Gérer les stocks d’un supermarché n’est pas chose aisée. Il est important de pouvoir, dans la mesure du possible, prévoir la demande pour les produits afin de garantir un approvisionnement optimal de la part de sa centrale d’achat.
Comment donc anticiper la demande afin de correctement définir ses stocks de sûreté et d’alerte ?
La méthode des coefficients saisonniers
Cette méthode très versatile vous permettra, dépendant de la précision avec laquelle vous l’appliquez, de déceler les tendances de la demande pour les produits au niveau journalier, hebdomadaire et par extension saisonnier au sens large du terme.
La méthode comporte 4 étapes :
- Définir la « saison »
À savoir, voulez-vous analyser la demande par jour de la semaine ? Par mois de l’année… ? Autrement dit, par exemple, vous voulez tenter de prédire le niveau général de la demande pour le lundi, le mardi, mercredi, jeudi, samedi, dimanche
- Calculer la moyenne de demande par unité
Si vous choisissez les jours de la semaine comme unité, vous devez prendre le maximum de jours pour lequel vous avez des données de demande, les sommer et ensuite diviser par le nombre de jours. Cela vous donnera la demande moyenne par jour.
- Calculer la demande moyenne par saison
Vous devez maintenant calculer la moyenne de chaque saison. Si vous voulez différencier les jours de semaine, il vous faudra calculer la moyenne de tous les lundis, mardis, mercredi, …
- Calculer les coefficients saisonniers
Vous allez maintenant diviser la moyenne pour chaque jour de la semaine par la moyenne par jour. Cela vous donnera ce qu’on appelle des « coefficients saisonniers »
Par exemple, si vous obtenez 1.1 pour lundi et 2.3 pour le vendredi, vous saurez que le vendredi il y a une plus grande demande que les lundis.
Si nous partons d’une quantité de produits Belle France vendue moyenne par jour de 50, le lundi on prévoira un stock d’au moins 50 x 1.1 = 55 et le vendredi de 115. Si le coefficient est de 0.7 pour mercredi, le stock nécessaire est de 35. Appliquée au niveau des stock périssables, ce type d’analyse peut être très puissant.
Le calcul peut également se prêter aux mois de l’année et se combiner aux coefficients par jour de la semaine. Nous aurons donc des coefficients journaliers et mensuels.
Par exemple, imaginons que pour certains produits chocolatés Belle France le coefficient mensuel pour décembre soit de 3 et le journalier (lundi) soit de 2 et la demande moyenne journalière de 10.
Pour un lundi de décembre, nous aurons donc le stock prédit en prenant en compte le jour de la semaine de 2 x 10 = 20, auquel nous venons ajouter l’effet du mois de l’année 20 x 3 = 60.
Cette méthode vous aidera à déterminer de manière optimale le montant et la fréquence de vos commandes auprès de notre centrale d’achat.
Comment calculer le stock d’alerte ?
Le stock d’alerte est calculé en utilisant la formule suivante:
Stock d’alerte = (Demande moyenne x Délai d’approvisionnement) + (Facteur de service x Écart type de la demande x Racine carrée du délai d’approvisionnement)
Il sert à prévenir les ruptures de stock en tenant compte de la demande moyenne, de la variabilité de la demande et du délai d’approvisionnement.
La valorisation des invendus : une stratégie clé pour anticiper la demande
Une autre stratégie pour anticiper la demande dans les supermarchés est de se concentrer sur la valorisation des invendus. En effet, une grande partie du gaspillage alimentaire provient des produits qui ne sont pas vendus avant leur date de péremption. Pour lutter contre ce phénomène, les supermarchés peuvent mettre en place des stratégies pour valoriser ces produits et réduire le gaspillage.
Par exemple, ils peuvent créer des zones de discount pour les produits à date courte, faire don de leurs invendus à des associations caritatives, ou utiliser des applications comme Too Good To Go pour vendre leurs invendus à des prix réduits. Ces stratégies non seulement réduisent le gaspillage, mais permettent également aux supermarchés d’ajuster leurs stocks en fonction de la demande réelle et d’éviter les surstocks.
L’utilisation de la technologie de machine learning pour anticiper la demande
L’anticipation de la demande peut également être améliorée grâce à l’utilisation de la technologie de machine learning. Des outils comme BigQuery ML de Google Cloud permettent aux supermarchés de faire des prévisions de séries temporelles basées sur des modèles de moyenne mobile intégrée autorégressive (ARIMA).
Ces modèles peuvent capturer plusieurs tendances saisonnières et générer des milliers de prévisions à grande échelle avec seulement quelques lignes de SQL. De plus, ils peuvent s’adapter automatiquement aux changements dans les tendances de la demande, ce qui permet aux supermarchés de réagir rapidement aux événements imprévus, comme une pandémie