Optimisation prédictive pour l'après-vente automobile
Avec des véhicules qui durent plus longtemps que jamais, les clients ont des attentes de plus en plus élevées quant à la capacité de leurs véhicules à rester opérationnels en permanence. Les jours de retard en attendant une pièce pendant que le véhicule est immobilisé pour une opération d'entretien de routine ne sont plus considérés comme acceptables. Pourtant, les solutions logicielles d'optimisation des pièces de rechange existent depuis des décennies. Lokad a fait une percée en transformant une simple observation en décisions d'inventaire exploitables : dans l'après-vente automobile, le consommateur final n'est pas la personne qui achète la pièce, mais le véhicule qui en a besoin. Notre technologie permet d'optimiser les assortiments de pièces, les prix des pièces et les stocks de pièces, des sites de production des équipementiers d'origine jusqu'aux garages, en tenant compte de chaque échelon intermédiaire.
Le groupe Tokić est le plus grand détaillant de pièces de rechange automobiles de plus de 300 marques automobiles reconnues dans le monde entier, ainsi que d'équipements supplémentaires pour l'industrie automobile. Grâce à son réseau de vente de plus de 140 points de vente en Croatie et en Slovénie, Tokić propose plus de 300 000 pièces différentes.
En termes d'approvisionnement, de réapprovisionnement et de gestion des stocks, notre partenaire Lokad s'est révélé révolutionnaire. Nous avons atteint des niveaux d'efficacité opérationnelle sans précédent grâce à leur équipe hautement qualifiée de data scientists et à leur puissant logiciel prédictif basé sur l'apprentissage automatique. Le groupe Tokić a réduit ses investissements en stocks tout en augmentant ses revenus et en améliorant la qualité de service. Seules ces avancées technologiques peuvent aider les entreprises à croître de manière durable en transformant les obstacles en opportunités.
Ivan Šantorić, PDG, groupe Tokić
Étude de cas
Mister Auto est une entreprise de commerce électronique spécialisée dans les pièces automobiles. Créée en 2007 et faisant partie du groupe PSA depuis 2015, elle dispose d'un catalogue de plus de 200 000 références et opère dans 20 pays. Elle est désormais le premier revendeur de pièces automobiles en Europe.
Nous utilisons Lokad quotidiennement depuis plus de 2 ans pour calculer nos prix de vente. C'est vraiment une solution sur mesure, notamment compte tenu des 20 pays dans lesquels nous opérons. Ce choix technologique nous a vraiment aidés à améliorer notre capacité à générer de la valeur grâce à notre tarification, grâce aux modèles algorithmiques de Lokad basés sur le Big Data. En plus d'être très puissante, la solution de Lokad nous offre rapidité et réactivité, deux éléments devenus essentiels pour tout commerce électronique.
Mathieu Pajot, Directeur Commercial et de la Tarification, Mister Auto
Réduction du temps d'arrêt par dollar
D'un point de vue opérationnel, l'objectif de l'après-vente automobile est de réduire autant que possible le temps d'arrêt pour chaque dollar ou euro investi dans ses chaînes d'approvisionnement. Cet objectif est simple, et pourtant, il est largement en contradiction avec la façon dont les logiciels d'entreprise classiques sont conçus.
Les niveaux de service, les stocks de sécurité ou l’analyse ABC - en plus d’être des approches obsolètes de la supply chain - passent simplement à côté du sujet.
La technologie d’optimisation prédictive de Lokad aborde chaque décision individuelle dans toute la chaîne, des sites de production des équipementiers automobiles jusqu’à l’endroit où la pièce est montée sur le véhicule, en se concentrant quantitativement sur cet objectif final.
L’optimisation commence au niveau de l’équipementier automobile. L’équipementier décide quotidiennement des matières premières ou des sous-pièces à acheter. Il décide également des quantités à produire en fonction des stocks disponibles. La production doit prendre en compte divers canaux, ce qui inclut la production de nouvelles voitures mais aussi l’entretien des anciennes.
L’optimisation se poursuit au niveau du distributeur ou du grossiste. Les pièces doivent être efficacement réparties sur de nombreux sites géographiques. Cette allocation des stocks doit non seulement atteindre le plus haut niveau de qualité de service possible, mais aussi minimiser les coûts opérationnels, ce qui peut impliquer, par exemple, des quantités minimales de commande (MOQ).
Enfin, au niveau de la vente au détail, les pièces doivent être facilement disponibles pour pouvoir servir les véhicules. Comme une panne peut nécessiter l’intervention de plusieurs pièces, la disponibilité des pièces ne doit pas être confondue avec la résolution d’une panne. À l’inverse, l’absence d’une pièce peut ne pas poser de problème si un substitut compatible est disponible.
La matrice de compatibilité pièce-véhicule
Pour chaque véhicule en panne, il existe généralement des dizaines de pièces qui sont mécaniquement compatibles et qui peuvent donc être utilisées pour résoudre le problème.
Cet aspect est fondamental dans l’après-vente automobile et, par conséquent, Lokad a conçu sa technologie de chaîne d’approvisionnement pour faire de cette perspective une priorité, où l’optimisation numérique que nous proposons intègre cette perspective au lieu de la négliger.
Le marché automobile européen compte plus de 100 000 véhicules distincts et plus de 1 000 000 de pièces distinctes. Le marché automobile nord-américain présente une complexité similaire. Plusieurs entreprises commercialisent des bases de données exhaustives qui recensent toutes les (in)compatibilités mécaniques existant entre ces véhicules et ces pièces. Ces informations sont essentielles pour comprendre la structure fine de la demande, qui n’est pas reflétée par le volume de ventes historique d’une pièce donnée. Cependant, ces bases de données sont volumineuses - environ 100 millions de lignes - et difficiles à manipuler. Les bases de données ne se prêtent pas à l’analyse classique des séries temporelles.
Lokad a conçu plusieurs modèles orientés graphes - la matrice de compatibilité pièce-véhicule peut également être considérée comme un graphe biparti - qui offrent une modélisation prédictive supérieure de la demande en se concentrant sur l’unité de besoin, plutôt que de mettre trop l’accent sur le numéro de pièce spécifique disponible à un moment donné.
À leur tour, l’exploitation de ces modèles permet de prendre des décisions supérieures en matière d’achats, de production, d’allocation des stocks ou de tarification.
Bridgestone est la plus grande entreprise de pneus et de caoutchouc au monde. Elle exploite une chaîne d'approvisionnement transnationale à plusieurs échelons extrêmement complexe qui implique des centaines de sites.
Avant que nous ne commencions le projet, avant que je n'arrive, la croyance principale était que nous avions besoin d'avoir la quantité maximale de stock aussi proche que possible du marché, aussi proche que possible du bus, comme nous l'appelons. Cependant, dès que vous commencez cette optimisation multi-échelons [Lokad], vous réalisez que ce n'est en réalité pas vrai, vous devez avoir une plus grande partie du stock dans les usines de fabrication [...] en effet, si vous avez un marché qui a besoin de temps supplémentaire, il y aura toujours des pneus disponibles.
Nicolas Vandeput, expert en supply chain soutenant Bridgestone
Le trilemme : capital, prix et service
L’optimisation de la chaîne d’approvisionnement après-vente fait face à trois facteurs généraux qui influencent fortement sa chaîne d’approvisionnement. Des stocks plus élevés offrent la possibilité de productions et d’expéditions par lots, ce qui réduit les coûts. Ces stocks améliorent également la qualité de service. Cependant, plus de stocks signifient des besoins en fonds de roulement plus importants et des risques de dépréciation des stocks globaux. Des prix plus élevés améliorent naturellement les marges, mais au risque de faire face à une érosion constante des parts de marché, ce qui n’est pas durable. Une meilleure qualité de service est appréciée par les clients, mais cela se traduit généralement par des stocks plus importants qui sont généralement situés à la périphérie du réseau de la chaîne d’approvisionnement, là où le coût de relocalisation est le plus élevé.
Lokad propose une optimisation prédictive de bout en bout de la chaîne d’approvisionnement qui prend en compte tous les facteurs économiques pertinents. Certains de ces facteurs sont assez simples, comme les coûts de possession des stocks, tandis que d’autres sont plus subtils, comme le risque de perdre un client au profit d’un concurrent en raison d’un mauvais service répété.
Notre technologie est conçue pour faciliter l’intégration de plusieurs facteurs contradictoires spécifiques qui influent sur ce qui peut être considéré comme une décision supérieure en matière de chaîne d’approvisionnement pour votre entreprise. Lokad ne repose pas sur des hypothèses prédéfinies concernant votre stratégie commerciale ; au contraire, elle offre la flexibilité de refléter avec précision la stratégie.
De plus, de nombreuses contraintes non linéaires doivent être prises en compte : le débit de production maximal quotidien, les quantités minimales de commande (MOQ), la capacité de stockage maximale de chaque site, la capacité de transport maximale d'un seul camion, les formats de conditionnement (boîtes, palettes, etc.), …
La technologie de Lokad a été conçue pour être capable de respecter diverses contraintes non linéaires, afin de garantir que les décisions optimisées puissent être exécutées sans difficulté supplémentaire. Contrairement aux solutions logicielles classiques, nous n'attendons pas des professionnels de la chaîne d'approvisionnement qu'ils traitent manuellement chaque chiffre que nous produisons.
AUTODOC est le principal détaillant en ligne de pièces automobiles en Europe. En tant qu'entreprise à la croissance la plus rapide de ce secteur, avec une croissance du chiffre d'affaires de 37,6 % au cours de l'exercice 2020 pour atteindre environ 842 millions d'euros (contre 612 millions d'euros en 2019), AUTODOC vise à renforcer sa position. Grâce à son expansion réussie, AUTODOC opère désormais dans 26 autres pays européens en plus de l'Allemagne.
Lokad s'est révélé être un partenaire fiable pour Autodoc depuis que nous avons commencé à travailler ensemble en 2018. Les scientifiques de la chaîne d'approvisionnement de Lokad s'adaptent à notre complexité spécifique de la chaîne d'approvisionnement avec une variété d'optimisations personnalisées. Autodoc a connu une croissance significative, devenant le principal acteur du marché européen des pièces automobiles en ligne, et nous sommes heureux de pouvoir compter sur des partenaires prêts à évoluer avec nous.
Stefan Micklich, Vice-président des achats
Autodoc AGRéseaux complexes à plusieurs échelons
L'industrie automobile est généralement considérée comme l'industrie des industries. Il n'y a pas d'autres industries qui rivalisent avec l'automobile en termes d'échelle industrielle. Par conséquent, la plupart des situations de marché secondaire impliquent plusieurs échelons - c'est-à-dire des couches de production, de stockage ou de distribution.
Dès lors que plusieurs échelons sont impliqués, évaluer le résultat final d’une décision donnée qui se trouve au “milieu” du réseau de la chaîne d’approvisionnement devient très difficile. Lokad a développé une technologie permettant d’évaluer les conséquences économiques à long terme de toute décision de chaîne d’approvisionnement. Par exemple, déplacer une pièce vers un emplacement dans le réseau signifie perdre l’opportunité de déplacer la même pièce ailleurs. Chaque décision a un coût d’opportunité par rapport aux décisions alternatives et contradictoires.
Cette technologie garantit que les performances de la chaîne d’approvisionnement du réseau dans son ensemble sont maximisées.
En revanche, la plupart des solutions logicielles classiques de chaîne d’approvisionnement adoptent une perspective locale, qui se concentre sur le taux de service ou le tampon de chaque SKU individuel, tout en négligeant complètement le reste de l’image. Notre expérience indique que ces approches simplistes, bien qu’elles soient faciles à mettre en œuvre d’un point de vue logiciel, ne sont pas satisfaisantes en termes de performances de la chaîne d’approvisionnement. En effet, ces solutions déplacent les problèmes plutôt que de les résoudre. Résoudre le problème nécessite d’aborder frontalement l’aspect multi-échelons du problème.