Classe: BSID2 

Année: 2020/2021

Module: SID

Prof: Pape M. Dione

 

Étude de cas: un système d'aide à la décision intelligent

La distribution de voitures d’occasion dans diverses point de vente automobiles est un problème complexe comportant de multiples variables. Un système logiciel qui combine des techniques de prédiction, d’optimisation et d’adaptation a généré des bénéfices impressionnants pour un grand constructeur automobile.

Aperçu du problème

Nous avons développé le système pour un constructeur automobile basé aux États-Unis qui a plus d’un million de voitures vendues ou de locations chaque année. Le constructeur est propriétaire des voitures et le problème est de savoir comment répartir au mieux ces voitures parmi des centaines de sites de vente aux enchères aux États-Unis. Les voitures varient selon la marque et le modèle, le kilométrage, les options, l’usure, etc. Ces caractéristiques, ainsi que d’autres, influencent le prix de vente de la voiture à chaque enchère particulière. Notre principal défi était d’obtenir la «meilleure» distribution possible parmi ces sites d’enchères, c’est-à-dire la distribution qui maximise le produit net de toutes les ventes.

Le processus de formulation de recommandations optimales implique de nombreuses considérations, allant de la prévision des prix pour divers types de voitures à différents endroits, à la dépréciation des prix et aux effets de volume, en passant par les problèmes de transport. Un million de voitures par an correspond à environ 4 000 voitures par jour ouvrable. Ainsi, chaque jour, une équipe de marketing doit prendre 4000 décisions concernant le site d’enchères qui maximisera le prix de vente de chaque voiture. En outre, en raison des effets de volume, l’attribution de voitures aux enchères est étroitement liée et il n’est donc pas possible de traiter ces voitures de manière séquentielle.

Supposons, par exemple, qu’une entreprise utilise 50 sites d’enchères et ne traite que 1 000 voitures par jour. Il en résulte 1000 ( 50 fois) une  choix de distribution époustouflants! Aucun ordinateur ne peut vérifier toutes ces combinaisons possibles dans une vie humaine. Néanmoins, le constructeur exige aujourd’hui des décisions sur toutes les voitures.

Complexité du problème

Pour illustrer la tâche, nous utiliserons une Toyota Corolla 2002 à quatre portes couleur blanche avec 34 983 km, un toit ouvrant, une transmission automatique, des vitres électriques, des sièges électriques et de nombreuses autres options. Pour le moment, la voiture se trouve chez un concessionnaire en Virginie, et nous devons décider où l’envoyer. À première vue, cela semble facile. Nous pourrions être tentés de simplement rechercher le prix de vente moyen de la voiture à chaque vente aux enchères en utilisant l’un des nombreux guides, tels que le Black Book. Après avoir ajusté le prix en fonction du kilométrage de la voiture, des options, etc., et estimé les coûts de transport – deux calculs gérables – nous pourrions simplement décider de cibler l’enchère avec le prix de vente moyen actuel le plus élevé.

Donc quel est le problème? En un mot: volume. Par voiture, il est moins coûteux d’expédier un camion de voitures d’un endroit à un autre que d’expédier une ou plusieurs voitures à la fois. En supposant des emplacements fixes «de» et «à», une structure de coût de transport typique ressemblerait à ceci:

  • 1 à 6 voitures coûtent 120 USD par voiture.
  • 7 à 10 voitures coûtent 95 $ par voiture.
  • 11 à 14 voitures coûtent 85 $ par voiture.

Pour plus de 14 voitures, nous calculons généralement les frais de transport en déterminant les frais de transport de 14 voitures (ou des multiples de 14 voitures), puis nous calculons le reste au tarif applicable. Par exemple, transporter 20 voitures coûterait 85 $ US par voiture pour les 14 premières voitures, puis 120 $ par voiture pour les 6 autres voitures, pour un coût total de 1 910 $.

Au-delà des frais de transport, il faut aussi

aborder d’autres considérations, telles que l’effet volume, la planification des enchères et du transport, la dépréciation et les facteurs d’assurance et de risque (les voitures peuvent être endommagées ou volées pendant le transport). L’effet de volume entre en jeu à mesure que le nombre de voitures similaires à vendre augmente. Si nous envoyons de nombreuses voitures similaires à un seul site d’enchères – ce qui est raisonnable, en supposant qu’il offre le meilleur prix net – le volume se traduira par moins d’argent par voiture .

Supposons, par exemple, que le prix de vente moyen actuel d’une Toyota Corolla 2002 sur un site d’enchères particulier soit de 7 200 $. Nous obtiendrions probablement ce prix si nous expédions jusqu’à sept voitures à cet endroit. Cependant, le transport de 30 voitures similaires vers ce site ferait chuter le prix moyen à 6 900 $. Pour compliquer davantage les choses, «similaire» ne signifie pas la même marque, le même modèle et la même couleur. Même si les marques et les modèles peuvent différer, l’expédition de 30 berlines donne aux acheteurs plus d’options, faisant ainsi baisser le prix de vente moyen par voiture. De plus, la courbe de l’effet de volume est différente selon les types de voitures. Avec les Toyota Corollas, par exemple, l’effet volume est important, alors que pour les Porsche 911, il est modéré.

La planification est également un problème majeur. Chaque vente aux enchères a un jour de vente typique, par exemple à 11 heures tous les deux vendredis. Disons que nous avons 20 voitures que nous aimerions expédier à un site de vente aux enchères, le temps de transport est de 10 jours et la prochaine vente aux enchères est dans 11 jours. S’il y a même un léger retard dans la livraison de ces 20 voitures, nous pourrions manquer la vente aux enchères. Les voitures devraient ensuite rester sur le parking de la vente aux enchères pendant près de deux semaines. C’est mauvais, non seulement parce que l’entreprise veut les vendre le plus tôt possible, mais parce que les voitures perdraient de la valeur chaque jour. La dépréciation du prix d’une voiture moyenne est d’environ 10 dollars par jour.

Une autre chose qui complique notre travail est que le prix du marché des voitures change fréquemment – parfois légèrement et parfois dramatiquement (à la suite de l’attaque terroriste du 11 septembre 2001, par exemple, les prix des voitures ont chuté de manière significative; les intempéries en Floride ont des effet sur les prix des voitures). Donc, en plus de tous les autres problèmes, nous devons rester au fait de l’évolution des prix des voitures. Enfin, les prix des voitures reflètent souvent un effet de saisonnalité selon la zone géographique. Il n’est pas facile de vendre une Corvette décapotable à Boston en octobre, par exemple, mais la température de la Floride à cette période de l’année est parfaite pour ces véhicules.

Debut de solution

Ce problème nécessite une décision de distribution à la fin de chaque journée de travail, que la décision soit «optimale» et maximise les bénéfices de l’entreprise, ou s’il existe une autre distribution qui augmenterait les ventes nettes de 150 $ par voiture (ce qui, avec 4 000 voitures par jour, augmenterait les ventes nettes totales de 600 000 $).

Toute décision doit tenir compte des détails de chaque voiture; de nombreuses enchères potentielles différentes, leurs calendriers et inventaires; coûts de transport complexes; effets de volume; inventaires nationaux de véhicules en route pour les enchères; les dépréciations de prix; les changements de prix dynamiques à chaque enchère; prévisions de prix de vente jusqu’à deux mois à l’avance; etc. Chaque société de location dispose donc de toute une équipe de marketing dédiée à la distribution des voitures de retour. Ces équipes sont confrontées à la formidable tâche de recommander la meilleure répartition possible pour la charge de chaque jour, jour après jour, semaine après semaine, mois après mois. Comme nous l’avons noté précédemment, une petite erreur ou une recommandation inférieure peut entraîner une perte nette de «seulement» 150 $ par voiture, mais cela peut se traduire par des centaines de milliers de dollars en une seule journée,

en fonction du volume de distribution. En revanche, si un système intelligent d’aide à la décision améliore la distribution quotidienne des voitures et augmente ainsi les ventes nettes de, disons, 200 $ par voiture (ce qui ne représente qu’une augmentation de 1,33% du prix d’une voiture hors location moyenne de 15 000 $), la société de crédit-bail augmenterait ses bénéfices annuels de centaines de millions de dollars. Explorer cette possibilité vaut clairement la peine.

Travail à faire

 Créer une solution adaptative pour résoudre le problème.

Créer un diagramme qui montre le flux entre l’acquisition de données et l’action recommandée, y compris une boucle de retroaction adaptative.