Challenges et Objectif

La Direction des Produits World Wide (DPW) d'Auchan Retail International nous a confié une tâche exigeante : prévoir les ventes de leurs produits de marque propre dans 8 pays (Espagne, Roumanie, France, Portugal, Luxembourg, Pologne, Hongrie, Russie,) pour chaque code produit (EAN) et format de magasin, sur une période de 24 mois. Cette prévision à long terme était cruciale pour planifier l'assortiment de produits de l'année suivante et gérer les commandes auprès des fournisseurs. Notre objectif était d'aider les planificateurs avec une gamme variée de produits, en améliorant la précision des prévisions par rapport à leur méthode existante. Auparavant, ils se fiaient à la Moyenne Hebdomadaire par Produit (VMH) et aux codes produits similaires (EAN miroirs) pour les données historiques insuffisantes.

 Solution

Compte tenu des contraintes, nous avons développé une solution basé sur des algorithmes de machine learning avancées avec plusieurs strategie de réconciliation de l'historique à travers des clusters de magasin et des produits miroirs. En effet, nous disposions de moins de données historiques (12 mois en moyenne) pour prévoir les 24 prochains mois. Ainsi, pour délivrer une prévision de qualité, nous avons développé une solution capable de mutualiser tous les schémas récurrents de chacune de ces séries temporelles. La solution livrée a combiné des modèles algorithmiques pertinents mutualisant les historiques et les schémas récurrents de vente de tous ces produits MDD à travers les pays et les magasins. De plus, notre solution prend en compte l'inflation de chaque pays, les taux de change, les tendances, la saisonnalité, les caractéristiques des produits et les spécificités locales des magasins.

 Résultats

En deux mois, ce projet titanesque a été livré aux équipes qui avaient un besoin urgent pour passer leur première commande. Étant en sous-effectif face à l'ampleur du travail, il était essentiel que l'intégration de ces prévisions soit automatisée. L'algorithme a donc été déployé fin 2021 Les équipes furent très satisfaites, avec un gain de précision des prévisions estimé à 19% et une réduction de 5% des surstocks à l'échelle de tous les pays.

EN SAVOIR PLUS