Professional Documents
Culture Documents
PREVISIONS
INTRODUCTION
L’Entreprise aujourd’hui vend sur des marchés de plus en plus concurrentiels : concurrence
nationale mais aussi souvent internationale. La demande y évolue rapidement tant en fonction
des innovations technologiques que des changements de goût des consommateurs.
Ce caractère évolutif et « turbulent » des marchés conforte le rôle premier du budget des
ventes dans le processus budgétaire, mais ne facilite pas sa gestion.
A. Tendance linéaire
En reportant les données Ventes 1 sur un graphique, on obtient la représentation suivante :
250-
200-
Ventes 1 150-
100-
50 -
0 -
I I I I I
1 2 3 4 5 6
Années
1
L’équation de la droite d’ajustement, de la forme y = ax + b a pour coefficient directeur
(formules de définition.
⅀ XiYi
a= avec X = x - x́ et Y = y - ý
i i i i
⅀ Xi2
Cette formule prend en compte les écarts aux moyennes. Dans la pratique, en disposant d’une
calculatrice on utilise plutôt :
⅀ XiYi
Coefficient directeur a =
⅀ x 2- n x́ 2
i
Ordonnée à l’origine b = ý - a x́
La validité de l’ajustement peut être testée par le calcul du coefficient de corrélation (ou son
carré) :
⅀ xiyi - n x́ ý ⅀ XiYi
r= formule de définition : r =
√⅀ x - n x́
i
2 2
√⅀ yi - n ý 2
2
√⅀ xi2 √⅀ yi2
Cette valeur proche de 1 atteste d’une bonne corrélation et confirme donc la validité de
l’ajustement linéaire.
La tendance linéaire manifeste incite à utiliser la droite d’ajustement afin de prévoir les vente
de l’année 7, soit : y = 27,5714 x 7 + 71 = 264
Il faut toute fois rester attentif aux évolutions de la conjoncture qui pourraient perturber la
tendance.
2
B. Tendance exponentielle
250-
200-
Ventes 1 150-
100-
50 -
0 -
I I I
1 2 4 6
Années
On voit qu’une droite, quelle qu’elle soit, rendrait mal compte du phénomène d’accélération
des ventes. L’allure de la courbe fait davantage penser à une tendance exponentielle.
Une telle courbe a une équation de la forme : y = B.Ax.
L’année figure en exposant, lorsque x augmente de 1, y est donc multiplié par un facteur
constant A. on peut vérifier que c’est bien sensiblement le cas sur la série y2 :
Année 1 2 3 4 5 6
Ventes 2 : y2 100 120 148 182 230 290
yi / yi-1 1,2 1,23 1,23 1,26 1,26
Afin de calculer les paramètres d’un tel ajustement, il suffit d’écrire l’équation :
Y = B.Ax sous la forme logarithmique : log y = x logA + logB
En posant log A = a et log B = b, on est donc ramené à un ajustement linéaire entre log y et x.
Pour calculer les valeurs de a et b, il suffit de remplacer dans les formules de l’ajustement
linéaire y par log y.
´
⅀ xi log yi – n x́ . log y
´
a= et b = log y - a x́
⅀ xi2 - n x́
3
Somme 21 1 070 13,3336 48,2925 91
Moyenne 3,5 178,3333 2,2223
Indépendamment des variations liées à la conjoncture, le choix d’un certain type de fonction
(linéaire, exponentielle ou autre) pour prévoir l’évolution de la tendance peut s’appuyer sur la
notion de cycle de vie du produit.
Le schéma suivant met en évidence les différentes phases de ce cycle :
Aux différentes phases du cycle de vie correspondront des fonctions d’ajustement différentes ;
il est donc important pour la prévision de bien identifier dans quelle phase se situe
actuellement le produit.
Le graphique ci-dessous montre clairement une tendance générale à la hausse représentée par
une droite de tendance (ou « trend ») avec des variations au-dessus ou en-dessous de cette
tendance en fonction des saisons. Ainsi les premiers et seconds trimestres se situent plutôt en-
dessous de la tendance alors que les troisième et quatrième se situent au-dessus.
4
250-
200-
Ventes 2
150-
100-
50 -
0 - I I I I I I I I I I I I
0 1 2 3 4 5 6 7 8 9 10 11 12
Trimesters
En reportant cette série corrigée des variations saisonnières sur un graphique, on voit qu’elle
présente une évolution beaucoup plus régulière que les données brutes.
En procédant à un ajustement sur cette série, on pourra avoir une prévision de la tendance des
ventes et passer de là aux prévisions par trimestre.
5
250-
200-
Ventes
150-
100-
50 -
0 - I I I I I I I I I I I I
0 1 2 3 4 5 6 7 8 9 10 11 12
Trimesters
Trimestre x 13 14 15 16
Prévision de la tendance : 216 226 236 246
y’ = 10,095x + 84,72
Coefficient saisonnier : Ct 0,7 0,9 1,25 1,15
Prévision des ventes par 151 203 295 283
trimestre : y = y’ x Ct
• APPLICATION A L’EXEMPLE.
Trimestre 1 2 3 4 5 6 7 8 9 10 11 12
Données observées : yi 66 96 145 144 92 131 195 189 120 167 246 239
Moyenne mobile : y’i 116 124 134 146 155 163 174 187
6
1/2 x 66 + 96 + 145 + 144 1/2 x 92
Par exemple : y’3 = = 116
4
200-
Ventes
150-
100-
50 -
0 - I I I I I I I I I I I I
0 1 2 3 4 5 6 7 8 9 10 11 12
Trimesters
On peut rapprocher les coefficients saisonniers relatifs à un même trimestre sur plusieurs
années afin de déterminer les valeurs retenues définitivement.
On retiendra pour chaque trimestre la moyenne des valeurs trouvées en procédant à une
approximation éventuelle pour que la somme des valeurs soit bien égale à 4.
Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
Année N – 2 1,25 1,16
Année N – 1 0,69 0,90 1,26 1,16
Année N 0,69 0,89
Valeur retenue 0,69 0,90 1,25 1,16
Nota : Ce n’est pas la seule méthode pour déterminer des coefficients saisonniers.
Ces coefficients peuvent également être établis par diverses méthodes telles que les rapports
à la tendance (ou au trend) (moyennes mensuelles des rapports valeurs réelles/valeurs
ajustées, les valeurs ajustées étant obtenues à l’aide de l’équation des moindres carrés) ; ou
des méthodes simples (moyennes de chaque mois/moyennes de l’ensemble des mois de la
période de référence).
B. L’impact de l’action commerciale
7
Celle-ci revêt de multiples aspects : action publicitaire, politique de prix, importance de la
force de vente, politique de distribution, etc.
Prenons deux exemples :
a) La politique de prix
Son effet sur le volume des ventes peut être apprécié à partir de la notion d’élasticité.
∆q
Celle-ci définit comme le rapport entre la variation relative de la demande q
et la
∆p
Variation relative du prix : p
∆q
q
e= ∆p
p
Elle est normalement négative ; une valeur de -2 signifie qu’une hausse de prix de 10%
entraînera une baisse de la demande de 20%.
Des sondages auprès de clients potentiels pourront dans certains cas permettre d’approcher la
valeur de cette élasticité.
b) le budget publicitaire
a partir d’observations antérieures, on peut éventuellement évaluer l’effet des dépenses
publicitaires sur le volume des ventes.
La mesure de cet effet peut se fonder sur des études de corrélation.
C. Les évolutions du marché et de la clientèle
Celles-ci pourront être appréhendées :
- à partir d’informations fournies par les vendeurs d’après leur connaissance concrète du
marché ;
- par des études de marché qui analysent les comportements d’achat de la clientèle potentielle
sur un échantillon représentatif. De telles études, souvent coûteuses et sophistiquées, peuvent
être confiées à des organismes extérieurs spécialisés. La technique mathématique des
sondages permet d’extrapoler les résultats observés sur l’échantillon à l’ensemble du marché
de l’entreprise.
Exemple d’application : Une importante compagnie d’assurance a mis au point un nouveau
type de contrat d’assurance multirisques qu’elle envisage de proposer à l’ensemble de ses
300.000 clients.
Dans un sondage réalisé auprès de 400 clients, 80 se sont déclarés intéressés.
On cherche à déterminer le nombre prévisible de contrats qui seront signés.
Solution
La proportion f des clients de l’échantillon intéressés par le contrat est égale à 80/400 soit
20%. En extrapolant ce pourcentage à l’ensemble de la population, on trouve 0,20 x 300 000
= 60 000.
8
Mais du fait de la taille de l’échantillon (400 observations seulement sur 300 000) cette
prévision présente un risque car la proportion p dans l’ensemble de la population peut être
différente de f.
On cherche donc à déterminer un intervalle, dit intervalle de confiance, contenant la vraie
valeur de p avec une probabilité α. Α est appelé seuil de confiance. Α doit être proche de 1
pour que la prévision soit fiable (on retient souvent α = 0,90 ou 0,95).
Cet intervalle de confiance admet les bornes suivantes :
f (1-f) f (1 – f)
[f – tα√ n – 1 ; f + tα √ n – 1 ]
Sur notre exemple, en retenant un seuil de confiance de 0,95, l’intervalle de confiance pour p
sera donc le suivant :
Pour 300 000 clients, l’intervalle correspondant est donc de [48 000 ; 72 000].
On peut penser avec une probabilité de 0,95, qu’il y aura entre 48 000 et 72 000 clients qui
seront intéressés.
Elle découle logiquement de la prévision des ventes, même s’il peut y avoir interaction entre
les deux comme nous l’avons vu précédemment : la détermination d’un certain montant de
budget publicitaire pourra par exemple se répercuter sur le niveau de ventes.
La double classification des charges étudiées dans le tome 1 s’applique aux charges de
distribution. On peut la présenter dans le tableau suivant :
Les charges variables sont pour une large part, proportionnelles au chiffre d’affaires :
(commissions versées aux représentants en fonction des ventes réalisées).
Pour d’autres charges variables, une analyse plus fine peut s’avérer nécessaire prenant en
compte les prévisions en quantités et l’évolution probable du coût des facteurs.
EXEMPLE DE CALCUL
Pour l’année N, les charges de distribution d’une entreprise ont pu être analysées de la façon
suivante :
Pour l’année N + 1, on prévoit une augmentation des ventes en quantités de 10%, avec une
majoration de 5% du prix de vente unitaire.
Le prix du transport sera augmenté de 1%, les rémunérations de 4% et les autres charges de
2%.
Le budget de l’année N + 1 pourra être établi de façon suivante :
Eléments du calcul Montant
Charges variables de distribution
- Commissions 1 250 000 x 1,10 x 1,05 1 443 750
- Frais de transport 540 000 x 1,10 x 1,01 599 940
Charges fixes de distribution
- Rémunérations 400 000 x 1,04 416 000
- Autres charges 250 000 x 1,02 255 000
Total 2 714 690
10