Comment construire une courbe de tailles et de coloris à partir des données de sell-out dans un tableur

Pour construire une courbe de tailles dans un tableur, rassemblez les unités vendues et les jours de disponibilité en stock par taille, nettoyez les périodes faussées, corrigez chaque taille de l'effet des ruptures, puis divisez la demande ajustée de chaque taille par le total. Le résultat est la répartition en pourcentage à appliquer à votre achat. La même logique vaut pour les coloris. La méthode est simple, mais la qualité de la courbe dépend des données que vous lui fournissez.

De quelles données avez-vous besoin ?

La méthode d'Inventory Planner part de données au niveau de la taille : unités vendues, niveaux de stock, taux d'écoulement (sell-through) et retours pour chaque taille. Ajoutez le style ou le groupe de coupe, le canal ou le point de vente, ainsi que les dates auxquelles chaque taille était en stock. Les données de sell-out (ce que les distributeurs ont vendu aux consommateurs) sont idéales pour une marque qui planifie son sell-in, mais elles sont souvent incomplètes ; indiquez donc clairement quels comptes sont couverts.

Comment calculer la courbe pas à pas ?

1. Rassemblez l'historique des ventes et des stocks par taille pour des styles comparables.
2. Nettoyez les données : supprimez ou ajustez les périodes de rupture, les promotions inhabituelles, les libellés de tailles incohérents et les produits arrêtés.
3. Calculez la part brute de chaque taille : unités vendues dans cette taille divisées par le total des unités vendues sur toute la grille de tailles.
4. Corrigez l'effet des ruptures : pour chaque taille, prenez le rythme moyen de ventes quotidiennes des jours où elle était en stock et multipliez-le par le nombre de jours de vente de la saison.
5. Normalisez : divisez la demande ajustée de chaque taille par la demande ajustée totale et exprimez le résultat en pourcentage. C'est la courbe.
6. Appliquez-la : multipliez la prévision totale par le pourcentage de chaque taille pour obtenir les objectifs en unités.
7. Faites le bilan en fin de saison en comparant la répartition de tailles prévue aux ventes et aux ruptures réelles.

Dans cet exemple fictif, la taille L a vendu 180 unités mais a été en rupture pendant 30 jours sur 90 ; sa demande ajustée est donc supérieure à ses ventes brutes. Une courbe naïve n'aurait attribué à la taille L que 20 % de l'achat, reproduisant ainsi la pénurie.

Lire aussi

Qu'est-ce que le demand sensing et comment fonctionne-t-il dans la mode ?

Quels sont les principaux pièges ?

• La censure par les ruptures sous-estime la demande des tailles populaires si elle n'est pas corrigée.
• Une seule courbe pour tout : les coupes, les catégories, les points de vente et les canaux peuvent différer.
• Un historique mince sur les nouveaux produits : les planificateurs s'appuient souvent sur des articles de substitution.
• Des pre-packs rigides : des ratios fournisseurs fixes peuvent laisser certaines tailles en manque et d'autres en excédent.
• Un réapprovisionnement lent : une courbe précise perd de sa valeur si les commandes fournisseurs ne peuvent plus être ajustées.

Comment traiter les nouveaux produits et les nouveaux coloris ?

Blue Yonder décrit l'emprunt de la courbe d'articles similaires présentant des attributs proches, comme la matière ou la coupe, en précisant qu'une mauvaise correspondance donne une mauvaise courbe. La même approche vaut pour la répartition des coloris, même si la demande de coloris est plus volatile et davantage portée par les tendances ; de nombreuses équipes appliquent donc des courbes pour les tailles et recourent au jugement et à des commandes d'essai pour les coloris. Gardez cohérents les attributs utilisés pour la mise en correspondance et consignez l'article de substitution retenu, afin que le résultat puisse être revu. Notez que Blue Yonder est un éditeur de logiciels de répartition des tailles : ses affirmations sur les bénéfices doivent donc être accueillies avec prudence.

Quand faut-il un algorithme plutôt qu'un tableur ?

Un tableur suffit pour un nombre limité de styles et de points de vente. Il devient lourd lorsque les courbes doivent être segmentées par cluster de magasins, actualisées chaque semaine ou combinées à l'allocation. Un logiciel aide alors, mais les principes ci-dessus restent valables et le tableur demeure un contrôle utile de tout résultat automatisé.

Quelles sont les limites des données de sell-out ?

Les données de sell-out enregistrent ce que les consommateurs ont acheté, ce qui est le bon signal pour la demande par taille, mais elles comportent des lacunes. Tous les distributeurs ne les partagent pas, la couverture des magasins peut être inégale et l'échantillon peut favoriser les plus gros comptes. Une courbe construite à partir de quelques comptes peut ne pas décrire les autres. Lorsque le sell-out n'est pas disponible, l'historique de sell-in peut servir de substitut approximatif, étant entendu qu'il reflète ce que les acheteurs ont choisi d'acheter, et non ce que les consommateurs voulaient.

Uphance note que la prévision par l'IA exige des attributs de style cohérents dans un même système ainsi que des données de ventes et de retours exactes, les retours étant enregistrés dans le stock en quelques jours. Pour les courbes de tailles, les données de retours sont utiles, car les retours se concentrent souvent par taille et par coupe. Une taille qui se vend fortement mais qui est souvent retournée doit être interprétée avec prudence.

• Indiquez quels comptes et quelles périodes les données couvrent.
• Traitez avec prudence une taille très souvent retournée.
• Gardez des libellés de tailles cohérents entre fournisseurs et saisons.
• Recalculez la courbe chaque saison au lieu de reporter l'ancienne.

Lire aussi

L'open-to-buy expliqué : comment les distributeurs de mode budgètent leurs achats

Comment appliquer la courbe à un achat ou à une allocation ?

Multipliez le total des unités prévues pour un style par le pourcentage de chaque taille pour obtenir un objectif par taille, puis arrondissez pour respecter le conditionnement. Si un fournisseur expédie selon des ratios de tailles fixes (pre-packs), comparez le ratio du pack à la courbe : Blue Yonder observe que les pre-packs économisent de la main-d'œuvre mais peuvent laisser des tailles orphelines qu'il faudra démarquer. Une approche mixte, avec des pre-packs pour les tailles centrales et un assortiment libre pour les extrémités, est souvent un compromis.

En wholesale, appliquez la courbe à la commande du distributeur, et pas seulement à votre propre achat. Montrez à l'acheteur une répartition de tailles suggérée par style, fondée sur le sell-out du distributeur lorsqu'il est disponible, et laissez-le la modifier. Une suggestion dont la raison est visible a plus de chances d'être acceptée qu'une suggestion non expliquée.

Enfin, testez la courbe sur la saison la plus récente avant de l'utiliser : si elle aurait mal prédit la répartition des tailles, examinez les données avant de lui faire confiance.