Documents disponibles écrits par cet auteur

Elaboration d’un modèle statistique de projection des prévisions de ventes / Nora AJAKAN

Public ISBD Titre : Elaboration d’un modèle statistique de projection des prévisions de ventes Type de document : projet fin études Auteurs : Nora AJAKAN, Auteur Année de publication : 2017 Langues : Français (fre) Catégories : e-Logistique Mots-clés : Centrale Danone, Demand Planning, Projection des ventes, Taux de service clients, Plan d’actions, Séries chronologiques, Apprentissage automatique, R, Python. Index. décimale : 1810/17 Résumé : Ce mémoire constitue une synthèse de notre projet de fin d’études réalisé au sein de la société Centrale DANONE. Ce projet concerne la mise en place d’un outil de projection des ventes au profit du service Demand Planning. Dans ce sens, le projet est une application des concepts et technologies de l’informatique scientifique dans le domaine de la prévision. Dans ce fait, la mission à réaliser consiste en l’étude des portefeuilles produits de Centrale Danone, à la prise en considération des différents plans d’actions susceptibles d’affecter la projection et à l’implémentation de différentes approches statistiques. D’un point de vue stratégique ce projet a pour but d’améliorer le taux de service clients au travers de la fiabilisation des prévisions et d’automatiser le processus de construction des prévisions de ventes. Afin d’aboutir à un résultat satisfaisant et répondant aux exigences de notre service, nous avons suivi une gestion agile du projet. Grâce à laquelle, les Demand planners sont fortement impliqués dans les principaux jalons à savoir : l’analyse et la spécification du besoin, le choix des modèles statistiques et toutes les étapes de mise en oeuvre. En outre, le présent rapport présente de manière détaillée les tâches réalisées au niveau de chacune de ses étapes du projet. Sur la base des besoins et des exigences du sujet, nous avons conçu deux méthodes : une méthode extrapolative qui prolonge l’historique avec une seule variable qui est le temps. La deuxième méthode dite explicative, cherche à projeter les ventes par des variables exogènes à savoir les activations et évènements. Nous avons implémenté la première méthode en R, puis attaqué la deuxième en Python avec des bibliothèques d’apprentissage automatique, tels que Theano, Scikit learn et Numpy. Enfin nous avons élaboré une étude comparative en se basant sur le forecast accuracy de chacune des approches utilisées. Elaboration d’un modèle statistique de projection des prévisions de ventes [projet fin études] / Nora AJAKAN, Auteur . - 2017. Langues : Français (fre) Catégories : e-Logistique Mots-clés : Centrale Danone, Demand Planning, Projection des ventes, Taux de service clients, Plan d’actions, Séries chronologiques, Apprentissage automatique, R, Python. Index. décimale : 1810/17 Résumé : Ce mémoire constitue une synthèse de notre projet de fin d’études réalisé au sein de la société Centrale DANONE. Ce projet concerne la mise en place d’un outil de projection des ventes au profit du service Demand Planning. Dans ce sens, le projet est une application des concepts et technologies de l’informatique scientifique dans le domaine de la prévision. Dans ce fait, la mission à réaliser consiste en l’étude des portefeuilles produits de Centrale Danone, à la prise en considération des différents plans d’actions susceptibles d’affecter la projection et à l’implémentation de différentes approches statistiques. D’un point de vue stratégique ce projet a pour but d’améliorer le taux de service clients au travers de la fiabilisation des prévisions et d’automatiser le processus de construction des prévisions de ventes. Afin d’aboutir à un résultat satisfaisant et répondant aux exigences de notre service, nous avons suivi une gestion agile du projet. Grâce à laquelle, les Demand planners sont fortement impliqués dans les principaux jalons à savoir : l’analyse et la spécification du besoin, le choix des modèles statistiques et toutes les étapes de mise en oeuvre. En outre, le présent rapport présente de manière détaillée les tâches réalisées au niveau de chacune de ses étapes du projet. Sur la base des besoins et des exigences du sujet, nous avons conçu deux méthodes : une méthode extrapolative qui prolonge l’historique avec une seule variable qui est le temps. La deuxième méthode dite explicative, cherche à projeter les ventes par des variables exogènes à savoir les activations et évènements. Nous avons implémenté la première méthode en R, puis attaqué la deuxième en Python avec des bibliothèques d’apprentissage automatique, tels que Theano, Scikit learn et Numpy. Enfin nous avons élaboré une étude comparative en se basant sur le forecast accuracy de chacune des approches utilisées.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
1810/17	1810/17 NOR	Texte imprimé	unité des PFE	PFE/2017	Disponible