Optimisez votre gestion de stock avec la Loi de Pareto et Power BI

 L’analyse 20/80, également connue sous le nom de loi de Pareto, postule que 80% des résultats proviennent de 20% des causes. Vilfredo Pareto, en 1906, a observé que 20% de la population détenait 80% de la propriété, établissant ainsi ce principe. Bien que la distribution des données ne soit pas toujours conforme à cette règle, la loi de Pareto sert de repère pour analyser divers domaines.

Cet article propose un guide détaillé pour réaliser une analyse 80/20, en se basant sur un exemple concret, et ensuite détaille les étapes pour construire le graphique correspondant avec Power BI.

  Exemple appliqué au domaine des stocks:

Analyser l'état du stock offre plusieurs avantages tels que la prévision des livraisons, la gestion des imprévus, et la compréhension de l'impact de chaque produit sur l'activité. Par exemple, en cas d'intempéries, connaître les articles essentiels permet de les stocker dans un dépôt secondaire pour maintenir les livraisons.

Étapes à suivre:

1. Lister les étiquettes de données, ici la liste des articles.
2. Ajoutez l’indicateur à mesurer, ici le nombre de livraison.
3. Classez le tableau par ordre décroissant sur l’indicateur.
4. Ajoutez le cumul.
5. Ajoutez le pourcentage.
6. Construisez le diagramme.

Le graphique ci-dessous illustre ces étapes, du recensement des données à la construction du diagramme, montrant le classement des produits en stocks par nombre de livraisons.

D'autres outils, tels que l'analyse ABC/FMR, se basent sur le même principe pour segmenter le stock et optimiser la gestion de chaque produit en fonction de son importance relative.

  Utilisation de Power BI pour construire un graphique 80 / 20 : 

Bien qu'il n'existe pas de modèle préconçu pour cette analyse, il est possible de le créer dans Power BI. Le graphique se base sur deux types de visuels: un diagramme en bâton et une courbe. Les actions correspondantes dans Power BI sont décrites ci-dessous:

A. Recensez les données observées: Dans l’onglet Accueil, cliquez sur le bouton “Entrer des données” pour saisir les informations relatives à l’étape 1 et 2, par exemple une colonne nommée [Article] et une 2ème appelée [Nb de livraison]

B. Créez les 5 mesures suivantes:

1. Nombre de livraison = SUM ( 'Table'[Nb de livraison] )
2. Rang = RANKX ( ALL ( 'Table'[Articles] ), [Nombre de livraison] )  #pour identifier l’ordre dans lequel nous allons calculer le cumuler des livraison
3. Cumul nombre de livraison = CALCULATE ( [Nombre de livraison], TOPN ( [Rang], ALL ( 'Table'[Articles] ) ))   # pour calculer le cumul dans l’ordre décroissant. La fonction TOPN() va permettre d’atteindre les valeurs des lignes précèdentes. La fonction ALL() quand à elle permet d’ignorer des colonnes liées au KPIs comme le libellé des articles, afin de l’agréger en sortie de l’expression DAX.
4. Total Nombre de livraison = CALCULATE ( [Nombre de livraison], ALL ( 'Table'[Articles] ) )    # ALL() permet d’obtenir la somme totale
5. % Cumul nombre de livraison = DIVIDE ( [Cumul nombre de livraison], [Total Nombre de livraison], 0 )    # KPI qui va nous permettre de tracer la courbe du graphique 80/20

C. sélectionnez le visuel “Graphique en courbes et histogramme empilé” et glissez/déposer les champs dans les bonnes rubriques, en particulier la mesure “% Cumul nombre de livraison” dans “”Axe Y de la ligne”.

  Comparaison entre Power BI et Excel:

Bien que le diagramme de Pareto puisse être élaboré dans des tableurs tels que Google Sheets ou Excel, l'approche diffère. L'utilisation de ces outils est davantage orientée vers l'exploration des données, tandis que Power BI est plus adapté pour la data visualization en self BI.

Power BI offre la possibilité de partager facilement des tableaux de bord ou des rapports sur la plateforme Power BI Service en quelques clics. De plus, il est plus performant pour le traitement de grands volumes de données, offrant des visuels plus interactifs par rapport à Excel, surtout dans le contexte des tableaux de bord.

Par exemple, si vous souhaitez rendre votre graphique 80-20 dynamique en permettant à l'utilisateur de sélectionner un autre indicateur, vous pouvez le faire grâce au langage DAX. En créant une table de paramétrage et en utilisant la fonction SWITCH, l’équivalent d’un “IF / ELSE IF” sur la plupart des tableurs, le recalcule des mesures et la mise à jour des visuels s'effectue en 1 clic :

 KPI dynamique = SWITCH ( SELECTEDVALUE ( 'Table de paramètre'[Paramètre] ), "Nb de livraison", SUM ( 'Table'[Nb de livraison] ), "Quantité", SUM ( 'Table'[Quantité] ))    # mesure utilisée pour rendre le graphique de Pareto dynamique

  Bonnes pratiques:

La loi de Pareto est un outil puissant, mais son efficacité dépend de son utilisation appropriée. Par exemple, prioriser les commandes des produits de fond de rayon dans la grande distribution est une bonne pratique, tandis que supprimer des articles coûteux sans évaluation minutieuse peut entraîner une baisse du chiffre d'affaires.

Parmi les bonnes pratiques à noter: utiliser un petit nombre d’étiquettes de données, une dizaine par exemple, et fusionner les données qui ont la même cause.

Selon la volumétrie des données, la création préalable de ces KPIs dans un cube tabulaire SSAS ou en base de données avec le langage SQL peut être nécessaire, en utilisant des fonctions window ou de "fenêtrage," par exemple.

En résumé, implémenter le graphique de Pareto avec Power BI offre une approche dynamique pour comprendre rapidement quels facteurs créent le plus d'effet dans un ensemble de données volumineuse.