Prévision par machine learning avec promotions, prix, ruptures de stock et inventaire

Une étude de cas de SupChains décrit un modèle de prévision à 18 mois développé pour Animalcare Group à partir des prix, promotions, stocks, ventes en sortie et autres signaux commerciaux. Le projet annonce une réduction de 19 % de l’erreur par rapport à une référence statistique.

La leçon opérationnelle est que la performance de la prévision de la demande dépend d’historiques gouvernés, d’une responsabilité claire sur la qualité des données et d’une validation indépendante du benchmark. Le résultat doit rester présenté comme propre à ce projet.