Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Toute reproduction sans autorisation du Centre français d’exploitation du droit

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. © Techniques de l’Ingénieur, traité L’entreprise industrielle A 4 076 − 1 Prévision des ventes par Jacques QUIBEL Ingénieur de l’École Nationale Supérieure des Arts et Métiers Diplômé du Centre de Perfectionnement dans l’Administration des Affaires (CPA) de la Chambre de Commerce de Paris Ancien Directeur « Prospective et Stratégie Chimie » pour le groupe L’Air Liquide Conseil en Management et Stratégie d’Entreprise l est parfois possible de déterminer les ventes, année après année, jusqu’à un horizon assez éloigné, parce que l’on a des contrats d’approvisionnement des clients. Mais généralement ce n’est pas le cas ; il faut alors faire des pré- visions, pour lesquelles différentes méthodes existent. 1. Prévision à partir de l’analyse historique opérée dans le passé et le présent............................................................................................... A 4 076 - 2 1.1 Extrapolation simple en fonction du temps .............................................. — 2 1.2 Prévision à partir de la décomposition des données historiques ........... — 2 1.2.1 Les différentes composantes............................................................. — 2 1.2.2 Estimation des composantes............................................................. — 3 1.3 Prévision à partir des historiques d’une autre zone géographique ........ — 3 2. Prévision à partir de l’étude de la situation actuelle .................... — 3 2.1 Emploi du concept d’élasticité.................................................................... — 4 2.2 Interview des consommateurs ................................................................... — 4 2.3 Interrogation des vendeurs......................................................................... — 4 3. Prévision à partir de modèles mathématiques................................ — 4 3.1 Liaison entre un segment et d’autres ........................................................ — 4 3.2 Modèles associatifs ..................................................................................... — 4 3.3 Remarques ................................................................................................... — 5 4. La prédiction ............................................................................................. — 6 4.1 Méthode Delphi ........................................................................................... — 6 4.2 Analyse interne............................................................................................ — 6 4.3 Examen d’autres anticipateurs................................................................... — 6 5. Conclusion ................................................................................................. — 6 Pour en savoir plus........................................................................................... Doc. A 4 076 I PRÉVISION DES VENTES _________________________________________________________________________________________________________________ Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. A 4 076 − 2 © Techniques de l’Ingénieur, traité L’entreprise industrielle 1. Prévision à partir de l’analyse historique opérée dans le passé et le présent On suppose qu’il y a des phénomènes de continuité entre le passé, le présent et le futur. 1.1 Extrapolation simple en fonction du temps On cherche graphiquement une courbe passant le plus près pos- sible des points du passé et on extrapole pour le futur (ﬁgure 1). Cette méthode est simple et rapide ; elle nécessite de disposer de statistiques concernant le passé. Elle est normalement utilisée avant toute autre. On vériﬁe s’il y a un phénomène de continuité, lié à la faible dispersion des points dans le passé. On peut alors employer cette méthode pour le proche futur, l’année à venir, voire les deux prochaines années. À plus long terme, des phénomènes de discontinuité pourraient apparaître. I Aﬁn d’amortir un peu les variations, on peut utiliser la méthode de la moyenne mobile. On raisonne par exemple sur les trois pre- mières périodes n1 , n2 et n3 . La moyenne est affectée à la période du milieu n2 . On retranche la période n1 et on ajoute la période n4 . On fait la moyenne qu’on affecte à la période n3 et ainsi de suite jusqu’à l’époque actuelle. On extrapole ensuite. La tendance est ainsi détectée beaucoup mieux qu’en opé- rant une extrapolation brutale des chiffres passés. I On peut aussi accorder plus d’importance au proche passé qu’au lointain passé en utilisant la méthode du lissage exponentiel. Si Qn sont les ventes prévisionnelles de la période n, Vn – 1 les ventes réelles de la période n – 1 et Qn – 1 les ventes prévisionnel- les de cette même période, on écrit que : Qn = Qn – 1 + δ (Vn – 1 – Qn – 1) δ est un coefﬁcient déterminé par l’expérience. Le coefﬁcient δ précise l’importance qu’on donne au passé récent par rapport au passé ancien. Il varie entre 0 et 1. Plus δ est proche de 0, plus il donne d’importance aux ventes anciennes. Plus δ est proche de 1, plus il donne d’importance aux ventes récentes. Cette méthode est celle du lissage exponentiel simple. En réalité, cette méthode existe sous des formes plus complexes de lissages exponentiels doubles avec saisonnalité et procédures d’ajustement automatique des coefﬁcients de lissage. Ces dernières méthodes sont les plus fréquemment utilisées pour la prévision à la chaîne d’un grand nombre de séries, car très faciles à programmer sur un ordinateur. On peut aussi utiliser (§ 1.2.2.1) la méthode de régression per- mettant, par le calcul, de déterminer l’équation de la courbe repré- sentative du passé avec la meilleure précision possible. 1.2 Prévision à partir de la décomposition des données historiques 1.2.1 Les différentes composantes Une série chronologique exprimant les ventes en fonction du temps, recouvre normalement plusieurs fonctions différentes, cha- cune d’elle exprimant la tendance, la variation saisonnière, la varia- tion cyclique et un mouvement irrégulier. L’importance relative de ces fonctions dépend du produit et du marché. Pour le produit considéré, on écrit alors les ventes Y selon le produit des fonctions suivantes : Y = T · S · C · I avec T incidence due à la tendance, S variation saisonnière, C variation cyclique, I variation irrégulière qu’on appelle parfois résidu et dont on ne peut pas toujours estimer la cause. I La tendance est le mouvement à long terme de la série chrono- logique (se rappeler, par exemple, qu’en économie on différencie l’évolution tendancielle du PIB, produit intérieur brut, sur laquelle se superpose celle due à la conjoncture). I La variation saisonnière est caractéristique de certains produits (engrais, skis...). I La variation cyclique exprime des mouvements qui durent plus d’un an et sont souvent liés à des facteurs économiques ou politi- ques. Les produits commercialisés par l’entreprise peuvent subir l’inﬂuence de cycles d’expansion et de récession, dus par exemple à des phénomènes de sur- et sous-capacité successifs ou aux tendan- ces conjoncturelles de l’économie ou d’un secteur économique. I Les variations irrégulières sont des phénomènes erratiques pro- voqués par des circonstances inhabituelles telles que des conditions climatiques sévères (sécheresse), des grèves, des changements majeurs dans les produits. Elles sont parfois identiﬁables ; dans ce cas, elles peuvent être enlevées pour effectuer des prévisions. Il peut être utile de séparer la composante « variation irrégulière » en : — actions spéciales : ce sont des actions particulières identifiées qui ont perturbé la série ; elles sont nombreuses dans l’automobile (grève des préfectures, incitations à la dépollution...) ; — bruit : si la décomposition est bien effectuée, cette composante est de moyenne nulle et réellement aléatoire. Identiﬁer et quantiﬁer les actions spéciales est un travail fonda- mental pour la décomposition d’une série et sa prévision. Figure 1 – Courbe d’extrapolation n1 n2 n3 + + 3 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - n2 n3 n4 + + 3 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - ________________________________________________________________________________________________________________ PRÉVISION DES VENTES Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. © Techniques de l’Ingénieur, traité L’entreprise industrielle A 4 076 − 3 1.2.2 Estimation des composantes Lors de la décomposition des données historiques, il faut esti- mer les différentes composantes. 1.2.2.1 Estimation de la tendance I Pour la tendance, on peut employer la méthode de régression en recherchant par exemple une droite de la forme : Yt = A + Bt Yt étant la tendance et t le temps. Par exemple, IBM a trouvé pour l’ensemble de ses ventes une tendance linéaire dans la période 1975-90. Cela exprime une pro- gression moins rapide que celle du produit national. En analysant le passé, on pourra voir que la tendance n’est pas réellement linéaire. On cherchera alors une équation plus repré- sentative, par exemple : Yt = A + B1t + B2t 2 Il n’y a pas de règle générale applicable selon le type de produits (produits de grande consommation ou produits industriels). En revanche, des études effectuées sur des produits proches de ceux de l’entreprise peuvent aider à trouver ce type de fonction. Quand on aura déﬁni une telle fonction, on emploiera une méthode de régression multiple grâce à l’ordinateur. Une équation de type Yc = α β t exprime une tendance exponentielle représentant une variation selon un pourcentage constant par an. Par exemple, les ventes de l’entreprise progressant de 5 % par an sont représentées par une telle fonction. On écrit alors : lg Yc = A + Bt avec A lg α, B lg β. I Cette dernière équation linéaire peut être déterminée par la méthode de régression, mais il existe aussi une méthode simple de ﬁltrage de la composante saisonnière par moyenne mobile centrée. Par exemple, pour une série trimestrielle, remplace Yt par la moyenne mobile centrée d’ordre 4 : 1.2.2.2 Estimation de la variation saisonnière uploads/Marketing/ 3-prevision-des-ventes.pdf