Une mesure quantitative utilisée pour évaluer la performance, la fiabilité ou l'adéquation d'une prévision ou d'un système de prévision.

Principe

Choisir des indicateurs qui reflètent les priorités métier (précision, biais, calibration, ponctualité, coût) et qui sont robustes aux caractéristiques des données et aux conséquences décisionnelles.

Démonstration

L'équipe chaîne d'approvisionnement suit le MAPE au niveau SKU pour mesurer la précision, le biais pour détecter les sous/ sur-estimations systématiques, et la couverture de prévision pour s'assurer que les stocks de sécurité correspondent aux niveaux de service souhaités.

Mauvaise application

Optimiser uniquement un indicateur (par ex. minimiser le RMSE) sans tenir compte de l'impact métier peut produire des modèles statistiquement meilleurs mais opérationnellement nuisibles (ruptures ou surstock augmentés).

Conséquence

Des indicateurs appropriés permettent une sélection objective des modèles, des objectifs d'amélioration clairs et l'alignement entre le travail technique et les résultats opérationnels.

Inversion

Ne pas utiliser d'indicateurs cohérents aboutit à une évaluation subjective des modèles, un recours fréquent à de nouveaux modèles et des difficultés à démontrer l'amélioration dans le temps.

Limite

S'applique aux mesures des sorties de prévision et des systèmes mais exclut les statistiques purement descriptives sans lien avec la qualité décisionnelle de la prévision (par ex. volume brut de données).

Tension sémantique

Souvent confondu avec des statistiques de validation de modèle ; les indicateurs de prévision intègrent le contexte décisionnel et la fonction de coût métier, pas seulement l'ajustement statistique.

Synthèse

Un Indicateur de Prévision est un repère quantitatif choisi pour relier le comportement statistique d'une prévision à des critères métier pertinents, orientant le choix du modèle et son usage opérationnel.