Prévoir les ventes en utilisant des données commerciales antérieures

Les méthodes de prévision des ventes sont très variées et peuvent intégrer une multitude de données internes et externes. Parmi ces méthodes, on retrouve celle qui consiste à se baser sur des données historiques (passées) pour anticiper les ventes futures.

Il s’agit d’une solution largement utilisée en entreprise, car elle est relativement aisée à mettre en place, que ce soit en créant un fichier de prévision sur Excel ou en utilisant un logiciel de prévision des ventes. Néanmoins, cette méthode souffre de quelques inconvénients, et elle ne doit pas être envisagée de façon exclusive, au risque de ne pas produire de prévisions suffisamment fiables.

C’est pourquoi nous faisons le point sur le fonctionnement des données historiques, les atouts de la méthode et ses limites, afin que vous l’utilisiez à bon escient !

Méthode de prévision des ventes : les données historiques-1

En quoi consiste la méthode des données historiques ?

Le principe de la méthode est en réalité plutôt simple : utiliser les données de vente des derniers mois, des derniers trimestres, voire des dernières années, pour prédire quelle sera la quantité de produits vendus lors des mois à venir. Bien souvent, il s’agit d’estimer que les ventes seront égales ou supérieures à celles des périodes passées, en fonction du taux de croissance sur la période antérieure étudiée.

L’utilisation des données historiques constitue donc une méthode de comparaison, qui fonctionne à l’aide d’informations collectées en interne. Autrement dit, elles ne concernent que les ventes de l’entreprise, mais n’incluent pas de chiffres émanant de la concurrence, de l’évolution du marché, etc.

Au sein de cette méthode générique, plusieurs modèles peuvent être utilisés pour déterminer les prévisions :

régression linéaire simple, visant à établir une formule qui permettra de calculer le nombre de produits vendus pour la période suivante ;
ajustement via la méthode des points extrêmes, permettant de tracer une droite entre deux points et qui donne la tendance d’évolution des ventes ;
ajustement à l’aide de la méthode Mayer, qui nécessite le calcul de deux points moyens à la place des points extrêmes ;
définition de la droite des moindres carrés, tracée selon une formule similaire aux deux ajustements précédents, mais incluant des calculs additionnels pour obtenir des valeurs ajustées et plus fiables ;
calcul de la moyenne mobile, simple ou pondérée, qui consiste à réaliser des moyennes successives pour prédire les ventes à venir ;
réalisation d’un lissage exponentiel, qui peut ou non prendre en considération la tendance et la saisonnalité ;
imputation d’un coefficient saisonnier pour le calcul prévisionnel, afin de prévoir les ventes en fonction des périodes où l’activité est plus ou moins importante.

Il s’agit là des principales méthodes quantitatives s’appuyant sur les données historiques : certaines sont très simples à mettre en œuvre, tandis que d’autres requièrent des connaissances un peu plus approfondies en statistiques et en probabilité. Mais avec les outils actuels (logiciel CRM, solution dédiée exclusivement à la prévision des ventes, formules Excel préconçues, etc.), tous ces calculs peuvent être automatisés. Les équipes commerciales, financières et marketing ont alors à leur disposition des tableaux et graphiques qui leur offrent un aperçu simplifié des ventes prévues.

Méthode de prévision des ventes : les données historiques-2

Pourquoi favoriser cette méthode de prédiction ?

Les prévisions qui se basent sur des données historiques ont l’avantage majeur d’être simples à mettre en œuvre. Les méthodes et formules utilisées sont connues depuis longtemps et enseignées dans les cursus orientés marketing, logistique et management commercial. En utilisant cette méthode, chaque membre de l’entreprise qui a besoin de réaliser, d’analyser et de lire des résultats de prévisions de vente est donc en mesure de le faire. Nous n’avons pas affaire à une technique réservée aux seuls experts, qui effectueraient des calculs de leur côté de façon opaque et difficilement compréhensible par les autres collaborateurs de l’entreprise.

De plus, cette méthode permet de réaliser rapidement un plan prévisionnel, surtout en utilisant un logiciel CRM adéquat. Les données de vente y sont intégrées automatiquement et il suffit ensuite de générer une prévision en fonction des critères et des variables souhaités, pour obtenir une vision à court ou moyen terme des ventes sur une période voulue.

L’autre point fort de la prévision historique est l’utilisation de données concrètes et fiables. Même s’il est impossible de prédire l’avenir avec certitude, il est indéniable que les chiffres traduisent la réalité économique et commerciale de l’entreprise. En s’appuyant sur des informations qu’il n’est pas possible de contester, il est plus facile de déterminer des objectifs cohérents et de les faire accepter aux équipes commerciales et marketing.

Quelles sont les limites de l’utilisation des données historiques ?

La simplicité du modèle de prévision historique fait son succès, mais c’est également ce qui restreint ses possibilités et remet en cause son niveau de précision.

En effet, avec une telle méthode centrée sur la probabilité et les statistiques, il est indispensable de disposer d’une grande quantité de données, sur une période suffisamment longue, afin d’obtenir des résultats satisfaisants. Or, une entreprise qui n’est que dans sa première année d’activité ne dispose pas de ces données essentielles. Elle n’a donc d’autre choix que d’utiliser des études de marché, ses propres ressources et des données externes pour estimer le nombre de ventes.

Mais le problème central de ce type de prévisions, surtout en utilisant un modèle de calcul très simplifié, est qu’il ne prend pas suffisamment en compte les éléments contextuels. Par exemple, le calcul d’une moyenne ne permet pas de déceler la saisonnalité des ventes, qui impacte pourtant grandement la répartition du chiffre d’affaires au cours de l’année. Et même en appliquant un coefficient ou en utilisant le modèle de lissage exponentiel de Winters, il sera nécessaire de disposer de données sur plusieurs cycles de vente pour aboutir à des prévisions fiables.

Au-delà de la problématique de la saisonnalité, il faut rester conscient que la prévision basée sur l’historique des ventes n’a pas vocation à déterminer un plan sur le long terme. Effectivement, en utilisant uniquement des informations passées, on ne prend pas en considération tout le contexte qui peut affecter les ventes (état de la concurrence, évolution des besoins des consommateurs, lancement d’un nouveau produit, etc.).

Ces limites doivent amener à la conclusion que la méthode de prévision historique est un outil utile, mais qui ne peut suffire pour mener une analyse pointue et une stratégie commerciale efficace. Les prévisions qui en émanent peuvent servir de base pour déterminer le plan de production, attribuer les ressources et déterminer des objectifs, mais il ne s’agit que d’une composante d’une prévision plus riche. Il est par exemple pertinent de compléter ces prévisions avec d’autres méthodes, prenant en considération le cycle de vente d’un produit, des sondages auprès de consommateurs, les tendances du secteur d’activité, etc.

Nous vous recommandons ces autres pages :