La gestion des ventes. I. La prvision des ventes.

A. Principe. Elle consiste dterminer les ventes futures la fois en quantit et en valeur en tenant compte des tendances et contraintes imposes lentreprise. Cest pourquoi on doit voir les outils. Il faut tenir en compte galement des politiques de dcisions gnrales. Il va en rsulter un chiffre daffaire prvisionnel. Le but est que le budget des ventes permette dtablir le programme de production, le programme dapprovisionnement et dtudier lquilibre prvisionnel de la trsorerie. La prvision des ventes long terme permet denvisager les investissements raliser et leurs plans de financement. Organiser la distribution ou logistique de lentreprise. La prvision des ventes est la base de la gestion budgtaire. B. Les bases des prvisions. Les informations viennent la fois de lextrieur de lentreprise et de lactivit de lentreprise. 1. Lanalyse des informations passes. Les outils statistiques : Valables uniquement court terme. On suppose que les hypothses de travail sont valables dans lavenir. Les outils statistiques ne sont pas valables pour les nouveaux produits. 2. Analyse dinformations actuelles. Informations sur le march (enqutes.) et informations sur les choix de lentreprise. C. Les techniques des prvisions. Selon que la prvision concerne les produits existants ou des produits nouveaux, les techniques de prvision diffrent. 1. Techniques de prvision pour les marchs et produits dj existants. a) Les mthodes quantitatives (analyses statistiques) Elles sappuient sur lexamen de sries chronologiques afin de dcouvrir des tendances et des volutions et les prolonger dans le futur ; c'est--dire par extrapolation. Les techniques dextrapolation :

Pralable et ncessaire : lobservation graphique. Il faut toujours examiner son nuage de points pour pouvoir dterminer la mthode appliquer. Lexamen de la srie peut faire apparatre la fois le phnomne. - Recherche des tendances gnrales. On va rechercher lvolution qui va se matrialiser par une courbe qui passera au milieu du nuage de points. Courbe dont on dtermine lquation. 1

Cas de tendance linaire.

1. Ajustement linaire : 1. a : Rgression simple et multiple. Deux variables quantitatives X et Y. L a rgression permet de formaliser la relation qui stablit entre elles. La rgression de Y en X est destine expliquer les valeurs de Y par celles prises par X et la rgression de X en Y permet dexpliquer les valeurs de X par celles de Y. On lappelle rgression simple. La fonction est : f(x) = aX +b, ou a et b sont deux rels dterminer. 1. b : Ajustement par la mthode de moindres carrs. La meilleure droite dajustement au sens de la mthode du moindre carr est celle pour lesquelles la somme des carrs des distances des points reprsentatifs la droite, mesures paralllement laxe des ordonnes, est la plus faible b= Y* - aX* et a = Somme (Xi X*)( Y1 Y*) Somme (Xi X*)^2 Ou a = Somme XiYi NX*Y* Somme (Xi^2 X*^2 N Le cfficient "a" correspond la pente de la droite du moindre carr. Dans le cas dune rgression de X et Y, lquation de droite est X= aY + b a= Cov(x, y) = cart.Type^2 Y somme(Xi X*)(Y1-Y*) somme (Yi Y*)^2

2. Extension de lajustement linaire. Les relations ou fonctions non linaires doivent tre pralablement transformes afin que les principes de lajustement linaire leur soient appliqus. 2. a : Fonction exponentielle. Ce type de relation est utilis dans la description de lvolution dune variable en fonction de temps dans le cas o son taux de variation est constant. Par exemple, la valeur acquise dun capital plac pendant plusieurs priodes un taux fixe. Il sagit des fonctions de la forme Y = b.a^x o a et b sont les constantes. La forme logarithmique de cette galit scrit : Log y = Log b + XLog a = X log a + Log b Posons : Y= log y ; B = log b ; A = Log a Lgalit devient : Y = B + A^X Ds lors, il est possible de calculer les valeurs de A et B par la mthode du moindre carr. Une fois celle ci obtenues, la transformation inverse doit tre opre. A = Log a => a = 10^log a = 10^A; B = log b => b = 10^log b = 10 ^B 2

La transformation peut tre opre laide de logarithme nprien. Dans ce cas, linterversion finale est de la forme : a = e^ln a = e^A et b = e ^ln b = e^B. 3. b : Fonction puissance Ce type de fonction permet de dcrire les relations de variables X et Y dont les taux de variations sont lis par une valeur constante a (par exemple, lvolution du chiffre daffaires selon le prix). Ces fonctions sont de la forme : Y = bX^a o a et b sont les constantes. Le logarithme de galit scrit : Log y = log b + a log x = a log x + log b Posons : Y = log y ; X = log x ; B = log b ; Lgalit devient : Y= a X + B Une fois les valeurs de a et B dtermines par la mthode de moindre carr, seule la valeur de B doit tre obtenue par la transformation inverse, car le coefficient a na pas t transform. B= log b => b = 10^log b = 10^B 4. Corrlation : 4. a : Dfinition : Le coefficient de corrlation linaire not r mesure lintensit de la liaison entre les variables X et Y. Il est dfini par le rapport : r = somme (Xi- X*)(Yi Y*) racine carr (somme (Xi-X*)^2 x somme (Yi Y*)^2 ou r = Somme XiYi NX*Y* Racine carr de la somme (Xi^2- NX*^2) x Somme(Yi^2 NY*^2) Ce coefficient est compris entre -1 et 1 -1<= r <= 1 5. b : Interprtation de r et le coefficient de la droite dajustement. r = 0 : traduit labsence de corrlation a = a= 0 => Y = b r > 0 : indique que les deux variables voluent dans le mme sens. - si X augmente alors Y augmente aussi. - Si X diminue alors Y diminue aussi Plus r est proche de 1 et plus lintensit de la liaison est importante. r = 1 : traduit lexistence dune liaison fonctionnelle, dans ce cas b = b = 0 et a = a = 1. Il y a une superposition des droites dajustement de Y en X et de X en Y. r < 0 : traduit lvolution des variables. - si X diminue alors Y augmente - si X augmente alors Y diminue. R = -1 : Correspond galement une liaison fonctionnelle. Dans ce cas, a = a = -1 et b = b = Y* + X* ; droites dajustements sont confondues. 5. c : Observation : <Le coefficient de corrlation linaire napporte aucune information sur le caractre causale de la relation de deux variables considres. Application : 3

Une entreprise cherche caractriser la liaison entre ses bnfices et sa production dans la phase de lancement dun nouveau produit, laide du tableau suivant prsentant, pour des niveaux de production x, les bnfices attendus y.

Niveaux de production Bnfices attendus 1 2 8 10 17 0.2 0.9 13.0 20.0 72.0

Niveaux de production 21 43 60 70 150

Bnfices attendus 140 280 500 1.100 3.000

Dterminer la liaison simplifie entre ces 2 sries, en choisissant la forme la plus adquate. Pour ce faire, on reprsentera graphiquement le bnfice en fonction de la production, puis on examinera les hypothses suivantes : - la liaison est linaire de la forme y = a. x + b - la liaison est une fonction exponentielle de la forme y = b .a^x - la liaison est une fonction puissance de la forme y = b. x^a Dans chacun des cas tudis, on proposera lquation sous sa forme dfinitive. On choisira lajustement dont le degr de prvision est le plus lev (calcul du coefficient de corrlation) et on calculera les prvisions correspondantes aux niveaux de production suivants : 310, 320, 330 et 340

Ajustement par moindre carr.

x* y* xi 1 2 8 10 17 21 43 60 70 150 382 a b r 38,2 512,61 yi 0,2 0,9 13 20 72 140 280 500 1100 3000 5126,1 19,7171052 240,583418 0.968 Xi=xi-x* -37,2 -36,2 -30,2 -28,2 -21,2 -17,2 4,8 21,8 31,8 111,8 0 Yi=yi-y* -512,41 -511,71 -499,61 -492,61 -440,61 -372,61 -232,61 -12,61 587,39 2487,39 0 Xi^2 1383,84 1310,44 912,04 795,24 449,44 295,84 23,04 475,24 1011,24 12499,24 19155,6 Yi^2 262564,008 261847,124 249610,152 242664,612 194137,172 138838,212 54107,4121 159,0121 345027,012 6187109,01 Xi.Yi 19061,652 18523,902 15088,222 13891,602 9340,932 6408,892 -1116,528 -274,898 18679,002 278090,202

7936063,73 377692,98

b= Y* - aX* et a = Somme(Xi X*)( Y1 Y*) Somme (Xi X*)^2 r = somme ( Xi- X*)(Yi Y*) racine carr (somme(Xi-X*)^2 x somme(Yi Y*)^ Le coefficient de corrlation vrifie la qualit de la corrlation entre -1 et 1. Cas de tendance non linaire : La mthode de moindre carr reste valable. Si la srie nest pas linaire, on va utiliser un artifice pour la rendre linaire. Cet artifice est lajustement logarithmique. Dans la fonction de type exponentielle on va jouer sur laxe des abscisses et dans la fonction de type logarithmique on va jouer sur laxe des ordonns pour avoir un ajustement linaire. Correction de lexercice par la fonction exponentielle.
x* y* xi 1 2 8 10 17 21 43 60 70 150 382 38,2 1,7338 yi 0,2 0,9 13 20 72 140 280 500 1100 3000 5126,1 log y -0,6990 -0,0458 1,1139 1,3010 1,8573 2,1461 2,4472 2,6990 3,0414 3,4771 17,3383 Xi=xi-x* -37,2 -36,2 -30,2 -28,2 -21,2 -17,2 4,8 21,8 31,8 111,8 0 Yi=yi-y* -2,4328 -1,7796 -0,6199 -0,4328 0,1235 0,4123 0,7133 0,9651 1,3076 1,7433 0 Xi^2 1383,84 1310,44 912,04 795,24 449,44 295,84 23,04 475,24 1011,24 12499,24 19155,6 Yi^2 5,9185 3,1669 0,3843 0,1873 0,0153 0,1700 0,5088 0,9315 1,7097 3,0390 16,0314 Xi.Yi 90,5003 64,4212 18,7207 12,2051 -2,6182 -7,0914 3,4240 21,0399 41,5803 194,8994 437,0815

Y = b.a^x 5

Log y = Log b + XLog a = X log a + Log b => a= somme Xi.(logy y*)/ Xi^2 Posons : Y= log y ; B = log b ; A = Log a Lgalit devient : Y = B + A^X => Y= 0.8622 + 0.022817^x A = 0.022817 => a= 10 ^0.022817 = 1.053 B = 0.8620 => b= 10^0.8620 = 7.277 Comme y = b.a^x => y=7.2812 x 1.053^x
a B r 0,02281743 0,8622092 0,789

La corrlation nest pas bonne cause de 0.789 do il faut essayer la tendance de fonction puissance qui accordera moins dimportance lchelle de X. Y = bX^a Log y = log b + a log x = a log x + log b Posons : Y = log y ; X = log x ; B = log b Y= a X + B B= log b => b = 10^log b = 10^B
x* y* xi 1 2 8 10 17 21 43 60 70 150 382 a B r b 1,2190 1,7338 yi 0,2 0,9 13 20 72 140 280 500 1100 3000 5126,1 log xi 0,0000 0,3010 0,9031 1,0000 1,2304 1,3222 1,6335 1,7782 1,8451 2,1761 12,1896 1,9292 -0,6178 0,789 0,24123 log y -0,6990 -0,0458 1,1139 1,3010 1,8573 2,1461 2,4472 2,6990 3,0414 3,4771 17,3383 Xi=logx-x* -1,2190 -0,9179 -0,3159 -0,2190 0,0115 0,1033 0,4145 0,5592 0,6261 0,9571 0,0000 Yi=yi-y* -2,4328 -1,7796 -0,6199 -0,4328 0,1235 0,4123 0,7133 0,9651 1,3076 1,7433 0 Xi^2 1,4859 0,8426 0,0998 0,0479 0,0001 0,0107 0,1718 0,3127 0,3920 0,9161 4,2796 Yi^2 5,9185 3,1669 0,3843 0,1873 0,0153 0,1700 0,5088 0,9315 1,7097 3,0390 16,0314 Xi.Yi 2,9655 1,6335 0,1958 0,0948 0,0014 0,0426 0,2957 0,5397 0,8187 1,6686 8,2562

Le coefficient de corrlation r = 8.2562/ racine carr (4.2796*16.0314) = 0.9968. Equation : Y = 0.24123 * X^1.9292 Donc, cest la fonction puissance qui permet de mieux ajuster la droite.

La prise en compte de variations particulires : 6

On procde llimination de variations saisonnires ; Llimination des variations saisonnires dune srie est un pralable ncessaire la prvision de tout phnomne prvue des telles fluctuations. - Dabord liminer leffet conjoncturel par le biais de la dsaisonnalisation et ensuite tudier le phnomne de fond. Mthode des moyennes mobiles. Cette mthode permet de mettre en vidence la tendance de fond et dliminer tout phnomne cyclique. On obtient une srie dsaisonnalise quon ajustera. On trouve la droite dune srie dsaisonnalise quon extrapole pour avoir la srie. Plusieurs mthodes : - mthode de double moyenne : On partage les nombres de points du graphique en 2 sries tel que P + Q = N. La droite dont on cherche lquation passe par les points moyens des 2 groupes. - Mthode des moyennes mobiles : Pour dsaisonnaliser, ce nest pas ncessaire dutiliser des coefficients. Application Les productions trimestrielles de lentreprise Onie se prsentent pour les 4 dernires annes suivantes :
Annes trimestres N trimestre N trimestre N trimestre N trimestre et 1 2 3 4 Productions 8.000 8.500 6.000 7.500 8.500 9.000 6.500 8.000 Annes et trimestres N + 2 trimestre 1 N + 2 trimestre 2 N + 2 trimestre 3 N + 2 trimestre 4 N + 3 trimestre 1 N + 3 trimestre 2 N + 3 trimestre 3 N + 3 trimestre 4 productions 9.300 9.800 7.300 8.800 10.200 10.700 8.200 9.700

N + 1 trimestre 1 N + 1 trimestre 2 N + 1 trimestre 3 N + 1 trimestre 4

Dterminer lajustement de cette srie par les mthodes suivantes : - La mthode de la double moyenne - La mthode de la moyenne mobile (sur 4 priodes) Elle pourra tre ajuste par la mthode de moindres carrs - La mthode de la moyenne mobile (sur 5 priodes) Reprsenter graphiquement les droites ( ou courbes) correspondantes chacune de ces mthodes utilises. Budget de production :

Mthode de simplex : Comment traduire les quations en tableaux. On transforme les inquations du programme en quations, en introduisant des variables dcarts. Une des solutions possibles consiste ne retenir comme variable non nul que les variables dcarts. Cette solution consiste ne rien produire. Elle sera amliore progressivement par 7

lalgorithme du simplex en permutant chaque tape ne variable nulle et une variable non nulle. On prsente les coefficients de contraintes et de la fonction dans un tableau. La 1re colonne du tableau correspond aux variables non nuls et l dernire colonne est la valeur des variables. Passage du tableau 1 au tableau 2 : On slectionne comme variable entrant celle qui est plus forte sur la ligne des coefficients forts. Pour dterminer les variables sortantes, on divise la dernire colonne du tableau par la colonne de la variable entrante et on choisit comme variable sortante celle qui correspond au minimum positif. La variable entrante remplacera la valeur sortante comme variable non nuls. Le coefficient situ lintersection de la ligne et les lignes slectionnes est appel Pivot. Transformation du tableau.

La variable entrante se substitue la variable sortante. Il faut obtenir dans la colonne entrante les coefficients de la valeur sortante. Pour ce faire, on remplacera chaque ligne par une combinaison des lignes sortantes. On obtient un nouvel tableau dans lequel les valeurs entrantes remplaceront les valeurs sortantes.