Le contexte
Ce distributeur de pièces industrielles gérait plus de 18 000 références avec des cycles de demande très variables. Les prévisions manuelles, basées sur des moyennes glissantes, généraient régulièrement des surstocks coûteux ou des ruptures critiques pour les clients.
Notre approche
Nous avons développé un modèle de séries temporelles combinant des données de vente historiques, des indicateurs macroéconomiques et des signaux saisonniers. Le système génère des recommandations de réapprovisionnement quotidiennes, intégrées directement dans leur ERP via une API REST sécurisée.
3 mois
retour sur investissement