Prévision de la demande

Qu'est-ce que la prévision de la demande ?

• La prévision de la demande consiste à établir une projection de la demande des clients (et donc des revenus futurs). Plus spécifiquement, elle projette l'assortiment de produits que les consommateurs vont acheter, en s'appuyant sur des données quantitatives et qualitatives.
• Les détaillants sont confrontés à un problème qui se chiffre en milliards de dollars : l'indisponibilité des produits au moment où les consommateurs les réclament. Quand la prévision de la demande est défaillante, les entreprises ne mettent pas les bons produits en rayon ou, pire encore, subissent des ruptures de stock en boutique.

En quoi le Lakehouse for Retail facilite-t-il la prévision de la demande ?

• Le Lakehouse for Retail permet d'accéder aux données en temps réel. En abandonnant l'approche batch de l'accès, de l'analyse et du calcul, les données deviennent constamment disponibles. Résultat : des décisions et de la business intelligence en temps réel. Le lakehouse utilise des technologies comme Delta, les Delta Live Tables, Autoloader et Photon. Elles permettent aux organisations de rendre les données disponibles pour la prise de décision en temps réel
• Le Lakehouse for Retail prend en charge les jobs les plus volumineux en quasi temps réel. Par exemple, des clients importent près de 400 millions d'événements par jour depuis des systèmes de journaux transactionnels, à des intervalles de 15 secondes. En raison des perturbations qui touchent les rapports et l'analyse pendant le traitement des données, la plupart des clients du secteur du retail chargent leurs données dans leur data warehouse pendant la nuit. Certaines entreprises chargent même les données à un rythme hebdomadaire ou mensuel.
• Une architecture en lakehouse fournit une méthode plus simple que les approches traditionnelles – l'architecture Lambda, notamment – pour importer et traiter les données en batch et en streaming. L'architecture gère la capture des données de modification et assure la conformité ACID des transactions.
• Les Delta Live Tables simplifient la création de pipelines de données et créent automatiquement le lineage pour faciliter la gestion en continu.
• Le lakehouse permet d'importer des flux de données en temps réel et de les analyser. Les data warehouses nécessitent des opérations d'extraction, de transformation et de chargement, puis une nouvelle extraction pour effectuer des travaux analytiques.
• Photon délivre des performances exceptionnelles pour les requêtes, ce qui permet aux utilisateurs d'interroger les plus grands ensembles de données afin d'alimenter la prise de décisions en temps réel dans les outils de BI.

Quelles sont les sources de données de la prévision de la demande ?

• La prévision de la demande fait partie intégrante de la fourniture de produits aux consommateurs. Pour acheminer des produits aux consommateurs, les détaillants doivent collaborer avec les fabricants dans le cadre des processus opérationnels et des cas d'usage : planification des ventes et des opérations (S&OP), optimisation de la chaîne d'approvisionnement, contrôle et optimisation de l'inventaire et planification de la production. Les données qui alimentent les modèles de prévision de la demande sont issues de plusieurs sources :
  • Point de vente : les transactions de vente, sous la forme de données structurées en temps réel
  • Historique de la demande : l'historique de la demande peut être hébergé dans les systèmes de planification des ressources de l'entreprise (SAP) et il est généralement structuré en batch
  • Données externes : les flux sociaux, les actualités et les informations sur la concurrence se présentent le plus souvent dans des formats non structurés en temps réel
  • Flux de clics : données semi-structurées en temps réel
  • Données externes : même la météo peut être un facteur déterminant dans la demande (pensez à l'impact d'une tempête, par exemple)