top of page
back cas la poste.png

Cas client

Accelerate your path to AI at scale

a

(Client) 

Filiale du groupe La Poste, notre client distribue près de 10 milliards d'annonces imprimées et d'échantillons par an, à destination des plus de 30 millions d’adresses postales, via centaines de plateformes de distribution dans toute la France. 

 

(Défis) Comment anticiper les demandes clients volatiles (imprévisibles) ? 

 

L’entreprise s'appuie sur ses 10 000 distributeurs pour livrer les commandes clients. Comme la plupart des clients ne confirment le volume de livraison qu’une semaine à l'avance, la planification des équipes est difficile. La gestion de sureffectif est coûteuse et le manque de personnel entraîne des retards.

Un enjeu majeur consiste à avoir une prévision fiable du nombre d’heures travaillées par site de production de manière anticipée, pour permettre d’anticiper la gestion des équipes et surtout d’économiser une enveloppe qui se compte en M€ par an ? 

 

(Solution) Prédire la commande client 3 à 6 semaines à l’avance grâce à l’IA 

 

Notre client a déployé Predictor qui fournit un service de prédiction fiable et intégrée dans le processus des planificateurs de production. 

•Préparation des données historiques sur les commandes et les productions 

•Intégration des données externes : météo, données INSEE, performance des enseignes, … 

•Déploiement du service de prédiction avec de l’explicabilités associé 

•Mise en place de la boucle retour en production 

(Bénéfice) Transformer à une prise de décision informée par les données, gagner en agilité et performance  

Avant le déploiement de Predictor, les responsables de planification s’appuient sur les données partielles pour la prévision de commande client.

 

De plus, chaque responsable pratique sa propre méthode et travaille sur son propre fichier Excel. Un cycle de planification dure d’environ 2 semaines.

Dans le nouveau processus avec l’intégration de notre solution Predictor, la tâche laborieuse de la préparation des données est automatisée.

Les responsables interviennent dans la partie à plus valeur ajoutée de l’analyse : analyser les prédictions IA avec les données disponibles, et prendre la décision finale. La durée de cycle de planification est divisée par 2. Et la fiabilité de la prédiction a augmenté de 30%. 

Talk to us

bottom of page