En cette période de crise, la gestion et la prévision de cash sont des sujets d’actualités brulants pour nombre de directions financières. Face à cet enjeu, le machine learning peut être d’un précieux soutien. Eclairage de Samuel Demont, en charge de la Digital Factory chez Argon & Co et Bertrand Allard, partner Argon & Co.
Du prêt garanti par l’Etat à la restructuration de la dette, beaucoup de CFO ont aujourd’hui pour mission essentielle de sécuriser le cash pour assurer la pérennité de l’entreprise. En période d’incertitude et de crise, la prévision de cash est vitale et, en la matière, les ventes sont le nœud gordien.
En effet, dès lors que les ventes sont réalisées, l’entrée de cash est assez prévisible. Il ne s’agit alors plus de prévoir, mais d’agir pour le collecter. Quant à la prévision de sortie de cash, elle est aussi moins problématique. Par exemple, sur le périmètre des dépenses fournisseur, l’entreprise dispose de processus d’approvisionnement et d’engagement de dépenses qui permettent de contrôler la consommation et les sorties de cash qui en découlent.
Quel est l’apport du machine learning dans la prévision des ventes ?
Les prévisions utilisant des algorithmes de machine learning sont souvent plus fiables, car ces algorithmes exploitent plusieurs sources de données, sans pour autant nécessiter un grand volume de données. Le volume de données doit être suffisant pour garantir des résultats satisfaisants. C’est toute la différence avec des applications de reconnaissance d’image qui exploitent généralement une quantité gigantesque de données. Nous parlons alors de deep learning.
Pouvez-vous nous donner un cas d’usage précis ?
Les approches de prévision des ventes varient selon les secteurs d’activité. Notre expérience récente sur le sujet concerne le secteur des parfums et de la cosmétique auprès d’une entreprise leader de ce marché. Jusqu’à présent, la prévision des ventes était réalisée de manière...
