infrastructures, de maintenir des technologies, des compétences, des coûts d’abonnement. Le troisième cas est le plus coûteux, car il nécessite des compétences et des infrastructures.

 

Voyez-vous apparaître des solutions disruptives sur le marché de la planification et des prévisions ?

Les outils que nous retrouvons assez communément sur le marché, comme Colibri [logiciel de prévision de ventes en mode SaaS développé par Viseo, ndlr] ou TXT, sont des solutions très orientées métier, très fiables parce que précâblées sur des fondamentaux, avec des données connues, qualitativement déjà vérifiées. Nous commençons à voir des solutions permettant de construire des modèles personnalisés. Elles ne proviennent pas de la supply chain mais du monde de la finance, dans lequel il existe depuis très longtemps des outils qui permettent de faire de l’élaboration budgétaire ou de la prévision financière. Le premier était Excel, puis nous avons connu une première vague d’industrialisation avec des solutions type Hyperion, désormais produit d’Oracle, ou BPC (Business planning and consolidation) chez SAP, qui étaient résolument orientées finance avec de la prévision de trésorerie et de la prévision de chiffre d’affaires. Ces plateformes ont connu une autre rupture il y a cinq ou six ans avec l’apparition de premières plateformes complètement cloud, avec au premier rang d’entre elles celle d’un éditeur nord-américain nommé Anaplan.

 

Ce dernier est arrivé avec un prisme assez indépendant : il vient du monde de la finance mais est capable de modéliser des éléments comme la saisonnalité sur de la prévision d’approvisionnement. L’ensemble des modélisations de prévision qui existent dans plusieurs solutions de supply chain planning peuvent être réalisées, en les développant soi-même, sur une plateforme de type Anaplan. Nous avons donc des clients qui commencent à dire : « J’utilise Anaplan pour ma finance et ma gestion de trésorerie et TXT sur la partie prévision. Je vais tester une migration de mes fonctionnalités TXT sur Anaplan, cela me coûtera moins cher. Je bénéficie de toute façon d’un prix de base pour l’utilisation de ma plateforme donc plus je mets d’applications dessus, plus je rentabilise. » Il y a un certain nombre d’acteurs, et non des moindres, qui réfléchissent à migrer partiellement ou totalement leurs solutions de supply chain sur des plateformes cloud type Anaplan. Je dis « type Anaplan » mais aujourd’hui ils n’ont pas vraiment beaucoup de concurrents.

BUZZ LOG
“Tirer parti des standards GS1 doit rendre plus interopérables les applications blockchain dans la supply chain.”
— Yorke Rhodes III, global business strategist blockchain de Microsoft
SUIVEZ-NOUS
NEWSLETTER
Pour rester informé chaque semaine