Prévoir la demande en distribution alimentaireForecasting demand in food distributionCommander juste, pour moins de pertes et moins de ruptures.Ordering right, for less waste and fewer stockouts.

Le contexteThe context

Le client approvisionne des épiceries, des restaurants et des établissements institutionnels partout au Québec. Une grande part de ses produits sont frais ou périssables, ce qui rend chaque erreur de prévision coûteuse.

The client supplies grocery stores, restaurants and institutions across Quebec. A large share of its products are fresh or perishable, which makes every forecasting error costly.

Les acheteurs s’appuyaient sur leur expertise et sur des historiques extraits du progiciel de gestion. Les effets des saisons, des promotions et de la météo étaient difficiles à prendre en compte de façon systématique.

Buyers relied on their expertise and on history extracted from the ERP system. The effects of seasons, promotions and weather were hard to take into account systematically.

Les enjeuxThe challenges

• Les produits périssables laissaient très peu de marge d’erreur.Perishable products left very little room for error.
• Les historiques de ventes comportaient des ruptures qui masquaient la demande réelle.Sales history contained stockouts that masked actual demand.
• Les données externes comme la météo et les promotions n’étaient pas intégrées.External data such as weather and promotions was not integrated.
• Les acheteurs devaient faire confiance aux prévisions pour les utiliser.Buyers needed to trust the forecasts in order to use them.

Notre démarcheOur approach

1. 01

   Cadrage métierBusiness scoping

   Nous avons ciblé avec les acheteurs les familles de produits et les décisions où une meilleure prévision aurait le plus d’effet.

   With buyers, we targeted the product families and decisions where better forecasting would have the greatest effect.

2. 02

   Conception des donnéesData design

   Nous avons acquis et nettoyé les historiques de ventes, puis intégré des sources externes comme la météo et le calendrier promotionnel.

   We acquired and cleaned sales history, then integrated external sources such as weather and the promotional calendar.

3. 03

   Réalisation des modèlesModel delivery

   Nous avons entraîné et comparé plusieurs modèles, puis industrialisé le meilleur dans la plateforme de données du client.

   We trained and compared several models, then industrialized the best one in the client’s data platform.

4. 04

   Adoption par les acheteursBuyer adoption

   Nous avons intégré les prévisions à leurs outils de travail et ajusté les modèles à partir de leurs retours.

   We embedded the forecasts in buyers’ working tools and refined the models based on their feedback.

La solutionThe solution

Les résultatsThe results

1. Les acheteurs disposent d’une prévision de référence pour chaque produit suivi.Buyers have a baseline forecast for every tracked product.
2. Les pertes de produits frais et les ruptures sont mieux maîtrisées.Fresh product waste and stockouts are better controlled.
3. Les effets des promotions et des saisons sont pris en compte de façon systématique.The effects of promotions and seasons are taken into account systematically.
4. L’expertise des acheteurs se concentre sur les cas qui demandent vraiment leur jugement.Buyers focus their expertise on the cases that truly require their judgment.

Ce que nous retenonsWhat we take away

Un modèle de prévision ne remplace pas l’acheteur : il lui donne un point de départ fiable. C’est cette complémentarité qui assure l’adoption.

A forecasting model does not replace the buyer: it gives them a reliable starting point. That complementarity is what drives adoption.

Expertises et offresExpertise and offers

Ce projet s’appuie sur les expertises et les offres suivantes.

This project draws on the following expertise and offers.

ExpertisesExpertise

OffresOffers

Tous les projetsAll projects #Innovation