L’estimation de la demande agrégée plusieurs mois à l'avance est une pratique courante, mais il est quasiment impossible de prévoir avec précision les commandes des clients sur plusieurs semaines sans recourir à des méthodes avancées de science des données. L'application Demand Sensing d’e2open utilise l'automatisation et la technologie d'apprentissage automatique pour analyser les données de la chaîne d'approvisionnement en temps réel, déterminer l'influence de plusieurs signaux de demande et établir une prévision quotidienne précise pour chaque article, à chaque endroit.
Traditional techniques were developed decades ago when distribution channels were few and history was the best predictor of the future demand. Such techniques are inadequate for near-term forecasting in today’s more complex environment, which presents a number of obstacles:
- Volatilité induite par l'évolution rapide des préférences des consommateurs et du climat social
- Accélération du rythme d'introduction de nouveaux produits et prolifération des articles qui en résulte
- Programmes de marketing plus variés qui influencent le comportement des consommateurs
- Stratégies de type omnicanal qui bousculent la distribution traditionnelle et limitent l'utilité de l'historique des commandes
