Commercial problem
Une organisation mondiale de produits de grande consommation s'est appuyée sur des méthodes de prévision traditionnelles pour les contrats à terme sur matières premières, ce qui a limité la visibilité au-delà des horizons à court terme. Les inexactitudes des prévisions concernant les matières premières, l'énergie et les métaux ont entraîné un calendrier d'achat sous-optimal, un positionnement inefficace des stocks et une exposition accrue à la volatilité des marchés.
Mesures prises
· Développement et mise en œuvre de modèles de prévisions d'IA multivariés personnalisés, y compris des réseaux de neurones LSTM.
· Signaux de demande et d'offre intégrés, indicateurs macroéconomiques, données des marchés financiers et moteurs spécifiques aux matières premières.
· Modélisation d'ensemble appliquée et ingénierie avancée des fonctionnalités pour capturer les interactions non linéaires.
· Modèles validés grâce à des tests rétroactifs et à une surveillance continue des performances.
Resultats obtenus
· A atteint la meilleure précision de sa catégorie en matière de prévisions sur une Horizon de 1 à 12 mois.
· A permis des stratégies d'achat plus disciplinées et plus opportunes.
· Niveaux d'inventaire et fréquence des commandes optimisés pour tous les produits.
· Geshoud Plus d'un million de dollars en avantages monétisés grâce à une meilleure visibilité des prix et à une meilleure prise de décisions.
