Dans cet article, je voudrais partager l'expérience de la construction d'un système de planification des ventes et parler des étapes pratiques de sa mise en œuvre.
La question de la planification dispersée
Souvent, la situation suivante se développe dans les entreprises: Chaque division a sa propre version unique du plan de vente. Ces plans sont utilisés dans le travail, par exemple, par les départements du marketing, des ventes, des financiers et de la logistique.
Ces plans ont un format différent, un degré de détail différent et, surtout, des chiffres différents et contradictoires.
Une question logique se pose, comment construire un système de planification intégré dans l'entreprise et ce qui est nécessaire pour cela.
Construire un processus métier
Je pense qu'il est important d'aborder la question du point de vue de la
création d'une technologie commerciale rationalisée .
En règle générale, la planification est un processus régulier (souvent mensuel ou hebdomadaire), dans lequel il y a une coordination et un ajustement du plan de vente et des plans associés (par exemple, l'approvisionnement et la production).
(Termes souvent utilisés: S&OP - Planification des ventes et des opérations, IBP - Planification intégrée des activités).
Dans le processus de planification, les participants et leurs rôles, les tâches spécifiques et les dates doivent être clairement définis. Par exemple, les vendeurs proposent des plans clients (ou canaux). Le marketing vérifie l'assortiment et informe sur les nouveaux produits, etc.
Pour le processus de planification et ses participants, les KPI doivent être déterminés et des rapports élaborés, selon lesquels il sera possible de contrôler la qualité des résultats. Par exemple, l'exhaustivité des données, l'exactitude de la planification, la rotation des stocks et le niveau de service.
Défis organisationnels
Discipline des participants
La planification nécessite l'implication des différents employés de l'entreprise, ainsi que la fourniture à temps de données de qualité. (Le système informatique peut partiellement compenser ces problèmes en utilisant des calculs automatiques.)
Exactitude et exhaustivité des répertoires (assistant de données)
Il est nécessaire d'assurer la mise à jour en temps voulu des répertoires dans le système comptable. Par exemple, pour un produit, le statut actuel, les dates de début / fin des ventes, la catégorie et les autres champs qui seront utilisés dans la planification et l'analyse doivent être déterminés.
Ajustements «descendants»
Lors de la coordination des plans au niveau supérieur, des ajustements descendants peuvent inévitablement se produire automatiquement. Dans ce cas, la responsabilité de la planification est érodée par les interprètes, comme les chiffres ont été «ajustés ci-dessus».
Dans tous les cas, il est nécessaire d'établir un suivi / audit des modifications et des versions de planification.
Degré d'incertitude élevé
Les changements sur le marché et les actions des concurrents peuvent annuler tous les efforts de planification. Il sera utile d'introduire une méthode de comparaison avec la «prévision naïve». C'est-à-dire par exemple, dans quelle mesure le résultat du processus est-il meilleur qu'une simple moyenne mobile ou une autre méthode de prévision simple. (Malheureusement, dans la pratique, il peut s'avérer que la prévision naïve est comparable en qualité avec le résultat du processus).
Entrepôt de données analytiques
Il est désormais difficile de trouver une entreprise qui ne dispose pas de son propre système de reporting analytique et d'un référentiel unique de données analytiques.
Néanmoins, un tel système est une condition préalable à la construction d'un système de planification.
Statistiques des ventes réelles, des prix, des analyses externes supplémentaires, des fournitures d'entrepôt, du chiffre d'affaires, des marchandises en transit - tout cela est nécessaire à la fois pour la préparation d'un plan de vente et pour son analyse ultérieure.
Par conséquent, il est possible qu'avant de construire un système de planification, vous deviez construire un entrepôt de données et un système de business intelligence.
Il existe de nombreuses approches et solutions, mais je veux m'attarder sur plusieurs points clés:
Qualité des données
Parce que L'entrepôt de données est un système distinct, alors je pense que les différences de nombres avec les principaux systèmes comptables à partir desquels les données sont chargées dans l'entrepôt sont inévitables. Une partie importante de l'effort peut être consacrée au nettoyage, à la vérification et au contrôle des données téléchargées. Pour que cela ne surprenne pas la direction, il vaut la peine d'inscrire ces tâches dans le plan / budget du projet.
Visualisation des données (tableaux de bord)
En général, les tableaux de bord sont utiles pour le marketing interne d'un projet et pour sa présentation efficace à la direction de l'entreprise. Cependant, un inconvénient important est le coût assez élevé de leur création et le manque de flexibilité de configuration du côté de l'utilisateur final. En fait (à mon avis) un tableau de bord est plus probablement un produit informatique et la plupart des utilisateurs même avancés ne sont pas prêts à maîtriser un système de visualisation de données autre qu'Excel.
Performances
Les performances peuvent être un gros problème, qui affectera considérablement l'attitude des utilisateurs envers le système et leur volonté de travailler avec lui. Une bonne façon d'améliorer les performances consiste à utiliser la technologie OLAP, tout en minimisant le nombre de calculs à la volée.
Apprentissage automatique
Bien sûr, ce sujet est un «battage médiatique» clé et il y a beaucoup d'informations publicitaires autour de lui.
Voyons ce que l'apprentissage automatique peut nous apporter dans la pratique et à quoi nous allons faire face.
À mon avis, l'apprentissage automatique dans le domaine de la planification n'offre généralement pas une précision supérieure à la planification manuelle (bien qu'il soit possible que ce ne soit qu'une question de temps).
Un avantage important de sa mise en œuvre est la simplification des opérations de routine, en particulier pour les marchandises classées selon la classification ABC en B et C.
Des gains importants peuvent être réalisés si le processus de planification nécessite un grand degré de détail et le volume de combinaisons de biens / canaux / magasins / périodes, etc. dans les millions d'enregistrements.
Maintenant sur les difficultés:
90% de l'effort n'est pas consacré à la construction d'un algorithme, mais au nettoyage et à la préparation des données
Comme pour la création d'analyses commerciales, les données fournies à l'entrée de l'algorithme machine doivent être vérifiées et converties en «fonctionnalités» (ou prédicteurs). À mon avis, à ce stade, le risque le plus élevé d'erreurs logiques et de bogues. Vous pouvez résoudre le problème en visualisant et en vérifiant les données aux étapes intermédiaires.
Le résultat et le coût du travail sont difficiles à prévoir
À mon avis, c'est le plus gros problème. La construction d'algorithmes de prévision est un processus intrinsèquement proche de la recherche scientifique. Il est facile de le rendre sans fin et il existe un risque élevé d'échec avec une qualité de prévision faible. La raison en est le nombre infini d'options pour les prédicteurs et les modèles que vous pouvez essayer d'améliorer la qualité des prévisions.
Distance commerciale
Dans les projets de science des données, à mon avis, il y a un risque élevé que les utilisateurs professionnels ne comprennent pas le langage que parlent les experts en science des données.
Pour la collaboration, il est important de pouvoir transmettre en termes simples les résultats et l'avancement des travaux. Évitez les termes mathématiques et autres termes complexes, interprétez les résultats des modèles du point de vue du bon sens.
Pour réduire les risques et augmenter la gérabilité d'un projet Data science, les technologies de gestion de projet Agile sont bien adaptées.
L'approche itérative, la démonstration fréquente des résultats au client et le lancement des parties «peu utiles» de la solution dans le produit sont essentiels.