EURODECISION traite les problématiques de prévision par une approche quantitative. Nous nous appuyons sur les données des clients pour choisir la ou les méthodes de prévision adaptées parmi les différentes techniques existantes. Ces techniques quantitatives se décomposent en deux sous-familles : les méthodes endogènes, qui s’appuient sur la structure dans le passé du phénomène à prévoir, et les méthodes exogènes, qui utilisent l’influence de facteurs explicatifs extérieurs au phénomène étudié.
Les méthodes de prévision endogènes
Les méthodes de prévision endogènes, appelées aussi extrapolatives, sont utilisées lorsque l’étude de l’historique de la série donne suffisamment d’éléments sur sa structure pour construire un modèle de prévision performant. Ces méthodes reproduisent la structure du passé pour prévoir le futur. Il existe par exemple le lissage par moyenne mobile, le lissage exponentiel, la méthode de Holt-Winters, ou encore la méthode de Box et Jenkins ou ARMA (modèles autorégressifs et moyenne mobile).
La plupart de ces méthodes suppose que le phénomène à prévoir peut se décomposer en différents éléments :
- La tendance qui correspond à l’évolution de fond du phénomène.
- La saisonnalité qui représente les variations périodiques dépendant par exemple de la saison, du mois, de la semaine dans le mois, du jour dans la semaine.
- La part aléatoire qui regroupe les variations que l’on ne sait pas expliquer.
Ces méthodes de prévision endogènes sont très souvent utilisées pour les prévisions de ventes.
Exemple d’application de la méthode de prévision de Holt-Winters
Les méthodes de prévision exogènes
Les méthodes de prévision exogènes, dites aussi explicatives, sont utilisées lorsque :
- l’analyse montre que l’influence de facteurs exogènes explique les fluctuations de la série
- et qu’il est facile d’évaluer les valeurs de ces facteurs qui serviront pour estimer les valeurs futures de la série à prévoir.
Par exemple, les campagnes de promotion sont des facteurs explicatifs qui influent sur les ventes ; le nombre de mètres carrés, l’année de construction de l’immeuble et l’état général impactent le prix d’un appartement. La météo est un bon facteur explicatif de la vente de glace mais il ne sert à rien de l’utiliser dans un modèle pour une prévision à long terme car il faudrait alors deviner la météo.
Ces méthodes exogènes sélectionnent les facteurs explicatifs, apprennent leur influence sur l’historique et en déduisent les valeurs futures de la série.
Voici un exemple d’utilisation de la méthode la plus classique, la régression linéaire multiple, sur une série chronologique mesurant des ventes. On souhaite évaluer l’efficacité des actions de campagnes publicitaires ou des promotions, ou d’autres facteurs exogènes (la météo, l’indice des prix…).
L’hypothèse que nous allons tester est la suivante :
Où :
- yt est la série étudiée, c’est-à-dire ici les ventes d’un produit
- x(1,t),x(2,t),x(3,t) sont les facteurs explicatifs dont on pense qu’ils influencent yt..
- Il s’agit ici du temps, des dépenses en publicité et en promotions.
- b est une constante
- εt est l’écart entre la valeur théorique des ventes et sa valeur réelle : le résidu.
Nous pouvons déterminer les paramètres a1, a2, a3 et b par régression linéaire multiple. Voici une illustration du résultat.
Exemple d’application d’une méthode de prévision explicative sur une série chronologique de ventes
La régression linéaire est une méthode de prévision exogène très utilisée mais il est possible d’appliquer dans ce cas bon nombre de méthodes de machine learning.
