Planification et analyse financières : comment anticiper la demande et créer de la valeur ajoutée ?

Comment prévoir votre chiffre d’affaires futur dans un monde qui change à un rythme inédit ? Quel impact l’inflation va-t-elle produire sur la demande des clients ? Dans quelle mesure une récession affecterait-elle la demande pour vos produits ? Quels investissements doivent être engagés aujourd’hui pour répondre à la demande demain ? Devriez-vous accroître la production dès à présent ou serait-il plus judicieux d’attendre ?

Ce sont autant de questions régulièrement posées par les leaders de la supply chain et de la finance, aux prises avec les réalités actuelles. Si vos prévisions de la demande se révèlent exactes, vous ferez des économies et accélèrerez la croissance de votre entreprise. En revanche, si ces prévisions ne se réalisent pas, la croissance pourrait stagner. Vous pourriez par conséquent subir des pertes financières et la position de votre entreprise pourrait être compromise.

Par le passé, les acteurs de la finance utilisaient des feuilles de calcul et se basaient sur leurs expériences antérieures pour estimer la demande du marché. Les services Supply chain se sont eux aussi appuyés sur les feuilles de calcul pour planifier le fonds de roulement et les coûts d’exploitation. Dans la pratique, ces organisations ont exploité différents ensembles de données. Par exemple, côté supply chain, on considérait souvent les volumes, tandis que les services Finance s’intéressaient à la trésorerie et à autres indicateurs financiers. Pourtant, elles avaient beau travailler à partir des mêmes feuilles de calcul, il y avait toujours des discordances.

Les feuilles de calcul : une méthode dépassée pour la prévision de la demande

Nous le savons, les problématiques macroéconomiques impactent la demande des consommateurs. Toutefois, il est difficile de savoir exactement quand, comment et où. Ainsi, avec l’inflation et la hausse des prix, les dépenses consacrées à certains domaines pourraient chuter. D’accord, mais quels domaines ? Comment prévoir la façon dont ces facteurs macroéconomiques impacteront la demande pour vos produits et orienter les décisions que vous devez prendre afin de maintenir un approvisionnement continu (tout en évitant l’excès) à l’heure actuelle et pour les années à venir ?

L’anticipation de la demande est l’une des réponses à cette question. Mais les solutions développées jusqu’à présent ont tendance à se concentrer sur le court terme, ce qui limite les prévisions à long terme nécessaires à la durabilité et à la croissance. En outre, la demande étant bien plus instable aujourd’hui qu’elle ne l’a été ces dernières décennies, il est difficile de savoir ce qu’il faut produire, et bien qu’il existe des rapports sur les tendances de marché, il n’est pas certain qu’ils s’appliquent concrètement à des clients spécifiques.

En résumé, les CSCO et les CFO veulent prendre des décisions fondées sur les données, mais ils se heurtent à certains obstacles.

Prenons un exemple : une entreprise de matériaux de construction a vu sa demande pour les tuiles qu’elle fabrique grimper en flèche au début de la pandémie. Depuis, cette demande n’a cessé d’augmenter. Elle a néanmoins dû faire face à des contraintes liées à l’approvisionnement d’asphalte, élément essentiel à la fabrication de ses tuiles. Malgré une demande élevée, comment identifier alors les facteurs macroéconomiques susceptibles de l’influencer, à cette période et dans un avenir plus éloigné ? Jusqu’alors, les solutions de contournement proposées par les responsables n’ayant pas donné satisfaction, l’entreprise avait bien conscience qu’il lui fallait trouver une alternative.

Avec la solution Demand Modeler de Coupa, elle est parvenue à établir un modèle de prévision sur 10 ans, examinant tous les éléments clés, des taux hypothécaires aux dépenses des consommateurs, en passant par la croissance démographique, le PIB par habitant, le niveau de chômage, les ventes de maisons existantes, etc. En intégrant l’ensemble de ces facteurs à un modèle de machine learning, l’entreprise a obtenu les informations dont elle avait besoin pour commencer à planifier des stratégies d’investissements destinés à de nouvelles usines de production. Elle a également bénéficié d’insights pour tirer parti des baisses de prix des matières premières et de l’utilisation de tuiles préfabriquées pour optimiser sa production.

L’importance de prévisions précises et opportunes

La prévision de la demande est un domaine dans lequel CFO et CSCO sont de plus en plus amenés à collaborer étroitement pour répondre à la demande et atteindre les objectifs financiers. Les actions de ces deux fonctions ont un impact mutuel et peuvent aussi bien générer de la croissance que mettre l’entreprise en péril.

Dans ce contexte, quels effets peut donc produire une meilleure prévision de la demande ?

Elle peut tout d’abord vous aider à déterminer si votre positionnement vous permet de saisir les opportunités existantes, à mettre en œuvre une supply chain résiliente et à assurer la continuité de vos activités. En vous appuyant sur une vision claire de la demande à long terme et sur des insights basés sur les données, vous avez la garantie qu’aucun de vos investissements dans la production future n’empiètera sur les bénéfices que vous réalisez dans d’autres domaines.

Ensuite, elle vous conforte dans votre prise de décisions et vous empêche de faire certains choix potentiellement préjudiciables. Vous êtes en mesure de mettre en place une pièce stratégique du puzzle, habituellement manquante, et de sécuriser l’avenir de votre entreprise.

Le machine learning au service de la prévision de la demande pour une meilleure planification de la supply chain

Voici ce que la prévision de la demande, associée à l’analyse intelligente des marchés, peut vous apporter :

1. Gain de visibilité pour améliorer la prise de décisions à long terme. Bien que la feuille de calcul soit un outil « rétro » très apprécié, son analyse pour la validation, le prétraitement et la saisie des données, l’exécution d’algorithmes, etc., reste onéreuse et chronophage. De plus, les modèles de données évoluent et comme dans tout processus humain, il est possible de passer à côté de ces changements. C’est là que le machine learning entre en jeu. Les prévisions basées sur le machine learning peuvent vous faire gagner beaucoup de temps et d’argent en vous épargnant une grande partie de la gestion et du traitement manuels des données. 
2. Des insights sur mesure. Toutes les tendances macroéconomiques n’impactent pas de la même manière chaque entreprise d’un secteur spécifique. Avec Demand Modeler, vous obtenez des données qui concernent spécifiquement votre entreprise et qui, combinées aux tendances macroéconomiques et aux analyses historiques, réduisent les incertitudes liées à la prise en compte de ces tendances et prévisions dans vos propres projections. 
3. Après les prévisions, place au design de la supply chain. Même les meilleures prévisions ne suffiront pas si elles ne sont pas associées à un processus de design de supply chain solide qui s’intègre à l’ensemble des applications et processus que vous utilisez déjà.

Coupa Demand Modeler, pour aligner la planification et l’analyse financières et les prévisions de la supply chain

La solution conviviale de Coupa vous fait gagner du temps et améliore la prévision de la demande à court terme comme à long terme. Elle renforce les services Supply chain et Finance grâce à des informations qui améliorent leur prise de décisions.