Modèles prédictifs de l'état final des devis de vente dans une grande entreprise de télécommunications

La prévision de vente est un enjeu fondamental dans le domaine des hautes technologies. Ce dernier fait face à de nombreuses difficultés à cause du court cycle de vie de ses produits et de la forte concurrence. Ce mémoire présente une étude sur la possibilité d'utiliser le cycle de vie des devis pour améliorer les prévisions des ventes à court et moyen terme dans une entreprise de télécommunication. La gestion des devis est devenue un élément stratégique pour l'entreprise, car elle lui permet de limiter les surstocks liés aux déséquilibres entre les délais de production et de livraison. Les devis sont aujourd'hui gérés par un processus manuel. Ils sont évalués en les intégrant dans un processus de prévision long terme et ainsi prédire la demande réelle au sein d'un trimestre de vente. Cette étape est aujourd'hui une limitation dans le processus de prévisions de l'entreprise. La problématique soulevée a été la prédiction de l'état final des devis de l'entreprise. Pour cette étude, nous avons exploité les données de leur évolution sur 18 mois. Les analyses préliminaires ont déterminé qu'il existait différents types de clients et de devis. La création de modèles prévisionnels spécifiques à chaque client apparaissait donc envisageable. Nous avons donc développé deux modèles sur R : l'un basé sur des arbres de décisions et l'autre sur les forêts aléatoires. Les modèles ont été validés par un processus de validation croisée. L'exploitation de leurs résultats sur cinq clients a montré que la fiabilité des prédictions de vente dépendait du type de client. En fonction de celui-ci, l'erreur sur la justesse varie entre 10 % à 30 % et les scores F1 pour la classe « ANNULÉ » atteignent des valeurs entre 60 % et 80 %. La prédiction de l'évolution de l'état final des devis est donc possible pour une partie des clients. Cette démarche donne d'ailleurs des résultats prometteurs dans la prédiction de la vente, mais reste sujette à analyse dans celle d'éventuel retard dans la signature de la commande de vente. Nous démontrons ainsi que les données disponibles sur les devis devraient permettre à l'entreprise d'améliorer ses prévisions de ventes et ainsi réduire les surstocks. Toutefois, des analyses approfondies sont nécessaires pour comprendre en détail le processus de gestion de devis et proposer des mécanismes permettant de réduire la marge d'erreur pour les clients dont les prévisions sont les moins précises.

Abstract

In the high-tech sector, sales forecasting is an essential element. This hyper-competitive sector experiences rapid product renewal. The management of quotes is strategic for the company because it allows limiting, upstream of the orders, the overstocks linked to the production and delivery delays. This thesis presents a study on the possibility of improving short- and medium-term sales forecasts in a telecommunication company based on the quote life cycle. Currently, in this company, quotes are managed by a manual process. To estimate the demand for a sales quarter, they are analyzed by the salespeople and then by a regulator, also considering a long-term forecast. This step has become a limitation in the forecasting process. The problematic raised was the anticipation of the final state of the quotes. For this study, we exploited data on the evolution of the company's quotes over 18 months. Preliminary analyses determined that there were several types of customers and quotes. The creation of specific forecasting models for each customer appeared feasible. We therefore developed two models in R. The first one is based on decision trees and the second on random forests. The models were validated by a cross-validation process. The exploitation of their results on the five main buyers showed that the reliability of the sales predictions depended on the type of customer. Depending on the type of customer, the predictions varied from 10% to 30% error on accuracy and F1 scores for the "CANCELLED" class between 60% and 80%. The prediction of the final evolution of the quotes is thus possible for a part of the customers. It gives promising results in the prediction of sales but remains to be deepened for that of possible delays in the signature of orders. We demonstrate that the data available on the quotes should allow the company to improve its sales forecasts and thus reduce the overstocks. Further analysis is needed to refine the understanding of the quote management process and to propose models to reduce the margin of error for customers with the least accurate forecasts.