Alki : améliorer la précision d'une prévision logistique déjà excellente (J+28)
Challenger un pipeline de prévision des flux d'entrepôt (colis entrants/sortants) à J+28. Sur une précision déjà très élevée (93,4%), une approche alternative a atteint 94,1%.
La situation
Alki construit des solutions de prévision appliquées à des flux logistiques. Sur ce projet, le sujet était très concret : prévoir, à la maille jour, les flux de colis entrants et sortants en entrepôt, avec un horizon de 28 jours.
Leur pipeline était déjà très performant. Justement, c'est ce qui rend la mission intéressante : à ce niveau, le vrai sujet n'est pas de "faire un modèle différent". C'est de gagner encore un peu de précision, proprement, sans dégrader la robustesse.
L'objectif
- Challenger un pipeline existant dans les mêmes conditions
- Développer une approche alternative
- Mesurer un gain réel et exploitable
- Décider si cette approche est meilleure ou complémentaire
Pourquoi quelques dixièmes comptent
Dans ce type d'usage, la prévision est convertie directement en décisions opérationnelles : dimensionnement, organisation, capacité, et au final en ETP.
Même un gain apparemment petit (de l'ordre de 0,5 point de précision) peut représenter énormément pour les clients, parce qu'il réduit les erreurs de planification à grande échelle.
Le résultat
- Pipeline Alki : 93,4% de précision
- Approche alternative : 94,1% de précision
Le gain est mesurable sur le même horizon (J+28) et sur la même maille (jour), et c'est exactement le type de delta qui a de la valeur quand on transforme une prévision en ressources humaines et en capacité.
Livraison
POC livré en quelques semaines, avec une conclusion actionnable : le gain est réel et peut être utilisé comme amélioration ou brique complémentaire selon la stratégie produit.