Atyse et Goodyear témoignent de leurs progrès grâce à Colibri

Viseo, intégrateur, développeur et éditeur de solutions logicielles a organisé hier une matinée sur le thème
« Quels bénéfices tirent les Directions industrielles de leur prévision ? »

Sont venus partager leur expérience Mathieu Montmessin, Directeur des Partenariats chez Atyse GEIE, Mobivia Groupe Atyse, Edouard Carpentier, Directeur Division Consumer France, Goodyear et Antoine Bernard, Directeur Associé, Citwell

Mehdi Kharab, Expert Produit chez Viseo, a d’abord rappelé pourquoi la solution de prévisions Colibri a été développée : « Régulièrement, nos clients nous remontaient des besoins simples en matière de prévisions et disposaient d’un budget de 40/50 K€ face aux 300 K€ que demandait la mise en œuvre d’un APS

Nous avons créé Colibri pour adresser une demande non couverte par les logiciels du marché ».
Et de rappeler 6 points différenciants de Colibri : accessibilité en termes de budget et technique (mode Saas dans cloud Microsoft Azure), intégration des bonnes pratiques métiers, mode collaboratif, simplicité et ergonomie, mobilité et rapidité de mise en œuvre

Atyse, B.U. support des 13 clients du groupe Mobivia, est chargée de les approvisionner en pneumatiques (40.000 ref.)

Elle a choisi Colibri dans le cadre d’un projet d’amélioration continue pour automatiser la génération des prévisions sur la base des historiques en vue d’augmenter la fiabilité des prévisions et la disponibilité produit, tout en réduisant les stocks

De son côté Goodyear, qui disposait déjà d’un processus S&OP, a décidé de retravailler l’approche de ses prévisions avec Colibri pour gagner en fiabilité (15 points à l’issue du projet) et en visibilité

Tous ont insisté sur le pouvoir qu’ils ont depuis de challenger la demande client et de faire des scénarios pour prendre conjointement les meilleures décisions

Ils ont aussi attiré l’attention sur la nécessité de ne pas reprendre systématiquement la hiérarchie (produit/ clients…) existante mais de voir quelles sont les niveaux d’agrégats (ex : familles logistiques avec des comportements homogènes) les plus pertinents en termes de prévisions. CP