La prédiction des ventes est un enjeu critique du processus S&OP des industries, notamment pour Danone qui dispose d’un large historique de données concernant les ventes de ses différents produits.

Aujourd’hui, une prévision unique et statique ne suffit plus : il faut pouvoir prédire à différents horizons temporels, et évaluer l’incertitude associée à ces prédictions.

Marianne, dont ce sont les sujets de recherche, Anne-Laure et Adnane, qui représentent Danone, vous proposent de comparer différentes méthodes de forecasting de séries temporelles à différents horizons temporels à l’aide de réseaux de neurones.

Pour ce faire, Danone met à disposition un jeu de données, qu’il sera possible d’explorer et modéliser en groupes. En fin de journée nous échangerons sur les résultats, avantages et inconvénients des différentes approches.

Planning de la journée :

• 10h – 11h : présentation du contexte et de différentes méthodes de forecasting à horizons multiples
• 11h – 12h30 : prise en main des données – échanges sur d’autres approches possibles
• 14h -17h : mise en œuvre d’approches de forecasting sur les données Danone
• 17h -18h : échanges sur les résultats

Atelier datacraft animé par Marianne Clausel, Professeure U. Lorraine et Anne-Laure Cébile, Global Data & Analytics | DA&AI Team Leader Danone et Adnane El-Mansouri, Data Scientist Danone.