Demand forecasting supply chain

Contexte

Manufacturier de biens de consommation (CA 3Md€) avec 15 000 références produits vendues dans 30 pays via 50 000 points de vente. Les prévisions de ventes sont réalisées par les directeurs commerciaux régionaux sur Excel avec une précision de 60%. Les erreurs de prévision causent simultanément 25% de surstock (destructions, promotions forcées) et 8% de ruptures (ventes perdues).

Problème & Défi

Précision des prévisions de vente à 60% : erreur moyenne de 40% sur les volumes hebdomadaires. Surstock de 25% générant 50M€/an de destructions et promotions forcées. Ruptures de 8% causant 30M€/an de ventes perdues et des déréférencements distributeurs. Prévisions manuelles sur Excel : consolidation mensuelle par 30 responsables régionaux sans méthode commune. Effet bullwhip : les erreurs de prévision sont amplifiées tout au long de la supply chain.

Solution & Livrables

Modèle ML de demand forecasting multi-niveaux : par référence × point de vente × semaine avec agrégation automatique. 200+ features intégrées : historique ventes, saisonnalité, promotions, météo, événements, tendances Google. Précision portée à 88% (erreur <12%) avec intervalles de confiance pour le dimensionnement des stocks de sécurité. Simulation de scénarios : impact d'une promotion, lancement de produit ou rupture fournisseur. Dashboard S&OP unifié : prévisions, écarts, alertes, recommandations d'ajustement. L'équipe Bomzai reste pour opérer et garantir les SLA.

Technologies