Aller au contenu
English

Les personnes et les prévisions

  • Leçon 27
  • 40 min
  • Module 8 : Exploiter une prévision en production

Où nous en sommes

Notre tâche surveille sa propre erreur. Les personnes changent aussi la prévision : Kenji augmente une commande avant une promotion. Dans cette leçon, nous consignons chaque ajustement avec sa raison, mesurons son utilité et vérifions les chiffres d'une note rédigée. Pensez d'abord à une chauffeuse de taxi qui ne suit pas la carte.

Ce que vous saurez faire

Laissez les planificateurs changer les chiffres de la tâche, mais rendez chaque changement visible : qui a changé quoi, et pourquoi. Mesurez ensuite, avec les ventes réelles, si chaque changement a fait économiser de l’argent. Utilisez un modèle de langage seulement pour rédiger la note hebdomadaire, et vérifiez ses chiffres avec le plan.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 40 minutes

Ce que vous devez savoir

Ce qu’il vous faut sur votre ordinateur

La même chose que dans la dernière leçon. La réexécution de cette leçon prend environ 45 secondes. Aucun compte, aucune clé et aucun coût : l’équipe du cours a enregistré les notes rédigées une seule fois.

Une compagnie de taxi donne à chaque chauffeur une application de cartes. L’application choisit le trajet. Parfois, une chauffeuse ne le suit pas. Elle sait que le pont est fermé aujourd’hui, ou qu’une école termine à 15 h. Parfois, elle a raison et gagne dix minutes. Parfois, elle se trompe.

La compagnie a deux mauvais choix. Elle peut interdire aux chauffeurs de quitter le trajet, et perdre leurs connaissances. Ou elle peut les laisser faire ce qu’ils veulent, sans jamais savoir qui a raison. Une bonne compagnie choisit une troisième option. Elle laisse les chauffeurs quitter le trajet et leur demande pourquoi. Plus tard, elle compare la durée du trajet avec celle prévue par l’application.

Kenji joue le rôle de cette chauffeuse, et la tâche de prévision, celui de la carte.

Le problème : des changements que personne ne peut juger

Section intitulée « Le problème : des changements que personne ne peut juger »

Kenji sait des choses que les données ne montrent pas. Une semaine chaude s’en vient. Un fournisseur vend seulement en boîtes de 80. Il change donc souvent la commande de la tâche avant de l’envoyer.

Jusqu’ici, il changeait les chiffres dans son propre tableur. Le plan de la tâche indiquait 14 parasols pour la région sud; le fournisseur recevait une commande de 21. Personne ne notait pourquoi. Deux semaines plus tard, Tomás dit : « Les changements de Kenji rendent la prévision moins bonne. » Kenji dit : « Mes changements nous font économiser de l’argent. » Aucun des deux ne peut le prouver. La tâche gardait son propre chiffre, mais pas celui de Kenji, ni sa raison.

Vous avez vu le même manque dans la dernière leçon. L’alarme de biais indiquait à Priya que la tâche sous-estime les produits de jardin chaque printemps. Kenji le savait déjà. Si ses connaissances aident, le magasin devrait les conserver jusqu’à ce que la méthode puisse apprendre la saison. Si elles n’aident pas, le magasin devrait aussi le savoir.

L’idée : consigner l’ajustement manuel, puis le mesurer

Section intitulée « L’idée : consigner l’ajustement manuel, puis le mesurer »

Un ajustement manuel (override) est un changement qu’une personne apporte à un chiffre produit par la tâche. La tâche consigne chacun dans une ligne d’un fichier d’ajustements manuels :

Colonne Exemple
week 2025-03-31
product_id, region P025, south
order 21 (la tâche indiquait 14)
reason temps chaud : la saison de jardinage commence tôt
who Kenji

La tâche utilise le chiffre de Kenji, mais garde son propre chiffre à côté. Une raison est obligatoire : une ligne sans raison arrête la tâche.

Quatorze jours plus tard, les ventes sont connues. Vous pouvez alors poser la question équitablement : quelle commande aurait coûté moins cher? La réponse s’appelle la valeur ajoutée de la prévision, ou FVA :

FVA = coût de la commande de la tâche − coût de la commande du planificateur

Les deux coûts utilisent les ventes réelles des 14 jours, avec les coûts du cours. Une FVA positive signifie que l’ajustement manuel a fait économiser de l’argent. Une FVA négative signifie qu’il a coûté de l’argent.

Voici le calcul complet de l’ajustement manuel du tableau :

La commande de 14 parasols de la tâche et l'ajustement manuel de Kenji à 21, pour la région sud, la semaine du 31 mars. Quatorze jours plus tard, 29 parasols ont été vendus. La commande de la tâche manquait de 15 parasols, pour un coût de 419,95 $ US. Celle de Kenji manquait de 8 parasols, pour un coût de 223,97 $ US. La valeur ajoutée de la prévision est de 419,95 moins 223,97, soit plus 195,98 $ US : l'ajustement manuel a aidé.
Un ajustement manuel, de la commande à sa valeur ajoutée de la prévision. Le parasol coûte 79,99 $ US. Une vente perdue coûte donc 35 % de ce prix : 28,00 $ US (l'hypothèse du cours).
Description textuelle du diagramme

Le diagramme commence par la commande de la tâche : P025 Parasol, région sud, semaine du 31 mars 2025, 14 unités. Une flèche mène à l’ajustement manuel de Kenji : 21 unités, avec la raison « temps chaud : la saison de jardinage commence tôt ». Une case montre ce qui s’est passé en 14 jours : 29 parasols vendus. Deux cases calculent les coûts. La commande de la tâche manquait de 15 unités : 15 × 28,00 = 419,95 $ US. Celle de Kenji manquait de 8 unités : 8 × 28,00 = 223,97 $ US. La dernière case : valeur ajoutée de la prévision = 419,95 − 223,97 = +195,98 $ US. L’ajustement manuel a aidé.

(Le coût exact d’une vente perdue est de 35 % de 79,99 $ US, soit 27,9965 $ US. Donc, 15 ventes perdues coûtent 419,95 $ US.)

Un article invendu compte aussi. La semaine du 12 mai, Kenji a augmenté la commande de ce parasol pour la côte de 62 à 87 : « prévision météo : une fin de semaine chaude ». Seulement 38 ont été vendus. La commande de la tâche laissait 24 parasols invendus : 24 × 20,00 = 479,94 $ US. Celle de Kenji en laissait 49 : 979,88 $ US. FVA : −499,94 $ US. Cet ajustement manuel a coûté de l’argent.

  1. Dans forecast-job, avec l’environnement virtuel actif, copiez le dossier du planificateur et les deux derniers fichiers de test de l’instantané end-of-m08. Votre projet correspond alors à l’instantané.

    Fenêtre de terminal
    S=../nextia-learning-labs/C35/forecast-job/end-of-m08
    cp -R "$S/planner" .
    cp "$S/tests/test_overrides.py" "$S/tests/test_note.py" tests/
  2. Exécutez les tests :

    Fenêtre de terminal
    python -m pytest -q
    25 passed in 6.08s
  3. Ouvrez planner/overrides_replay.csv dans VS Code. Il contient les 10 ajustements manuels de Kenji pendant le trimestre du printemps. C’est une situation que nous avons créée : l’équipe du cours les a écrits pour montrer des raisons courantes. Voici l’en-tête et les deux premières lignes :

    week,product_id,region,order,reason,who
    2025-03-17,P186,north,37,warm weather: heaters will sell less,Kenji
    2025-03-24,P002,north,9,warm weather: garden season starts early,Kenji
  4. Rejouez encore le printemps. replay lit ce fichier automatiquement lorsqu’il existe.

    Fenêtre de terminal
    python -m forecast_job replay --start 2025-03-03 --weeks 12
    Week 2025-03-03 is already planned with the same inputs (ec8bedf4e7811156). Nothing to do.
    Week 2025-03-10 is already planned with the same inputs (244b2032b74c7443). Nothing to do.
    Check 2025-03-03: all categories +5.7%, largest plants-and-seeds -22.8%, 0 alarms
    Week 2025-03-17 was planned with other inputs (4043b1971ed95e4d, now d515abaae5bd43de). Run again with --force to replace the plan (the old one is kept).

    La tâche s’est arrêtée au 17 mars. Les ajustements manuels font partie de l’empreinte, et cette semaine en a maintenant un. C’est le stockage de La tâche de prévision planifiée en action : il ne remplace jamais un plan sans qu’on le lui demande.

  5. Les ajustements manuels correspondent aux commandes réellement envoyées par Kenji. Remplacez donc les plans :

    Fenêtre de terminal
    python -m forecast_job replay --start 2025-03-03 --weeks 12 --force

    Les lignes des semaines avec ajustements manuels se terminent maintenant par 1 overrides (1 ajustement manuel) ou 2 overrides (2 ajustements manuels), par exemple :

    Week 2025-03-31: 16510 units to order (expected cost 35006 dollars), 453 agent hours (expected cost 3836 dollars), 0 warnings, 1 overrides. Plan: runs/2025-03-31
    …
    Replayed 12 weeks from 2025-03-03: 17 bias alarms, 0 weeks stopped.

    Les semaines sans ajustement manuel affichent Nothing to do. (rien à faire), comme avant. Les alarmes ne changent pas : elles vérifient la prévision, et un ajustement manuel change seulement la commande. Chaque plan remplacé est conservé dans runs/<Monday>/replaced-<fingerprint>/.

La commande fva trouve dans le stockage chaque ajustement manuel dont les 14 jours sont terminés, et calcule sa FVA :

Fenêtre de terminal
python -m forecast_job fva
week product_id region reason who job_order override sold job_cost override_cost fva_usd
2025-03-17 P186 north warm weather: heaters will sell less Kenji 73 37.0 23 237.37 66.46 170.91
2025-03-24 P001 north warm weather: garden season starts early Kenji 7 13.0 15 131.57 32.89 98.68
2025-03-24 P002 north warm weather: garden season starts early Kenji 5 9.0 11 56.68 18.89 37.79
2025-03-31 P025 south warm weather: garden season starts early Kenji 14 21.0 29 419.95 223.97 195.98
2025-04-07 P055 north Easter weekend Kenji 1 2.0 3 2.09 1.05 1.04
2025-04-14 P117 north gut feeling Kenji 1 2.0 1 0.00 8.25 -8.25
2025-04-14 P141 south supplier minimum order of 80 Kenji 57 80.0 58 26.25 412.44 -386.19
2025-04-28 P039 north warm weather: garden season starts early Kenji 12 21.0 44 739.09 531.22 207.87
2025-05-05 P118 coast gut feeling Kenji 1 2.0 0 11.00 22.00 -11.00
2025-05-12 P025 coast weather forecast: a hot weekend Kenji 62 87.0 38 479.94 979.88 -499.94
10 overrides: 6 helped, 4 did not. Forecast value added: -193 dollars in total.
count sum
reason
Easter weekend 1 1.0
gut feeling 2 -19.0
supplier minimum order of 80 1 -386.0
warm weather: garden season starts early 4 540.0
warm weather: heaters will sell less 1 171.0
weather forecast: a hot weekend 1 -500.0

Au total, les 10 ajustements manuels ont coûté 193 $ US de plus que les commandes de la tâche auraient coûté. Tomás a donc raison? Pas tout à fait. Le total cache ce qui s’est passé. Regardez les résultats par raison :

Valeur ajoutée de la prévision des 10 ajustements manuels de la réexécution du printemps, en dollars, par raison (nombre d'ajustements entre parenthèses). À droite de zéro : l'ajustement manuel a fait économiser de l'argent. Les ajustements manuels sont une situation que nous avons créée; les coûts sont mesurés avec les ventes réelles.
Description textuelle du graphique

Valeur ajoutée de la prévision par raison, de la meilleure à la pire : temps doux : la saison du jardin commence tôt (4) +540 $ US; temps doux : les chauffages se vendront moins (1) +171 $ US; fin de semaine de Pâques (1) +1 $ US; intuition (2) -19 $ US; commande minimale de 80 chez le fournisseur (1) -386 $ US; prévision météo : une fin de semaine chaude (1) -500 $ US. Le total des 10 ajustements manuels est de −193 $ US.

Chaque raison révèle quelque chose de différent :

  • Temps chaud, la saison (+540 $ US pour 4 ajustements manuels, et +171 pour les appareils de chauffage). Kenji avait raison chaque fois. Il connaissait la saison annuelle que la méthode de la tâche ne voit pas : la cause des alarmes de biais de la dernière leçon. Gardez ces ajustements manuels jusqu’à ce que la tâche utilise une méthode avec une saison annuelle.
  • Une fin de semaine chaude (−500 $ US). Une prévision météo pour une seule fin de semaine est un événement ponctuel. Kenji a augmenté une commande de 14 jours pour cet événement, et la plupart des parasols supplémentaires sont restés au magasin.
  • Commande minimale de 80 du fournisseur (−386 $ US). Ce n’est pas un avis sur la demande. Le fournisseur vend les couettes P141 seulement en boîtes de 80. La FVA représente ici le coût de cette règle : utile quand Kenji parle au fournisseur. Consignez-la, mais ne la comptez pas contre son jugement.
  • Intuition (−19 $ US pour 2 ajustements) et Fin de semaine de Pâques (+1 $ US). Petites commandes, petits effets. « Intuition » est une raison dont on ne peut rien apprendre; demandez-en une meilleure.

La réponse utile pour Omar n’est donc pas « −193 $ US ». C’est : « Les ajustements saisonniers de Kenji ont fait économiser 711 $ US. Un ajustement pour une fin de semaine a coûté 500 $ US. La règle du fournisseur a coûté 386 $ US. » Dix ajustements manuels, c’est peu. Traitez donc ce résultat comme un premier aperçu, pas une preuve. Mesurez de nouveau après le prochain trimestre.

Chaque lundi, Omar, le gestionnaire de produit, veut une courte note : nos commandes, les heures des agents et les points à surveiller. Priya prend vingt minutes pour l’écrire. Un modèle de langage peut la rédiger en quelques secondes. Mais un modèle peut aussi écrire un chiffre absent du plan. Un mauvais chiffre dans une note devient une mauvaise décision.

La règle est simple : le modèle rédige; le plan donne les chiffres; une vérification les compare; une personne lit le résultat. Vous avez vu cette vérification sur les dix notes enregistrées dans Quand ne pas construire de modèle. Ici, la tâche l’exécute sur ses propres plans.

Le plan dans runs/Monday fournit les faits, affichés par note --week. Un petit LLM rédige la note à partir des faits. Une vérification des chiffres demande : chaque chiffre de la note est-il dans les faits? Non : NOT SUPPORTED (non étayé), corrigez ces chiffres. Oui : une personne lit la note, puis l'envoie au gestionnaire.
La note de prévision : les faits viennent du plan, un petit LLM rédige les phrases, une vérification repère les chiffres absents des faits, et une personne lit quand même la note.
Description textuelle du diagramme

Le diagramme commence par le plan dans runs/Monday/ : la commande, l’horaire, les avertissements et les alarmes. Une flèche mène aux faits affichés par la commande note –week : les chiffres qu’une note peut citer. Les faits mènent à une note rédigée : un petit LLM écrit les phrases, enregistrées une seule fois. Puis vient une décision, la vérification des chiffres : chaque chiffre de la note est-il dans les faits? Une flèche pointillée montre que la vérification lit aussi les faits. Sinon, le résultat est NOT SUPPORTED : corrigez ces chiffres avant l’envoi. Si oui, une personne lit la note, car la vérification ne peut pas repérer les mauvais mots. La note est ensuite envoyée au gestionnaire.

L’équipe du cours a envoyé une seule fois les faits de 10 semaines à un petit LLM hébergé : le déploiement chat-small sur Azure. Ses 10 brouillons sont enregistrés dans planner/notes_recorded.json. Les 10 appels ont utilisé 3 831 jetons (tokens) en entrée et 4 546 en sortie, pour environ 0,003 $ US au total. Ce projet ne fait aucun appel de modèle : note lit les brouillons enregistrés.

La vérification se trouve dans forecast_job/note.py. check_note() trouve chaque nombre du texte avec une expression régulière (un motif de recherche dans le texte), comme 15,344, 2025-03-24 ou 7%. Chaque nombre doit correspondre à un fait, avec une tolérance de 1 %. Les petits nombres de comptage, 1, 2, 7 et 14, sont toujours permis.

Fenêtre de terminal
python -m forecast_job note --week 2025-03-24

La commande affiche les faits en JSON, puis le brouillon, puis la vérification. Les faits commencent comme ceci :

{
"week": "2025-03-24",
"order_units": 15344,
"order_value_usd": 610177,
"order_expected_cost_usd": 33596,
"agent_hours": 382,
…

Et la fin de la sortie :

For the week of 2025-03-24, the plan orders 15,344 units, with an expected order value of $610,177. It staffs 382 agent hours. Plants and seeds, bedding and textiles, and kitchen are the leading categories. The peak is forecast for 2025-03-25 at 11:00, with 7 agents. There are 2 overrides and no data warnings. Bias alarms flag heating and decor as too high for 2 weeks in a row, and plants and seeds as too low for 2 weeks in a row; investigate possible causes before the next order. The forecast cannot know whether actual demand will match the plan or what may cause differences.
Check: every number is in the plan.

Chaque chiffre est dans les faits. Lisez quand même la note : « expected order value » (valeur attendue de la commande) n’est pas juste. 610 177 $ US est la valeur de la commande. Le coût attendu est de 33 596 $ US, et la note ne le donne pas.

Fenêtre de terminal
python -m forecast_job note --week 2025-03-17
… A bias alarm says the plants-and-seeds forecast was too low for 2 weeks in a row: by 23% and 56% in the weeks of 2025-03-03 and 2025-03-10. …
Check: NOT SUPPORTED by the plan: 23%, 56%. Fix these before you send the note.

C’est la note aux signes moins manquants de Quand ne pas construire de modèle. La vérification ne peut pas savoir que « trop bas de 23 % » garde le bon sens. Elle s’arrête donc. C’est voulu : une vérification qui devine laisserait aussi passer une vraie erreur. Priya écrit −23 % et −56 %, ou lit la phrase et décide qu’elle est juste.

Une note qui réussit la vérification, mais reste fausse

Section intitulée « Une note qui réussit la vérification, mais reste fausse »
Fenêtre de terminal
python -m forecast_job note --week 2025-03-10

La fin de la sortie :

Larkfield’s plan for the week of 2025-03-10 is to handle 12,839 orders, worth $596,273, with an expected order cost of $32,038. …
Check: every number is in the plan.

Comme dans le module 5, 12 839 est le nombre d’unités à commander, pas de commandes de clients. Le chiffre est juste, mais le mot est faux.

La vérification a signalé 1 des 10 notes enregistrées. Priya a ensuite lu les 10. Elle a trouvé « expected order value » dans 4 notes, et « orders » (commandes) pour des unités dans celle-ci. La vérification des chiffres a accepté les 5. Une personne continue donc de participer au processus.

Quand permettre les ajustements manuels, et ce qu’ils coûtent

Section intitulée « Quand permettre les ajustements manuels, et ce qu’ils coûtent »

Permettez les ajustements manuels quand les personnes savent des choses absentes des données : météo, règle d’un fournisseur, événement local. Exigez une raison, et mesurez la FVA chaque trimestre.

Ils ont des coûts :

  • Temps. Chaque ajustement manuel demande du travail à une personne, chaque semaine. Si la FVA d’une raison reste négative, arrêtez ce type d’ajustement manuel.
  • Patience. La FVA exige 14 jours terminés et beaucoup d’ajustements manuels avant de vraiment signifier quelque chose. Dix ajustements manuels donnent un premier aperçu.
  • Raisons honnêtes. « Intuition » ne permet ni de mesurer ni d’apprendre. Une raison courte et précise le permet.
  • Une correction cachée. Un ajustement manuel qui aide chaque printemps indique qu’il manque quelque chose à la méthode. Corrigez la méthode, puis les ajustements manuels pourront cesser.

La note rédigée ne coûte presque rien en argent. Son vrai coût est la vérification et la personne qui la lit. N’envoyez jamais une note rédigée sans ces deux étapes.

Erreur courante

Un ajustement manuel sans raison

Symptôme : Kenji ajoute rapidement une ligne à son propre fichier d’ajustements manuels, avec la colonne reason vide. Il exécute la semaine avec --overrides my-overrides.csv. La tâche s’arrête avant de planifier :

my-overrides.csv: every override needs a reason

Cause : overrides.read() refuse une ligne dont la raison est vide. Sans raison, personne ne peut ensuite regrouper les ajustements manuels, voir quel type aide ou en tirer des leçons.

Correction : écrivez une raison courte et précise, par exemple local school fair on Saturday (fête de l’école locale samedi), puis relancez. Convenez de quelques raisons standard dans l’équipe pour que la FVA par raison ait assez de lignes.

Conséquence dans le travail en IA : un changement humain à la sortie d’un modèle, sans trace, est invisible. Plus tard, personne ne peut dire si le modèle ou la personne s’est trompé, et la même erreur se répète. Consignez chaque changement humain avec son auteur et sa raison, à côté de la sortie du modèle.

Prenez l’ajustement manuel du 14 avril pour P141, une couette à 74,99 $ US, dans la région sud. La tâche en a commandé 57, Kenji en a commandé 80, et 58 ont été vendues. Avant de regarder de nouveau la sortie de fva, calculez le coût de chaque commande et la FVA. Utilisez les coûts du cours : une vente perdue coûte 35 % du prix, un article invendu, 25 %.

Afficher la réponse
  • La commande de 57 de la tâche manquait de 1 unité : 1 × 0,35 × 74,99 = 26,25 $ US.
  • La commande de 80 de Kenji laissait 22 unités : 22 × 0,25 × 74,99 = 412,44 $ US.
  • FVA = 26,25 − 412,44 = −386,19 $ US.

La sortie de fva donne les mêmes chiffres. La commande minimale du fournisseur a coûté 386 $ US cette fois. Si la couette se vend lentement, demandez au fournisseur des boîtes plus petites, ou commandez 80 seulement une fois sur deux.

Vérifiez votre compréhension

Qu'est-ce que la valeur ajoutée de la prévision? Que signifie une valeur de −499,94 $ US pour l'ajustement de la fin de semaine chaude?

Afficher la réponse

La valeur ajoutée de la prévision (FVA) est le coût de la commande de la tâche moins celui du planificateur. Les deux coûts reposent sur les ventes réelles des 14 jours, avec les coûts du cours. Une valeur positive signifie que l’ajustement manuel a permis d’économiser. Pour la fin de semaine chaude, la tâche a commandé 62 parasols pour la côte et Kenji, 87. Il s’en est vendu 38. La commande de la tâche a laissé 24 parasols en surplus (479,94 $ US), celle de Kenji, 49 (979,88 $ US). L’ajustement manuel a donc coûté 499,94 $ US de plus que la commande de la tâche : il n’a pas aidé.

Vérifiez votre compréhension

Les 10 ajustements manuels ont une FVA totale de −193 $ US. Omar demande : Kenji devrait-il arrêter les ajustements manuels? Répondez avec les chiffres par raison.

Afficher la réponse

Non, pas tous. Les ajustements saisonniers ont aidé chaque fois : +540 $ US pour 4 ajustements liés à la saison de jardinage précoce, et +171 $ US pour les appareils de chauffage. Ils ajoutent la saison annuelle que la méthode de la tâche ne peut pas voir. Les pertes viennent d’une prévision météo pour une seule fin de semaine (−500 $ US) et de la commande minimale de 80 du fournisseur (−386 $ US). La deuxième perte représente le coût d’une règle du fournisseur, pas du jugement de Kenji. L’« intuition » a fait perdre 19 $ US dans 2 petits ajustements manuels. Gardez donc les ajustements saisonniers jusqu’à ce que la méthode intègre une saison annuelle. Arrêtez les ajustements pour les événements d’une seule fin de semaine sur une commande de 14 jours. Consignez les règles des fournisseurs séparément et mesurez de nouveau avec davantage d’ajustements manuels.

Vérifiez votre compréhension

La note du 10 mars passe la vérification des nombres. Pourquoi une personne doit-elle quand même la lire avant son envoi?

Afficher la réponse

La vérification repère seulement les nombres qui ne figurent pas dans le plan. Elle ne vérifie pas ce que disent les mots autour d’un nombre. La note appelle les 12 839 unités des « orders » (commandes). C’est faux : il s’agit du nombre d’unités à commander. La note du 24 mars, et trois autres, appellent la valeur de la commande une « expected order value » (valeur attendue de la commande). Un gestionnaire pourrait prendre une mauvaise décision à partir de l’une ou l’autre phrase. Le plan fournit donc les nombres, le LLM rédige le texte et la vérification repère les nombres sans fondement. Une personne lit ensuite le texte pour en vérifier le sens.

Récapitulatif

  • Un ajustement manuel est une modification du nombre de la tâche par une personne. La tâche consigne le nouveau nombre, sa raison et qui l’a modifié, et garde son propre nombre à côté.
  • Valeur ajoutée de la prévision = coût de la commande de la tâche − coût de l’ajustement manuel, selon les ventes réelles. Les 10 ajustements manuels de Kenji : −193 $ US au total, 6 ont aidé et 4 n’ont pas aidé.
  • Par raison, le bilan est plus clair : les ajustements saisonniers ont permis d’économiser. Un ajustement pour une seule fin de semaine et une règle du fournisseur ont coûté de l’argent.
  • Un petit LLM peut rédiger la note de prévision. Les nombres viennent du plan. Une vérification des nombres signale ceux qui n’y figurent pas, et une personne vérifie le sens du texte.
  • Votre tâche planifie, conserve, vérifie, déclenche des alarmes et consigne les modifications des personnes : une prévision en production.

Vous pouvez maintenant produire une prévision chaque semaine, la suivre et apprendre des personnes qui la modifient. Mais tout ce travail utilisait les données synthétiques de Larkfield. Ensuite, vous appliquerez toute la méthode à de vraies données ouvertes dans les études de cas.

Leçon suivante : Demande de vélopartage et planification du parc